郭雷院士：发展仿生智能，开辟AI新方向新赛道

近几年来，以大数据大模型为代表的类脑智能，以及依托于人形机器人的具身智能，在我国迅猛发展，引发政产学研各界乃至社会大众的强烈关注。前者以几个月前横空出世的DeepSeek最为典型，后者则以各种机器人足球赛、马拉松乃至机器人格斗赛等最为吸睛。

对此，中国科学院院士、北京航空航天大学教授郭雷在接受记者采访时表示，我国实施创新驱动发展战略成效显著，实现了从“跟跑”到“并跑”的转变，有的领域开始“出现领跑”势头，比如AI（人工智能）。

“其中，开辟‘仿生智能’新赛道，是我国AI发展的新方向。”郭雷强调说，“要想在更多领域实现领跑，必须逐步树立科技自信、创新自信、青年自信，走出一条具有中国特色的创新之路。”

以下为访谈实录。

记者：近几年来，我国人形机器人、类脑智能等的发展令人瞩目，甚至出现了整体加速突破的迹象。比如，宇树科技机器人春晚惊艳亮相，机器人足球赛、马拉松等吸睛无数，DeepSeek横空出世则在全球引发关注……您如何看待上述现象？

郭雷：这说明，我国实施创新驱动发展战略成效显著，AI科技的进步则是具体例证之一。科技创新、科学普及是创新驱动发展的两翼。一方面，我们的科技创新，在世界科技舞台上已实现从“跟跑”到“并跑”的转变，有的领域开始“领跑”，这非常令人欣喜。更让人高兴的是，我国的科技创新经过多年“厚积”、连续“薄发”，不断蓄势，已从原来的点式、局部、跟随式创新为主，逐步转向系统、整体、原创性的创新，因此近几年有了“爆发式”突破之感。另一方面，科学普及深入人心，为科技创新营造了良好的氛围。这些机器人比赛，既在应用层面展示了科技创新的成果，又提升了大众对我国科技发展的信心。

需要强调的是，就AI技术而言，应更好与硬核科技有机结合、赋能实体经济，使其在经济社会高质量发展、因地制宜发展新质生产力中发挥更大作用。

记者：说到AI赋能实体经济，我们看到，类脑智能正在深刻改变人类生产模式，而人形机器人则开始走进日常生活。以前存在于科幻作品中的AI，离“人”越来越近了。

郭雷：AI无论内在的思维方式、还是外在的载体形状，首先从“模仿”人开始，是合乎逻辑的，人对自己的思维方式最了解，方便入手研究；也是合乎人性的，家庭使用者在情感上也更愿意接受人形的机器人产品。所以，类脑智能、具身智能率先产品化、产业化，就可以理解了。

同时我们更应看到，AI的应用场景，不仅仅是人的生活场景。比如现在应用越来越广泛的无人机，在使用中需要采集、分析各种信息，在高速运动中及时做出各种反应动作，这些时候仅仅模仿“人”的各种能力，就远远不够了。除了“人”工智能之外，还需要发展“鱼”工智能、“鸟”工智能等等，也就是“仿生智能”。

记者：“鱼”工智能、“鸟”工智能的表述很有意思。仿生智能和人工智能是什么关系？有何异同点？

郭雷：大致而言，仿生智能是AI的延伸与发展，可为AI开辟新赛道、加快赋能新质生产力进程。仿生智能就是将人工智能、生物技术与航空航天、先进制造领域重大需求相结合、从而产生“链式变革”、“全链条创新”的一个重要途径。

具体来讲，比如在水下作业场景，当水流、水压、地形等突然发生变化时，鱼类做出的判断、反应、动作等，肯定比人、专业游泳运动员优秀得多；又比如高空飞行时，具有复眼系统的候鸟、昆虫，虽智力比人类低等得多，但它们对前方高速飞行而来的物体所作出判断反应的速度、合理性，更是令不会飞行的人类望尘莫及。

师法自然。其实，人类科学向动物的学习借鉴，是一门既古老又年轻的科学。当下，从信息领域、从导航感知领域模仿昆虫和候鸟的复眼，模仿鸟的肌肉和翅膀的飞行动作，开发仿生智能产品，就是上面提到的“鸟”工智能。

整体来看，仿生智能与现有的“类脑智能”体系具有显著的不同，既涉及信息、智能、材料、结构等跨学科融合，又涉及基础理论、关键技术和工程应用全链条创新。仿生智能将物理、信息和生物的基础理论，到传感、执行和系统设计的核心关键技术，再到软件、器件、芯片和硬件系统进化设计及其环境、目标和对手博弈交互。其成果是软硬一体、内外兼修的，可以在航空航天、先进制造领域极端环境下实现各类无人系统、器件和装备的运动智能、对抗智能和博弈智能。

仿生智能是一种生物启发的系统性思维，能够克服“碎片化”局部智能技术的局限性。

因此，应在当前AI创新成功经验的基础上，大力发展仿生智能，使AI更好地赋能实体经济、助力培育新质生产力，从而更好地实现经济社会高质量发展。

记者：您提到仿生智能将产生“链式变革”，会有哪些表现？如何更好地服务实体经济？

郭雷：仿生智能技术是一门“硬科技”，有助于突破传统生产力的瓶颈，成为推动新质生产力发展的核心引擎，在空天无人系统、高端制造、国防安全、工业互联网、国防安全、绿色能源、医疗健康、智慧农业等领域产生“链式变革”，形成颠覆性创新优势，实现高质量发展。

创新性理论和技术都需要接受实践检验，最终都要服务于“四个面向”，即面向世界科技前沿、面向经济主战场、面向国家重大需求、面向人民生命健康。

我们认为，当前迫切需要开辟“仿生智能”科研“新赛道”，将新型人工智能技术赋能空间无人系统，包括无人飞行器、潜航器等领域，实现“换道超车”，使人工智能技术创新与新兴产业创新深度融合，形成具有国际竞争力的商业航天与低空经济产业创新生态。

要实现上述目标，就要在航空航天领域大力建立健全的商业运行机制、容错的创新生态，在低空经济建立完善临空域管理、安全规范等法律法规。当然，这些都不是一两句话能说清楚、短期内能解决的问题，需要在全面深入调研的基础上精准施策，绵绵用力、久久为功。

记者：目前有一种观点称，“AI的尽头是算力，算力的尽头是能源”。对此，您怎么看？

郭雷：毋庸置疑，AI大模型运行、算力实现所消耗的能量量级，远超出实体制造领域的水平。从这一角度来看，这句话没有问题——AI运行离不开巨量能源的供应支撑，AI技术的发展更离不开能源技术的突破。

同时也要看到，目前“类脑智能”更多地依靠堆砌算力，也就是“硬算”来实现，事实上相当大一部分工作是可以借助“巧算”，就可以用低算力、低成本、低能耗来达到同样的效果。简单来说，拿昨天的数据和今天的数据对比一下异常，就可以实现升级迭代，没有必要全部数据再重算一遍。

其实，真正的人脑思维活动“硬算”方面肯定比不上AI，但在“巧算”方面优越太多——人吃两三个馒头，一天脑力活动的能量就够了，但这个工作量如用AI去“硬算”，可能消耗的能源不低于一个县城运转一天所需的电力。

DeepSeek的横空出世，在世界上产生了很大震动。这项创新成果，是中国青年科技工作者们的骄傲。其中最重要的创新之一，就是通过“巧算”，仅以十几分之一的能源消耗和成本，实现了国外同等主流AI的算力水平。

记者：您认为，未来要在更多领域实现“领跑”，还需要做什么？

郭雷：从世界范围来看，很多创新存在碎片化问题，越搞越专，甚至停留于分子层面，难以形成一个系统，从而难以真正发挥作用。未来我们要实现的是真正的、原创性、系统性的创新，而不是局部创新。

要实现从局部创新到全局创新，再到全球创新，就要求我们要有更高的、全局性的站位。要想在更多领域实现领跑，必须逐步树立科技自信、创新自信、青年自信，走出一条具有中国特色的创新之路。

我们认为，要加快推进教育、科技、人才“三位一体”协同融合发展，要准确把握前沿理论赋能硬科技的方向，加大基础研究领域“新、硬、实科技”的支持力度，使创新性基础理论和关键技术尽快在实际中验证、服务实体经济。要鼓励可望与新兴科技有机融合的基础理论研究，避免被资本、流量等牵着鼻子走，避免在某些热点方向一哄而上、重复投资，减少各类扎堆式、跟风式、快餐式科研。而从评价上来说，建议以第三方考核的硬件实物指标水平衡量硬科技水平，以硬科技创新程度、新质生产力发展程度作为科研成果重要评判标准。

总之，我们要树立“敢为人先”而不是“循规蹈矩”的创新意识和理念，培育和规范更加完善的、涵盖“政产学研金介用”的全社会、全链条创新生态。