GAIR 2025 大会首日：AI重构教育、科学与产业的十三重碰撞

2025年12月12日，第八届GAIR全球人工智能与机器人大会主论坛，在深圳南山·博林天瑞喜来登酒店正式拉开帷幕。本次大会为期两天，由GAIR研究院与雷峰网联合主办，高文院士任指导委员会主席，杨强院士与朱晓蕊教授任大会主席。

12月12日的主论坛，延续GAIR一贯的学术前沿特色，设有：“AI之道：教育的重新定义”、“AI之术：领域的范式重构”两大研讨主题。当日，大会现场有十多位顶级学者发表精彩演讲，更有两场AI学术大咖激烈交锋的高端对话，他们带来的前沿科技进展、产业实战经验和人文关怀，使这一天成为值得深度思考的思想盛宴。

首先，是本次大会主席，加拿大工程院院士、加拿大皇家科学院院士杨强教授登台致辞。

深圳理工大学教务长、澳门大学第八任校长赵伟院士：AI 时代高等教育重构路径 —— 以 “加减替换” 模式培养有智慧的人

首位登场的演讲嘉宾，是深圳理工大学教务长、澳门大学第八任校长赵伟院士。

在报告中，赵伟院士开篇点出 AI 对社会生产生活的深刻影响，指出高等教育的颠覆主要体现在知识产生、学生培养和教育管理三方面。

首先在学生培养方面，赵院士提出传统 “知识就是力量”“培养有用之才” 的理念需升级，大学应回归 “培养有用、有智慧的人” 的本质，帮助学生找到自身定位、明确专业方向与职业路径。

针对 AI 时代学生的特点与焦虑，深圳理工大学采取 “加减替换” 的培养模式：减法上，删减微积分习题集等低效课程内容，压缩课堂时长 20%、每周减少一天上课时间；加法上，要求大一学生必修两个学期人工智能导论，每周腾出一天进实验室参与科研实践，同时强化书院素质教育；替换上，用跨文化交流课程替代传统英语四六级导向教学，计划以智能 APP 取代传统教科书，更注重实用能力培养。此外，学校还将推出科研成果与素质教育双成绩体系，全面评价学生能力。

中国工程院外籍院士、香港科技大学首席副校长郭毅可：当“知识”无处不在，教育的重点将转移到“善”与“美”

随后，中国工程院外籍院士、英国皇家工程院院士、欧洲科学院院士、香港科技大学首席副校长郭毅可，带来了以《人工智能与未来教育》为主题的演讲。

“现在知识已经无处不在，本来的黄金变成了空气”，郭毅可在开场便投下这句颇具分量的判断。由此，他进一步发问：教育曾以知识稀缺为前提，但在生成式AI已成为“智能百科”的当下，我们究竟要如何教与学？

圆桌论坛：AI时代的教育理念，如何重构？

上午大会的重头戏，是“重新定义教育：AI的颠覆与未来”为主题的圆桌论坛，杨士强教授与赵伟、郭毅可两位院士携手带来一场深度对话。圆桌过程中，三位嘉宾着眼于AI时代教育的核心矛盾与变革路径，围绕中外教育模式差异、社会对教育的过高期待、学生自主发展与淘汰机制、AI对教育的赋能边界等关键议题各抒己见，现场金句频出，掌声不断。

赵伟院士表示，当前AI在教育转型方面不存在所谓“弯道超车”，相反地，大家对教育抱有过高的期望值，将前沿技术进步和教育成果片面地联系起来，事实上进步应与全社会相关，不能将这一重担都落到师生的肩上。

日本工程院院士、IEEE原副主席Kazuhiro Kosuge：当机器人“像人一样思考”完成缝纫流程

日本工程院院士、IEEE原副主席、IEEE Life Fellow Kazuhiro Kosuge（小菅一弘），在大会上带来了关于《如何利用人工智能机器人技术革新服装生产流程》（Explore how garment production processes can be transformed with AI-powered robotics）的主题演讲。

小菅一弘与团队共同开发了一系列技术，包括可以从织物堆中依次抓取最顶部织物的被动式无致动器抓手，以及布料边缘高速检测、双臂机械手2D和3D裁剪制作，以及裁片对齐等。

香港科技大学冯诺依曼研究院院长、IEEE Fellow贾佳亚：AI与大模型一定走向感知机器+终身学习的训练模式

随后登场的，是香港科技大学讲座教授、冯诺依曼研究院院长，IEEE Fellow贾佳亚。

他表示，现在大模型是“一次性学习”模式为主，需革新为人类“连续学习”式终身学习。贾佳亚总结称，AI与大模型未来将走向“感知机器+终身学习”结合模式，发展进程虽然可能缓慢，但这将是学界、业界未来5-10年的核心方向。

KDD China主席、IEEE Fellow郑宇：城市计算可成为具身智能的方法论，具身智能为城市计算的核心组件

下午场最先登场的，是KDD China主席、京东集团副总裁、IEEE Fellow郑宇教授，他带来了《时空AI：人工智能进入物理世界的基础理论和关键技术》专题汇报。

会上，郑宇教授回顾了时空AI的发展历程，并分享了空气质量监测和雄安智能城市等标杆案例。他提到，城市知识体系是城市数据向知识转化的路径和方法论，以及城市知识对齐和复用的基准，包括知识体系的内容、表达、产生和应用，可实现时空数据与其他数据的融合。

上海人工智能实验室主任助理、领军科学家胡侠：用“小学生数学”破解大模型长上下文与幻觉难题

随后，胡侠教授带来《基于有损计算的大语言模型高效服务》（Efficient LLM Serving via Lossy Computation）为主题的演讲。

胡侠教授基于两个关键点——参数精度无需过高、无需启用全部参数，提出“有损计算”理念，研发出两套可通过基础数学实现的简易算法。第一套算法聚焦相对位置信息的优化，第二套算法则针对KV缓存（Key-Value Cache）的显存占用问题。

之江实验室科学模型总体部技术总师薛贵荣：科学基础模型要超越语言空间，让天文、地学、生命科学和材料科学等数据都能被AI“理解”

接下来登场的，是之江实验室科学模型总体部技术总师薛贵荣，他带来了《科学基础模型：人工智能的下一个前沿》的主题报告演讲。在报告的开篇处，他提到，“AI的真正价值不只是写论文摘要，更重要的是形成可验证的结果。”

薛教授指出，当前科学基础模型仍面临两大瓶颈：一是语言边界限制，即依赖语言认知的模型难以突破科学问题的表达局限。 二是科学数据复杂性，光谱、基因、地震数据等呈现了超高信息密度，如一张光谱信息量相当于1000张图片，人类30亿个基因可存储全球数据，而语言作为低维离散符号系统，远无法覆盖科学知识的高维空间。

针对挑战，他提出科学基础模型的构建路径：

首先是将分子、基因、光谱等非文本科学数据转化为Token表示，分配科学空间并统一编码，实现生命科学、材料科学等多领域数据的拓扑化整合。

其次通过动物迁移与温度变化、城市GDP与夜光等案例，揭示数据对齐对科学发现的推动作用，例如基因数据与病理数据对齐可实现全流程基因突变的解析。

基于上述工作，团队已完成超大规模模型训练，覆盖十余门学科。

薛教授同时提出了“大模型种子班”和“科学家工作坊”两项举措来推动与全球科学家的合作，并发起全球倡议，征集科学领域“最难问题”，呼吁通过开放协作加速AI+科学的研究。

圆桌论坛：人工智能产业化带来了哪些挑战和机遇？

下午3时，“人工智能产业化的挑战和机遇”为主题的圆桌论坛在郑宇教授的主持下正式开启。郑宇、杨强、胡侠、薛贵荣四位嘉宾齐聚一堂论道，激荡产业思潮。

郑宇教授先从“挑战”切入，提到大语言模型已在部分业务场景取得成功，但至今尚未形成大规模商业应用和成熟商业模式，只有个别标杆性成功项目。

杨强教授分享他曾在商学院讲课时主动“泼冷水”：美国2025年人工智能的应用到底多少产业有正向的收益？MIT相关报道指出，95%都是负向的收益，基本烂尾，只有5%成功。

胡侠教授则结合机器人领域，从微观技术角度补充他的观察。以机器人的感知为例，本轮AI发展由大语言模型、多模态大模型推动，虽然能较好理解语言、分析图像，但相关传感器技术多年未实现质的突破，导致机器人无法完成简单操作。

薛贵荣教授则从产业实战角度讲到行业内对人工智能的认知差异：从业者往往初期满怀信心，实操后却信心尽失，陷入“啥都能做”到“啥都做不了”的极端认知摇摆，并笑称“我们这一行最倒霉的就是CTO”。

关于人工智能赛道的泡沫和陷阱话题，嘉宾们各抒己见。

国家超算深圳中心副主任、IEEE Fellow付昊桓：超算核心逻辑是集聚算力攻克复杂科学问题，与大模型的并行思维本质相通

在精彩的圆桌对话之后，清华大学深圳国际研究生院教授、副院长，国家超算深圳中心副主任、IEEE Fellow付昊桓带来了“硬核”演讲：《超智融合支撑下的地球系统模式研发》。

他指出，目前超算领域面临“国产算力硬件投入大、软件生态投入相对少”的困境；同时难以留住人才，他笑称“既懂气象又懂HPC的复合型人才，毕业后都被大厂挖走”。他提出解决方案：借鉴通用人工智能的可扩展模型经验，加强算力软件与科学发现的协同，完善国产生态以留住人才。

首都医科大学附属北京安贞医院胎儿心脏母胎医学中心主任何怡华：医学人工智能应由医生来主导

作为医疗人工智能医生侧主导研发的首都医科大学附属北京安贞医院胎儿心脏母胎医学中心主任何怡华，带来了《心血管疾病防治现状及人工智能赋能潜力》为主题的演讲。

何怡华教授以心脏超声为例，讲述人工智能解决方案带来的诸多挑战：从数据规范到数据间立体关系，再到其与疾病发生发展的语义关系转写、影像自动识别等。未来在医疗领域，大模型与小模型协同，更垂域的小模型将纵向攻克预警、诊断、治疗等核心环节，通过模型融合解决问题。

RockAI 联合创始人邹佳思：未来的智能硬件，最重要的是原生记忆和自主学习

在热烈的AI+医疗讨论后，RockAI联合创始人邹佳思登台。《摆脱Transformer的束缚，让智能重新定义硬件》的主题报告，深入探讨了云端模型的局限性、设备端自主学习的重要性及行业未来路径。

他认为，未来的智能硬件，最重要的实际是原生记忆和自主学习。他在演讲中展开讨论了形态记忆和知识记忆，认为缺乏记忆时很难谈论模型的个性化和进化。未来行业有可能面对参数规模的极限，因此架构上需做创新，积极探索云端+端侧结合方案，希望设备之间能够互联，最后达到群体智能的目标。

南方科技大学副教授张进：未来5-10年，面向新型模态的新型感知模型会非常繁荣

最后一位嘉宾是南方科技大学张进教授，她的演讲主题是《从便捷交互到可信感知：声波与毫米波感知应用研究》。

张进教授结合下午场的议程，用“首尾呼应”的方式开启演讲：“下午第一个题目是空间智能、时空数据，最后一个题目是声波、毫米波感知，都是为了感知物理世界，实现空间智能。”由此切入“面向空间智能的新型模态感知”这一话题的分享。

张进教授团队的初衷是希望用最新的模型技术，理解新型的传感器数据，并在此基础上进行包括空间感知、智能交互、健康监测在内的诸多技术探索。

随着张进教授的演讲结束，以“AI之道”“AI之术”为主题的GAIR 2025首日也落下帷幕，杨士强教授也在大会最后进行了致辞总结。十余位顶级学者论遍AI产学研的术与道，为走过九年时光的GAIR留下浓墨重彩的新篇章。

值得关注的是，本次GAIR为期两天，12月13日“世界模型论坛”“数据&一脑多形”和“AI算力新十年”三场专题论坛同时进行，涵盖具身智能、世界模型、国产芯片、算力基建等数个年度热门领域。来自各个热门领域的资深专家，共同为线上读者和线下观众们，奉上深度与温度兼具的主题演讲或圆桌讨论。

审核：李昌怀

编辑：王兰玲

分享文章到: