8月26日，由深圳市互联网信息办公室、深圳市宝安区人民政府与网易传媒联合主办的"2026新一代人工智能（深圳）创业创新大赛"总决赛暨颁奖典礼，在深圳市宝安区"湾区之眼·万有空间"圆满落幕。
大赛聚焦"AI大模型和智能体"、"AI硬件和具身智能"、"AI基础设施（AI Infra）"、"AI+文化"四大前沿赛道，旨在发掘具有核心技术壁垒与产业化潜力的优秀创业团队。下午的颁奖典礼暨AI论坛，从具身智能的机遇与挑战，到全球AI投资趋势，再到视频生成模型向世界模型的演进，层层递进，集中探讨了AI如何从模型与算法走向物理世界和规模化商业落地。
加拿大工程院院士、南方科技大学讲席教授孟庆虎在《具身智能的机遇和挑战》主题演讲中指出，AI仍受算力、算法、数据三重约束。人脑在极低功耗下形成了面向真实三维世界的高维智能，而大语言模型主要从数字化文本中学习，能力空间相对有限，这种"维度错配"正是大模型进入真实世界频繁受阻的重要原因。他也提醒，业界惯将"大语言模型"简称为"大模型"，容易让人误以为"给人形机器人装上大模型，就等于拥有通用智能"。
在他看来，具身智能真正进入社会生活，至少需突破三道门槛：适应不确定环境、形成自主决策能力、具备智能交互能力。当前不少机器人演示仍发生在固定环境、固定规则和固定任务下，可以完成跑步、比赛或标准化操作，但家庭、公共服务和生产现场充满未知变量，能力要求完全不同。
由此，他提出"场景智能"路径：不追求一步实现包罗万象的通用智能，而是从明确的应用场景反向推导所需的模型、数据、感知与控制能力。以医疗影像为例，数据干净、任务边界明确、标注清晰，AI因此能在特定识别任务上表现出色。"把人类所有活动场景都覆盖起来，时间趋于无穷，才可能是真正的通用人工智能。"
对于目前大规模采集机器人操作数据的做法，孟庆虎态度谨慎。他认为，单纯依赖穷举和重复示范，模型往往只能复现训练数据中已出现的情形，面对新环境仍缺乏举一反三的能力。这也意味着，机器人产业的竞争不应只看算力规模、模型参数和数据小时数，更要看系统能否在真实环境中主动学习、适应变化并形成新的决策能力。
演讲最后，孟庆虎以华盛顿纪念碑塔尖的铝帽作比：19世纪中期，铝一度比黄金还贵；电解铝技术出现后，铝迅速成为常见材料。他借此比喻AI对专业知识价值的重塑：过去需经本科、硕士乃至博士阶段才能掌握的知识，正被AI快速压缩获取成本。人类不应与AI比拼记忆、检索和生成，而应把AI纳入自身工具箱，同时发挥在高维认知、真实经验和创造性判断上的独特优势。（易科）
