9月27日，2025年的NetEase Future会议在杭州举行，主题是“以情报来看未来”。该会议由Netease主持，并由Hangzhou经济和信息技术局（Hangzhou数字经济局），Hangzhou Commerce Bureau和Hangzhou高科技工业发展区管理委员会指导。这次会议是“第四全球数字贸易博览会”的组成部分之一，该会议的重点是开发人工智能的各个领域并探索未来的趋势。该会议由中国工程学院的学术学术学术学术界和其他学者领导，他们将情报领域的领导者结合在一起，领导了AI企业家，著名的投资者和行业领导者。访客将讨论技术的成功和商业实施式的大型模型，具体的情报和AI代理商，并在思想碰撞时获得新的机会。在t期间加拿大工程学院的学术学者孟先生，南方科学技术大学电子与电气工程系主任孟金先生出版了“人工智能时代的手术机器人，或机器人手术时代？” 》主题演讲，他说，外科机器人在国内外都很紧张，需要获得三种医疗设备的认证，并且它们的发育速度相对较慢。第一家国际公司是Da Vinci手术机器人。尽管在商业上取得了成功，但在过去的20年中，它确实没有改变。许多公司都遵循诉讼并模仿，但缺乏变化。关于“人类机器人将来会替代外科医生的问题？”，他提出了两种矛盾的观点：美国外科机器人的父亲罗素·泰勒（Russel Taylor），因为他的团队从RobotDoc开始，因此被认为是“不”。他的愿景也不使用医生，只是让他医生使用类人形机器人，所以他不会使用它。他的团队于2025年7月在猪胆囊离开时与世界机器人进行了第一个完全自主的实验。苏加诺教授认为这是“要做的”。在2050年的Moonshot计划中，人形机器人旨在在太空站等极端环境中进行多部门手术。孟金（Meng Qinghu）教导说，今天提到的AI大型模型实际上是AI大语言模型。每个人都应该知道它不是强大的，因此，当您使用大型模型时，缩小ESO一词的能力很好，但是在解析图像和理解三维世界方面仍然存在巨大差异。从计算，算法和数据的力量的角度来看，最大的因素是数据提取方法存在严重问题。他甚至批评目前在国内资本中流行的“体现情报”的概念，认为应该称为“太空情报”E“，并强调“场景智能”是基于特定的应用是该行业当前实施的关键，而遥远的一般人工智能（AGI）（AGI）。目前，Musk和Ultraman都会产生人工数据的扩展。实现这一愿景是一个严格的要求：我们必须从现在开始，以最佳的方法和清晰度来收集多型和多模式的临床数据。 这十年前，人工智能繁荣的浪潮确实始于十年。 2015年，Google首席执行官发表了一场演讲，他说Google制作了一个名为Google Duplex的应用程序，显示了呼吁Google Duplex呼吁预约SA Hairircut。在整个过程中，另一方不知道这是称他为他的人工智能算法，并成功地任命了这张理发。当然，他谈到了这个过程，这是他成千上万的失败的成功案例。由于成功率太低，因此Google Duplex尚未发布，但是该活动本身已经触及了Elon Musk和Sam Altman。他们说，Google想通过人工智能赚钱，因此不能那样做。它应该是一种开放资源，并为公众提供服务。因此，在2015年，他们共同建立了明天。 AI，他们说这东西不能用于收入，这应该是一个开放的资源。每个人都知道十年后的结果会怎样。何n今天的学术盘讨论了它，他在大型AI模型中讨论了许多问题。如果我们想知道为什么会出现这个问题，我们可以从人的大脑和计算机，计算，算法和数据的力量中比较它。这个问题以某种方式给了我们一个想法。在哪些方面我们应该克服大型模型当前拥有的问题？无论是什么人工智能，我们都希望使用计算机和算法来模仿人的大脑。因此，我们需要了解人类大脑的力量和成人的大脑。我们不知道。有各种估计值，但是没有人拥有真实的数据，但是我们知道计算大型AI模型的计算能力有多少。目前，最大的Musk的200,000 H100计算能力群集是FullWorld中最大的。稍后将讨论他的grok4。我们的大脑使用什么算法？我们都估计，我们不知道它是什么，但是我们知道算法将用来生产大型模型。每当我们学习Huma时n大脑，当神经外科和神经病学几乎没有变化和发展时，我们可以看到该算法将迅速发展。面对我们大脑的理解仍在出现，我们的算法也在出现。这是一个螺旋的向上过程。没有人知道老年大脑需要训练多少数据，但是我们知道每个公司的大型模型都说数字人的信息已经耗尽，但是请考虑到这一点，这一领域有很大的差异。随着年龄的增长，因为母亲身体中形成的生命时刻，我们的数据研究并未被中断，并且我们的数据没有被喂养，我们知道我们遇到的东西，因此我们在所有人的成长过程中都与不同的人一起成长。彼此的大脑水平，发展水平，他们所经历的内容以及他们学到的数据不同，但是他们没有受到控制和没有喂养，他们都在探索自己。但是，今日SO称为培训模型的信息Pro在人类生活中很小的一部分，并不能完全代表人类。如何从AGI获取此类数据？这是我的第一个问题。让我们看一下人的大脑。人脑非常强大。除了这些目的，它还具有巨大的能力。我们的功耗是20到30瓦，但是今天我们的加工能力比核电站占用的人工智能更强。为什么这是？我们具有很强的接收信息的能力，但是我们几乎没有积极的接受。最终，我们只能几乎没有记忆和反应。在此过程中，我们的大脑构成了交集。无论套装有多大，交叉点都会很小。因此，我们做得很好，但是人工智能现在无法做到。因此，如果我们的大脑由尺寸和球形表示，则它是一个近乎无尽的尺寸的球体，具有许多尺寸。例如，每个尺寸的一件事都在播放，这使得增加了。这样，昏暗每个大脑的一般智能空间的一般空间都不同，但是它们往往是无尽的，并且每个大小的强度都不同。在这方面，一些MGA人很强大，有些人在这方面很强大。但是整体是球形的。如今，由人工智能训练的模型通常是一个低维的模型。规模不足以比人不够。但是，在某些维度上的强度超出了人们，例如玩游戏，非常强大。如果您理解这一点，您将知道，当前的数据永远不会被发送给所说的与人脑接近的事物。尽管它继续用于计算和算法的强度，但仍然无法做到。给我们一个例子。在左下角的图片中，我们看到一个像四足动物和树荫一样的孩子。通常，我们可以看到这张照片是狗或四足动物，闻到地面并在树荫下行走。通常，人们很容易看到picturethis，但是从第一天到现在，计算机的方法与人类完全不同。在第一天，他们正在寻找情节。找到大纲后，他们比较了模型。狗首先将其视为染色的狗。狗的背部和左腿完全集成到背景中。找到其轮廓当然无法创建狗的形状，这使得很难匹配模型。在人工智能最近流行之后，现在使用了点云技术，焦点领域更多，焦点更少，这是不可能做的。它表明，人工智能的当前算法与人脑的算法完全不同。没有人能清楚地解释我们如何认识这张照片中的人。这是因为当我们阅读人工智能的图片时，PWE也非常巨大。区别。让我们看一下AI的表现型号。自2022年11月30日发行Chatgpt以来，Chatgpt在2023年非常受欢迎。2023年5月，这是一种主要的语言模型，但在5月，他们形成了下一代，这不仅可以处理文本，而且可以处理图像。当时我很好奇。我今天发送了这张照片以进行评论。答案是：对不起，作为基于文本的AI，我没有直接查看和研究图片。如果您想了解这张图片，则首先描述其内容。我描述了我要求您阅读的图片，因此无济于事。同时，在2022年5月，有一个内部版本的Beta版。我要求我的学生在他们的内部beta团队上这样做。说内部的beit是一个beta，一个女孩坐在沙发上，拿着一本书，长棕色的头发，蓝色毛衣和牛仔裤等。它从这张照片中读到了这些东西，但我们看不懂。这种幻觉非常强大，这是2022年的情况。Le Bard没有那么高度的宣传，但确实如此，并且已经阅读了。它说，阴影中的豹子至少看到了阴影和四足动物。它认为这是一个鲜艳的豹子，但没有看到树。这是2022年的季节。早在2025年，我上周五给了他。他看到一只黑白的，有一只蜡染狗站在外面，好像靠近某人。它看到了一只染色的狗，但没有树。这是一个人。这是AOF CHATGPT5，这是Gemini2.5 Pro，也是最新的。它看起来像一只黑白污渍狗，闻到地面的气味，朝阴影走去，好像走向树。 Google确实安静地做事，因为Google本身有钱，不必欺骗资本，但是Openai和Musk都使用技术垄断来实现垄断资本并排除人类。这是他们的目标。他们需要继续欺骗首都，但是Google在地面上仍在较低，但是嘿，不要注意到计算的强度。我们只是说最强的计算能力是麝香的200,000 H100。它计算的grok4看起来像豹子。可以看出，这是豹子。它穿过树木的边缘，有着广泛的草。可以看出，这是草。树木稀疏，豹子在树下行走。这个结果很好。 Claudeopus 4.1还看到了一只四足动物，这是树木的阴影作为游泳池和水的光芒。这个地方仍然有点远。中国表现如何？ Dou Bao说，这是对染色的狗狗的幻想，并说这是一只染色的狗，看不到那只狗。 Iflytek Spark和DeepSeek试图在这张照片中拍摄文字，他们不知道如何阅读你们两个告诉我我无法阅读图片的照片，但是没有文字可以拿起。 Tgyyi说，这是一幅景观绘画，充满了渔民和钓鱼的乐趣，整个幻想。 Yuanbao说有点更好的。这就像展示在外部环境中移动的猎豹场景一样。当他谈论背景时，他提到了这棵树。现在，他花费了过多的精力，并投入了许多人工智能模型。当看着人时，他们很容易清楚地看到一张图片，他们会有不同的问题。问题至少是我们了解，人们当然没有使用他们的人工智能算法来理解这张图片，因此该算法是最大的瓶颈。让我们谈谈仿生机器人。 1973年，Kato Ichiro教授是第一个在Waseda工作的人形机器人。他制作的人形机器人当然是声音控制的。这个机器人可以回答声音，但是可以看出，当时这两只手是触觉的，Kato Ichiro教授建议人形机器人应该与声音联系。但是，从波士顿的动力学到震惊，所有仿生机器人都是愚蠢的。我稍后再检查一下，但是有一个问题。但是我Chiro Kato的原始意图应该像男人一样。他死了。他目前的实验室负责人是Sugano教授。波士顿的动力已经辉煌了20年。这张照片是第一代波士顿动态演示的视频。我还有这只大狗的好运。这只大狗的首席工程师是马丁·布勒（Martin Buehler）。当时，我们都是加拿大的教授。我们俩一起申请了一个项目。这是我邀请他去中国的时候。他看到了我们在山东大学制造的小狗。骑行后，他说：很棒。这次您可以用很少的钱做一些好事。之后，他制定了加拿大国防部项目，称为现场运输战斗平台。我做了四个曲折，他做了四个腿。最后，加拿大军队采用了四个轮换计划，没有使用四个腿。他的博士后主管是波士顿动力学的老板马克。雷伯特当时说四个加拿大的腿没用，您拿走了，我们去了美国军方，但他们把它带到了达帕，达帕确实给了他们钱来支持他并要求这样做。通过这种方式，他辞职，回到第一任波士顿动力学工程师，成为一只真正在加拿大开始的大狗。成为第一位首席工程师后，他停止工作，并辞去了波士顿势力。后来，他去了迪士尼机器人。现在，他在加利福尼亚创办了自己的生意，并担任烹饪机器人。 Na Naiihe更可靠。他当时说了那张照片。他起初看到的冰并没有落在上面。实际上，他测量了当天的重力对雪的反应。可以将多少东西带到雪上，它可以走多快。当他走来走去时，大狗自己走进了停车场。角落里有一个冰池。他们的相机被枪击到最后，没有停止。结果，他们那天稳定了，没有掉落。观看vid只是浪费时间EO。这是一万不幸的运气。他把它藏起来，告诉我里面的故事。当我们观看视频时，我们经常展示他想向您展示什么。我们现在谈论的仿生机器人说，Optimus Prime将来将进入汽车工厂以拯救汽车，并且步行塑造和组装的效率是。他为什么这么说？如果他不这么说，他如何以自己的目的建立一个35美元的帝国，天空中的SpaceX，地球上的特斯拉，X在公众意见和Optimus Prime Robots中。他使用这种类型的东西来欺骗资本并最终实现商业目标。马斯克上周发表了最新的采访。他在接受采访时说，擎天柱可能不会像我说的那样来工厂上班。现在，它不能解决一个主要问题，这是手的问题。我们最初认为这件事并不困难，但现在比我们想象的要困难，尤其是没有人类皮肤，手术能力等阿克斯现在犯了错误。他说，现在手部仅是手臂，但实际上应该用手臂制作手。敏捷真的由手臂控制。如果您用一只手，很难使其敏捷。另一个是理解。她开始轻声说话，想向后倒。无论如何，美国负责绘制蛋糕，而我们的国家总是认真对待它。这是深圳市的运行机器人。跑步姿势和步行。我把这部分放在毕业后的医生学习中。当他在香港中文大学学习医生的头衔时，该论文的主题是动作和控制仿生机器人的机制。他做到了。这样做后，他向她打招呼，说你做得很好。他问了一个问题，说：“您在这个行业下面做什么，您在这个行业中。说：我们希望今天可以使用吗？可以擦拭成人的屁股吗？他说：从夜里开始。不高。讲故事并充当PPT很容易，但是在家居工作中做的一切也很容易。成功率非常高，非常困难。我目前的理解是仿生机器人。今天的内容主要谈论外科机器人。与仿生机器人相比，手术机器人的进度相对较慢。原因是它们非常有目的。他们需要接受手术。此外，国家和国际监督非常强烈。应该证明大量临床试验，并且有三种类型的证书。只要有人付钱就可以出售这些机器。这是不可能的，因此手术OneSrobot仍然有点慢。我们的旗舰是世界上最先进的。在过去的几个月中，Leonardo da Vinci仅发布了Leonardo da Vinci 5。 Leonardo da Vinci是一支成功的商业团队，其技术来自2001年获得的宙斯团队。机器人通常已经20年没有更改，但是全球安装容量接近6,000辆，这是一个强大的商业成功。第五代增加了感知强度，总体效率提高了不到40％。在20年内通常没有重大变化，主要是商业装置。现在，有多种模仿莱昂纳多·达芬奇（Leonardo da Vinci）并超过莱昂纳多·达·芬奇（Leonardo da Vinci）的产品，它们彼此相处融合。中国也有许多莱昂纳多·达芬奇模仿，但悲剧是模仿，但沃尔特改变了。当莱昂纳多·达芬奇没有强烈的评论时，他没有强烈的评论。当莱昂纳多·达·芬奇（Leonardo da Vinci）添加了力量反馈时，每个人都急于增加力量反馈，但是仍然有些公司比莱昂纳多·达·芬奇（Leonardo da Vinci）做得更好，我们做了Da Vinci无疤痕的手术机器人。 Mako也是第一个进入市场的人。今年，它也推出了mako4。 mako4更改t他汤​​，没有药。使用机器人的手臂仍然是20年前WAM机器人的手臂。控制台和导航的仪器合并。工业设计稍好一些。与我们当前的国内商品相比，与国内相比，它没有技术利益。我今天问的问题之一是因为这是未来的会议。未来的人形机器人会取代外科医生吗？在Sifro​​m今年，在香港举行了一次会议。约翰·霍普金斯·罗素·泰勒（John Hopkins Russel Taylor）声称“外科机器人之父”，第一个创建了一个骨科机器人的机器人。因此，他是外科机器人的父亲，也是国家外科机器人中心主任。美国只有一个中心。另一个人是苏加诺（Sugano），是人形机器人最杰出的主任。这两个人多年来一直是老朋友。看到他们后，我与他们讨论了这个问题。我问他们：您认为手术机器人会取代类人动物抢劫未来？罗素·泰勒（Russel Taylor）考虑了一下，说不。我也知道他说不。因为他的团队从Robotdoc开始。他的愿景甚至都不使用医生，只让医生使用类人动物机器人，因此他不会使用它，因为他们的公司在7月在科学机器人技术中发布了第一个完全自主的机器人，并削减了其中5个，其中5个都是自动的，没有人参与，而所有5个都是成功的。因此，他认为因为我正在制作外科机器人，所以我不喜欢医生，所以为什么我需要医生的仿生机器人？我问了Gungano，他说是的，我不仅说是，他说日本有一个月光示市的计划，我们的人形机器人将要进行操作。首先让我们看看Russel Taylor和其他人发布的内容。 7月，他们在“ ience Robotics”中的“ SC”中发表了一篇文章，其中制作了5个完全自主的猪猪机器人。没有任何医生和护士在中间中断。机器人完成了所有操作系统ONS，所有五个都成功。这是一个里程碑，非常强大。在他看来，Kirurgical机器人取代了MG MG MG MG MG MG MG MG MG MG MG MG MG MG MG MG MG MG MG MG MG MG MG MG MG MG MG MG MG MG MG MG MG MG MG MG MG MG MGA MGA MGA MGA，因此不需要人型机器人医生。这是日本的Moonshot2050计划。它有很多因素。与空间站一样，不能用作医疗团体，并且不可能将医生放在每个部门。人形机器机器通常会在关键时刻供水并倒入茶，以下载软件套装，取代手术工具的手臂，并完成操作。在日本的科学研究计划中，没有仿生机器人的专家。尽管日本首次创建了仿生机器人行业，但他们没有一个国家项目可以做任何事情。国家一级最大的项目是2050年Monshot 2050，该项目将人形机器人作为主要单位之一，目的是完成各种任务。人类的优势是什么ID机器人手术？机器人是硬件，以及代理商，这是医生的智慧和医生的经历。将来会发生什么？当医生很忙时，代理商可能会与其他专家进行虚拟咨询。在没有医生的知识的情况下，做出决定和手术是做出的。如果医生仍然想批准此链接，那就是可能的。但是将来，我们现在将获得三种类型的人工智能算法证书和人工智能的诊断，并获得许可。如果所有这些都允许，那么著名医生和人形机器人的虚拟代理将来可以完成操作。现在，飞刀将在某个地方制造，100个代理商将在100个区域同时执行操作。整个Bodys都整合了，并且不可能在空间站拥有所有专家，因此代理人结合了神经外科手术，胸外科手术，肝胆道手术，泌尿外科和Ortho踏板。每次需要另一个操作时，都需要下载此软件，然后用终端的工具替换它，然后成为该领域的专家。因此，我认为这件事肯定会到来。总而言之，今天提到的大型AI模型实际上是AI大语言模型。每个人都应该知道这不是强大的。因此，当您使用大型模型时，本文目前的状况很好，但是从三维世界的三维世界中理解三维世界的世界仍然存在巨大差异。从计算，算法和数据的力量中，最大的因素是数据提取的帕拉安存在严重问题。目前，Musk和Ultraman都会产生人工数据扩展。如果他们不扩大大小，则只能扩大冗余。训练有素的模型有一个严重的问题。此外，体现智力中的国内猜测-Haka很多。这是1950年代的一个古老概念，有很棒的李mits。例如，Li Feifei从未提及体现的情报，但没有提及空间智能。什么样的事情都没关系，如果您想将其与人工智能和真实社会相结合，那么您就在三维世界中。空间智能更为重要。在由黄伦Xun（Huang Renxun）建议的人工智能机器人的三层计算模型中，他体现的智能仅占最低水平的一小部分，因此我们不能将我们的思想限制在体现的智力坑中，很难这样做。就像今天提到的人形机器人一样，体现的智力似乎是一件明智的事情，想到每个人都听到许多演讲，尤其是人形机器人的机器人时，您强调的是，现在坏事是因为智力不足。实际上，马斯克说，这不是智能不够的，但是硬件不是好的，但是手和手臂的问题是问题。我们有的概念E近年来建议的是“情景情报”，即当今学者提到的“垂直领域”。方案智能确实针对场景应用程序，我想解决这个问题。例如，胶囊内窥镜具有图像，但可以识别出文本和脸部，但是一旦您食用，它就会知道从口腔到肛门的消化道中的AOF异常，并且可以为您找到它。在此系统中，我解决了台式计算机上的所有问题。这是场景智能的一个例子。我认为通用人工智能实际上是极限的限制。我们总是为此目的工作，但我们无法达到AGI。原因是我们刚刚回顾的计算数据和功率算法是计算和算法的强度。但是，人类算法和大脑之间仍然存在巨大差异，最困难的是我们不知道区别在哪里。我们只能继续尝试使用输入和输出方法永远接近。这种效率非常低，导致我们需要出色的计算强度。人们是20至30瓦的设备，因此这里仍然有一个巨大的空间。如果我们在现场的智慧涵盖了人类生活的所有场景，那么时间往往是无尽的，最终它肯定会达到AGI。许多人说，它将在几年和几年之内到达AGI，我认为这件事不是很可靠。回到数据，图灵在1947年很清楚。我们想要的是一台可以从体验中知道的机器。它不仅用于乞讨，然后创建一些冗余数据。我们需要从经验中知道。图灵实际上在1947年告诉您，这是关于要富裕的道路。如今，人工智能和标签数据的制造商更加有利可图，而大型模型则赚了所有的钱。将来，Turrich Sutton奖的获胜者，以及来自艾伯塔大学的我的同事，在最近的演讲中说：大型模型探讨了人类数据的界限，真正的智力应该像在注意行动中学习自己的婴儿一样。构成普通情报的人们的过程是我们的数据从未被喂养，我们从未关闭。我们发现了我们要捕捉的东西，所以我们组成了不同的人。但是目前，人工智能没有机会。我们的数据是馈送，屏幕和人造的。我希望这样的数据可以像人们一样富有智能。我认为这是不可能的。目前，我们应该知道AI正在掌握一种工具，并利用场景的智能代替了一般模型作为国王。如果您无法获得Tomoney，那么您什么都不做。这是胡说八道。今天有很多人帮助您建造人形机器人。如果您选择最佳的300,000、500,000和100万，您可以选择一个顶级人体机器人，然后使用终端工具和算法进行操作，然后将其安装专门的手术机器人将进行研究。基于此技术储备和功能，成本很高，您认为哪一个将具有更高的业务安全率？我认为仿生机器人医生最终会来，但是严格要求我们应该从现在开始收集这些临床操作的最佳数据，并清楚地解释这些医生的多维和模态临床数据。在收集手术数据的过程中，文档应清楚地解释该过程。如果不清楚数据，那么机器人仍然是一团糟。