走上AI+制造的道路，源于我个人的经历。我父亲是一名电工工人，他具备极强的动手能力，可以从一个晶体管开始，组装整台电视机，他的手艺让我从小便深受触动。然而，因为一次高压设备的意外，我失去了他，这让我深刻意识到一线工人每天都面临着巨大的工作风险。

我17岁那年选择了清华大学精仪系，目标就是打好扎实全面的工科基础，希望能用技术的手段减轻像我父亲这样一线工人的工作负担，减少工作风险，用科技的力量让工业更安全、更高效。之后，我在科研领域的不断探索，让我更加坚信，技术的进步能够彻底改变传统制造业的格局。

在硕博连读求学期间，我专注于脑启发神经网络及其动力学机理的研究，并在不到26岁时即被上海交通大学聘为独立PI，讲师和博士生导师，博士毕业以后我加入上海交通大学机械与动力工程学院。AI+制造的复合求学经历，促使我思考如何将人工智能（神经网络）应用于工业现场。

4年里，我走访过100多家制造业企业，切实地了解了哪些研究是工业界真正所需要的。所研发的工业感知设备在世界人工智能大会和中国国际工业博览会展出，获得福布斯中国30under 30（科学领域），上海市青年科技启明星人才等资助和认可。

2020年，我加入上海交通大学自动化系，聚焦于运用人工智能实现制造业的相关研究。并参与主持国家重点研发计划青年科学家项目，接触到了软件工程的相关理念，提出现场级工业感知装备端到端按需构建方法，以软件定义装备制造，重点解决感知需求难理解、感知模型难复用、系统确定性难保障的难题，有效提升了工业感知系统的动态适应能力，降低复制成本。

在AI+制造领域，您最关注的前沿课题是什么？可以分享一下您在这些领域的研究成果吗？

AI+制造的研究最核心的是要解决和提升“标准化”的程度。在我的研究中，核心的课题之一是“工业感知问题”， 经过测算大约是每年3万亿的市场，在制造业中，15%-20%的人工主要应用于人工用视觉做质量检测。当前基于人工智能的解决方案都仅仅在图像端解决问题，无法应对工业场景中需求多元多变难以理解、传感器难以灵活适应，算法复用性差难以统一泛化等系统性实际问题。我的科研成果的主要目标就是实现这部分工作的人员替代。

我们现在研发的“具身质检员”，可实现在需求理解、光学泛化、算法复用三个层面提升工业感知系统的动态适应能力，大幅提升定制化工业感知设备的评估、验证、研发和交付效率。以泛半导体设备为例，我们将研发周期从18-24个月缩短至6-7个月即可实现完整交付，同比节省人力成本70%以上。

除了工业感知，您还提到了“具身操作员”这一前沿课题，能详细谈谈这个方向的技术突破吗？

“工业操作”是另一个需要标准化的问题，当下除了完全一致性的操作可以方便使用工业机械臂替代以外，轴孔装配等简单的柔性操作目前尚不能实现工业自动化。“具身操作员”是指通过模仿学习让机器像人类一样执行柔性操作。我们通过模仿学习解决了重型机器防摇控制等技术难题，并成功在港口起重机的自动化改造中应用。这个技术的突破意味着，未来柔性操作不再仅仅局限于传统的人类操作，而是通过智能体模拟专家的操作行为，提升操作精度与安全性。

您提到的技术趋势中，有提到“软硬件集成感知系统”。这背后的技术动向对制造业有什么影响？

未来，感知与操作的统一将极大地提升制造业的生产效率。通过统一的软硬件集成感知“大脑”的原型基础，能够更高效地调度计算资源，同时实现低功耗、高精度的感知任务。这个系统类似于英伟达的CUDA平台，但其应用范围将更加广泛，覆盖多个工业领域。

在社会变局层面，具身质检员和具身操作员将使得制造业中设备型号品类大幅减少，现场实施成本急剧降低。垂直行业、地域性的中型设备企业可能面临整合和重组，制造业将变得向互联网企业一样更加全球化，因此将有可能诞生全新的世界级的制造业巨头。

对于未来人才培养，您有哪些看法？如何看待跨学科的能力培养？

在AI+制造的未来发展中，有三点是最重要的。第一是创新思维的培养，如何将技术基础能力运用于更有意义的事情上，如何提出更有趣的问题和想法，将成为人才的重要区分；第二是跨学科的培养，在多个学科呈现交叉融合趋势下，只有具备复合能力并能不断持续学习的人才，才能具备对抗长周期的能力；第三是人文素养的培养，我们区别于机器的、最难被替代的也将是人文素养。通过复合背景的培养，我们才能确保人才具备应对未来技术变革的能力。