来源：新浪财经
"2026 可持续全球领导者大会 " 于 10 月 20 日— 22 日在上海召开。2013 年诺贝尔生理学或医学奖得主、神经科学家托马斯苏德霍夫（Thomas C． S ü dhof）与欧洲科学院院士、IEEE Fellow、西湖大学可信及通用人工智能实验室创始人金耀初同台对话。
在会后与新浪财经独家沟通中，金耀初指出：" 人脑具有功耗极低、动态调整功能连接、闭环工作等特性，具身智能需要深度借鉴人脑运行机制开发自主规划与闭环控制框架，不能完全沿用现有大模型范式。"
在他看来，虽然 AI 大模型确实带动了具身智能快速进步，但当前具身智能技术完成复杂精细作业存在明显短板，外界对具身智能的期待偏高，具身智能的 iPhone 时刻并不会很快到来。
谈及 AI+ 具身智能可能导致的物理世界安全风险提升，金耀初认为，AI 发展单纯 " 踩刹车 " 没有意义，更好的路线是研究内生安全、可靠的人工智能，而不是停止技术开发。
机器人 " 大脑 " 研究，要借鉴人脑运行机制
新浪财经：类脑技术在具身智能机器人 " 大脑 " 当中，是怎么工作的？和现有神经网络是什么关系，如何分工协作？
金耀初：现在大模型神经网络虽然受神经科学启发，但和人脑本质处理模式仍然存在很大区别：
第一，人脑主要依靠脉冲信号、事件驱动、稀疏激活来处理信息，这是人脑功耗极低的关键，860 亿神经元，100 万亿突触连接，整体功耗仅 20 瓦；而大模型采用模拟信号处理，算力能耗巨大，这对机器人等端侧设备非常关键。
第二，人脑会根据任务动态调整功能连接，依靠神经可塑性、神经调制灵活改变工作模式，这是现在大模型缺失的能力。
第三，目前具身智能大部分是端到端的数据驱动方法，不管你用什么样的数据和模型，都相当于是一个开环的控制。但人脑是闭环工作机制，人之所以聪明，是因为他拥有对外部世界和自身的主动感知、建模和预测能力（并不需要对外部世界精准建模和复现），执行任务时可以实时感知意外、及时修正和重新规划；同时具备长期、短期记忆、工作记忆等记忆机制，存在自下而上、自上而下的双通道信息处理逻辑。
所以我们要更深入地借鉴人脑的运行机制，以此开发更好的 AI，不能完全沿用现有大模型的范式。
新浪财经：类脑计算这类前沿技术，现在已经走进日常生活，实现规模化落地了吗？
金耀初：类脑计算属于人工智能中非常前沿的方向。前沿代表有新的技术思路，但也意味着还没有到大规模直接落地的阶段。 我从 2000 年前后就开始做类脑计算相关研究，回国之后和国家电网在类脑计算领域开展多项合作，一方面做新能源发电量预测、负荷预测；另一方面我们现在的重点方向，是把类脑计算和具身智能结合，我们最近也申请到国家科技重大项目，攻关类脑具身智能技术落地应用。
类脑在能耗、信息处理范式上，和当前大模型有不同的处理方式，也有自己的优势，但整体技术成熟度比传统 AI 还要弱。真正大规模走进大众生活还没到来，但有可能实现换道超车，首先在具身智能等行业开展试点应用。
精细作业存短板，iPhone 时刻不会很快到来
新浪财经：如果做时间预判，类脑 + 具身智能大概还需要多久才能落地？
金耀初：时间预测本身很难。但国家现在高度重视类脑技术，科研项目都明确提出落地导向，推动技术从科研走向产业。我们两年多前就和温州电力开展精细作业场景的研发。具身智能现有技术做精细作业存在明显短板，我们希望引入类脑技术，提升机器人处理细微变化、长周期复杂任务的自主操作能力。保守看，大概 3-5 年后，可以在部分有限场景实现规模化落地应用。
新浪财经：研究类脑计算应用到具身智能，能提升机器人的泛化吗？具身智能行业何时迎来 iPhone 时刻？
金耀初：我个人看法，现在端到端、世界模型、世界动作模型这套路线，还不足以实现真正自主的具身智能。具身智能不能简单套用机器学习的 " 泛化 " 概念，它追求的是自主任务能力。就算你有一个完美的世界模型，把房间里所有物体细节全部建模出来，机器人也不会自然而然学会干活。
人做事，不会把环境中全部细节完整复原，比如我在这个房间里跟你聊天的时候，我不会关注边上有几张椅子，也不会关注墙上有几个开关，我只关注跟你交流，摄像机的位置等，只会建模、预测和自己任务相关的外部信息；同时还要做本体建模，感知自身肢体、抓取物体重量软硬这些本体信息。
这也就是我们所说的内部模型：一是对与任务相关的外部环境建模预测；二是对机器人本体做建模预测。依靠这两点，才能真正提升具身智能系统自主完成任务的能力，依靠在线反馈持续迭代。
大模型确实带动具身智能快速进步，但不能指望每个机器人都靠大模型直接控制。大众对具身智能的期待部分偏高。可以参考电动车，技术发展历经二三十年。我不认为具身智能的 iPhone 时刻会很快到来。运动能力比如跑跳、跳舞已经做得不错；但精细作业还有很长路要走，家用服务、养老陪护机器人进入家庭会更慢，因为同时还要解决具身智能安全问题。
新浪财经：内部模型这个概念，和现在大家讨论的自反馈学习、世界模型，核心差异是什么？
金耀初：自我反馈学习更多偏向智能体自我迭代进化，和我们说的内部模型不完全等同。现在行业慢慢开始关注在线的闭环校正。世界模型更多是对外部环境的精准建模；而内部模型只聚焦任务相关的外部环境加上本体感知，不用对全部细节做高精度建模，这是二者关键区别，目前行业对此讨论还比较少。
给 AI" 踩刹车 " 没用，要开发可信的 AI
新浪财经：AI 大模型 + 物理机器人获得更强行动能力，会不会放大安全风险？产业和协会层面，如何去建立约束标准？
金耀初：风险确实会放大。AI 智能体可以做软操作；而具身智能是直接作用物理世界，一旦出错会产生人身伤害，安全后果更加严重。
现在行业做安全的人相对少，不少人的想法是先把技术做出来，安全后面再补。我认为要做内生安全：安全必须在研发阶段就融入系统，而不是技术做完之后再套一层安全外壳。
我们实验室专门设立小组研究具身智能安全，把人类的安全常识嵌入机器人系统。比如让机器人自己知道不要把易燃物靠近炉灶，玻璃杯不要放在桌子边缘等。 现在行业还没到大规模制定标准的阶段，现阶段重点是研究识别风险、让机器人主动规避风险；后续技术成熟之后，再推进行业规范与标准建设。
新浪财经：海外有声音提出 AI 发展需要 " 踩刹车 "，您怎么看？
金耀初：单纯踩刹车没有实际意义。就像之前呼吁大模型暂停 6 个月，争议就很大。 更好路线是同步研究内生可信、安全、可靠的人工智能，技术创新和安全能力建设并行推进，而不是停止技术开发。
新浪财经：您担任浙江省 AI 智能体产业发展理事会理事长，怎么看待 AI 智能体？对破解 AI 落地难，联盟有什么思路？
金耀初：AI 智能体和大模型最核心区别：除推理之外，它具备感知能力以及行为能力。行为既可以是数字层面的决策，也可以是物理机械动作。 拥有自主决策与行动能力之后，AI 技术的适用边界、产业化可能性会被大幅拓宽，这也是我们成立产业联盟的初衷。
联盟对接学术界和产业界，我们会走访企业、举办学术会议。比如我们已经和企业共建工业人工智能联合研究中心，就是这个联盟促成的。我们希望推动智能体技术落地到可用产品：既有文书处理这类日常工作场景，也落地工业场景，比如工艺参数优化、复杂工业装置设计等。
