孟庆虎教授揭秘：手术机器人与AI在医疗中的真实潜力

人工智能正以前所未有的热度进入医疗领域，不少人认为“通用大模型”会成为智慧医疗的终极答案。但在2025服贸会期间，9月14日由北京陆士新医学基金会主办的北京“肿瘤治疗创新进展与药物研发新趋势论坛”上，南方科技大学电子与电气工程系系主任、加拿大工程院院士孟庆虎教授以“人工智能浪潮中的智慧医疗创新”为主题发表演讲，提出了另一种思路：真正能落地的智能，并不在于模型“大而全”，而在于能否深入理解和解决具体医疗场景中的问题。

孟庆虎教授

算力、算法与数据：AI的“三重依赖”与局限

孟教授指出，AI高度依赖算力、算法和数据，但这种依赖也限制了它，使其仍是一种“低维智能”。

人脑仅需20-30瓦的能耗，就能在几乎无限维度的“普通智能空间”里高效运作，具备强大的泛化、推理和创造力。相比之下，现有AI依赖有限数据训练，孟教授生动地比喻：“它学会的会，没学过的就不会。”

图源：孟庆虎教授演讲幻灯

举例来说，人眼轻松识别“右下角有四腿动物走向树荫”的图像，但现有的AI却很难仍难以解析。这说明AI的处理逻辑与人类认知存在根本差异，也意味着在复杂医疗场景中，实现通用智能仍不现实。

从“表演”到“干活”：手术机器人的落地挑战

仿生机器人发展并不顺利：从 1973 年的 Wabot-1 到如今更先进的波士顿动力的产品，尽管运动能力惊人，但大多停留在“‘演示”’阶段，真正落地的应用少之又少。国内研发也存在重复投入、追求炫技而非解决临床需求的问题。

图源：孟庆虎教授演讲幻灯

手术机器人领域类似。以达芬奇系统为例，二十年间五代产品迭代不大，第五代仅增加力传感，整体性能提升不到40%。国内跟随者多数陷入“模仿不超越”，缺乏创新。

针对这一瓶颈，孟教授团队采取差异化路径：放弃通用平台，专注专科手术机器人。他们自主研发的骨科机器人小巧，仅两个篮球大小，结合“光声成像术中软组织导航”技术，可实时精准识别癌细胞边界，穿透5厘米深度时精度达0.1毫米，为手术中“切得干净又保留健康组织”这一难题提供了革命性解决方案。

外科医生的未来：会被仿人机器人取代吗？

关于“仿人机器人是否会取代外科医生”，孟庆虎教授分享了两位权威学者的不同观点。

“手术机器人之父”Russell Taylor认为“不会”。他刚在《Science Robotics》上报道了全球首例全自主机器人胆囊切除术。认为手术机器人是专用设备，能自主完成手术，就不需要人形机器人介入。

而日本早稻田大学的人形机器人专家菅野重樹认为“会”。他指出，日本Moonshot计划目标是在2050年前让人形机器人在空间站等极端环境中执行手术任务，通过下载软件和更换工具成为“多专科手术专家”。

图源：孟庆虎教授演讲幻灯

孟教授分析了两种未来可能：一是“虚拟会诊”，通过算法将多位顶尖专家的智能体汇聚云端，协同论证手术方案；二是“众体合一”，一个仿人机器人集成多科经验，通过更换算法和工具，实现“骨科专家”瞬间切换为“神经外科专家”。未来，手术能力可能以“软件加载”的方式赋予通用机器人。

场景智能：让AI真正落地医疗

针对通用AI局限，孟教授提出“场景智能”理念。他强调，“通用大模型只是一个极限值，永远不会真正到来”。更可行的方法是聚焦特定临床场景。

他举例团队研发的“主动型无线胶囊机器人”：虽不具备文字或人脸识别，但在消化道检查中可自主移动、识别异常病变，未来甚至能取样、切除或给药。这说明，把智能限定在明确场景内，无需超大算力也能实现可靠应用。

图源：孟庆虎教授演讲幻灯

孟教授引用图灵1947年的观点：“我们需要的是能从经验中学习的机器”，强调机器应像人一样通过经验成长，而非被动喂数据。同时，他提到2025年图灵奖得主Rich Sutton的论断：“真正智能应像婴儿在感知和行动中自我学习。”这表明未来AI应是自主、渐进、场景化学习，而非依赖海量数据喂养。

结语：理性与愿景中的智慧医疗

孟教授的报告为AI在医疗发展提供了清晰框架。他指出，AI仍受“低维困境智能”限制，仿生机器人和手术机器人面临技术瓶颈，而“场景智能”是一条切实可行务实的落地路径。

对于未来，孟教授建议，积极学习和使用AI工具，但应以场景智能为主，替代追求通用模型。仿生机器人医生终将出现，但需要5-15年的技术攻关和额外5-10年的成本控制。同时，应系统收集多模态临床数据，为智能系统提供高质量训练资源。