张正友，堪称世界级科学家。无论是世界上第一个用立体视觉做导航的机器人，还是世界上第一个基于神经网络的人脸表情识别系统，或被国际上认为是一个革命性发明——在全球范围采用的“张氏标定法”，作为全球著名的计算机视觉、多媒体和机器人技术专家，张正友在立体视觉、三维重建、运动分析、图像配准、摄像机自标定、人脸表情识别、机器人导航等方面都有开创性的贡献，在无止境的科学前沿寻求突破是他始终的追求。

如何科学看待具身智能？语言大模型的优势和弱势是什么？人形机器人是具身智能发展的方向吗？具身智能面临怎样的挑战？如何构建具身智能的基础设施和更优生态？带着诸多问题，《财经智库》走访了腾讯首席科学家张正友。

张正友认为，具身智能与人形机器人不是同一概念，中国的具身智能生态还处于初级阶段；而立足场景驱动科技进步并影响社会、解决其现实问题才是有效路径；促进“身”“智”在动态的环境中协同进化、落地，创造人机互动的更优形态是目标。

多模态知识结构的积累

《财经智库》：1985年你浙大毕业后去法国留学，于1990年获计算机科学博士学位，后又分别在法国国家信息与自动化研究所（INRIA）和日本先进通信研究院（ATR）工作，1998年起任职于微软研究院20年，2018年回国任腾讯首席科学家。33年的海外经历，哪些关节点对你较为重要？

张正友：我的人生轨迹很简单。本科在浙大，第一次接触计算机，那时用的还是穿孔卡机与计算机交互，计算资源缺乏，PDP-10、PDP-11都从国外进口，一台计算机很大，占房间的大部分空间。……