2023年8月，深圳经济特区迎来成立43周年之际，2023亚布力中国企业家论坛第十九届夏季高峰会在深圳隆重开幕。奥比中光创始人、董事长兼CEO黄源浩受邀出席，并在“AI的潜力与边界”专题论坛上，与多位行业专家深入探讨人工智能、大模型及机器人技术的发展前景。以下内容为您系统梳理了本次论坛的核心观点与技术洞见。

一、AI产业落地：机器人产业亟需视觉中台与制造中台

以GPT为代表的生成式AI正将人工智能产业推向全新高度——从生成文本、2D/3D图像，到生成视频、代码，AI的能力边界不断拓展。在论坛中，与会嘉宾围绕AI如何与前沿行业深度结合提出了诸多创新思路。

黄源浩认为，机器人行业极有可能成为人工智能产业的最大载体。 他指出：“大模型的出现将深刻影响众多行业，但我认为其对机器人行业的影响最为深远。大模型将显著提升机器人的视觉能力，包括建图、定位、导航等，使机器人的手、眼、脑之间的协同越来越精准。”

奥比中光持续深耕“机器人之眼”核心技术。黄源浩表示：“我们企业已专注该领域十余年，核心团队的研发经验超过20年。奥比中光不打造机器人本体品牌，但致力于为全球机器人企业提供顶尖的视觉技术与产品。目前，奥比中光在国内服务机器人3D视觉传感器领域的市占率超过70%。” 为迎接机器人与AI大模型深度融合的产业趋势，奥比中光正积极构建机器人视觉产业技术中台，提供全方位能力平台及系列化产品方案。

小提示： 如果您正在开发机器人产品，建议优先关注3D视觉传感器的选型。市占率领先的产品通常意味着更成熟的供应链与更丰富的技术生态，能够帮助您快速实现产品落地。

常见问题

• 问：为什么机器人产业需要“视觉中台”和“制造中台”？
  答：机器人的智能化依赖感知、决策、执行三个环节的协同。视觉中台负责提供统一的环境感知能力（如建图、定位、导航），制造中台则致力于降低硬件生产门槛。借助中台架构，不同厂商可复用底层能力，避免重复研发，从而加速整个产业的升级跃迁。
• 问：服务机器人3D视觉传感器市占率超过70%意味着什么？
  答：意味着在服务机器人领域，绝大多数企业选择了奥比中光的视觉方案。这充分体现了技术成熟度、成本控制、售后服务等方面已获得市场验证，对于新入行的开发者而言，是一个值得信赖的参考标杆。

二、技术趋势：算力持续增强，单项机器人将进化为全能机器人

随着技术不断演进，黄源浩认为，未来边缘端具身智能机器人有望与人类一样聪明，在感知、计算等多个维度拥有更强能力。不过，他也指出，要让机器人实现高度智能化，成为综合型服务机器人，短期内仍面临挑战。“我们目前看到的许多送餐、引导类服务机器人，还难以实现理想的人机交互；但未来大模型与之融合后，这些机器人可以先在细分商用场景中率先实现升级进化。”

在这一技术升级过程中，算力成为关键因素。黄源浩表示：“现阶段的服务机器人算力较小，通常只有3-5 TOPS（处理器运算能力单位），但未来几年，机器人的算力有望提升至40、50 TOPS，甚至达到100 TOPS。 随着算力的增强，机器人的能力将越来越综合，逐步从单项机器人进化为全能机器人。”

小提示： 如果您是机器人开发者，建议提前规划算力冗余。未来3-5年，边缘端算力需求将增长10倍以上，选择支持动态扩展的芯片平台将更具竞争力。

常见问题

• 问：什么是TOPS？为什么它对机器人至关重要？
  答：TOPS是处理器运算能力单位，1 TOPS代表每秒可进行1万亿次操作。机器人需要实时处理图像、点云、决策等大量数据，算力越高，越能运行复杂算法（如大模型推理），从而实现更智能的行为表现。
• 问：单项机器人升级为全能机器人需要哪些条件？
  答：除了算力提升，还需满足以下条件：①大模型带来的通用场景理解能力；②多模态传感器融合（视觉、触觉、听觉）；③高效的能源管理；④安全可靠的云端-边缘协同架构。

三、科技伦理：建议在最底层设置“AI大脑”应用边界

针对人工智能技术引发的科技伦理问题，黄源浩从云端与边缘端两个维度分享了独到见解。

他认为，在云端，未来可能出现的云端“AI大脑”只要算力足够强大、数据足够丰富，就有可能对人类社会秩序构成挑战。为此，应提前制定相关法律法规，对AI的使用进行监管与约束。在技术最底层明确设置好“AI大脑”的应用边界。 在边缘端，让AI机器人聚焦于特定专业方向，例如在车间、产线从事相关工作，专注提升生产效率，这样能够使AI应用相对更加安全可控。

黄源浩进一步表示，未来奥比中光将扎根深圳这座创新之城，持续深耕机器人视觉感知技术与产业应用，围绕高质量发展目标，不断拓展人工智能+机器人的应用能力与边界。

小提示： 作为技术开发者或产品经理，在AI功能设计阶段就应嵌入伦理约束，例如限制模型的决策范围、添加可解释性模块、设置人工干预开关。这不仅能有效规避风险，还能增强用户信任度。

常见问题

• 问：什么是“在最底层设置AI大脑应用边界”？具体如何操作？
  答：指在AI系统架构的核心层（如模型训练、推理框架、API接口）中，通过硬编码或配置文件明确AI不能执行的操作。例如：限制模型不能生成涉及人身伤害的指令、不能访问未经授权的数据、不能绕过安全认证。这种方式比事后监管更为有效。
• 问：为什么边缘端的AI机器人相对更安全？
  答：因为边缘端机器人的任务范围被限定在特定场景（如工厂产线），输入数据有限、输出动作可控，不会像云端通用AI那样拥有广泛的影响范围。即使出现异常，也可以快速进行物理切断或人工接管。

以上就是本次亚布力论坛上关于AI与机器人的核心内容。从技术中台的构建、算力提升的路径，到伦理边界的设定，都为机器人产业的未来发展提供了清晰的参考方向。希望这份介绍能帮助您深入理解AI与机器人融合的底层逻辑及应用前景。