中关村融智特种机器人产业联盟首席专家

陈晓东对北京市科学技术协会创新服务中心对本次活动的大力支持表示感谢。他表示，以大模型为代表的 AI 技术快速普及，正在深刻改变科研与产业模式，希望本次沙龙能够搭建产学研交流桥梁，促进跨学科思想碰撞，凝聚创新合力，助力新质生产力发展，推动更多前沿技术成果落地转化。

北京大学 教授

郝丹带来《智能时代下的软件测试》主题报告。她剖析大模型给软件测试领域带来的变革，分析 AI 时代软件测试面临的全新矛盾与现实挑战，探讨传统测试理论在 AI 原生系统下的适配问题。

南京大学 副教授

冯洋以《AI 时代的可信编程：大模型与程序分析结合的 Rust 软件工程支撑技术》为题作分享。分享 Rust 可信编程相关研究实践，阐释大模型与传统程序分析技术的协同价值，探讨高可靠系统开发的实现思路。

中国科学院软件研究所高级工程师

高航分享《AI 时代下的软件研发?走入物理世界》，分析软件工程面向物理世界转型遇到的各类约束难题，介绍相关技术探索与未来发展方向。

北方工业大学副教授

张晓平围绕《空地协同地下管廊多模态融合目标精准识别与场景理解》开展分享。围绕城市地下管廊智慧运维场景，介绍多模态 AI 技术落地城市基础设施工程的研究与实践情况。

北京航空航天大学教授

冯仰刚作《康复训练的 ChatGPT 时刻》报告，介绍可穿戴康复机器人前沿科研成果，探讨 AI 技术在医疗康复领域的应用前景与人机系统的安全要求。

针对 AI 原生软件的测试体系，郝丹认为传统测试理论方法学仍具备价值，但面对大模型带来的非确定性系统，故障定义、容忍边界需要重新界定，安全攸关场景下软件测试的重要性进一步提升。

冯洋提出，面向具身智能等安全攸关软件，大模型负责提升开发迭代效率，静态分析、形式化验证等传统技术负责质量校验，二者是长期互补协同关系，不存在相互替代，可信编程工具链产业化还需持续攻克多项关键技术。

张晓平结合地下管廊工程落地经验谈到，多模态大模型走向实体工业工程，最大瓶颈来自真实场景的数据采集、标注与模型迁移能力，实验室模型到工业现场，必须补齐真实场景数据集构建、环境鲁棒性优化等工程化短板。

冯仰刚结合医疗康复领域实践表示，面向人体的智能康复系统，硬件机构安全防护是伦理与应用的基础，软件层面面临场景泛化、数据质量等挑战，需要建立适配医疗场景的安全约束与评估标准。

中科院软件研究所吴凤鸽聚焦具身智能嵌入式软件安全验证，将机器人系统划分为底层确定性控制层与上层 AI 感知决策层。她提出 AI 产业落地需要做好三件事：清晰定义问题目标与约束条件、积累清洗高质量私有领域数据、建立完善的结果评估迭代机制，实现人和 AI 高效协作。