“科学有观·爱科士”首场开讲：当AI学会“看懂”世界，多模态人工智能正在打开怎样的未来？

随着人工智能不再囿于屏幕中的文字应答，转而开始感知图像、声音与真实世界，一个由数据、算法与创新共同构筑的智能时代正在悄然展开。

我们习以为常的许多场景——手机识别一张照片、设备理解一句指令、系统分析一段视频中的人物与动作，这些背后都离不开多模态人工智能技术的发展。从“看见”到“理解”，人工智能正在不断拓展感知世界的边界，也在重新定义人与科技连接的方式。

8月9日，“科学有观·爱科士”系列首场活动在浙江省科技馆举行，近百位公众齐聚交流厅，共同解锁看图懂文的智能世界。

从图灵到世界模型

AI“看懂”世界的七十年征程

杭州电子科技大学计算机学院副院长、博导余宙教授开讲时，先打开一张“小学作业拍照搜题”的截图，现场观众会心一笑——这是无数家长每晚的“救命神器”。余宙说，这背后就是多模态AI同时处理图像、文字和语音的能力：手机不仅要“认出”题目里的数字和图形，还要理解题意、生成解答，再用自然语言讲给人听。

余宙将时间的指针拨回到人工智能的起点。他提到，这一切始于计算机科学之父艾伦·图灵那个划时代的追问——“机器能思考吗？”为了回答这个问题，图灵设计了著名的“图灵测试”，即如果一台机器能够通过文字交流，让人类无法分辨出它是机器还是真人，那么就可以说这台机器具备了智能。这为人工智能的发展奠定了最初的哲学基础。

从这一理论原点出发，多模态AI经历了持续演进的发展过程。余宙介绍，深度学习的快速发展成为关键转折点，它极大地推动了计算机视觉、语音理解、自然语言处理等领域的突破，解决了多模态融合的“语义鸿沟”难题。

此后，以ChatGPT为代表大语言模型技术突破，也催生了多模态大模型的研究，并让人们看到了通用人工智能的曙光。当下，学界正将目光从传统图像、视频理解转向对三维物理世界的建模，通过构建“世界模型”掌握物理空间的结构和运动规律，从虚拟的赛博空间走向真实的物理世界。

放眼未来，余宙强调，技术演进虽快，但人与AI的关系终将走向协同。正如他所说：“人不会被AI取代，但可能会被熟练使用AI的人取代。”创新意识与自主学习能力将成为智能时代人与人的关键差异。主动拥抱变化，才能在浪潮中站稳脚跟。

高精度的“科技之眼”

看见产业创新的脉搏

如果说余宙教授讲的是AI的“大脑”，那么先临三维产品市场高级经理刘海华带来的就是AI的“眼睛”—— 高精度的三维视觉技术，“看准”并且“看懂”世界。

刘海华在现场向公众展示了几组对比：传统工业检测靠工人使用各种量具逐点测量，效率低，依赖经验；三维扫描仪在几秒钟内生成上百万个点云数据，将零件的完整三维轮廓数字化呈现，任何偏离设计尺寸的形变都可通过检测软件一目了然。她放了一段视频——一台扫描仪绕着模型扫一圈，屏幕上实时呈现高精度三维数字模型。

如今，这些技术已应用于汽车制造、能源装备、民用航空乃至文博艺术。敦煌壁画的数字化保护、国产大飞机的零部件检测，背后都有这双“视觉智能”的眼睛。刘海华说，三维视觉让机器从“看见形状”进化到“理解空间”，这是AI与物理世界握手的关键一步。

关于未来

人类与AI还有更多想象

圆桌对话环节两位嘉宾并肩而坐，对话从“多模态AI是否已抵达理解拐点”展开。余宙指出，如今视觉AI不再满足于“看懂一张图”，而被要求理解图像背后的三维空间结构、材质光照甚至物理规律。“就像人类看一张桌子，我们知道它的背面是什么样子，AI也要学会这种空间想象力。”刘海华则从产业角度补充：当AI视觉从云端走向手机、汽车等终端设备，最大的挑战不是算法，而是算力和功耗的平衡——让一个能理解三维世界的AI在巴掌大的芯片上跑起来，这本身就是一场硬仗。

当被问及“具身智能”，两位嘉宾观点默契：多模态AI负责理解场景意义，三维视觉负责空间定位，两者结合才能实现具身智能。谈到未来，余宙认为医疗和消费电子会是爆发点，刘海华则看好工业元宇宙中的数字孪生。而面对“有没有担心的事”，两人不约而同提到：技术越快，越要守住“可解释”和“可控”的底线——AI不能只给答案，还得让人知道它为什么这么想。

从实验室里的算法迭代，到工厂车间里微米级的三维扫描，再到普通观众手机里的一张照片识别，“科学有观·爱科士”搭起了一座桥，桥这边是前沿科技，桥那边是每一个好奇发问的公众。浙江省科技馆相关负责人表示，未来还将围绕公众征选的议题，持续推出AI+艺术、AI+城市、AI+生命科学等专场，让科学从“高冷”走向“热络”，让每一个“为什么”都有机会被认真回答。

从好奇开始

开启全民探索未来的科学之旅

今年，“科学有观”品牌第六季全面升级为“科学有观·爱科士”。“爱科士”既是“AI+X”的谐音，也代表着每一位热爱科学、关注未来的普通人。浙江省科技馆联合都市快报·橙柿互动发起了“未来议题全民征选”，短短一周收到104条公众自主推荐议题——从“AI+自闭症儿童关怀”到“AI+太空育种”，从“AI+音乐创作”到“AI是学习的捷径还是陷阱”……好奇心与创意满满。

活动现场，两位观众代表走上了舞台，讲述自己与AI的交集。

30岁的朱女士是银行职员，她用AI工具创作短剧和海报，笑称“AI让我的周末多了一倍产出”，以前觉得编程是别人的事，现在发现“跟AI说话”就能生成一段动画，那种感觉像第一次摸到相机快门。而11岁的范同学则抛出“灵魂拷问”：“为什么手机能看懂图片，但有些AI必须联网，有些不用？”他已经玩过可灵、即梦、千问，是同龄人里的小小极客。他们的故事引来台下阵阵共鸣，原来AI离我们这么近，近到一个小学生都能每天与它“打交道”。

现场，两位观众代表也获得了自己的科学礼包。

来源：省科技馆、都市快报·橙柿互动

责编：叶　扬

美编：陈路漫

一审：何百岳

二审：方佳佳

三审：王陆军