專題：第28屆北京科博會-未來產業推介會
第28屆北京科博會-未來產業推介會於2026年5月8日在北京舉行。聯想集團副總裁毛世傑出席並演講。
以下為演講實錄：
毛世傑：感謝各位來賓，我是來自聯想集團的毛世傑，今天非常榮幸在這個會場給大家交流一下聯想在機器人這個領域新的進展，到現在很多人都不知道我們在做機器人，聯想在做機器人已經做了好幾年的時間了。尤其是在去年我們正式成立了機器人實驗室，專注在機器人的領域。
機器人這個話題是一個很長遠的話題並不新鮮，好幾年前我們看到長線裏面都有機械臂代替員工來做各種各樣的操作，那個時候我們叫它機器人1.0，後來由於SLAM這些技術的變化，機器人有一定的移動性耳熟能詳就是家裏的掃地機器人，還有酒店的送餐機器人，他們用的這種技術模型基本上就是SLAM+CNN的一些檢測識別的算法。
今天的機器人突然一下這麼火爆，本質上就是Transformer這種架構給AI帶來的能力，然後賦能機器人，使得機器人只能在一個固定環境擔任務，變成了一個可以到開放環境和多任務的狀態，所以它的機器人的應用空間一下子大大的提高了。我們所有人都憧憬着人形機器人，未來的機器人4.0，它是一個通用任務，事先不需要設定任務的機器人。這種機器人今天在基礎的技術模型方面還在探索的過程中，我們有不少的企業實際上是在做3.0，對外宣傳是4.0，所以有一個基礎的概念先給大家解釋一下。
我們判斷各種不同的機器人核心的技術分為這麼幾個部分，現在最核心、最成熟的就是MPC的模型預測加上強化學習控制，這一塊大家所能夠感知到的就是比如說今年春晚的宇樹在運動控制方面已經做得非常令人驚豔了。這個部分算是相當的成熟，接下來未來2-3年行業的重點就是VLA模型，VLA模型在未來兩三年是逐步走向產品化的階段，還有學術界目前研究的重點就是世界模型。我們覺得世界模型它是真正的和現在的模型架構不一樣，它會對真實世界有理解有預測，是實現通用人工智能的必經之路，但是目前還是屬於實驗室階段，還沒有到產業界。
基於這樣的行業趨勢，聯想集團自己的定位是聚焦場景驅動的務實AI，正好我們今天講的是場景，意味着四個含義：
第一個在架構端，我們覺得今天成熟的產品還是得用類VLA架構，也就是說vision、language和強化學習，它其實是不同層次的模型在互相配合的架構。
第二個非常核心的是在新的架構上，整個範式變了，就是數據驅動模型，所以我們在垂直場景裏面積累什麼樣的數據去驅動這個模型變成非常重要的任務，第三個是機器人今天的應用普及比筆記本、電腦等東西要複雜很多，在一個場站裏面部署一個機器人，其實它的挑戰是很大的，所以在今天的環境下我們還需要去做很多敏捷的工具、平台，最後一個是前面講到VLA也好、世界模型也好，還有很多值的探索的地方，所以這四個加起來就是聯想集團對於機器人這方面的戰略。
接下來我從幾個部分簡單的介紹一下進展，首先是Hardware本體，我老是被問，機器人是不是一定要人形，從今天的狀態來說，其實實用的產品是結合場景，多種形態的。一如說我們覺得從今天的這個狀態來說，其實實用的產品是結合場景多種形態的，比如說我們覺得今年最實用的是大家都會從四足走向輪足，因為輪子這個東西生物界是進化不出來的，但是實際上在場景應用的效率是非常高的。
所以我們今年會推出MC小的四輪足，還有MX是全地型工業級的四輪足產品，以及我們今年會做一個防爆款EX，就是在MX之上，用在油田、化工這些領域，我們也做了一個人形機器人LX，但是我們認為人形機器人還沒有到通用的階段，所以我們的人形機器人主要集中在聯想自己的店面和自己的工廠去做TO B的應用。
除了硬件本體以外，其實機器人的最大挑戰是大小腦，尤其是大腦，作為這個行業的研發人員我非常重要的工作是和客戶和領導去講，現在的機器人還很傻，大家一定要理解機器人是由小腦和大腦組成，我們現在看到的機器人的進展還是在小腦上，在大腦上還有非常多的問題要去解決。
在今年大腦要解決的是空間智能的問題，機器人要對環境有更深度的理解而不僅僅是用雷達、點雲知道有障礙物這是不夠的，所以圍繞這幾個方面我們部署了幾個事情，首先是大小模型融合的語義感知，它構建的地圖要有語義的理解，你告訴它去門口或者這樣的自然語言，它需要對語義有理解才能夠完成任務。
第二個是實時地圖和3D地圖語義地圖的構建。
第三個是分層強化學習的自主繞障、避障這些功能。
第四個就是結合語言模型的任務泛化，告訴它去哪個地方找一個椅子，我們這個視頻是讓它找一個椅子，這個機器人去這個房間找到一個椅子，這是最大的一個挑戰。
有了硬件和大腦以後，最後我們最關心的還是offering，解決方案的部分，我們經過這麼長時間，首先我們覺得解決方案是要提供很多工具的，包括快速部署工具、AI檢測工具、人機協同工具，還有傳統的SDK，給開發者來進行開發的，這些都是部署機器人的一個必要條件。在實際應用場景，我們覺得目前相對比較成熟的場景主要是這四個：一是行業巡檢，因為這是機器代替人非常迫切的需求。二是安防巡邏。三是物流轉運，最後一公里。因為酒店機器人是沒有辦法出酒店樓層的，但是要走到小區或者整個園區一定要拓展到硬件形態的變化，不是傳統的輪式形態，第二，一定需要大腦的能力，而不是固定的酒店的送餐路線。四是教育實訓。
我介紹兩個內容：
一是DW Deploy部署，部署一個機器人到底多複雜呢？大家看右上角這張圖，其實是我們在變電站做的一個實際的部署，真實一個大型500千伏的變電站，其實機器人要檢查的位置大概有3000個，甚至更多。所以要告訴機器人這3000個點位去檢測什麼？拍什麼？整個過程大概要1個多月，所以我們現在想的是一定要用AI的方式把整個的部署過程給它降低成本，包括什麼呢？
（一）是機器人要能夠自主的構建多層地圖，除了點雲，還要有特徵，幾何和語義，剛纔提到的語義地圖。
（二）是要在虛擬環境中告訴機器人去完成部署，現在我們是要帶着機器人到現場，由人操作它。
（三）是人操作了這麼多變電站之後的數據能不能用AI的數據用起來，讓下一個變電站大部分的內容能夠自動的生成，包括檢測的點位和機器人走的路徑自主生成。最後是能不能把所有的任務和硬件解耦，所以今後的硬件升級或者換成別的硬件，原來所做的部署的功能都能夠持續的使用，這個是一個非常重要的任務，所以我們的目標是希望在現階段達到2個星期完成一個幾千個點位變電站的部署。
有了這樣的工具之後，最後我們交互給客戶的是解決方案，解決方案通常是這樣的模板，包括硬件平台，包括各種各樣紅外的、氣體檢測的、聲學檢測的，以及在這個之上要有一整套的流程支持機器人任務的生成、任務的執行、AI的檢測以及積累的數據給客戶做賦能。
所以我們簡單的看一個案例，感受一下現在機器人在實際工作場景的應用。
我們這套系統是聯想自己研發的巡視系統，是支持機器人和無人機協同工作，現在我們看到在設定機器人的任務。這裏面有很多KnowHow，剛纔一閃而過的表計我們花了非常多的時間去解決，可能上百種表在客戶現場，能源行業、電力行業有上百種不同的表，你要用AI把所有表不同形態的數據都給準確讀取出來，這個也是非常挑戰的能力。
最後就自動生成報告，機器人和無人機跑了一圈之後，每天會自動的生成報告，這就是現在應用最廣泛的案例，今年國網還新出了政策，大概採購這樣的巡檢四足機器人的採購規模大概在幾十個億，在國家電網這一家客戶。
簡單的來說我們的目標就是務實AI，我們覺得現在機器人的問題是沒有辦法實際落地，所以聯想集團所有的努力基本上朝着三個方向。
第一個就是讓機器人更聰明，最主要是它能夠幹活，所以它異常檢測的能力能夠提高。第二是對語義和邏輯空間的理解，第三是自主能夠完成任務規劃。
二是更高效，我剛纔提到部署機器人實在花的時間太長了我們需要做到極簡部署，還要用AI的方式自動生成。
三，我提到的不多，但是也是今後機器人逐漸走入生活中就會非常重要的是安全性，機器人一定要跟人在一個空間裏面的話，一定要有高動態的魯棒運控，一定要有多模態的安全交互，千萬不能傷害到人，同時機器人也不能被黑客去攻破，一定要有全棧信任安全，安全方面的課題，我們也是專門針對這個方向立了一個新的研究題目，在機器人真正走向我們生活的當前這個問題一定要得到高度重視的問題。
最後做一點點廣告，我們這個團隊知名度不高，因為聯想的電腦和服務器業務大家太耳熟能詳了，但是實際上我們在機器人這個方向今年拿到了上海市科技進步一等獎，之前也拿過北京市的一等獎，我們也參加國內外各種各樣的比賽，包括各種AI的、SLAM的、國網的，拿了各種好成績，同時我們團隊也在國際頂刊ICRA、ICCV各種方面都發布了一些論文，尤其是我提到的語義的理解和虛擬的部署等等方面，都是我們研究的重要的領域，在這個方面取得了一些成果，也跟國際的學術界有很好的交流和支持。
最後一句話，聯想集團也做機器人，希望與大家共同探討機器人落地的每一步，謝謝各位！
新浪聲明：所有會議實錄均為現場速記整理，未經演講者審閱，新浪網登載此文出於傳遞更多信息之目的，並不意味着讚同其觀點或證實其描述。
責任編輯：梁斌 SF055