在CCF GAIR 2019（全球人工智能與機器人峰會）上，騰訊AI Lab Robotics X實驗室主任張正友博士以其深厚的學術積淀與前沿的產業視角，發表了題為“計算機視覺的三生三世”的精彩演講。本次演講不僅系統梳理了計算機視覺技術的發展脈絡，更結合騰訊在AI與機器人領域的探索，揭示了該技術從感知到認知、再到行動的演進軌跡，以及對未來技術開發和產業應用的深遠影響。

第一生：從“看見”到“看懂”——感知智能的崛起

張正友博士首先回顧了計算機視覺的“第一生”，即從圖像處理到模式識別的經典時期。這一階段的核心目標是讓機器“看見”，即從像素中提取邊緣、角點、紋理等特征，進而完成物體識別、目標檢測等基礎任務。算法從傳統的SIFT、HOG特征描述子，發展到基于統計學習的模型。這一時期的技術突破，為安防、醫療影像等領域的初步自動化奠定了基礎，但機器的“理解”仍停留在表層特征匹配，缺乏對場景的深度語義解析。

第二世：深度學習的革命——認知智能的飛躍

演講的重點落在了計算機視覺的“第二世”，即深度學習驅動下的爆發式增長。張博士指出，卷積神經網絡（CNN）的復興，尤其是AlexNet在2012年ImageNet競賽中的突破性表現，徹底改變了領域格局。機器不再僅僅“看見”輪廓，而是開始“看懂”內容——識別千類萬物、理解復雜場景、甚至生成逼真圖像。這一階段，計算機視覺技術與自然語言處理、語音識別深度融合，催生了跨模態理解能力，例如圖像描述、視覺問答等。張博士分享了騰訊AI Lab在視頻理解、人臉識別、醫療影像分析等方面的前沿成果，體現了認知智能在產業落地中的巨大價值。

第三世：從認知到行動——具身智能的未來

最為前瞻的部分，張正友博士闡述了正在開啟的“第三世”：計算機視覺與機器人學的深度融合，即“具身視覺”或“機器人視覺”。這標志著技術從被動“看懂”世界，邁向主動“交互”與“改變”世界。在這一階段，視覺系統不僅是感知器官，更是機器人決策與行動的核心導航與反饋系統。它需要解決動態環境中的實時定位與地圖構建（SLAM）、手眼協調、復雜操作等挑戰。作為騰訊Robotics X實驗室的負責人，張博士特別強調了其在機器人感知、決策與控制一體化方面的探索，例如靈巧操作、移動導航等，目標是打造能夠適應復雜物理世界的智能體。這不僅是技術的演進，更是計算機視覺從虛擬信息處理走向實體世界交互的關鍵一躍，將為智能制造、無人駕駛、家庭服務機器人等帶來革命性變化。

計算機技術開發的啟示與展望

貫穿整個演講，張正友博士結合其領導騰訊AI Lab Robotics X的實踐經驗，對計算機技術開發提出了深刻見解。他認為，未來技術的發展必然是跨學科的融合，計算機視覺需要與強化學習、機器人學、認知科學更緊密結合。技術的落地必須緊密結合真實場景的需求，解決數據稀缺、模型可解釋性、安全倫理等核心挑戰。騰訊正通過“AI in All”的戰略，將包括視覺在內的AI能力賦能于游戲、內容、社交、醫療等廣泛領域，而Robotics X則聚焦于前沿的通用人工智能與實體智能研究。

張正友博士在CCF GAIR 2019的演講，以“三生三世”為喻，清晰勾勒出計算機視覺從感知、認知到行動的宏大技術史詩。這既是對過往成就的，更是對尤其是視覺與機器人結合所開啟的“第三世”的激昂展望。它為全球的計算機技術開發者與研究者指明了一個方向：人工智能的終極使命，或許是創造出能夠像人一樣，通過視覺感知世界、理解世界并最終靈巧作用于世界的智能機器。騰訊在此征程中的布局與實踐，無疑將成為推動這一未來加速到來的重要力量。