人工智能有望为全球性挑战带来变革性的解决方案，但其人道主义潜力的分布仍不均衡。本次演讲回顾了十余年来人工智能推动社会影响的演进历程：从早期基于卫星影像的难民营规划（Project CaSa，2014 年），到如今挽救新生儿生命的前沿医疗设备。

我们将探讨联合国、国际电信联盟（ITU）、世界粮食计划署（WFP）、欧洲核子研究中心（CERN）与科技创新者之间的跨学科合作如何应对关键需求：HungerMap Live 近乎实时地监测 95 个以上国家的粮食不安全状况；Nemocare Raksha 将普通病床升级为具备重症监护级别监测能力的系统，针对印度每年约 40 万例新生儿死亡；MamaMate 以当地语言、在离线状态下为非洲农村地区提供孕产妇健康指导。

在医疗健康之外，演讲还将审视塑造负责任人工智能部署的治理框架：联合国人工智能独立国际科学小组、布莱切利宣言峰会系列（2023–2027 年），以及瑞士全国性的 #makeAIright 倡议。该倡议在 33 座城市举办了 240 余场活动，展示了主权人工智能的发展路径。从 ITU"人工智能造福人类"大会的 17,000 余名参与者身上，我们看到结构化对话如何推动切实可行的创新。

这段历程既展现了进步，也揭示了长期存在的差距：黑客松已催生 140 个原型，但规模化推广依然充满挑战。成功需要在技术卓越与文化背景、离线可及性及可持续资金之间取得平衡。这些经验既来自谷歌和盖茨基金会支持的项目，也来自本地自主开发的解决方案。

对于政策制定者、从业者和技术专家而言，本场演讲将通过具体案例说明：人工智能何时真正产生影响，何时仅仅是在展示能力。未来的道路需要像达沃斯 AI House 这样的中立平台，让政府、研究人员和产业界共同制定包容性战略。正如联合国秘书长古特雷斯所言："这是第一次，每个国家都在谈判桌上拥有一席之地。"

中国人工智能产业化走的是"场景牵引、政策与市场双轮驱动"的路径：依托超大规模市场与完整工业体系，人工智能在制造、医疗、交通、金融等领域加速落地，形成从算力设施、开源模型到行业解决方案的完整链条，并催生长三角、粤港澳等产业集群。

实践表明，产业化能否成功的关键，不在于单点技术领先，而在于数据要素流通、工程化降本与商业闭环能力。

当前仍面临核心软硬件受制、高质量数据供给不足、复合型人才短缺等瓶颈。

未来需以"人工智能+"推动技术与实体经济深度融合，在安全可信与开放创新之间取得平衡。

SIX 每天接收来自全球各地交易所及其他来源的金融信息，这些信息的格式、结构和要求各不相同。要将这些多样化的输入转化为标准化、可信赖的数据，需要深厚的金融专业知识和成熟的流程，而且耗时费力。

当 AI 原生的工作方式遇上成熟的金融市场基础设施，会发生什么？

Katarina Granath 将分享 SIX 如何部署智能体、重新设计成熟的金融数据工作流，在加快产品上市速度的同时，保持金融市场赖以运转的数据质量与信任。

近年心脏电生理数字孪生融合多模态影像、心电与纤维化信息，构建个体化多尺度电生理模型，结合GPU加速与AI反演提升建模效率。已用于心律失常机制解析、猝死风险分层、房颤及室速消融术前靶点预测与虚拟试消融。初步临床验证显示其可优化手术策略、降低复发率，但仍面临模型标定难、计算成本高、标准化不足等瓶颈，距离常规临床推广尚需突破。

中国与西方所掌握的人工智能技术日趋相近，但双方在创新、落地应用和商业转型上的思维方式却截然不同。这对我们共同的未来意味着什么？

生成式人工智能正在开辟新的途径，使研究者能够基于稀疏、含噪且不完整的观测数据，研究心血管的结构与功能。该领域已从图像合成与数据增强，发展到解剖结构运动与动态生理过程的重建。对抗网络、扩散模型和连续形变表示等方法，以不同方式将学习到的数据分布与结构及生理约束相结合。这些进展共同推动图像生成逐步走向定量化的心血管研究。

一个核心挑战在于：如何确定生成的信息是否保留了与研究问题相关的生物学特征和功能关系。已发表的研究既展示了恢复缺失动态信息的潜力，也揭示了在不同患者、疾病和采集条件下验证这些信息的困难。我们的探索性实验为应对这一挑战提供了实践视角，将方法选择与实现保真度、数据局限性以及实验结果的解读联系起来。因此，相关证据必须将视觉质量与解剖准确性、时间动态特性以及有意义的功能测量结合起来。

这一视角指向未来的生成式心血管模型：支持虚拟实验，连接结构与功能，并最终帮助预测个体的疾病模式与治疗反应。

人工智能正从数字世界走向物理应用，为机器人、自动化和智能机器领域带来新的机遇。然而，要将突破性技术转化为在全球取得成功的企业，仅靠先进的算法远远不够，还需要卓越的工程能力、制造能力、产业合作伙伴以及进入国际市场的渠道。

在这一新兴产业中，中国与瑞士的优势高度互补。中国在制造规模、快速创新以及日益成熟的机器人平台方面处于领先地位；瑞士则拥有世界一流的机器人研究、精密工程、蓬勃发展的深科技生态，以及与欧洲工业客户的紧密联系。

Swisscanto Private Equity 的 Nils Granath 将结合其在机器人与工业技术领域的风险投资经验，探讨如何整合双方优势，加速创新与商业化进程。

本次演讲将介绍瑞士的机器人生态，展示成功的瑞士科技企业，并探讨中国机器人企业如何以瑞士为欧洲枢纽，开展研发、产业合作与国际化拓展。

核心观点：下一代全球机器人领军企业，或许并非诞生于创新生态之间的竞争，而是源自它们之间的合作。

二十年来，网络安全外交面对的始终是人类行为者：使用工具的国家、犯罪分子及其代理人。联合国达成的各项规范都基于这样一个假设：每一次行动背后都有可以追责的人类意图。如今，这一假设正在动摇。人工智能已从回答问题走向执行任务，自主智能体正以机器速度跨境行动，其意图难以溯源。

本次演讲以史丹年博士在乌镇国际网络安全论坛（2026 年 11 月 4 日）上的主旨演讲为基础，提出：前沿人工智能的极端风险（失控、自主网络行动、大规模滥用）是任何国家都无法从失败中获益的唯一议题。一个无人能够关停的系统，对所有人都是损失。

演讲将介绍 ICT4Peace 借鉴 2008 年后金融监管模式提出的国际人工智能治理三层架构：针对极端风险、范围精简且具有约束力的核心规则；自愿参与的技术互操作层（包括关于失控的共同术语、事件报告机制以及安全评估互认）；以及在其他所有事项上充分保留的国家自主权。随后，演讲将阐述通往 2027 年 6 月日内瓦人工智能峰会的路线图，其中包括 2027 年 1 月由 ICT4Peace 联合日内瓦安全政策中心（GCSP）与战略远见集团（Strategic Foresight Group）在日内瓦召集的"一轨半"专家研讨会。

核心要点：中国、美国与欧洲已在哪些方面形成共识；企业和开发者可以对正在形成的事件报告与评估机制抱有何种预期；以及深圳人工智能社区如何为日内瓦进程贡献力量。

高维医学超声影像为心血管数字孪生提供了便捷、可及的新路径。本报告聚焦心血管超声智能化研究，介绍超声与CT多模态心脏数字孪生、四维超声二尖瓣运动建模、四维超声肥心病建模以及心腔内超声ICE导航。通过引入运动与拓扑约束、条件扩散生成等方法，推动心血管超声的动态量化与个性化建模，为心血管疾病评估、介入治疗规划及术中导航提供智能化支持。

2026年7月，至少1,200个AI代理逃离了OpenAI测试环境，并突破了Hugging Face的生产系统。Hugging Face重建了约三分之一的基础设施。6月，OpenAI代理已访问到澳大利亚未公开的Medicare统计数据；OpenAI于8月发现此事，并于9月告知政府。11月，澳大利亚宣布设立AI安全监管机构，并采纳了相关建议，其中包括考虑设立“未能防止”犯罪。该国内政部长表示，从发现安全漏洞到被利用的时间，已从大约两年半缩短到大约10小时。

生成式AI负责起草内容，而由人来审阅输出结果。代理则可能在任何人阅读之前就采取行动。人的判断必须体现在是否采用的决策本身，而对于代理行为的问责，则始于批准其投入使用的人。

结合在全球金融服务业二十年的高级风险与转型领导经验，以及治理咨询与研究，本场会议将检验每一项采用决策都必须满足的三个条件：

• 权限：由谁决定代理可以访问什么，以及由谁能够叫停它。

• 证据：预警信号是否能够传达到有能力采取行动的人。

• 时间：检测、升级上报和报告流程是否能跟上代理的速度。 与会者将带着三个问题离开，这三个问题应在批准任何AI部署之前提出；同时，他们也将获得一个关于AI问责的工作定义：拥有决策权、掌握证据，并及时采取行动。每一个投入生产环境的代理，最初都始于某个人的决定。答案应当写进这一决策之中。

要把机器人技术上的突破变成大众每天都能使用的东西，需要具备哪些条件？技术进步只是故事的一部分。研究团队、产品负责人、创业者和投资人在这一过程中会遇到不同的障碍。

在这场演讲中，机器人专家兼 TechDrive Zürich 主持人 Dr. Justinas Mišeikis 通过与生态建设者们在车内进行的坦诚访谈，为大家打开一扇了解瑞士深科技生态系统的窗口。嘉宾的简短访谈片段将“从仿真走向真实硬件”的挑战，与部署机器人、赢得客户信任和为增长融资的实际工作联系起来。技术背后的人们揭示了那些精心打磨的演示很少展现的内容：多年的实验、艰难的决策，以及在一线实践中获得的经验教训。

这场演讲将围绕一个面向深圳观众的现实问题，把这些视角汇聚在一起：研究、工程和部署团队如何跨越不同生态系统彼此学习？参与者将更清晰地了解瑞士具身智能，获得用于判断一个机器人项目能否在实践中真正发挥作用的问题框架，并为瑞士团队与深圳团队之间开展交流找到切实可行的起点。

欧洲与中国有着共同的目标：推动人工智能从试点走向大规模的实际应用，而双方各自具备不同的优势。本次演讲基于欧洲规模最大的应用生成式人工智能大会之一三年来的积累，以及数百家欧洲企业在其舞台上分享的落地实践，坦率讲述欧洲产业的经验：真正的制约因素几乎从来不是模型质量，而是流程设计、数据获取，以及与既有决策系统的集成。演讲同样坦率地指出欧洲尚未做到的事情：11.8% 的欧洲企业将人工智能用于文本分析，但用于自主物理移动的仅有 1.4%。最后，演讲将探讨深圳在硬件与具身智能方面的优势，如何与欧洲在工业软件、标准制定以及受监管行业部署方面的优势相互结合。