China3DV 2026的会场里，一则消息在茶歇时间迅速传开——ImageNet作者、具身智能领域被引最高的华人学者苏昊，正式加盟复旦。没有铺垫，直接官宣：浩清特聘教授，通用物理智能研究院院长。十七年海外积淀，从斯坦福到UCSD，从ShapeNet到Hillbot，这条路径的终点，落在了上海。

复旦官方的定调很重："面向智能时代的关键落子"。但更值得拆解的是苏昊自己的选择——他放弃了什么，又看中了什么？

打开网易新闻 查看精彩图片

一、被引14.5万次的学术路径：从ImageNet到物理智能

苏昊的履历是一条清晰的演进线。2002年北航计算机本科，师从中科院院士李未研究数理逻辑。2005年微软亚洲研究院实习，师从孙剑、沈向洋、周明，主攻自然语言处理。

转折点在2005年后。他发现，相较于抽象语言，物理世界的视觉信号才是理解智能的更根本途径。2008年，经沈向洋推荐，他加入ImageNet项目，2009年正式跟随李飞飞进入斯坦福。

ImageNet之后，他与李佳合作的Object Bank发表于NIPS 2010，让简单分类器在物体识别和场景分类上取得突破。2D视觉方法论成熟后，他转向3D——2015年发布ShapeNet，全球首个大规模3D数据集，逾300万个CAD模型、3135个类别，被誉为"3D领域的ImageNet"。

2017年的PointNet与PointNet++是另一座里程碑。前者首个直接处理原始点云的深度学习模型，后者捕捉局部结构信息。这两项工作让3D视觉顶会论文占比从不足10%跃升至70%，如今广泛应用于自动驾驶。

2018年斯坦福博士后出站，他发布PartNet数据集，入职UCSD。但感知算法本身不够——他开始追问：能否整合进更大的系统？

2020年，SAPIEN模拟器发布，命名灵感来自《人类简史》的"智人"，全球首个以可泛化操作为核心的仿真平台。2021年推出ManiSkill训练平台，同年在ICCV发起workshop，聚焦物理建模、仿真到具身机器人学习。

谷歌学术被引14.5万次，具身AI领域华人学者第一。去年与谢赛宁同获CVPR青年学者奖。这份履历的终点不是论文，而是物理智能——让AI在真实世界中有效行动。

二、Hillbot的创业实验：仿真训练的闭环验证

2024年，苏昊加入具身智能创业潮，创办Hillbot并任CTO。公司的两张王牌正是SAPIEN和ManiSkill，主打模拟与3D生成。已与英伟达合作，借助Nvidia Cosmos平台生成高仿真视频训练数据。

产品层面，Hillbot Alpha是轮式机器人，基于仿真训练，面向零售店、咖啡馆、制造车间等复杂环境的移动操纵任务。

这里有个关键细节：苏昊的创业不是从零开始，而是将十余年学术基础设施产品化。SAPIEN和ManiSkill早已是行业通用工具，Hillbot做的是向下游延伸，验证"仿真→真实"的闭环能否跑通。

加盟复旦后，他仍保留Hillbot联合创始人身份。学术与产业的边界，在他身上是模糊的——或者说，他有意保持这种模糊。

三、复旦的筹码：为什么是现在，为什么是上海

苏昊的解释很直接：「因为复旦要做的事，与我要做的事，是同一件事。」

他列出的理由具体而落地：数学与物理的学科根基、新工科建设、上海及长三角的产业区位。没有套话，全是资源盘点。

通用物理智能研究院的架构更有意思——依托复旦大学智能机器人与先进制造创新学院，打破传统院系划分，不设学科边界，完全问题导向。汇聚数学、物理、计算机、人机交互、脑机接口等多领域人才。

这不是常规的"交叉学科"口号。苏昊的诉求是重构课程体系，缩短从基础到前沿的路径，让学生尽早进入科研与实践。同时支持师生创新创业，推动成果转化。

人才培养的两条标准：高品位的科研眼光（知道什么问题值得做），长周期的探索耐心（愿意把问题做完）。论文是副产品，标尺是真实世界中智能体的有效行动与自主决策。

目标也很明确：培养未来5到10年的人工智能领军人物。

四、对具身智能的冷判断：演示与通用能力之间存在断层

苏昊对当下赛道的热度保持"谨慎的乐观"。乐观来自问题本身——既有科学深度，又有巨大产业潜力。谨慎来自现实——大量精彩演示与真正的通用能力之间，存在关键断层。

谈到"具身智能的ChatGPT时刻"，他的判断很克制：短期内实现大语言模型那种程度的泛化还不现实，但更长尺度上方向清晰。

他预见的渗透路径是制造业、服务业、养老行业，最终走向"人机正面互动、人机共存的时代"。

这个判断与行业主流叙事形成微妙张力。当资本和媒体追逐"机器人进工厂"的落地故事时，苏昊强调的是"关键断层"——仿真训练的数据效率、真实环境的泛化能力、长周期任务的可复现性，这些硬问题没有捷径。

他的学术路径本身就是回应：从ImageNet的数据基础设施，到ShapeNet的3D数据标准，到SAPIEN的仿真平台，再到ManiSkill的技能训练——每一步都是在补基础设施的课。没有这些，演示终究是演示。

五、回国潮中的结构性信号：从个体选择到系统布局

苏昊不是孤例。弋力（清华叉院）、卢策吾（穹彻智能）、王鹤（银河通用）、严梦媛（OpenAI）、莫凯淳（英伟达）——这些名字背后是一张学术谱系：他们都是苏昊的师弟师妹。

更宏观的图景是，具身智能领域的华人学者正形成回流趋势。苏昊的选择具有指标意义：他放弃的是UCSD的终身教职轨道和硅谷的创业生态，换取的是复旦的建制化资源和长三角的制造供应链。

这笔账怎么算？他的Hillbot仍在运营，说明产业端没有切断；复旦的研究院架构给了他从零定义学科边界的空间，这是美国顶尖高校难以提供的弹性；上海周边的机器人供应链密度，是圣地亚哥不具备的。

更深层的信号是"物理智能"这个定位。不同于国内多数团队聚焦"具身大模型"或"机器人本体"，苏昊把重心放在"通用物理智能"——强调跨物体、跨场景、跨任务的泛化能力，这需要仿真平台、数据标准、评估体系的系统性建设。

复旦愿意为此投入不设学科边界的研究院，说明高校层面开始认可：AI的下一个制高点不是算法参数量的竞赛，而是物理世界交互能力的系统突破。

苏昊的个人主页已经更新。UCSD的旧页面停止维护，新页面上是复旦的任职信息和通用物理智能研究院的筹建进展。十七年海外，从北航出发，经斯坦福、UCSD，最终回到中国——这条弧线画完，真正的游戏才开始。

他说要培养未来5到10年的领军人物。考虑到他自己就是过去十七年关键基础设施的主要建设者，这句话的分量，大概只有同行能完全听懂。

至于那些期待"具身智能ChatGPT时刻"的人，苏昊的回应很礼貌：短期内不现实。翻译一下就是——基础设施还没建好，急着喊时刻，容易崴脚。