张建伟在报告中指出，从现在的IROS的主题分布可以看到在智能感知和智能控制上，深度学习方面从传统的机器人的题目到现在更多的往人工智能方向转，中国在深度学习方面的论文发表，总数已经占到一半。

他认为，以前的互联网是基于静态的数据的领域，现在CPS系统，尤其是机器人系统为人工智能提供新的应用场景，人工智能在提质增效。

人工智能不只是算法、软件、语音识别和人脸识别的问题，更重要的是和真正的实体，如智能制造、智能驾驶、机器人的结合。

从图像、语音、文本等单模态的数据到现在非欧几里德多源数据，伴随5G计算到来，这种软硬结合拥有了新的能力；从算法角度，由于整个计算的和创造指数型增长，人类共享算法发展*快，人工智能落地和未来的颠覆性创新也将成为可能。

在真实落地的机会方面，中国的数字化上云、机器人多样化、汽车都有接口、医疗设备都有各种各样的智能化接口。另外，非技术的因素，包括全球化知识共享、多学科的交叉和全球化合作。尤其是在中国，多种资源互动，从顶层设计到产学研经用，所以，在中国这几种资源的结合，给人工智能真正能够做出持续性的创新和创造价值，贡献了新的资源。

如今，每个人使用的处理器计算能力比30年前上升了百万倍。各种各样的计算，尤其是大数据和5G的应用，将带来新的场景，使人工智能和机器人结合方面有了新的创新。人工智能和机器人结合，不仅是未来机器人创新的主要因素之一，还有更多的可穿戴设备、5G、脑科学、材料、能源都是未来颠覆性创新的基础。

张建伟表示，包括自重构、自适应、交互、等等，为创造未来的机器智能模块提供了重要的机会跟场景。如果把机器人智能从技术成熟度上，一方面在基础研究和通用理论方面，借助很多人工智能的技术研究，包括深度学习，从事跨模态学习，强化学习，人脑建模，心理模型和概率模型，大数据知识库方面，可以把技术成熟度到4，到5的基础研究智能方法，着重打造这些共性技术和所谓的机器人AI引擎或者机器人*作系统，再抓取装配定位、导航、外观监测、柔性控制、人机等等，可以创造新的合作的机会。

机器人与人工智能的结合，主要的是通过学习。如人工智能现在发展主要动能的深度学习；数据驱动的自上下的逼近学习；自上下的多视角，可泛化的迁移学习；从单层所谓的深度学习到连续的多层的连续学习；多模态形式，时候、状态、模态的跨模态学习；迁移学习办法；以及基于场景经验的学习。通过各种方法逐渐的学习，把它的规则、概念都一层一层学到，把人常用的知识转化成机器人可*作的。

中国机器人在研究样机的数量和应用宽度方面，与水平基本相当，在数量和原创方面中国还有追赶的空间。在跨学科的人才，尤其是人工智能和机器人控制这方面人才的培养、创新人才培养和基础研究的持久度，在人机共融项目里有很好的开端，在很多企业参与的过程中，如何提高企业的技术高度，避免低水平重复，对整个机器人可持续发展的共识做得越来越好，把中国机器人生态和学习曲线，形成正反馈效应，在人工智能和机器人结合的新的起点上寻求创新突破。