特斯联三位IEEE Fellow领衔，以研发驱动战略纵深落地
AI作为典型的“快科学”领域，其进步高度依赖算力、数据和算法的协同创新，而这三者皆需持续的研发投入才能形成正向循环。这对空间智能、具身交互、高效训练等新课题的科研提出了更高要求——不仅需要理论原创性，更需将前沿成果快速转化为可落地的系统能力。正是在这一背景下，一批深耕技术、以研发为本的企业正在筑牢中国AI产业的底座，特斯联就是其中之一。
作为我国AIoT行业的开拓者，特斯联始终将研发驱动视为增长的根本动力。在三位IEEE Fellow的引领下，过去一年，特斯联在空间智能、物联通信等前沿领域取得了系统性突破，展现出从算法创新到实际应用的完整技术链条。
空间智能是AI从“理解数据”走向“理解物理世界”的关键一跃。特斯联CTO华先胜博士带领团队创新性地提出“空间参与智能计算”新路径，着力提升大模型对三维空间的觉知能力，使智能体在真实物理环境中的交互体验更自然、更精准。针对大模型训练中计算与显存消耗过高的行业痛点，团队研发出强化学习算法SPRO，其核心突破在于无需训练独立的过程奖励模型，而是让策略模型自身引导过程奖励的生成。
与此同时，邵岭博士及其团队提出的可扩展处理流程，能够将单视角图像高效升维转换为逼真的3D表征，显著降低了三维数据获取的成本。这一成果为开发具备物理环境理解与交互能力的AI系统提供了更经济、更普适的数据基础，有望加速机器人、自动驾驶、数字孪生等领域的商业化进程。
在通信基础设施层面，特斯联智联网实验室提出的LoCKey方案，有效提升了通信领域中密钥生成的效率与安全性，为海量IoT设备之间的可信连接提供了轻量级保障，夯实了AIoT场景的安全底座。
今年以来，特斯联的学术影响力持续攀升。特斯联AI Lab联合中国科学院大学发布的JERR框架，通过三步策略显著提升了大语言模型在长文本语境下的理解与推理能力，该论文已被自然语言处理顶级国际会议EMNLP收录。JERR框架不仅服务于模型本身，更在文献分析、合规审查、舆情监控、智能问答等场景中展现出广泛价值。
此外，特斯联比特实验室提出的自引导过程奖励优化新框架，从理论上证明了过程奖励可从策略模型内部推导，通过累积过程奖励（CPR）和掩码步骤优势（MSA）的严格定义，重新定义了逐步优势估计，有效解决了大模型过程强化学习中的关键训练效率问题。
特斯联的科研布局覆盖了AI从模型训练、空间感知到边缘部署的全链路。这些成就沿着“基础研究—技术转化—场景落地”的清晰脉络推进，体现了企业对产业需求的深刻洞察。在AI竞争日益聚焦于效率与落地的今天，特斯联以扎实的研发投入和持续的国际学术认可，证明了中国科技企业不仅能跟跑前沿，更能在关键路径上实现原创引领。