10月21日，OpenAI推出人工智能浏览器ChatGPT Atlas，这是一款基于ChatGPT构建的新型浏览器。它保留了传统浏览器的外观，但核心功能是让用户能在任意网页上，直接使用ChatGPT来生成摘要、解答疑问或完成各种任务，相当于在浏览器内置了一颗ChatGPT的聪明大脑。
OpenAI推出人工智能浏览器ChatGPT Atlas
据了解，Atlas将首先在macOS系统上推出，随后将支持Windows、iOS和Android，并向所有用户免费开放。
OpenAI首席执行官萨姆·奥特曼（Sam Altman）在直播中谈到Atlas产品理念时说：“我们认为，人工智能代表了一个罕见的、十年一次的机会，可以重新思考浏览器是什么，以及如何最高效、愉快地使用网络。”
据OpenAI产品负责人亚当·弗莱（Adam Fry）介绍，ChatGPT Atlas将具备侧边栏功能，能自动获取屏幕内容的上下文。用户可以在任何文本字段中调出ChatGPT进行编写或编辑，无需来回复制、粘贴。
Atlas 主页 来源：OpenAI 官方截图
此外，ChatGPT Atlas拥有浏览器历史记录功能，这意味着ChatGPT可以记录用户访问的网站及其操作，并利用这些信息使回答更加个性化。例如用户可以向ChatGPT提问：“查找我上周查看的所有招聘信息，并创建行业趋势摘要，以便我为面试做准备。”用户始终控制存储于Atlas中的浏览器记忆，可以随时查看、存档或删除。
使用Atlas浏览器，用户还可以用“智能体（agent mode）模式”让ChatGPT执行任务。比如规划晚宴时可以直接把食谱交给ChatGPT，它就能自动搜索超市、将所需食材加入购物车并配送到家。在工作中也可以直接指示ChatGPT调取以往的团队文件，进行最新的竞品调研，并把关键发现整理成简报。目前该模式仍处于实验阶段，仅适用于为ChatGPT Plus和Pro版本支付月费的用户。
Atlas 主页 来源：OpenAI 官方截图
浏览器正迅速成为人工智能行业的下一个战场。科技公司一直在大力投资自己的浏览器和新的人工智能功能，试图从谷歌的Chrome手中抢夺市场份额，后者占据了全球浏览器市场近72%的份额。
此前，已有多家初创企业推出自主研发的AI浏览器，例如Perplexity的Comet和总部位于美国纽约的浏览器公司The Browser Company推出的Dia。谷歌和微软也分别尝试通过为Chrome和Edge添加AI功能来升级产品，力求让自家传统浏览器在竞争中脱颖而出。
相较于其他初创企业推出的AI浏览器，Atlas的核心优势在于强调“ChatGPT在浏览器中的深度整合”，能够减少用户从“浏览器到聊天工具”转换的步骤。此外，OpenAI强调，Atlas的记忆能力更强，可以记住用户的浏览记录。
Atlas推出当日，谷歌母公司Alphabet的股价收盘下跌2.4%，反映投资者对Alphabet核心业务部门面临潜在威胁的担忧。谷歌的 Chrome浏览器一直在网络浏览器领域占据着绝对的市场份额，任何依托OpenAI人工智能能力的新进入者都可能构成竞争挑战。
美国深水资产管理公司（Deepwater Asset Management）管理合伙人吉恩·芒斯特（Gene Munster）分析认为OpenAI和谷歌都能在搜索领域获胜，Atlas提高了浏览器的门槛，谷歌可能会在一年内做出回应。
在本月初于阿塞拜疆举行的国际大学生程序设计竞赛（ICPC）世界决赛中，OpenAI、谷歌DeepMind两家公司的人工智能模型获得了金牌级别的成绩，顺利解出人类参赛者无法完成的问题。DeepMind称之为“朝着通用人工智能（AGI）迈进的历史性时刻”。
ICPC世界总决赛汇集了来自全球103个国家、近3000所大学的139支顶尖队伍。在一共12道题目中，排名第一的是OpenAI，成功解决全部12道题目。Gemini 2.5 Deep Think模型最终解决10道题目，达到金牌水准，位列第二。
OpenAI参赛系统由多个通用模型组成，包括GPT-5和一个实验性推理模型。其中，GPT-5解决了11题，实验性推理模型解决了最难的第12题，并负责最终提交决策。所有模型均未针对ICPC进行专门训练。OpenAI技术团队在赛后表示，“我记得刚加入OpenAI时，我们最好的AI模型甚至连Codeforces的简单问题都解决不了。看到过去两年的进步速度，真是令人难以置信。”
谷歌方面介绍，参赛的Gemini2.5并非专门为ICPC训练，而是用户在Gemini应用中可直接使用的版本。模型在比赛开始10分钟后启动，前45分钟便解出8题，三小时内又完成两题。DeepMind称，这一表现是人工智能在“解决抽象问题能力上的飞跃”。例如，Gemini在不到半小时内解出了“问题C”——一项关于管道网络向储液器分配液体的复杂优化问题，而这一题目无人类队伍成功解答。
“对我来说，这是一个相当于国际象棋的‘深蓝’和围棋的AlphaGo的时刻。”DeepMind副总裁Quoc Le进一步解释说，“更重要的是，它更接近现实世界，而不仅仅是像国际象棋和围棋这样受限的环境。正因如此，我认为这一进步有可能改变许多科学和工程学科，”比如设计新药或芯片。
谷歌表示，Gemini 2.5 Deep Think是一款经过专门训练的通用人工智能模型，可以解决非常困难的编码、数学和推理问题，其表现“与世界前20名的程序员一样好”。在这些竞赛中解决复杂的任务需要深度抽象推理、创造力、综合新解决方案的能力，以及真正的创造力火花。
不少网友在社交平台庆祝这一历史性时刻。AI在ICPC上斩获金牌可能意味着人工智能可以成为程序员真正的问题解决伙伴。但同时也引发了未来人类的编程能力可能会永远落后于AI的担忧。
加州大学伯克利分校的计算机科学教授斯图尔特·拉塞尔（Stuart Russell）在细节公布之前表示，“具有划时代意义的说法似乎有些夸大其词。”他认为，人工智能系统在编程任务上表现优秀已经有一段时间了，而“人工智能公司一直声称取得突破要面临巨大的压力。”
同时他也承认，“要正确回答ICPC的问题，代码实际上必须能够正常工作（至少在有限数量的测试用例上），所以这种性能可能表明，人工智能编码系统在足够准确地生成高质量代码方面取得了进步。”
截至10月27日，上交所融资余额报12465.07亿元，较前一交易日增加115.07亿元；深交所融资余额报12101.60亿元，较前一交易日增加128.64亿元；两市合计24566.67亿元，较前一交易日增加243.71亿元。
·AI的出现，使得物质科学研究的范式已经发生了变化，也将推动新材料的研发数量和质量出现本质变化。
·创新首先是激发人才的创新兴趣，其次是社会要能够容忍创新过程中的失败”。
一、
作为一名从事计算的物理学工作者，如果没有AI的出现，我可能已经在思考“退休”了；但AI来了，物理研究的范式已经发生了变化，研究技术、研究效果和解决问题的难度都发生了根本性的变化。以前解决不了的问题，现在有了解决的可能。这是一个激动人心的契机，但也是充满压力的挑战，对于我来说，现在我们所做的AI物理，是一个全新的领域，也是我从事学术研究以来从未遇到过的大挑战。
技术的革新和经济的发展越来越依赖新材料的进步。以往的新材料研发主要依据研究者的科学直觉和大量重复的“尝试法”实验。材料的研发有点像玩乐高积木，可以有很多种搭法、无穷的组合可能，但什么样的材料是有用的，过去没法直接回答。但有了AI技术后，可以在一定程度上回答这个问题，AI可以快速地进行配比、模拟来验证。AI提供了一种全新的研究范式。
AI技术，特别是深度学习，正在深刻地变革分子动力学模拟领域，解决了该领域长期存在的一些核心瓶颈问题。譬如传统分子动力学的核心是“力场”，即描述原子之间相互作用力的数学函数。传统力场基于简单的物理近似，虽然计算快，但精度有限；而高精度的量子力学计算虽然准确，但计算成本极高，无法用于大体系或长时间模拟。AI通过从量子力学计算产生的大量数据中学习，可以构建出既接近量子力学精度、又接近传统力场计算速度的机器学习力场。
用传统的实验设备是无法捕捉分子的动态过程的，但AI（如无监督学习算法）能分析模拟数据，自动识别出描述动态过程本质的关键变量（反应坐标），让我们能实际“看到”原本几乎不可能捕捉到的动态过程。因此，AI使得分子动力学模拟在物质科学领域再一次出发。
二、
2024年，上海高校人工智能交叉中心——数智物理（AI Physics）在复旦大学成立，这是国内第一个“AI+物理”数智中心，对于我来说，跨入这一领域，压力很大，因为这是一个交叉学科，而我也只熟悉我自己那一小部分，以前在我的研究领域知识面，现在这个领域被重构了，需要涉及很多不熟悉的内容，我们需要更多的人来参与这一研究。
目前，“原始创新不足”是我们的一个很大挑战。以前我们可以学别人，跟着别人跑，但现在我们的科技发展已经跑到了很前面，后面能否跑好，其中一个重要的因素在于我们的创新人才。基础研究和应用研究都需要创新人才。
中国的人才培养有自己的特色。在过去的几十年，国家在人才培养方面下了很多功夫，但在创新人才培养方面，我觉得还有很多可以向别人借鉴的地方。比如说，鼓励学生创新，激发学生兴趣，容忍失败等。
我觉得中国的教育应该发展不同的教育元素，应该更加多元。中国现在有3000所大学，应该有一些不同类型的大学。如果教育都是一个模式，所有人都做一样的事，内卷一定会发生。
今年复旦大学物理系首次设立了量子智能英才班，我们尝试更多地加入创新人才培养理念与中国教育实践相结合，探索人才培养的新模式。英才班计划分两类招生：一是高考统考，二是入校后的“二次选拔”。入选的学生进行本博融通教育，本科毕业后授予物理学、人工智能的双学位。在校期间，英才班鼓励学生创新，开展批判性思考，并与清华、南大等高校建立交流机制。我觉得中国的本科生教育最重要的目标，应该是培养一些创新能力比较强的学生。
马斯克 视觉中国 资料图
特斯拉股东于当地时间周四投票批准了埃隆·马斯克惊人的新薪酬方案，超过75%的股份投票赞成这项薪酬方案，最终的奖金预计将在几天后在证券交易委员会的文件中披露，预计最高价值可达1万亿美元。《纽约时报》报道称，这项方案有可能让马斯克成为世界上首个万亿富翁。
马斯克说，“我们即将开始的不仅仅是特斯拉未来的新篇章，而是一本全新的书。”
拟议的薪酬方案是特斯拉董事会去年9月提出的，这将使马斯克获得超过4.23亿股的额外股份，从而将他的持股比例从目前的15%提升至约25%。为此，马斯克需要实现一系列里程碑式的目标，包括在10年内将特斯拉的市值从目前的1.5万亿美元提高到8.5万亿美元。马斯克还必须投入100万辆无人驾驶出租车，销售1200万辆汽车，1000万份全自动驾驶订阅服务，以及100万台类人机器人。
在投票前的准备阶段，特斯拉警告股东，如果不批准这笔巨额支付，马斯克可能会被其他公司抢走。这份薪酬方案旨在吸引他重返电动汽车公司，尽管马斯克似乎更受激励的是创造并控制“机器人军队”的想法。
此次薪酬表决对特斯拉至关重要，因为此前马斯克曾暗示若得不到对这家汽车制造商更大的控制权，他可能会卸任或将更多时间投入到自己的其它公司。
此次投票遭到了特斯拉一些大股东的反对，包括管理挪威主权财富基金的挪威银行投资管理公司（Norges Bank Investment Management）。“尽管我们认可在马斯克富有远见的领导下创造的巨大价值，但我们对该奖励的总规模、股权稀释以及对关键人物风险缺乏缓解措施感到担忧。”该公司表示，这里的“关键人物风险”是一个商业术语，指公司对某个人的过度依赖。
其他反对者称，该方案的条款让特斯拉董事会拥有过大的自由裁量权，即便马斯克未达成产品目标，董事会也可能授予他股票。
特斯拉董事会驳斥了这些质疑。“该薪酬方案的设计有一个首要目的：推动特斯拉进入下一个卓越增长、创新和价值创造阶段。”特斯拉董事会主席罗宾·登霍姆上月在致股东的信中表示，“这其中没有轻易能实现的目标，只有在埃隆达成宏伟的市值和运营目标后，他才能获得额外的投票权。”
马斯克目前的薪酬方案价值超过500亿美元，是2018年由股东批准的，但这一方案此前遭到特拉华州的一家法院的否决，因为法官认为特斯拉董事会与这位亿万富翁CEO之间的独立性不足，存在严重缺陷。特斯拉已对该决定提出上诉提交给特拉华州最高法院。这一裁决促使马斯克提出将特斯拉的合法总部从特拉华州迁往德克萨斯州。
9月23日，第25届中国国际工业博览会（下称“工博会”）在上海开幕，“AI智能制造”是今年展馆里最醒目的主题：“工业+具身智能”、“AI驱动，让算法更智能”、“数智融合”等与AI智能制造相关的标语随处可见，从能与人实现对话交互的协作机器人，到工业具身智能柔性生产线在展会现场演绎一条产线“永不停歇”，AI正以前所未有的密度出现在工业制造的舞台。人工智能技术正在推动行业的数字化转型和智能化发展，AI正成为影响工业企业发展的重要因素。
但眼下产线的稳定性和AI落地后的成本问题，仍是绕不过的两大门槛。
AI超级生产队
在工博会现场，微亿智造携手捷勃特发布工业具身智能柔性生产线“创TRON”新产线。这条工业具身智能柔性生产线由8台机器人组成，既能完成生产过程中将物料上下料，还能进行检测和装配，一旦有机器发生故障，临近的机器设备会自动分担任务。“这是24小时不间断标准化生产的超级生产队”。微亿智造董事长兼CEO张志琦这样形容。
张志琦认为，要让AI很好地赋能生产，关键是让AI吸收人类老师傅的经验，把人类几十年的制造智慧转化为模型。“过去是师傅带徒弟，现在是师傅教AI，AI再去组织生产。”
在本届工博会上，英特尔以工业AI为核心概念，携手多家生态合作伙伴，对外展示了在具身智能、人形机器人、工业AI与大模型、工业机器视觉、工业控制等领域的前沿解决方案与算力平台，还发布了基于英特尔® 酷睿™ Ultra平台的具身智能工厂落地案例。
根据英特尔发布的《智启边缘：英特尔软硬件一体化赋能产业AI应用实践白皮书》（以下简称《白皮书》），预计到2028年，中国工业企业AI支出将达到900亿元人民币， CAGR（复合年增长率）为37.7% 。利用先进的算法和强大的计算能力，AI和大模型能够优化生产流程、提高产品质量、降低成本，并增强供应链管理。
微亿智造则提出一种可能性，未来工厂生产线70%仍将保持传统自动化，20%由具身智能补足，10%留给人创造更大价值。“具身智能不会让工人都下岗，而是释放人力，从繁重重复劳动中解放出来。”张志琦称。
微亿智造携手捷勃特发布工业具身智能柔性生产线“创TRON”新产线。
高成本与“不稳定性”的担忧
AI正在逐步渗透进工业制造，但算力、数据、成本和生态的现实瓶颈，决定了它不可能一蹴而就。
未来工业领域AI智能化的趋势是让机器人能够自主判断要抓取的物体、要焊接的工件，业内人士判断，这一过程需要5到20年才能实现。
在工博会现场，上海松川远亿机械设备有限公司展示了一款AI语音交互功能的协作码垛机器人操作。该公司工作人员黄云龙介绍，操作员可以用语音对话唤醒机械臂抓取，但目前还未正式投入产线使用。
英特尔中国边缘计算事业部行业解决方案总经理李岩在接受澎湃科技采访时指出，工业制造领域本身是一个高度讲究可靠性、准确性的场所，对新技术、新产品的接受度一定不会太激进。企业必须看到数据验证结果，算清ROI（投资回报率），确认有实效，才会真正部署，“这是我们常说的‘最后一公里’问题”。
眼下，企业普遍担心AI落地后的高成本和产线稳定性问题。
据黄云龙介绍，不加AI语音功能的码垛机器人，一台售价在3万到4万元，一旦搭载了AI功能，单价会明显上涨。对于多数工业制造企业而言，加入AI功能必须算得过一笔账，一台设备替代两个人工，两年内若收不回成本，就不可能投入生产线。
产线的稳定性同样关键，机器一旦出问题，停一条产线的损失，远比少几个人力大。 另有参展商告诉澎湃科技，工业机器人加入AI功能，具备自主判断的“智能抓取”还处于展示阶段，到真正应用还需一定的时间。
AI落地工业制造离不开算法、算力和硬件的支撑。
英特尔技术专家介绍，工业现场很多场景无法依赖云端算力。视觉检测和机器人控制都要求毫秒级响应，只能在端侧部署。因此，如何在功耗和成本受限的边缘设备上运行AI，成为关键挑战。对此，英特尔提供的解决方案覆盖从边缘端到数据中心的全链算力平台，包括酷睿Ultra处理器、Xe内核与MXM矩阵加速引擎显卡系列等产品，满足从机器视觉到大模型部署的多类需求，就是为了帮助客户加速工业AI大规模落地。
张志琦称，具身智能和AI时代，很多传统自动化理论和经验已经被颠覆。市场需要一个认知过程。就像自动驾驶经历了从“全自动”到“辅助驾驶”的回调，工业AI也在寻找最合适的落地姿态。
“人形机器人去年全国销售量只有几百台，今年年底预估会有2万台左右的销售。”日前，在上海举行的机器人开发者生态全球性技术大会ROSCon China2025上，北京人形机器人创新中心负责人刘益彰透露出目前人形机器人行业的市场现状。
根据机构GGII（高工机器人产业研究所）数据显示，2024年中国人形机器人销量在800台左右，2025年上半年销量超过4000台。一年间，从“实验室样机”到“批量交付”，人形机器人产业正在加速走向量产化。然而，行业热度飙升的另一面，是出货量有限、成本高投入大、投资回报率偏低的现实。
大会上的机器人。
人形机器人落地场景目前尚有限
人形机器人此前已被工信部列为“未来产业十大重点方向”之一，全国多地正在布局生产与测试基地。然而，尽管增势明显，目前的市场仍主要集中于科研、教育及具备二次开发能力的B端领域，消费级C端市场尚未真正打开。
刘益彰表示，目前人形机器人集中在示范应用为主，比如在巡检导览场景；其次是集中在工厂里搬运箱子，这一机器人形态更多的是用轮式底盘加上协作双臂的方式，场景跑通后人形机器人才有可能直接进入这类场景；居家养老场景是机器人应用的最后一步。
古月居ROS机器人社区联合创始人顾强认为，目前真正具备刚需且拥有支付能力的场景虽已被识别，例如部分专业工业场景，但技术与实际需求之间的融合仍显不足，尚未形成规模化落地路径。
而人形机器人市场尚未成熟，却似乎开始打起了价格战。
芝能汽车、芝能智芯创始人陶冶指出，“人形机器人商业化面临的主要瓶颈在于ROI（投资回报率）过低，难以从一次性投资中获得回报。”
深圳市机器人协会秘书长谭维佳同样指出，由于机器人跨领域应用的开发成本过高，企业更倾向于选择成熟领域落地，这种策略趋同反而导致了有限赛道的内卷和价格战。
刘益彰坦言，“现在很多机器人企业在卷价格，已经接近底板，甚至亏本。”机器人行业现阶段入局者多，未必是一件好事。当前人形机器人量产刚刚开始，机器人的工艺流程、测试标准和性能标准，甚至关键模组接口的标准还没有完全敲定。在这种情况下，“卷价格的意义不大。”
古月居联合创始人顾强将当前的人形机器人发展阶段比作“手机刚问世时的大哥大时代”，价格高昂，只有实现规模化之后才有可能实现降价。即便会有卖得很贵的机器人，但也会出现可以进入千家万户的经济型机器人。顾强担忧价格战最终会导致恶性循环，“价格内卷逼近原材料，可能会导致创新成为很大的负担，更加没有机会再去拓展新的应用场景。”
刘益彰认为，人形机器人的价值不应只以成本衡量。“如果人形机器人只是没有感情的工程机械，那它就只是材料费。真正的价值在于附加价值——能够为人提供情绪价值与长期陪伴。”如果继续价格内卷，导致新的入局者越来越少，机器人上游产业链也会越来越内卷。
他描绘了一幅理想化的未来图景：“一个孩子从出生到成长、成家、养老，都有一台人形机器人陪伴。这是我们希望技术最终实现的状态。”
展会上对外展示的机器狗。
从“散装机器人”再到具身智能
圆桌讨论中，多位嘉宾提到当前机器人“散装化”问题突出——各模块发展割裂，尚未形成系统智能。
国家地方共建人形机器人创新中心感知与自主系统技术专家朱华章指出，“现在会打功夫的机器人只会打功夫，会后空翻的只会后空翻。我们更需要让机器人真正成为能解决现实问题的工具，而不是炫技产品。”
他认为，企业与资本应将资源更多投入到核心技术和通用智能能力上，“先让机器人能用，再谈它能不能降价进入家庭。”
陶冶强调，人形机器人的落地将会是一个“从结构化到半结构化，再到非结构化”的演进过程。比如先在预设的平整厂区使用轮式机器人；再逐步进入半结构化场景，在特定要求下找到需求落地的场景。至于居家养老陪护，“肯定是杀手级的场景，这中间还有很长一段路要走。”
基于对人形机器人市场应用的观察，刘益彰同样认为，短期内巡检导览将成为首批示范场景。另外在搬运领域，会先采用轮式底盘加协作双臂的方案，待技术成熟后，双足人形机器人再逐步跟进。而养老陪护场景，则是商业化路径的最后一步。
陶冶认为，在此过程中可以采用RaaS（Robot-as-a-Service，机器人即服务）等创新模式，通过租赁等服务形式，减轻用户的资金压力，让商业场景快速试水，并在实践中持续优化和迭代。
朱华章则认为，人形机器人是一种非常先进的生产力，而“类似的新兴产品都需要一段不计成本的投入，慢慢等技术积累成熟之后，自然有需求对号入座。”历史上的计算机、互联网和航天技术基本遵循了这样一条发展史。
他表示，当前人形机器人领域正处在一个良性发展阶段，呈“遍地开花”的态势，每一个子技术、子模块都在朝着可落地的方向发展，等技术成熟、成本降低后，产业链自然会活络起来。“我们可以不必为此感到焦虑，让市场的需求牵引技术的发展。”
在谭维佳看来，在具身智能的“GPT时刻”尚未来临之前，也有‘沿途下蛋’创造商业价值的可能。不过，“落地不能靠整机厂商单打独斗，必须与系统集成商、场景方共同推动，毕竟真正理解场景know-how（技术诀窍）的，是使用者自己。”
人形机器人的未来在哪里
人形机器人的发展之路，在形态上一直伴随着“人形形态是否有必要”的根本争议。有人认为它是技术的终极形态，也有人质疑其工程意义与商业合理性。
刘益彰从功能角度指出，双足人形拥有无可替代的地形通过性，能轻松应对楼梯、坑洼等复杂环境，这是轮式底盘无法比拟的。
顾强提出人形的另一种价值，正如在F1赛事中，赛车、车手和赛车服已经成为体育精神的象征，“人形也可以传递其他附加的信息、能量或精神。”
陶冶强调，人形是最符合人类直觉期待的终极形态。“我们生活的场景——比如圆形的门把手本就是为人设计的。机器进化都要尽快适应这一环境。”它越像人，需要付出的沟通成本和学习成本也越低。
在她看来，目前大量以效率为导向的非人形机器人，只是阶段性的产物，长期来看，机器人应该像人一样满足陪伴的最终需求。她认为，“机器人的终局就是人形化。”
刘益彰预测，人形机器人的普及将经历两个阶段。短期内，机器人4S店会像曾经汽车一样逐渐普及；而从长期看，人形机器人会逐渐替代对人有伤害的危险工作。同时，养老陪伴、留守儿童教育等社会需求也有望通过机器人得到缓解。
顾强提出“通机器人”（Universal Robot）的概念，认为当机器人像水、电、网络一样成为基础设施时，才意味着真正的新生产力革命。
或许当机器人走上街头不再被人围观的那一刻，它才真正意味着融入了人类社会。
从科研工作者到副教授，青年科学家武庆庆最直接的体会是：热爱科研的人需要一个不被“打断”的研究环境。只有在完全沉浸其中时，才能进入“心流”状态，孕育出真正有价值的、创新的科研想法。
武庆庆，思源青年学者，国家海外优青，科睿唯安全球高被引科学家，获上海市自然科学一等奖、中国通信学会青年科学奖、IEEE通信学会最杰出青年学者等，目前主要研究领域包括6G智能超表面通信、低空智联网、通信-感知-定位-计算一体化等。
2012年从广东华南理工大学信息工程专业毕业后，武庆庆直博到上海交通大学，期间专注于“绿色通信”研究，为后期在低功耗低成本智能反射面（IRS）通信的突破性工作奠定了基础。2016年，博士提前毕业后，加入新加坡国立大学担任博士后研究员，与新加坡工程院张瑞院士合作开展研究。2022年，武庆庆回到上海交通大学集成电路学院担任长轨副教授。
以下是他的讲述：
【1】
2022年我开始担任上交大长轨副教授至今三年以来，除了科研工作外，还要承担学生事务等日常工作。这些天，我正在忙着招聘我的研究生团队。
现在来面试的研究生感觉和我们当年科研状态不同，在从事学术研究这件事上，常常看不出他们很强的学术“野心”。我觉得有学术野心这点非常重要，在漫长的学术研究生涯中，会充满非常多的挫折和失败，很多学生现在对做科研这件事，选择并不坚定，只是想尝试，总想着自己还有很多后路可以选择。
但科学研究刚开始时的进展都非常缓慢，只有到最后才有可能迎来一次爆发。比如数学家张益唐到了58岁，才在数学领域才有一定成果。
我刚走上科研这条路时，面临挺多的困难从华南理工大学直博到上海交通大学时，我遇到了陈文教授，他对我的教育一直是鼓励式的，每当我提出新的想法时，他总会积极鼓励我。后来我逐渐意识到，这种鼓励式教育对我整个学术生涯非常重要。
我现在招收学生，非常看重他们是否具备主动性、好奇心和韧性。现在大多数学生，是通过应试教育筛选出来的，能把一件事做得整体还不错，但如果要真的把一件事做到极致的优秀、极致的创新，就需要多一份热爱和好奇心，再加上持续不懈的努力。
【2】
现在很多人聊AI，但其实在我当时学习信息工程专业研究“绿色通信”这一方向时，在无线通信领域，火爆程度不亚于现在的AI。
“绿色通信”用我博士学位论文四个字概括即开源节流，尽量实现高能效、低功耗。从4G发展到5G，再到现在的6G时代，能耗和成本已经成为整个通信产业界的痛点问题。
如果说1G到4G的发展，主要满足人与人之间的沟通交流，比如语音、视频通话等。那么5G时代，除了继续提升超高清视频通信能力之外，更重要的是服务于千行百业。
而6G与5G不同之一是端到端的延迟会降低到毫秒以下。比如在大型的工业物联网、大飞机制造等工业的场景中，需要无人化的协同，在同步的过程可能毫秒级的时延就会产生很大的偏差，对未来造成一定的风险，这个时候就需要极低的延迟。
我和我当时新加坡国立大学的导师张瑞院士曾调研过，5G时代基站需要的个数是4G时代的三倍左右。单个基站的价格，也是4G时代的三到四倍。 通信频率越高，每个基站的覆盖范围会变小。因此，如果采用传统的建站方式，6G需要更高的建站密度，对运营商来说，成本和能耗更加无法接受。
智能反射面（IRS）赋能通信技术，能很好地缓解这一问题。
智能反射面本身并不产生信号，也不接收信号，所以不需要很复杂的、高成本高能耗的射频链路，能有效降低成本和能耗。
同时，智能反射面可以部署到网络空间中，比如天花板、墙壁、大楼表面，甚至大型广告牌。整个空间中并不缺乏电磁信号，只是缺乏对电磁波信号的有效引导。这个技术的初衷，是希望能够在信号传播过程中通过反射操纵电磁波往哪个方向走。它不是一个发送者，而是中间链路的重构者或者赋能者。
要想把这项技术运用到实际通信系统中，要做好前期充分的理论验证。我们发现随着面板尺寸的扩大，单元个数的增多，接收端的功率增益会随之以单元数的平方阶数增大。但在无线通信发展的过程中，据我所知教科书中并没有提到有过二阶的增益，最开始我们有点不太相信，后来意识到这可能会是一个新的突破。也正是因为这个原因，我们对论文的发表变得非常谨慎。
我还记得一个下午，我和张瑞老师讨论了两件事，一是如何将这个方向往前进一步推进，二是应该如何对这一技术进行命名。最终，做了充足的仿真试验和严谨的理论推导后，我们发表了论文，引起了非常大的反响。2篇早期的IRS的论文荣获2023年IEEE通信学会Fred W. Ellersick Prize以及2022年IEEE通信学会亚太杰出论文奖，两篇论文谷歌学术引用都达到4000多次，后者排在无线通信领域顶刊IEEE TWC 创刊20余年以来的被引次数历史第三位。
很巧的是，当年发表在无线通信领域顶刊IEEE TWC排名历史第二的论文来自美国工程院院士托马斯·L·马尔泽塔（Thomas L. Marzetta），他在2009年提出了5G核心技术——超大规模MIMO的初步构想。十年后，我们提出了面向6G的潜在关键性技术。
从4G到5G时代，中国的声量不断增大，从跟跑到现在核心专利方面做到全球领先。6G时代，我们一代一代的科研工作者希望能把通信技术继续往前推进。
国内高校还牵头成立了面向全球学术界和产业界的智能超表面技术联盟（RISTA），中国的企业、高校和科研工作者在其中发挥了主导性作用。
不过现有技术还在进一步的研究当中。之前的研究大多在实验室场景中，而在大规模的室外场景中，信道环境会更加复杂。智能反射面需要知道用户在什么地方，以及用户移动时怎样追踪。作为网络中一个新设备，又需要跟基站进行同步或者非同步的操作。所以这项技术的商用还需要进一步地标准化研究。
2019年在一次采访中我曾提到，我的目标是能把我和我的导师张瑞院士提出的智能反射面技术应用到下一代的移动通信系统中，写进6G的标准里。现在回想起来，技术的发展在很多时候会超出你的预期。在2030年之前，我们有很大机会能看到这项技术局部落地投入商用。
【3】
我认为所谓的“颠覆性”创新，追求的是纯粹的创新，是从0到1的突破，甚至具备跨学科视角。
比如我现在研究的，以智能超材料为核心的电磁调控或以智能超表面为核心的传输技术，是一个跨学科方向。不仅需要通信领域的知识，还涉及电磁材料学，也融合了AI的元素。我们希望未来的智能反射面设备能够部署到环境中，能自主调节，而不是依赖人为干预，这其中人工智能将发挥重要作用。
往往跨领域、跨学科比较容易催生出颠覆性创新技术，因为在传统赛道上，很容易想到一些技术的拓展和延伸，很多时候颠覆性创新，需要一些天马行空的突发奇想。
科研初期阶段，很多时候其实并没有意识到当时的想法会具备颠覆性，更多的时候，只有纯粹地去研究这项技术、思考如何解决技术痛点，在这个过程中往往可能出现某些颠覆式创新想法。
如果每天想着“我一定要做出颠覆性技术”，反而会给自己带来压力。所以很多时候，我在做科研时更重要的是保持好奇心和坚持不懈地探索，持续尝试不同的可能。而且，科研需要给自己创造一个相对放松的环境和心态，不能总是时刻紧绷着。
科研不像流水线生产，不是机械重复操作就能保证成果产出。只有在自由探索、放松的环境中，才更容易孕育出高质量，甚至具备颠覆性的成果。
比如，很多天马行空的想法，需要你处于很放松的状态，甚至带有一些无知、无欲、无求的过程。
【4】
为了让自己在科研时有一个放松的状态，我曾经尝试过很多运动。比如游泳、乒乓球、羽毛球等。
但最后发现，从本科到博士、再到助理教授，后期我定居上海，只有跑步是门槛最低、能陪伴我最久的运动方式。
当然，科研工作者有时也会存在惰性。我想很多人没能坚持出门运动，可能跟他们对运动能给人带来的好处认识深度不够。只有你认识得足够深刻，才会有足够的执行力开始锻炼、运动。
我在本科阶段，曾经是一个不爱跑步的人。但后期慢慢地意识到运动对科研工作者的重要性。为了让自己下定决心开始运动，前期我做了很多科学的调研，经过系统的调研我对运动有了新的认知，运动是最好的“药物”之一。这种认知不仅是“知道运动有好处”，而是理解“为什么要做、不做会带来什么后果”。
我还有一点很深的感触，科研工作需要集中注意力高效率完成，这需要让自己处于一个不被打断的环境里，只有这样才能深度思考。如果不停被各种琐碎的事务打断，再重新开始，很难有很好的效果。
在博士和博士后期间，我做科研时，我会常常把手机调至飞行模式，保证科研能够全身心投入，让自己进入一种高度沉浸的“心流”状态。
自从我担任教职以后，我的时间逐渐变得碎片化，对接学生、开会等这类事务把我的时间切割得非常零散，这对科研创新其实很不利。现在我会刻意留时间给自己闭关思考。
我喜欢看人物传记，近期在看的书是菲尔兹奖获得者、清华大学数学家丘成桐写的自传《我的几何人生：从贫穷少年到数学皇帝》。几何人生，人生几何。他成长于上一代非常艰苦的环境中，但是在全球数学领域里产生了非常深远的影响。
他是数学家，却有很强的文学功底，还能作诗，我很好奇他是如何兼顾科学的理性和文学的美感，这点让我感触颇深。
常有人说，可能懂得很多道理，但依然过不好这一生。这本质的原因可能跟自我管理有关，如果你能把所学的知识成果落地转化到应用起来，这其实需要长远的过程，这点跟我们科研工作者挺相似的，科研工作本身就是从不知道到知道，最终解决问题到落地。
“人形机器人去年全国销售量只有几百台，今年年底预估会有2万台左右的销售。”日前，在上海举行的机器人开发者生态全球性技术大会ROSCon China2025上，北京人形机器人创新中心负责人刘益彰透露出目前人形机器人行业的市场现状。
根据机构GGII（高工机器人产业研究所）数据显示，2024年中国人形机器人销量在800台左右，2025年上半年销量超过4000台。一年间，从“实验室样机”到“批量交付”，人形机器人产业正在加速走向量产化。然而，行业热度飙升的另一面，是出货量有限、成本高投入大、投资回报率偏低的现实。
大会上的机器人。
人形机器人落地场景目前尚有限
人形机器人此前已被工信部列为“未来产业十大重点方向”之一，全国多地正在布局生产与测试基地。然而，尽管增势明显，目前的市场仍主要集中于科研、教育及具备二次开发能力的B端领域，消费级C端市场尚未真正打开。
刘益彰表示，目前人形机器人集中在示范应用为主，比如在巡检导览场景；其次是集中在工厂里搬运箱子，这一机器人形态更多的是用轮式底盘加上协作双臂的方式，场景跑通后人形机器人才有可能直接进入这类场景；居家养老场景是机器人应用的最后一步。
古月居ROS机器人社区联合创始人顾强认为，目前真正具备刚需且拥有支付能力的场景虽已被识别，例如部分专业工业场景，但技术与实际需求之间的融合仍显不足，尚未形成规模化落地路径。
而人形机器人市场尚未成熟，却似乎开始打起了价格战。
芝能汽车、芝能智芯创始人陶冶指出，“人形机器人商业化面临的主要瓶颈在于ROI（投资回报率）过低，难以从一次性投资中获得回报。”
深圳市机器人协会秘书长谭维佳同样指出，由于机器人跨领域应用的开发成本过高，企业更倾向于选择成熟领域落地，这种策略趋同反而导致了有限赛道的内卷和价格战。
刘益彰坦言，“现在很多机器人企业在卷价格，已经接近底板，甚至亏本。”机器人行业现阶段入局者多，未必是一件好事。当前人形机器人量产刚刚开始，机器人的工艺流程、测试标准和性能标准，甚至关键模组接口的标准还没有完全敲定。在这种情况下，“卷价格的意义不大。”
古月居联合创始人顾强将当前的人形机器人发展阶段比作“手机刚问世时的大哥大时代”，价格高昂，只有实现规模化之后才有可能实现降价。即便会有卖得很贵的机器人，但也会出现可以进入千家万户的经济型机器人。顾强担忧价格战最终会导致恶性循环，“价格内卷逼近原材料，可能会导致创新成为很大的负担，更加没有机会再去拓展新的应用场景。”
刘益彰认为，人形机器人的价值不应只以成本衡量。“如果人形机器人只是没有感情的工程机械，那它就只是材料费。真正的价值在于附加价值——能够为人提供情绪价值与长期陪伴。”如果继续价格内卷，导致新的入局者越来越少，机器人上游产业链也会越来越内卷。
他描绘了一幅理想化的未来图景：“一个孩子从出生到成长、成家、养老，都有一台人形机器人陪伴。这是我们希望技术最终实现的状态。”
展会上对外展示的机器狗。
从“散装机器人”再到具身智能
圆桌讨论中，多位嘉宾提到当前机器人“散装化”问题突出——各模块发展割裂，尚未形成系统智能。
国家地方共建人形机器人创新中心感知与自主系统技术专家朱华章指出，“现在会打功夫的机器人只会打功夫，会后空翻的只会后空翻。我们更需要让机器人真正成为能解决现实问题的工具，而不是炫技产品。”
他认为，企业与资本应将资源更多投入到核心技术和通用智能能力上，“先让机器人能用，再谈它能不能降价进入家庭。”
陶冶强调，人形机器人的落地将会是一个“从结构化到半结构化，再到非结构化”的演进过程。比如先在预设的平整厂区使用轮式机器人；再逐步进入半结构化场景，在特定要求下找到需求落地的场景。至于居家养老陪护，“肯定是杀手级的场景，这中间还有很长一段路要走。”
基于对人形机器人市场应用的观察，刘益彰同样认为，短期内巡检导览将成为首批示范场景。另外在搬运领域，会先采用轮式底盘加协作双臂的方案，待技术成熟后，双足人形机器人再逐步跟进。而养老陪护场景，则是商业化路径的最后一步。
陶冶认为，在此过程中可以采用RaaS（Robot-as-a-Service，机器人即服务）等创新模式，通过租赁等服务形式，减轻用户的资金压力，让商业场景快速试水，并在实践中持续优化和迭代。
朱华章则认为，人形机器人是一种非常先进的生产力，而“类似的新兴产品都需要一段不计成本的投入，慢慢等技术积累成熟之后，自然有需求对号入座。”历史上的计算机、互联网和航天技术基本遵循了这样一条发展史。
他表示，当前人形机器人领域正处在一个良性发展阶段，呈“遍地开花”的态势，每一个子技术、子模块都在朝着可落地的方向发展，等技术成熟、成本降低后，产业链自然会活络起来。“我们可以不必为此感到焦虑，让市场的需求牵引技术的发展。”
在谭维佳看来，在具身智能的“GPT时刻”尚未来临之前，也有‘沿途下蛋’创造商业价值的可能。不过，“落地不能靠整机厂商单打独斗，必须与系统集成商、场景方共同推动，毕竟真正理解场景know-how（技术诀窍）的，是使用者自己。”
人形机器人的未来在哪里
人形机器人的发展之路，在形态上一直伴随着“人形形态是否有必要”的根本争议。有人认为它是技术的终极形态，也有人质疑其工程意义与商业合理性。
刘益彰从功能角度指出，双足人形拥有无可替代的地形通过性，能轻松应对楼梯、坑洼等复杂环境，这是轮式底盘无法比拟的。
顾强提出人形的另一种价值，正如在F1赛事中，赛车、车手和赛车服已经成为体育精神的象征，“人形也可以传递其他附加的信息、能量或精神。”
陶冶强调，人形是最符合人类直觉期待的终极形态。“我们生活的场景——比如圆形的门把手本就是为人设计的。机器进化都要尽快适应这一环境。”它越像人，需要付出的沟通成本和学习成本也越低。
在她看来，目前大量以效率为导向的非人形机器人，只是阶段性的产物，长期来看，机器人应该像人一样满足陪伴的最终需求。她认为，“机器人的终局就是人形化。”
刘益彰预测，人形机器人的普及将经历两个阶段。短期内，机器人4S店会像曾经汽车一样逐渐普及；而从长期看，人形机器人会逐渐替代对人有伤害的危险工作。同时，养老陪伴、留守儿童教育等社会需求也有望通过机器人得到缓解。
顾强提出“通机器人”（Universal Robot）的概念，认为当机器人像水、电、网络一样成为基础设施时，才意味着真正的新生产力革命。
或许当机器人走上街头不再被人围观的那一刻，它才真正意味着融入了人类社会。
