来源：Gitee 封面人物 丨 2026-09-08
西南财经大学计算机与人工智能学院教授、博士生导师；人工智能与数字金融四川省重点实验室副主任、通用人工智能与具身智能团队负责人
赵宇：
大家好，我是赵宇，西南财经大学计算机与人工智能学院的教授、博士生导师，也是人工智能与数字金融四川省重点实验室副主任、通用人工智能与具身智能团队负责人。我长期致力于人工智能研究，主要研究方向包括自然语言处理、大模型、AI智能体、具身智能等。我曾在美国罗切斯特大学做联合培养博士学习，也赴法国巴黎六大做过高级访问学者。
近年来，我特别关注两个方向：一是大模型技术如何从"能说会写"走向"感知世界、影响世界"，也就是具身智能；二是如何通过开源生态和智能体平台，让AI技术真正普惠到高校教育、产业应用乃至每一个普通开发者手中。我们团队研发了全球首个开源智能体操作系统"女娲智能体OS"（https://gitee.com/nuwax/nuwax），也编写了《自然语言处理：大模型理论与实践》等教材，希望能为AI人才培养和产业发展尽一份力。
赵宇：
我接触人工智能其实是很偶然的，我硕士就读的是北邮人工智能实验室，师从王小捷教授。王老师主要做自然语言处理，我跟着就开始做这个方向了。博士阶段我在美国罗切斯特大学联合培养，当时研究的核心就是自然语言处理，特别是知识图谱和实体类型推理。2015年前后，深度学习开始在NLP领域爆发，我深刻感受到这个领域正在经历范式级的变革。真正让我坚定持续深耕AI的契机，是2022年底ChatGPT的出现。那一刻，我意识到大模型不仅是一个技术突破，更是一场深刻的社会变革——它正在改变知识的生产方式、教育的组织方式，甚至改变每个人的工作方式。作为一个高校科研工作者和教育者，我感受到一种强烈的紧迫感：如果我们的教育还停留在旧范式，我们的学生将无法适应这个AI时代。所以从那时起，我的研究重心从传统的NLP转向了大模型应用、智能体和具身智能，同时也开始思考如何把前沿技术转化为可落地的教育资源和产业工具。可以说，是时代推着我往前走，而我也愿意主动拥抱这个变化。
赵宇：
最大的变化可以用一句话概括：从"人工设计特征"到"模型自主学习"再到"通用能力涌现"。
早期NLP研究，我们做知识图谱、实体类型推理，需要精心设计特征工程，每个任务都要专门建模，模型之间很难迁移。深度学习的出现让特征学习自动化了，但仍然是"一个任务一个模型"。而大模型时代的到来，彻底改变了这个格局——预训练+微调（甚至零样本/少样本）的范式，让一个模型可以处理几乎所有语言任务，并且展现出令人惊叹的推理和生成能力。
推动这一变革的关键技术突破，我认为有几点：
这些突破叠加在一起，让AI从实验室走向了千行百业。
赵宇：
我觉得这个演进路径非常清晰：NLP让机器"理解语言"，大模型让机器"理解世界"，而具身智能则让机器"走进世界、影响世界"。这是一个从"认知"到"行动"的跨越。语言是人类思维的外化，当模型通过大规模语言数据学习后，它实际上获得了一种对世界的抽象理解能力。但语言理解只是第一步，真正的智能需要与环境交互——感知、决策、行动、反馈，在闭环中不断学习和优化。具身智能正是这个方向，它让AI拥有"身体"，能够在物理世界中操作和执行。
当前具身智能面临的核心挑战，我认为主要有三个：
这些挑战也正是我们团队在努力突破的方向。我们在「具身智能实训」课程中，让学生以四足机器狗为载体，结合大模型和智能体平台，亲身体验从感知到行动的完整闭环，就是希望从人才培养端就开始攻克这些难题。
赵宇：
行业通用具身智能方案多聚焦硬件本体，而我们研发的女娲智能体OS定位是智能体的"操作系统"——连接大模型、物理世界与人的底层平台。独特优势体现在三方面：
技术落地中攻克的关键难点：
一是大模型与物理世界对接——通过中间层抽象，将大模型意图理解与底层运动控制解耦，解决"文本指令到运动控制"的映射问题；
二是多模态感知与决策融合——视觉感知、语义理解、路径规划、运动控制多模块协同，需系统级调试优化；
三是智能体可编排性——设计编排框架，让智能体像乐高积木般灵活组合，适配不同任务场景；
四是低门槛与高性能平衡——分层设计让学生"先会用、再深入"，从零代码无缝过渡到代码开发；
五是数据安全——隔离虚拟工位机制确保数据不出域，这是获得产业信任的关键。
AI 技术的价值不在技术本身多炫酷，而在能否真正赋能人、服务社会。女娲智能体 OS 的每一步探索，都在朝这个方向努力。AI 教育正是我们第二空间新愿景使命的重要实践载体，践行推动普惠 AI 与 AI 平权的使命，朝着让 AI 能帮助到每一个人的愿景前行，坚守 AI 向善的内核文化。
赵宇：
当前大模型技术正处在从"通用能力"走向"行业落地"的关键阶段。我认为有几个趋势值得关注：
第一，从"大而全"走向"专而精"。通用大模型解决的是"广度"问题，但真正落地到金融、医疗、制造等行业，需要垂直领域的大模型和深度适配。四川目前已经累计发布了34个行业垂直大模型，这正是产业化的方向。
第二，从"对话"走向"行动"。大模型正在从聊天机器人演变为能够调用工具、执行任务的智能体（Agent）。智能体能够自主规划、决策、执行，这才是大模型真正释放生产力的方式。
第三，从"闭源"走向"开源"。开源大模型和开源平台正在加速AI技术的普惠化。2026年APEC数字和人工智能部长会议上，各经济体首次就"开源人工智能"达成部长级共识，发布了《成都宣言》，这标志着开源已经成为全球共识。
对科研而言，大模型让研究者从繁琐的特征工程和模型训练中解放出来，可以更专注于问题定义和科学发现。对产业而言，大模型+智能体正在重塑每一个行业的作业方式——过去创业需要招人、租场地、买设备，现在创业者只需要描述需求，智能体就能自动完成市场分析、内容生产、客户应答。
赵宇：
开设这门课程的初衷，源于我在教学中的深刻感受：我们的学生学了很多大模型的理论知识，能调API、能写提示词，但当他们面对一个真实物理世界的问题时，往往不知道如何下手。
大语言模型已经能写诗作画、编程解题，但仍困于屏幕之中。具身智能，正是让AI拥有"身体"、感知物理世界并与环境交互的前沿方向。我希望通过这门课程，让学生真正经历从"设计"到"开发"再到"调试"的完整链路，而不仅仅是调用API。
课程以项目式学习（PBL）为核心，分为两大阶段：第一阶段聚焦智能体设计与开发，从大模型认知到智能体搭建，涵盖问答型、通用型及前端界面智能体的全流程开发；第二阶段以四足机器狗为载体，结合女娲智能体平台，实现大模型驱动的机器狗动作控制、视觉联动任务、建图导航及智能巡航。
我希望学生通过这门课程获得三方面的能力：
赵宇：
传统高校教育以知识传授为核心，但AI时代知识获取变得极其容易——你问大模型什么问题，它都能给你一个不错的答案。所以教育的重心必须从"传授知识"转向"培养能力"。
具体来说，我认为未来AI人才应该重点培养以下能力：
我们团队构建了"课程-培训-教材-平台-认证"五位一体的产教融合体系，提出了"1+X"融合框架——"1"是大模型应用通识课程，"X"是各学科交叉课程。目前这套课程体系已被30余所高校采纳，覆盖3万学生。
赵宇：
这是一个非常好的问题。我的答案是：需要，但学习的方式和深度会发生变化。
AI工具普及后，确实降低了使用门槛——一个不懂编程的人也能用大模型生成代码、写文章、做分析。但"会用"和"会创造"是两回事。就像每个人都会用手机，但不是每个人都能开发App。
我认为未来优秀AI人才与普通使用者的最大区别在于：
所以我的建议是：底层技术仍然要学，但不必像过去那样从零开始造轮子。更重要的是理解AI系统的运作逻辑，掌握调试和优化的方法，培养系统思维和工程能力。
赵宇：
开源是人工智能发展的"基础设施"。我认为开源生态的价值体现在三个层面：
第一，降低门槛、推动普惠。开源让每一个开发者都能获得前沿技术，不必从零开始。我们团队研发的女娲智能体OS就是全球首个开源智能体操作系统，目的就是让智能体技术不再是少数大厂的专利，而是每个开发者都能使用的工具。
第二，加速创新、促进协作。AI技术复杂度极高，没有任何一个团队能独立完成所有工作。开源让全球开发者可以协作共建，共同推动技术进步。2026年APEC数字和人工智能部长会议上，各经济体首次就"开源人工智能"达成部长级共识，发布《成都宣言》，提出弥合数字鸿沟、推动技术普惠共享——这充分说明开源已经成为全球共识。
第三，连接学术与产业。开源让高校科研成果能够快速被产业界使用和验证，形成"科研-开发-应用-反馈"的良性循环。
Q11. 您认为高校科研成果如何通过开源生态更好地走向应用？
赵宇：
具体来说，我觉得有几个路径：
以我们为例，女娲智能体OS携手成都数据集团落地"蓉数OPC一人公司社区"——过去创业你得招人、租赁场地、买设备，现在创业者只需要描述需求，智能体就能自动完成市场分析、内容生产、客户应答，所有操作都在隔离虚拟工位里完成，数据不出域。这就是高校科研成果通过开源走向产业应用的典型案例。
赵宇：
结合我的教学经验，我给年轻开发者几条建议：
第一，先动手，再深入。不要等学完所有理论再开始实践。现在大模型和开源工具的门槛已经很低了，你完全可以在动手实践中学习。先做一个简单的智能体，再逐步深入理解背后的原理。
第二，建立"理论-实践"的循环。每学一个概念，就去动手验证一下；每做一个项目，就去反思背后的原理。理论和实践要交替进行，互相促进。
第三，参与开源社区。开源社区是最好的学习环境——你可以看别人怎么写代码、怎么解决问题，也可以贡献自己的代码、提出问题。在社区中成长的速度远超独自学习。
第四，选择一个垂直领域深耕。AI技术是通用的，但应用是垂直的。金融、医疗、教育、制造……选择一个你感兴趣的行业，把AI技术与行业知识结合起来，你会成为这个领域最稀缺的复合型人才。
第五，保持好奇心和持续学习。AI技术迭代极快，今天的热点明天可能就过时了。不要害怕变化，保持学习的习惯，拥抱每一个新技术。
赵宇：
结合我的研究方向和对行业的观察，我认为未来几年有几个方向非常值得关注：
赵宇：
我希望培养的是"有技术深度、有行业视野、有社会责任感"的新一代AI人才。
我一直强调"教育不只是传授知识，更是塑造思维方式和价值观"。AI时代的人才培养，不能只关注技术能力，更要关注人文素养和社会责任。我希望我的学生走出校门后，不仅是一个优秀的工程师，更是一个有担当的AI时代建设者。
赵宇：
我给同学们几点建议：
第一，打好基础，但不要被基础束缚。数学、编程、数据结构这些基础一定要扎实，但AI技术迭代太快，不要指望学完所有知识再开始动手。边学边做，在实战中成长。
第二，多做项目，少做"笔记"。AI是实践性极强的学科，真正能让你成长的不是抄笔记，而是亲手做一个项目——哪怕是一个很小的智能体，走完从设计到部署的完整流程，收获会远超想象。
第三，拥抱开源，参与社区。不要只做一个"消费者"，要做一个"贡献者"。在GitHub上提issue、提交PR、参与开源项目，这些经历比任何课程都更有价值。
第四，培养跨学科思维。AI正在渗透到所有行业，如果你只懂技术不懂行业，你的价值会大打折扣。试着去了解金融、医疗、法律等行业，找到技术与行业的结合点。
第五，保持耐心和长期主义。AI领域诱惑很多、热点很多，但真正能走远的人，是那些在一个方向持续深耕的人。不要被短期的热点带偏，找到你真正热爱的方向，坚持走下去。
赵宇：
从"理解世界"到"走进世界"，从"辅助人类"到"与人类协作共创"——人工智能的未来，是让每一个普通人都能拥有智能的力量，让技术真正服务于人的全面发展。
赵宇：
保持好奇，勇于实践，拥抱开源，在AI的浪潮中找到属于你的那片海——未来已来，愿你们成为这个时代最耀眼的弄潮儿。
看完赵宇教授的专访分享，相信你对大模型到具身智能的技术演进、开源智能体的落地实践，以及 AI 时代开发者的核心成长路径，都有了全新的思考与启发。欢迎在评论区留下你的感悟、收获，或是对 NLP 学习、智能体开发、具身智能实践的疑问，大胆表达你的想法～我们将从评论区精选 5 位朋友，免费送出赵宇教授编著的《自然语言处理：大模型理论与实践》，把系统扎实的前沿技术干货带回家！
⏰ 活动规则：
赶紧留言参与，说不定幸运儿就是你！
97
