8月14日，2026智能体与具身智能机器人前沿论坛在南京大学苏州校区举行。论坛聚焦人工智能与物理世界加速深度融合的前沿趋势，汇聚了来自国内外高校、科研机构和产业界的专家学者。与会专家围绕具身智能机器人的感知与学习展开讨论，交流了端侧智能和大模型产业实践的最新进展，以及相关科学问题和发展路径。

南京大学党委书记、中国科学院院士谭铁牛，南京大学电子科学与工程学院教授、微电子学院院长，中国科学院院士施毅，清华大学计算机科学与技术系教授刘知远，Agnes AI创始人杨通等专家出席论坛

谭铁牛在致辞中指出，当前人工智能技术正处于快速演进的重要阶段，智能体、具身智能和具身机器人已成为备受关注的前沿方向。同时，人工智能与物理世界交互的研究边界也在不断拓展。随着相关研究迅速发展，部分概念在使用过程中出现了内涵模糊、边界泛化等问题。因此，科研工作者既要进一步厘清基本概念、走出认识误区，也要着眼学科长远发展，凝练基础科学问题，把握前沿技术方向，为后续研究与创新奠定更加坚实的理论基础。他表示，此次论坛汇聚了来自产学研各界的专家代表，既关注基础研究，也兼顾技术研发与产业实践。他希望，能通过本次深入交流，推动学术界与产业界务实沟通，促进不同学科、不同研究视角之间的知识碰撞与思想交融，共同研判领域发展面临的关键问题，为智能体与具身智能机器人的未来发展凝聚共识。他期待，能以此次研讨为契机，进一步拓展学术视野、启发科研思路、促进学科交叉，并逐步推动学术交流机制常态化。

在主旨报告环节，施毅带来了题为《面向具身智能的触觉传感技术》的报告。他以人工智能正从感知智能、生成智能向物理智能发展的趋势为切入点，指出触觉是机器人实现精细操作和物理交互的重要感知通道。围绕具身智能对触觉感知的新需求，他以柔性电子皮肤和多维力感知等研究为例，介绍了触觉传感及相关计算技术的进展。他指出，触觉技术正从注重单一传感器性能提升，逐步转向系统集成和智能接口构建。未来还需进一步促进触觉与视觉等多模态信息融合，使感知数据真正参与机器人的决策与闭环控制，帮助机器人实现从“看得见”到“摸得到”的跨越。

刘知远作题为《智能密度法则与端侧智能的未来》的报告。他从大模型规模法则面临的数据与算力瓶颈出发，提出大模型未来的发展不应只追求参数规模扩大，更应关注单位参数和计算资源所承载的“智能密度”。为提升智能密度，他从模型架构、数据治理、学习范式和计算基础设施协同设计等方面展开分析，介绍了稀疏激活、模块化架构、稀疏注意力以及软硬件协同等技术路径。他指出，随着模型智能密度与端侧芯片能力持续提升，端侧大模型、多模态智能应用以及面向具身机器人的轻量化模型具有广阔发展空间，而智能密度背后的基础理论和智能动力学规律仍有待深入探索。

杨通作题为《大模型前沿技术和实践洞察》的报告。他从大模型预训练、后训练、多模型协作和高效部署等环节入手，结合产业实践，分享了他对前沿技术趋势的观察，重点介绍了强化学习、在线策略蒸馏等方法在提升模型学习效率、缓解灾难性遗忘方面的作用。他也就多模型协作与系统级智能展开讨论，指出在模型规模和算力成本持续增长的背景下，通过模型路由、多智能体协作和动态任务分解等方式组织多个模型协同工作，有望提升系统整体智能水平。模型量化、缓存压缩和动态架构等技术则为降低大模型部署成本、提升计算效率提供了新的技术路径。

报告交流环节，现场专家学者与参会师生讨论了触觉数据如何进入机器人决策系统，以及机器人是否必须采用人形架构。围绕机器人形态，与会人员进一步关注模块化和可重构设计的发展潜力。此外，端侧芯片与稀疏模型如何协同、大模型如何持续学习，也成为现场关注的焦点。与会人员还讨论了智能密度背后的基础规律。

本次论坛围绕机器人触觉感知、端侧智能和大模型实践展开交流，从不同层面呈现了具身智能由基础研究走向系统集成与现实应用的发展路径。正如谭铁牛院士所言，面对快速演进的新兴领域，厘清概念边界、凝练基础科学问题，是明确技术方向、推动学科持续发展的重要前提。论坛通过跨学科交流与产学研对话，进一步深化了各界对关键问题、技术路径和发展趋势的认识。未来，科研工作者需要推动基础研究、核心技术与系统应用相互贯通，不断提升智能系统感知、理解并作用于物理世界的能力，促进人工智能从数字世界向物理世界纵深拓展，为具身智能领域的高质量发展提供持续动力。