蘇昊，具身智能時代的“湯曉鷗”？丨芯流人物

【摘要】國際頂尖AI 學者蘇昊歸國加盟復旦大學，作為通用物理智能研究院（GPI）首任院長，領銜建設通用物理智能研究院。

這位深耕物理智能領域十余年的學者，從學術圈走進了國內產業視野的中心，“蘇昊會不會成為具身智能時代的湯曉鷗”的討論，也開始在產業界持續升溫。

相比個人學術成就，這一現象背后的產業邏輯變遷更值得關注。具身智能走向產業化前夜，行業競爭正在從機器人本體逐漸延伸至數據、仿真、評測體系和世界模型等底層基礎設施。誰能夠定義關鍵問題、建立行業通用標準，誰就有機會掌握下一階段的發展主動權。

蘇昊受到產業內的關注，本質是賽道發展到深水區的必然結果—— 行業開始需要真正的基礎設施構建者走到臺前。而他能否成為湯曉鷗式的 “學術 + 產業” 雙棲領軍者，最終仍取決于，他能否真正打通物理智能從實驗室到產業落地的鴻溝。

01

從ImageNet到物理智能：蘇昊是誰？

今年4月，在第五屆中國三維視覺大會（China3DV 2026）上，蘇昊宣布加盟復旦大學，并擔任通用物理智能研究院首任院長。這個在學術圈和產業界如雷貫耳的名字，在計算機視覺、三維感知與具身智能領域，他早已是繞不開的人物。

圖源：復旦大學官網

與許多以單點突破聞名的學者不同，蘇昊過去近二十年的研究軌跡，幾乎對應著人工智能從“看見世界”到“理解世界”的演進過程。

2008年前后，蘇昊參與ImageNet項目建設。ImageNet由超過1400萬張標注圖像組成，被廣泛視為現代計算機視覺發展的重要基礎設施之一。2012年，AlexNet在ImageNet競賽中取得突破性成績，推動深度學習進入快速發展階段，也開啟了此后十余年的人工智能浪潮。

不過，在二維視覺取得突破后，新的問題開始顯現：機器能夠識別一把椅子，卻并不真正理解椅子的空間結構，更無法理解人與物體之間的交互關系。

此后，蘇昊的研究重心逐步轉向三維視覺領域。他主導建設的ShapeNet成為全球最具影響力的三維物體數據集之一，為三維感知研究提供了統一的數據基礎。

其團隊提出的PointNet則開創了直接處理點云數據的深度學習框架，被認為是3D深度學習領域的重要里程碑之一。相關工作至今仍被廣泛應用于自動駕駛、機器人感知等場景。

但在蘇昊看來，空間理解并非終點。機器知道物體是什么、長什么樣，并不意味著理解物體會如何運動、如何交互，更無法據此完成真實世界中的操作任務。

圍繞這一問題，蘇昊進一步推動SAPIEN仿真平臺建設，為機器人訓練提供可交互的物理仿真環境；隨后推出ManiSkill平臺，嘗試建立機器人操作技能學習與評測體系。

從ImageNet、ShapeNet到SAPIEN、ManiSkill，蘇昊的研究方向經歷過多次變化，但其關注的問題始終沒有改變：機器究竟該如何理解真實世界。

這些成果之所以受到持續關注，一個重要原因在于它們大多以數據集、仿真平臺和評測框架的形式存在。相比具體產品，它們更接近支撐整個研究社區運行的基礎設施。

ImageNet定義了視覺時代的數據標準，ShapeNet推動了三維視覺研究社區的發展，SAPIEN與ManiSkill則成為具身智能研究的重要工具鏈。許多研究者和企業能夠在此基礎上開展創新，正是因為這些底層平臺率先搭建完成。

這也是蘇昊受到業內高度關注的重要原因之一。

從某種意義上說，他所構建的不只是一個個技術項目，更是一套貫穿感知智能、空間智能與物理智能的發展脈絡。這也為理解其在具身智能產業鏈中的特殊地位提供了一個重要切口。

這條覆蓋 2D 感知、3D 空間理解、物理仿真、操作評測的全鏈路研究路徑，構成了蘇昊區別于單一領域學者的核心優勢，也讓其成為當下具身智能底層基礎設施領域的關鍵領軍者。

02

為什么是現在？具身智能開始需要“定義問題的人”

過去兩年，具身智能無疑是人工智能領域最受關注的賽道之一。從創業公司密集涌現，到科技巨頭加速布局，再到資本持續涌入，機器人正在成為繼大模型之后最受期待的新方向。

不過，相比早期圍繞機器人本體、運動控制和場景展示展開的競爭，行業關注的焦點正在悄然發生變化。

在具身智能發展的初期階段，市場更關心的是機器人能不能動起來、能不能完成指定動作。但當越來越多企業能夠實現抓取、搬運、整理等基礎能力后。

新的問題開始浮現：機器人為什么難以適應陌生環境？為什么同一個動作換一個場景就可能失效？為什么許多演示效果驚艷的Demo，進入真實環境后表現卻大打折扣？

這些問題最終都指向同一個核心挑戰——機器人仍然缺乏對物理世界的深層理解。

今年5月，在復旦大學校慶科學報告會上，蘇昊以《物理智能：從感知到交互》為題，系統闡述了其對于下一代人工智能發展的思考。

在他看來，智能能力可以分為感知智能、空間智能、物理智能和行為智能四個層級。過去十余年，人工智能已經在感知智能層取得突破，空間智能能力也在持續提升，但決定具身智能上限的物理智能層，依然存在大量尚未解決的問題。

這也是當前行業普遍面臨的現實。

過去兩年，世界模型成為具身智能領域最熱門的技術方向之一。無論是機器人企業，還是大模型廠商，都希望通過世界模型提升機器人的泛化能力。

然而從實際進展來看，無論是偏重空間理解的幾何世界模型，還是偏重視覺生成的視頻世界模型，都尚未真正解決物理規律建模的問題。

機器人可以識別桌上的杯子，也能夠模仿抓取和移動動作，但對于“推動杯子后會發生什么”“不同力度會帶來怎樣的結果”等涉及物理因果關系的問題，依然缺乏穩定可靠的理解能力。

蘇昊在演講中提到，當前行業真正缺少的，是一種能夠同時理解空間結構、物理規律以及行動后果的“物理交互世界模型”。這也是為什么越來越多業內人士開始將關注點從機器人本體轉向數據、仿真、評測和世界模型等基礎設施環節。

圖源：蘇昊演講

回顧人工智能的發展歷程，這樣的變化并不陌生。

ImageNet推動了計算機視覺時代的爆發，CUDA生態支撐了深度學習和大模型時代的發展，而自動駕駛產業的崛起同樣離不開數據閉環、仿真平臺和評測體系建設。

當行業進入規模化發展階段后，真正決定產業上限的往往不再是單一產品，而是支撐整個生態運行的底層基礎設施。

具身智能正在經歷類似的過程。過去兩年里，大量企業圍繞機器人本體展開競爭，行業不斷刷新運動控制能力和任務完成能力的展示紀錄。

但當產業開始邁向規模化落地時，數據從哪里來、模型如何訓練、能力如何評測、泛化如何驗證，正在成為比機器人本身更重要的問題。

芯流認為，隨著行業逐步邁向產業化，具身智能競爭的重心正在從本體制造逐步延伸至底層基礎設施。掌握評測與數據標準的玩家，有望掌握下一階段的話語權。

站在這個角度再看蘇昊過去十八年的研究路徑，會發現其中存在一條十分清晰的主線。

從ImageNet時代參與視覺數據體系建設，到ShapeNet推動三維視覺研究發展；從SAPIEN構建機器人物理仿真環境，到ManiSkill建立機器人技能學習與評測框架，再到如今主導通用物理智能研究院建設，蘇昊長期關注的并非某一個具體產品，而是支撐行業發展的底層能力建設。

這往往決定著整個行業能夠走多遠。

因此，蘇昊受到廣泛關注，并不是因為具身智能熱度提升后被重新發現，而是因為行業發展到深水區后，開始需要這類長期建設底層基礎設施的學者走到臺前。

從這個角度看，蘇昊被拿來與湯曉鷗比較，原因在于他們都出現在各自產業發展的關鍵節點。

03

蘇昊會成為具身智能時代的湯曉鷗嗎？

如果說前文討論的是蘇昊為何在當下受到關注，那么另一個更具爭議的話題則是：他是否會成為具身智能時代的湯曉鷗？

過去近二十年里，他先后參與ImageNet項目建設，推動ShapeNet、PointNet等三維視覺基礎設施發展，又在機器人仿真、技能學習和物理智能方向持續布局。從感知智能、空間智能到物理智能，其研究軌跡幾乎覆蓋了人工智能向現實世界延伸的關鍵階段。

也正因如此，近年來關于“蘇昊是否會成為具身智能時代的湯曉鷗”的討論開始增多。

兩人所面對的產業階段并不相同。

回顧中國人工智能產業的發展歷程，湯曉鷗之所以成為行業公認的標桿人物，并不僅僅因為其在計算機視覺領域的學術貢獻，更重要的是他帶領商湯科技完成了從實驗室研究到產業化落地的閉環。

計算機視覺技術興起的十余年間，安防、智能手機、互聯網平臺、自動駕駛等多個市場快速成長，為視覺算法提供了廣闊的應用空間。

技術成熟、場景明確、需求旺盛，推動計算機視覺從實驗室走向大規模商業化，也讓商湯成為中國人工智能產業化的重要代表。

相比之下，具身智能仍處于產業發展的早期階段。過去兩年，機器人疊衣服、做飯、整理貨架等演示視頻頻繁刷屏，融資規模屢創新高，不少企業估值快速攀升。

但熱鬧背后，一個現實問題始終沒有完全解決：具身智能究竟會率先在哪個場景實現大規模落地？無論是家庭服務、商業服務還是工業制造，目前行業仍在探索過程中。

機器人可以完成越來越復雜的動作，卻未必能夠穩定創造商業價值；模型能力不斷提升，但距離形成成熟商業閉環仍有相當距離。這也是當前具身智能與計算機視覺產業化初期的重要區別之一。

對于今天的行業而言，最大的挑戰已經不只是讓機器人學會一個動作，而是如何讓機器人在復雜、開放、動態變化的真實世界中持續工作。而這恰恰對應著蘇昊長期關注的物理智能問題。

在復旦大學校慶科學報告會上，蘇昊曾提出一個觀點：許多機器人策略之所以失效，并非因為動作本身出現問題，而是因為機器沒有真正理解背后的物理規律。門的阻尼發生細微變化，訓練上百萬次的機器人就可能無法完成任務；桌面摩擦力稍有不同，原本有效的操作策略就會失去作用。

換句話說，今天很多機器人展示出來的能力仍然帶有較強的場景依賴性。從實驗室走向現實世界，中間仍橫亙著數據獲取、仿真訓練、物理建模和泛化能力等一系列難題。這些問題很難依靠單一企業或者單一產品解決。

也正因為如此，蘇昊回國后的第一步并不是創業，而是組建通用物理智能研究院。相比打造一家公司，這是一條周期更長、回報更慢的路徑。在當前普遍追求快速商業化的產業環境下，這樣的選擇甚至顯得有些“逆勢”。

但從另一個角度看，這或許也是其受到廣泛關注的重要原因。

當行業大多數資源仍集中在機器人本體、應用場景和商業模式探索時，蘇昊選擇繼續向下挖掘物理智能、世界模型和交互數據等更底層的問題。而這些問題，恰恰可能決定未來十年具身智能的發展上限。

04

尾聲

回顧人工智能的發展歷程，無論是計算機視覺、自動駕駛還是大模型，每一次產業躍遷的背后，都離不開數據集、算法框架、評測體系等基礎設施的成熟。真正改變行業格局的，往往不只是推出產品的人，還有那些定義問題、建立標準的人。

芯流認為，一個健康的產業創新生態，既容得下頂尖學者走向產業一線推動技術商業化，也容得下領軍研究者回歸學術底座，搭建底層技術基礎設施、培養行業通用人才。這種對多元路徑的包容，恰恰是賽道持續向前、創新根基穩固的核心支撐。

至于蘇昊是否會成為 “下一個湯曉鷗”，眼下的討論或許為時尚早。或許從始至終，蘇昊要做的都只是“第一個蘇昊”。