专题：第28届北京科博会-未来产业推介会
第28届北京科博会-未来产业推介会于2026年5月8日在北京举行。联想集团副总裁毛世杰出席并演讲。
以下为演讲实录：
毛世杰：感谢各位来宾，我是来自联想集团的毛世杰，今天非常荣幸在这个会场给大家交流一下联想在机器人这个领域新的进展，到现在很多人都不知道我们在做机器人，联想在做机器人已经做了好几年的时间了。尤其是在去年我们正式成立了机器人实验室，专注在机器人的领域。
机器人这个话题是一个很长远的话题并不新鲜，好几年前我们看到长线里面都有机械臂代替员工来做各种各样的操作，那个时候我们叫它机器人1.0，后来由于SLAM这些技术的变化，机器人有一定的移动性耳熟能详就是家里的扫地机器人，还有酒店的送餐机器人，他们用的这种技术模型基本上就是SLAM+CNN的一些检测识别的算法。
今天的机器人突然一下这么火爆，本质上就是Transformer这种架构给AI带来的能力，然后赋能机器人，使得机器人只能在一个固定环境担任务，变成了一个可以到开放环境和多任务的状态，所以它的机器人的应用空间一下子大大的提高了。我们所有人都憧憬着人形机器人，未来的机器人4.0，它是一个通用任务，事先不需要设定任务的机器人。这种机器人今天在基础的技术模型方面还在探索的过程中，我们有不少的企业实际上是在做3.0，对外宣传是4.0，所以有一个基础的概念先给大家解释一下。
我们判断各种不同的机器人核心的技术分为这么几个部分，现在最核心、最成熟的就是MPC的模型预测加上强化学习控制，这一块大家所能够感知到的就是比如说今年春晚的宇树在运动控制方面已经做得非常令人惊艳了。这个部分算是相当的成熟，接下来未来2-3年行业的重点就是VLA模型，VLA模型在未来两三年是逐步走向产品化的阶段，还有学术界目前研究的重点就是世界模型。我们觉得世界模型它是真正的和现在的模型架构不一样，它会对真实世界有理解有预测，是实现通用人工智能的必经之路，但是目前还是属于实验室阶段，还没有到产业界。
基于这样的行业趋势，联想集团自己的定位是聚焦场景驱动的务实AI，正好我们今天讲的是场景，意味着四个含义：
第一个在架构端，我们觉得今天成熟的产品还是得用类VLA架构，也就是说vision、language和强化学习，它其实是不同层次的模型在互相配合的架构。
第二个非常核心的是在新的架构上，整个范式变了，就是数据驱动模型，所以我们在垂直场景里面积累什么样的数据去驱动这个模型变成非常重要的任务，第三个是机器人今天的应用普及比笔记本、电脑等东西要复杂很多，在一个场站里面部署一个机器人，其实它的挑战是很大的，所以在今天的环境下我们还需要去做很多敏捷的工具、平台，最后一个是前面讲到VLA也好、世界模型也好，还有很多值的探索的地方，所以这四个加起来就是联想集团对于机器人这方面的战略。
接下来我从几个部分简单的介绍一下进展，首先是Hardware本体，我老是被问，机器人是不是一定要人形，从今天的状态来说，其实实用的产品是结合场景，多种形态的。一如说我们觉得从今天的这个状态来说，其实实用的产品是结合场景多种形态的，比如说我们觉得今年最实用的是大家都会从四足走向轮足，因为轮子这个东西生物界是进化不出来的，但是实际上在场景应用的效率是非常高的。
所以我们今年会推出MC小的四轮足，还有MX是全地型工业级的四轮足产品，以及我们今年会做一个防爆款EX，就是在MX之上，用在油田、化工这些领域，我们也做了一个人形机器人LX，但是我们认为人形机器人还没有到通用的阶段，所以我们的人形机器人主要集中在联想自己的店面和自己的工厂去做TO B的应用。
除了硬件本体以外，其实机器人的最大挑战是大小脑，尤其是大脑，作为这个行业的研发人员我非常重要的工作是和客户和领导去讲，现在的机器人还很傻，大家一定要理解机器人是由小脑和大脑组成，我们现在看到的机器人的进展还是在小脑上，在大脑上还有非常多的问题要去解决。
在今年大脑要解决的是空间智能的问题，机器人要对环境有更深度的理解而不仅仅是用雷达、点云知道有障碍物这是不够的，所以围绕这几个方面我们部署了几个事情，首先是大小模型融合的语义感知，它构建的地图要有语义的理解，你告诉它去门口或者这样的自然语言，它需要对语义有理解才能够完成任务。
第二个是实时地图和3D地图语义地图的构建。
第三个是分层强化学习的自主绕障、避障这些功能。
第四个就是结合语言模型的任务泛化，告诉它去哪个地方找一个椅子，我们这个视频是让它找一个椅子，这个机器人去这个房间找到一个椅子，这是最大的一个挑战。
有了硬件和大脑以后，最后我们最关心的还是offering，解决方案的部分，我们经过这么长时间，首先我们觉得解决方案是要提供很多工具的，包括快速部署工具、AI检测工具、人机协同工具，还有传统的SDK，给开发者来进行开发的，这些都是部署机器人的一个必要条件。在实际应用场景，我们觉得目前相对比较成熟的场景主要是这四个：一是行业巡检，因为这是机器代替人非常迫切的需求。二是安防巡逻。三是物流转运，最后一公里。因为酒店机器人是没有办法出酒店楼层的，但是要走到小区或者整个园区一定要拓展到硬件形态的变化，不是传统的轮式形态，第二，一定需要大脑的能力，而不是固定的酒店的送餐路线。四是教育实训。
我介绍两个内容：
一是DW Deploy部署，部署一个机器人到底多复杂呢？大家看右上角这张图，其实是我们在变电站做的一个实际的部署，真实一个大型500千伏的变电站，其实机器人要检查的位置大概有3000个，甚至更多。所以要告诉机器人这3000个点位去检测什么？拍什么？整个过程大概要1个多月，所以我们现在想的是一定要用AI的方式把整个的部署过程给它降低成本，包括什么呢？
（一）是机器人要能够自主的构建多层地图，除了点云，还要有特征，几何和语义，刚才提到的语义地图。
（二）是要在虚拟环境中告诉机器人去完成部署，现在我们是要带着机器人到现场，由人操作它。
（三）是人操作了这么多变电站之后的数据能不能用AI的数据用起来，让下一个变电站大部分的内容能够自动的生成，包括检测的点位和机器人走的路径自主生成。最后是能不能把所有的任务和硬件解耦，所以今后的硬件升级或者换成别的硬件，原来所做的部署的功能都能够持续的使用，这个是一个非常重要的任务，所以我们的目标是希望在现阶段达到2个星期完成一个几千个点位变电站的部署。
有了这样的工具之后，最后我们交互给客户的是解决方案，解决方案通常是这样的模板，包括硬件平台，包括各种各样红外的、气体检测的、声学检测的，以及在这个之上要有一整套的流程支持机器人任务的生成、任务的执行、AI的检测以及积累的数据给客户做赋能。
所以我们简单的看一个案例，感受一下现在机器人在实际工作场景的应用。
我们这套系统是联想自己研发的巡视系统，是支持机器人和无人机协同工作，现在我们看到在设定机器人的任务。这里面有很多KnowHow，刚才一闪而过的表计我们花了非常多的时间去解决，可能上百种表在客户现场，能源行业、电力行业有上百种不同的表，你要用AI把所有表不同形态的数据都给准确读取出来，这个也是非常挑战的能力。
最后就自动生成报告，机器人和无人机跑了一圈之后，每天会自动的生成报告，这就是现在应用最广泛的案例，今年国网还新出了政策，大概采购这样的巡检四足机器人的采购规模大概在几十个亿，在国家电网这一家客户。
简单的来说我们的目标就是务实AI，我们觉得现在机器人的问题是没有办法实际落地，所以联想集团所有的努力基本上朝着三个方向。
第一个就是让机器人更聪明，最主要是它能够干活，所以它异常检测的能力能够提高。第二是对语义和逻辑空间的理解，第三是自主能够完成任务规划。
二是更高效，我刚才提到部署机器人实在花的时间太长了我们需要做到极简部署，还要用AI的方式自动生成。
三，我提到的不多，但是也是今后机器人逐渐走入生活中就会非常重要的是安全性，机器人一定要跟人在一个空间里面的话，一定要有高动态的鲁棒运控，一定要有多模态的安全交互，千万不能伤害到人，同时机器人也不能被黑客去攻破，一定要有全栈信任安全，安全方面的课题，我们也是专门针对这个方向立了一个新的研究题目，在机器人真正走向我们生活的当前这个问题一定要得到高度重视的问题。
最后做一点点广告，我们这个团队知名度不高，因为联想的电脑和服务器业务大家太耳熟能详了，但是实际上我们在机器人这个方向今年拿到了上海市科技进步一等奖，之前也拿过北京市的一等奖，我们也参加国内外各种各样的比赛，包括各种AI的、SLAM的、国网的，拿了各种好成绩，同时我们团队也在国际顶刊ICRA、ICCV各种方面都发布了一些论文，尤其是我提到的语义的理解和虚拟的部署等等方面，都是我们研究的重要的领域，在这个方面取得了一些成果，也跟国际的学术界有很好的交流和支持。
最后一句话，联想集团也做机器人，希望与大家共同探讨机器人落地的每一步，谢谢各位！
新浪声明：所有会议实录均为现场速记整理，未经演讲者审阅，新浪网登载此文出于传递更多信息之目的，并不意味着赞同其观点或证实其描述。
责任编辑：梁斌 SF055