AI圈的"转会地震"比想象中更劲爆！继体育圈的转会乌龙闹剧后，学术与产业双界传来重磅消息——ImageNet核心缔造者、具身智能领域论文引用量最高的华人学者苏昊，被曝将加盟复旦大学任教？

尽管这则消息的真实性尚待考证，但今天，我们不妨深入探讨苏昊教授与具身智能的深度关联，看看他如何推动这一领域一步步向前发展～

从定义计算机视觉的"数据基石"到开辟具身智能的"产业航道"，这位手握多个"奠基级成果"的狠人，若真落地复旦，是否会重塑中国AI从实验室到产业的竞争格局？让我们深扒这位顶流学者的成长轨迹与时代布局。

一、学术生涯：从逻辑到具身，一部AI具象化进化史

苏昊的学术之路，堪称人工智能从抽象符号走向物理世界的"缩影式实践"。每一次转向都踩准行业脉搏，每一项成果都成为领域发展的"基础设施"。

1. 启蒙与转向：从语言到视觉的关键抉择

2002年，苏昊以优异成绩考入北京航空航天大学计算机科学本科，成为北航高等工程学院（现高等理工学院）首届学员，师从原北航校长、中国科学院院士李未教授，深耕数理逻辑与定理自动证明领域。扎实的理论功底，为他后续破解复杂AI问题埋下伏笔。

2005年，机器学习在中国学界初露锋芒，经李未教授推荐，苏昊进入微软亚洲研究院（MSRA）实习，师从孙剑、沈向洋、周明等顶尖学者，开启自然语言处理研究。但深入探索后他敏锐发现：“相较于抽象化的语言，直接来自物理世界的信号（如视觉）才是理解智能更为根本的途径”。这一前瞻性判断，让他毅然转向计算机视觉领域，也恰好撞上了AI爆发的前夜。

2. 封神起点：ImageNet背后的关键推手

彼时，计算机视觉被业界悲观预测"实现需200年"，而打破这一僵局的关键，正是李飞飞创建的ImageNet数据集。2008年，经沈向洋推荐，苏昊先后进入普林斯顿和斯坦福，深度参与ImageNet的核心研究工作（2009年随李飞飞团队从普林斯顿转入斯坦福）。

作为数据集的缔造者之一，苏昊不仅参与了海量图像的标注与整理，更主导了部分核心技术的优化。ImageNet的诞生直接引爆了深度学习在计算机视觉的应用，让图像识别准确率从不足50%跃升至90%以上，彻底改写了AI发展进程。此后，他与李佳合作推出Object Bank模型（2010年NIPS），进一步提升图像的语义表示能力，让简单分类器也能在物体识别、场景分类任务中取得优异成绩，为2D视觉的成熟奠定基础。

3. 开疆拓土：3D视觉领域的"创世者"

当2D视觉方法论日趋完善，苏昊将目光投向更贴近物理世界的3D视觉。2014年，他在北航获得数学博士学位后，进入斯坦福大学师从Leonidas Guibas教授，专攻3D视觉方向，开启了"用数据定义3D世界"的征程：

• 2015年，发布ShapeNet数据集：包含300多万个3D CAD模型，覆盖3135个类别，是全球首个大规模3D物体模型库，被业界誉为"3D版ImageNet"。在此之前，3D视觉因缺乏标准数据支撑发展缓慢，ShapeNet的出现直接激活了整个领域，推动3D视觉进入黄金发展期。

• 2017年，推出PointNet与PointNet++：作为首个能直接处理原始点云数据的深度学习模型，PointNet打破了传统3D数据处理需依赖网格化的限制，让机器能直接"读懂"三维空间中的点集信息；PointNet++则进一步捕捉局部结构信息，大幅提升模型精度。这两项成果发布后，CVPR、ICCV等顶会的3D视觉论文占比从不足10%飙升至70%，彻底重塑了3D视觉的研究范式。
  
  

• 2018年，发布PartNet数据集：在ShapeNet基础上进一步细化物体的部件标注，包含1600多个类别、26万个3D模型的部件信息，为3D物体的精细理解与交互研究提供了关键支撑。
  

2018年获得斯坦福计算机科学博士学位后，苏昊于2017年7月以助理教授身份入职加州大学圣地亚哥分校（UCSD），2023年仅用6年便晋升副教授，同时领导UCSD具身智能实验室，并在数据科学、视觉计算、情境机器人等多个研究院兼任要职。如今，他已是学界公认的"大牛孵化器"——清华叉院助理教授弋力、穹彻智能创始人卢策吾、银河通用创始人王鹤、OpenAI研究员严梦媛等一众行业领军者，均曾受其指导或与他同门，称他一声"师哥"。

二、产业突围：从实验室到战场，破解具身智能核心难题

"智能不能只停留在纸面上，必须能与物理世界交互。"带着这样的思考，苏昊的研究重心从计算机视觉转向机器人与具身智能，完成了从"理解世界"到"改造世界"的跨越，并亲手将实验室成果转化为产业力量。

1. 技术破局：打造具身智能的"仿真基建"

苏昊深刻意识到，机器人研究最大的瓶颈在于数据——与自动驾驶可通过车辆大规模收集数据不同，机器人在真实世界的交互数据采集成本极高，且场景覆盖有限。因此，“高保真模拟器是具身智能发展的核心引擎” 成为他的核心判断。

基于这一理念，他带领团队持续打造关键工具链：

• 2020年，发布SAPIEN模拟器：全球首个以可泛化操作为核心的机器人仿真平台，命名源自《人类简史》中的"智人"，可构建包含物理属性的虚拟环境，让机器人进行逼真的交互训练。

• 2021年，推出ManiSkill训练平台：基于SAPIEN升级而来，聚焦机器人操作技能的测试与训练，支持抓取、搬运、装配等复杂任务，成为全球具身智能研究的主流工具。
  同年，他在ICCV发起专项Workshop，汇聚全球学者探讨"基于物理的建模与仿真""机器人学习"等核心议题，直接推动了仿真技术在具身智能领域的标准化应用。
  

2. 创业实战：Hillbot的"Sim2Real"突围之路

2024年，苏昊正式投身具身智能创业浪潮，联合连续创业者韩铮（曾创办ZEPP、Melo Inc等企业，均成功被收购）创办Hillbot，担任首席技术官（CTO），将学术理念转化为商业实践。

面对业内"互联网数据太杂、真实数据太贵、仿真数据有毒"的三重困境，Hillbot走出了独特的"视频合成+3D重建"技术路线，核心是打通"仿真到现实"（Sim2Real）的闭环：

1. 数据生成：借助NVIDIA Cosmos平台，快速生成海量、多样化的高保真3D环境视频与数据；
2. 场景重建：通过自研的Sapien仿真器解析视频，重建包含细节信息的虚拟环境；
3. 物理仿真：将虚拟物体替换为带物理属性的模型（如可开合的冰箱、可堆叠的盒子），让机器人进行交互训练；
4. 现实迁移：将仿真中训练成熟的模型部署到真实机器人，大幅降低对现实数据的依赖。

目前，Hillbot已推出首款产品——轮式机器人Hillbot Alpha，可在零售店、咖啡馆、制造车间等复杂环境中完成移动操纵任务，并获得Cherubic Ventures的早期投资。在2025年外滩大会上，苏昊进一步透露，公司正探索"软硬一体化"的研发模式，试图打破"软件快速迭代与硬件品控纪律"的天然矛盾。

3. 认知升维：具身智能的"数据三层论"

在多次公开演讲与访谈中，苏昊对具身智能的本质与发展路径提出了深刻见解。在外滩大会的圆桌对话中，他用"大象装冰箱"的生动比喻，拆解了具身智能的数据核心逻辑：

• 第一层：语言数据：提供顶层指令（如"把大象放进冰箱"），解决推理与常识问题，无需依赖真实操作经验；
• 第二层：视频数据：建立符号与物理世界的关联（如"大象比冰箱大"），实现"符号落地"（grounding）；
• 第三层：控制数据：提供带反馈的操作信号（如"如何打开冰箱门"），解决手眼协调与执行问题，需依赖仿真或真机训练。
  

他强调："单一数据类型无法解决具身智能的问题，关键在于如何将语言、视频、控制数据有机融合，形成感知-认知-行动的闭环。"这一认知，已成为业内破解具身智能数据难题的核心思路。

三、复旦之约：具身智能的"中国高地"要来了？

尽管苏昊加盟复旦大学的消息尚未正式官宣，但种种线索已引发行业高度关注。这场可能的"学术转会"，背后或许是中国具身智能布局的关键落子。

1. 迹象浮现：复旦的"诚意布局"

2024年1月，复旦大学正式成立可信具身智能研究院，开出60万-100万的基础薪资，且绩效上不封顶，凸显对顶尖人才的渴求。值得注意的是，该研究院仅公布姜育刚副校长为领导，并未任命"院长"，被网友解读为"为行业大牛预留空位"。

结合网友爆料，苏昊不仅可能入职复旦，更有望成为相辉研究院、学敏高等研究院的双聘教授，同时复旦大学或参与Hillbot的后续融资。尽管目前天眼查数据显示Hillbot尚无国内融资记录，但这一"学术+产业"的绑定模式，若落地将形成独特优势——复旦可依托苏昊团队的技术积累建立科研壁垒，Hillbot则能借助高校资源拓展研究边界与人才储备。

2. 时代意义：从"跟跑"到"领跑"的可能

苏昊的研究方向，恰好契合当前AI发展的核心转向——从以语言大模型为代表的"抽象智能"，迈向能与物理世界交互的"具身智能"。中国在具身智能领域虽有布局，但在核心数据集、仿真工具、基础模型等方面仍需突破。

若苏昊加盟复旦，将带来三大关键价值：

• 技术底座：Sapien、ManiSkill等成熟工具的引入，可快速提升国内具身智能研究的起点；
• 人才梯队：其培养顶尖学者的经验，能加速复旦乃至国内具身智能人才的成长；
• 产业衔接：Hillbot的落地经验可打通"科研-产业"转化通道，避免技术与市场脱节。

正如业内人士所言：“ImageNet曾让全球计算机视觉实现’大跃进’，苏昊带来的或许是中国具身智能的’加速器’。”

从MSRA的实习生到UCSD的终身教授，从ImageNet的参与者到Hillbot的创始人，苏昊的每一步都走在AI进化的关键节点。如今，传闻中的"复旦之约"是否会成为他下一个里程碑？无论结果如何，这位始终站在AI浪潮之巅的学者，早已用15年的深耕，书写了属于自己的智能传奇。而中国具身智能的新纪元，或许正等待着这样一位"奠基者"来开启。