0
10月16日，第二届美的远见者大会在佛山顺德举行。 
中国科学院院士、华中科技大学教授丁汉，中国科学院院士、南方科技大学教授赵天寿，上海交通大学研究生院院长邓涛教授，中山大学教授、鹏城实验室多智能体与具身智能研究所所长林倞等重量级行业专家围绕AI与储能技术，展开百家争鸣，给线上线下的观众提供了一场精彩的大会。
丁汉认为人形机器人是各类技术的集大成者。机器人技术未来会成为颠覆性技术，有可能会成为第三次工业革命的切入点。
中国科学院院士、华中科技大学教授丁汉
人形机器人有几个关键技术。一是体能（骨骼结构）、技能（运动与平衡）、智能（控制与决策）。以前的工业机器人、协作机器人都是专用的，未来的挑战在于走向通用。
人形机器人的第一个核心技术是模拟大脑是需要实时收集和处理数据，像人一样实现手眼脑协同；其次是模拟小脑，保证行为表征、协同自主能力和交互能力，完成复杂运动控制；以及机器人机件本体的柔性化设计，目前只是只能完成一些固定工作，未来机器人本体会更加突破刚体的限制，更加柔软。
丁汉认为，人形机器人的应用场景包括危险环境、工业制造、家庭服务等，量产中需要持续优化包括骨骼机构、电机、电缸结构等。
目前人形机器人处于发展黄金期，在大数据、人工智能、端到端学习等技术的推动下，人形机器人也在逐渐走向通用化。同时，人形机器人的发展会带动本体厂商和下游零部件的快速发展，尤其是传感器。
养老机器人、医疗机器人也是趋势，我国养老需求非常大，养老包括康复、护理和陪伴。在医疗领域，丁汉认为未来每一个手术都会配个机器人，发挥人的经验，结合机器精准，不知疲劳，医疗机器人未来的发展应该是非常蓬勃向上的。
林倞的演讲主题是将大模型与具身智能结合。 
中山大学教授、鹏城实验室多智能体与具身智能研究所所长林倞
大模型驱动具身智能这项技术刚刚起步，目前在构建感知、规划、控制一体化的模型上存在诸多挑战。第一个需要解决的难题是空间推理能力，人工智能数据常丢失空间和物理信息，这阻碍机器人对空间的深度感知和理解；其次是长程任务规划，机器人对话是动态上下文，不同于语言任务对话，需进行长程任务规划；机器人还需要弥补“小脑能力”，需回到大小脑协同架构完成运动控制和概率模型结合；此外，具身智能需要提高数字和仿真能力，围绕着数据集、数据驱动，建立数据集必不可少。
具身智能，与离身智能相对，具有主动性和强交互性，从传统的传感器构成的图像、视频、音频、文本、声音，到3D的、物理的、负传感器构成空间，能通过机器人主动、自适应地完成改造世界的任务，是从认识世界到物理世界的跨越。特别是人工智能大模型驱动机器人后，具身智能就成了机器人理解数字空间与真实世界的关键钥匙。
具身智能有四个关键技术。第一，传统的感知技术。原来从计算机视觉、多模态感知，到进一步的主动感知。第二，交叉的技术，即任务规划和决策。第三，虚实融合，图形学、机器人学，以及强化学习里的虚实迁移，数字空间或仿真空间训练出来的模型跟真实世界对齐，并且反过来循环促进模型的训练。第四，打造一个自主可控的具身智能生态。
出身计算机视觉的林倞，在感知方面三管齐下，其一是把图像、文本和 3D 点云对齐，构建走入物理空间的多模态对齐模型；其二是从被动感知到主动感知，构建模拟环境并用递归神经网络做规划和目标搜索；其三是把大语言模型和环境感知融合做路径规划和导航。
在具身智能的“任务规划和决策”“虚实迁移”两方面，林倞也有建树。“任务规划和决策”上，林倞早期尝试用递归神经网络、机器神经网络做任务规划，构建世界模型和知识表达，预测任务分步骤；近期结合大语言模型实现复杂场景下任务规划和导航，用大语言模型拆解任务，用跨模态模型发现关键位置和地标并执行任务，提高了抓取能力精度和可控性。
为了构建“虚实迁移”，林倞带领团队构建通用框架统一高层任务和下层控制、执行接口，进行智能具身化尝试；并在虚拟仿真空间利用AIGC技术探索，构建具身仿真平台，结合多种算法采集示教数据和训练技能，扫描真实环境输入仿真空间训练，进行了从仿真到真实世界的策略模型迁移尝试。
中国科学院院士、南方科技大学教授赵天寿
赵天寿探讨了能源转型与新型储能。他指出，不管是工业机器人，还是人形机器人，都是“人”，符合一句老话“人是铁、饭是钢”。机器人的饭是能源、是电能。
碳中和，最根本的是要大规模利用太阳能和风能实现能源转型。目前中国能源转型有很多挑战，主要是由于太阳能和风能可再生能源的不可控制性、间歇性，导致利用率不高，所以需要储能。因此，赵天寿认为，可再生能源的开发需要储能技术来平衡能量，储能在发电侧、网侧和用户侧都有重要作用，尤其是长时储能技术。
同时，新型储能技术也是大型储能装置的需要，理想的储能技术应满足安全可靠、经济可行、资源可及三大条件。
现有储能技术还是不够成熟的，面临的关键问题首先是安全挑战，同时有地域和时域的局限性，特别是缺乏长时储能技术。在长时储能技术上，赵天寿现场分析抽水蓄能、压缩空间、锂电三种技术差异。抽水蓄能和压缩空气的能量载体可流动，容量和功率可解耦，适合长时储能；锂电能量密度高、转换效率高且安装方便，但能量载体为固态、能量和功率强关联。如要实现长时储能目标，需可流动能量载体和电化学能量转换装置，形成流体电池体系。
赵天寿分享了一种新型的储能技术液流电池，旨在解决以上储能问题。流体电池，不同于传统的固态电池，其能量储存在电解液罐中，能量载体为电解液，具有流动性。其优势包括时长灵活、安全、扩容方便、无相变过程、生命周期长，应用场景广泛，可适用于发电侧、电网侧和用户侧所有场景。赵天寿也坦诚地表述当前液流电池存在成本居高不下的问题，但因液流电池储能表现理想，与传统抽水蓄能或锂电池蓄能相比有竞争力，未来有望在碳中和战略中发挥重要作用。
上海交通大学研究生院院长邓涛教授
邓涛主要介绍了其团队在仿生热能材料及技术方面的工作，包括光热储存转换和热能探测。
邓涛先讲述了能源与热的关系：“我们人类的社会发展基于几大定律，热力学一二三定律，这都跟热相关，尤其是热力学第二定律，这就定义了其他能源转变为热能时接近100%的效率，而热能转变为其他能源时不可能100%，效率必须降低，这是因为我们生活在一个热力学第二定律掌握的世界。”
邓涛团队设计了通过光子传输热能的储热材料，解决传统储热材料热导率低的问题，并使用磁性吸光材料，增加充热距离、速度和热量。该材料可在工业上应用，主要是用可透的、磁性的滤网，利用重力让其在液态时下沉，使太阳光可直接充热。同时，为解决聚焦太阳能导致的安全风险，引入气液相变，通过气泡使材料上浮，避免过热，提高光热储热的能量密度。
邓涛团队的热能探测研究方向是，人体发射的红外光的具体应用。同样受仿生领域启发，将人的因素集成到人工系统中，用人手作为红外光源进行探测和信号传递。邓涛团队发现，人手发射的红外光在7.5-14微米之间，通过不同手指发射的红外光，结合不同材料和基底设计，可实现对不同手指红外光的区别。这项研究可用于防伪码、指纹识别等。在暗光甚至无光情况下也可实现人机交互，未来该技术有望用于驱动家用电器或智能仪器。
在后续的（人工智能与能源转型的未来）的圆桌论坛上，与会嘉宾就人形机器人、强人工智能、美的AI领域的发展、液流电池、热能源领域以及美的储能业务等话题分享了各自观点。雷峰网雷峰网(公众号：雷峰网)雷峰网
雷峰网原创文章，未经授权禁止转载。详情见转载须知。
