“具身智能（Embodied Intelligence）”這個(gè)多少有點(diǎn)抽象的名詞在過去一年里出鏡率極高。2025年更位列為中國的十大關(guān)鍵詞Top 3。進(jìn)入2026年，馬年的春晚上演了一波智能機(jī)器人鬧春晚的名場(chǎng)面：從行云流水的武術(shù)功夫，到盤核桃、撿玻璃碎片、貨架取物等精細(xì)化操作，再到生活化的疊衣服、串烤腸，他們?nèi)驾p松拿捏，動(dòng)作靈巧且自然擬人。這進(jìn)一步推高具身智能的話題熱度。

“具身智能”到底是什么？它對(duì)于人工智能的發(fā)展具有什么意義？

從Atlas到擎天柱（Optimus），再到已在全球出圈的中國機(jī)器人公司宇樹科技……探索具備通用智能，能夠像人類一樣執(zhí)行任務(wù)的具身智能機(jī)器人成為國內(nèi)外業(yè)界的共同目標(biāo)。具身智能也被視作邁向通用人工智能的重要驅(qū)動(dòng)力，科技巨頭紛紛布局，同時(shí)加速推進(jìn)產(chǎn)業(yè)融合。

01 為什么要給AI“裝”一個(gè)身體？

斯坦福大學(xué)教授、“人工智能教母”李飛飛給出了極具穿透力的答案。在她看來，如今的AI雖然已經(jīng)很強(qiáng)大，但有一個(gè)根本性的缺陷——它存在于符號(hào)世界里，卻并未真正“觸碰”過物理世界。

如今，大語言模型可以寫詩、敲代碼、看病問診，能在幾秒鐘內(nèi)讀完人類一生的書，卻無法真正擁有人類的“手感”，無法像人眼一樣“觀看”。它們也許看過無數(shù)的關(guān)于“貓”的圖片，讀過無數(shù)關(guān)于貓的文字描述，卻不知道撫摸一只貓的觸感，下手的“輕重”。它們往往通過描述來“看”物理世界，這跟人類對(duì)于物理世界的觀感完全不同。人類的“觀看”不僅僅基于單一的信息，我們有著更為全面的認(rèn)知視角——通過對(duì)空間關(guān)系的推理、預(yù)測(cè)、互動(dòng)和想象，來深度理解我們身處的物理環(huán)境，這是人類與生俱來的“空間智能”。這也正是李飛飛所指出的通用人工智能的“核心缺口”。

那么，什么是具身智能？根據(jù)中國信息通信研究院的定義，具身智能（Embodied Intelligence）是人工智能（AI）與其他學(xué)科交叉融合發(fā)展的新范式。通過賦予AI“身體”，使其能夠與物理實(shí)踐產(chǎn)生交互，并在交互中主動(dòng)探索世界、認(rèn)識(shí)世界、改變世界。至于具體的形態(tài)，它可以是人形機(jī)器人、四足機(jī)器人、無人車、無人機(jī)，或是其他仿生形態(tài)，甚至只是一個(gè)機(jī)械手臂。

“具身”是前提，“智能”是核心。在李飛飛看來，“空間智能與世界模型”，是具身智能真正的底座。因?yàn)锳I需要通過感知、行動(dòng)、反饋的完整閉環(huán)，建立起對(duì)三維物理世界的理解與預(yù)測(cè)能力。換句話說，機(jī)器人需要的不僅僅是一套能跑能跳的精密“小腦”，更是一個(gè)能理解物理常識(shí)、能應(yīng)對(duì)真實(shí)混亂的“大腦”。

“具身化”可望成為AI從符號(hào)世界到物理世界的關(guān)鍵一躍。而過去幾年里“大腦”的進(jìn)步有目共睹，數(shù)字世界的AI算法開始展現(xiàn)出逼近甚至超越人類的思維能力。這也是產(chǎn)業(yè)界共同押注具身智能的重要原因?？茖W(xué)家們的期待是，具身智能將在技術(shù)的涌現(xiàn)式創(chuàng)新和突破下，在復(fù)雜的物理世界進(jìn)一步延伸和拓展AI的邊界，實(shí)現(xiàn)真正意義上的“知行合一”。

02 各國的具身智能戰(zhàn)略路線

全球主要經(jīng)濟(jì)體對(duì)具身智能的發(fā)展都高度重視，但戰(zhàn)略路線各有不同的側(cè)重點(diǎn)。不過，近幾年的發(fā)展中，我們可以觀察到，各國都在不斷提升細(xì)分領(lǐng)域具身智能技術(shù)和應(yīng)用的關(guān)注度。

具體來看，美國緊抓人工智能基礎(chǔ)研究，保持具身智能領(lǐng)域的前沿領(lǐng)先地位。2024年4月，美國高校聯(lián)合發(fā)布新版“國家機(jī)器人路線圖”，旨在重振機(jī)器人技術(shù)領(lǐng)先地位。

日本正在將機(jī)器人納入社會(huì)并使機(jī)器人成為其社會(huì)基礎(chǔ)的關(guān)鍵部分。在人口老齡化的背景下持續(xù)聚焦機(jī)器人應(yīng)用以升級(jí)制造業(yè)生產(chǎn)和替代人類服務(wù)。2024年豐田研究所推出軟機(jī)器人Punyo定位于服務(wù)人類日常生活，配備內(nèi)置傳感器結(jié)合柔軟肢體實(shí)現(xiàn)全身協(xié)同操作。

韓國出臺(tái)多項(xiàng)政策推動(dòng)以機(jī)器人和自動(dòng)駕駛為核心的具身智能技術(shù)創(chuàng)新。2023年發(fā)布機(jī)器人產(chǎn)業(yè)發(fā)展戰(zhàn)略，擘畫有關(guān)行業(yè)中長期發(fā)展藍(lán)圖，在戰(zhàn)略中提出到2030年在各領(lǐng)域推廣使用百萬臺(tái)的目標(biāo)。

中國則在加快推進(jìn)新型工業(yè)化進(jìn)程中，將具身智能作為新質(zhì)生產(chǎn)力的典型代表，成為各省布局產(chǎn)業(yè)規(guī)劃的關(guān)注重點(diǎn)。2024中關(guān)村論壇年會(huì)"未來人工智能先鋒論壇"上，北京市海淀區(qū)發(fā)布了《打造全國具身智能創(chuàng)新高地三年行動(dòng)方案》。

03 艱難蛻變：從“表演”到“工作”

商業(yè)化和產(chǎn)業(yè)鏈挑戰(zhàn)

探索具備通用智能、能夠像人類一樣執(zhí)行任務(wù)的具身機(jī)器人，成為業(yè)界共同目標(biāo)。早在2023年，英偉達(dá)創(chuàng)始人黃仁勛表示具身智能是能理解、推理，并與物理世界互動(dòng)的智能系統(tǒng)，是人工智能的下一個(gè)浪潮。2024年起，人形機(jī)器人迎來一波集中爆發(fā)發(fā)，其他形態(tài)的本體如協(xié)作機(jī)械臂，移動(dòng)操作機(jī)器人，仿生靈巧手，無人駕駛出租車等也顯現(xiàn)出智能升級(jí)趨勢(shì)。

但全球產(chǎn)業(yè)界當(dāng)前面對(duì)著一個(gè)共同困境：如何讓具身智能機(jī)器人完成從“ 表演”的“工作”的艱難蛻變。人們希望，未來具身智能機(jī)器人將深入融入人類社會(huì)，從工業(yè)協(xié)作生產(chǎn)到柔性制造，從家務(wù)助手到醫(yī)療護(hù)理，從災(zāi)難救援到太空探索。

盡管我們?cè)隈R年的春晚舞臺(tái)上看到了諸如銀河通用機(jī)器人“小蓋”的一系列驚艷操作：從精細(xì)地盤核桃、撿玻璃碎片、貨架取物，到生活化的疊衣服、串烤腸，全都輕松拿捏，動(dòng)作靈巧且自然擬人。而且與傳統(tǒng)機(jī)器人表演依賴預(yù)編程不同，銀河通用此次展示干活技能的實(shí)現(xiàn)是端到端自主感知、自主決策、自主執(zhí)行，而且還特別擬人。但或多或少，仍存在一定的“表演性”。

有英國金融時(shí)報(bào)中文網(wǎng)的一篇分析文章指出，春晚舞臺(tái)是典型的低復(fù)雜度場(chǎng)景：光照均勻、地面平整、動(dòng)線固定。但真實(shí)的生活和商業(yè)場(chǎng)景要復(fù)雜千萬倍，需要應(yīng)對(duì)的可能是光線從清晨到黃昏的變化，是物品的隨機(jī)擺放，是突然從墻角滾出來的蘋果，或是突然從腳邊竄過的貓……對(duì)于人類而言稀松平常的“意外”，可能會(huì)讓一個(gè)機(jī)器人的系統(tǒng)崩潰。因?yàn)槟壳暗臋C(jī)器人“大腦”在處理這種開放世界的不確定性時(shí)，能力會(huì)急劇下降?！八鼈兡茉诠饣奈枧_(tái)上完成一百個(gè)連貫的空翻，卻未必能在一間雜亂的廚房里，準(zhǔn)確地從抽屜里拿出一把勺子?！?/p>

其結(jié)果就是，商業(yè)落地陷入一個(gè)尷尬的閉環(huán)：能做的（表演）不需要，需要的（通用勞動(dòng)）做不了。而這是全球行業(yè)共同面臨的瓶頸。無論東方還是西方，無論走哪條技術(shù)路線，都正在經(jīng)歷從“實(shí)驗(yàn)室奇跡”到“商業(yè)現(xiàn)實(shí)”的尷尬。

在美國，Optimus采用“場(chǎng)景定義產(chǎn)品”倒逼技術(shù)迭代的路線。依托在自動(dòng)駕駛、電池管理和大規(guī)模制造上的積累，馬斯克做Optimus的初衷就是為了能讓它在工廠里干活。因而其設(shè)計(jì)之初就瞄準(zhǔn)工廠場(chǎng)景，與產(chǎn)線深度耦合。但Optimus至今仍未走出實(shí)驗(yàn)室，距離真正的“進(jìn)廠打工”尚有距離。馬斯克本人預(yù)計(jì)，2025年將有小批量Optimus投入工廠使用，但也承認(rèn)“這是一個(gè)漫長的過程”。

波士頓動(dòng)力則選擇將機(jī)器人的運(yùn)動(dòng)控制做到極致，旗下的Atlas一路實(shí)現(xiàn)了從后空翻到跑酷的運(yùn)動(dòng)能力。但“極致”的背后是商業(yè)化落地的尷尬——Atlas的液壓驅(qū)動(dòng)系統(tǒng)成本高達(dá)數(shù)百萬美元，且能耗驚人。幾經(jīng)易主后，波士頓動(dòng)力至今仍在尋找可持續(xù)的商業(yè)模式

在中國，高盛實(shí)地調(diào)研九家中國機(jī)器人供應(yīng)鏈企業(yè)后發(fā)現(xiàn)，供應(yīng)商普遍規(guī)劃年產(chǎn)能10萬至100萬臺(tái)，但無一家確認(rèn)收到大額訂單或明確量產(chǎn)時(shí)間表。

如何真正從“技術(shù)秀”邁向“實(shí)干”，需要沉入具體的垂直場(chǎng)景，完成一場(chǎng)價(jià)值重構(gòu)，是接下去要解決的實(shí)際問題。當(dāng)前的產(chǎn)業(yè)界仍面臨技術(shù)能力不足、數(shù)據(jù)短缺以及工程實(shí)現(xiàn)復(fù)雜等一系列挑戰(zhàn)。

首先，涉及產(chǎn)業(yè)鏈條的完整性和各環(huán)節(jié)之間的協(xié)同效率。根據(jù)中國信通院的梳理，具身智能機(jī)器人產(chǎn)業(yè)鏈的上游、中游和下游產(chǎn)業(yè)分布情況大致如下：

上游：硬件迭代周期與成本不上軟件或算法模型的迭代速度。在具身智能本體技術(shù)的關(guān)鍵領(lǐng)域和價(jià)值鏈條中，核心技術(shù)壁壘主要圍繞三大核心組件展開：減速器、伺服系統(tǒng)以及控制器，在機(jī)器人整體成本結(jié)構(gòu)中占比六到七成。三大核心組件行業(yè)面臨精度、穩(wěn)定性、計(jì)算能力等挑戰(zhàn)，影響上層軟件的運(yùn)動(dòng)控制指令以及對(duì)更多精準(zhǔn)大規(guī)模數(shù)據(jù)的收集能力。

中游：挑戰(zhàn)在于如何開發(fā)出高效、可靠的軟件系統(tǒng)，以及如何實(shí)現(xiàn)軟硬件的深度集成。比如，開發(fā)能夠適應(yīng)復(fù)雜環(huán)境和任務(wù)的控制算法是一個(gè)技術(shù)難點(diǎn)，同時(shí)需要大數(shù)據(jù)、大模型和大算力的加持，且三者互相關(guān)聯(lián)，缺一不可，還需要不斷更新，適應(yīng)新的任務(wù)與環(huán)境。

下游：跨界融合成為應(yīng)用新挑戰(zhàn)。隨著具身智能在家庭服務(wù)、教育培訓(xùn)、休閑娛樂、醫(yī)療保健、生物制造、物流運(yùn)輸、制造業(yè)、低空經(jīng)濟(jì)、航空航天等行業(yè)的廣泛應(yīng)用，個(gè)性化定制將成為機(jī)器人生成的新模式，跨界融合突破單一領(lǐng)域的應(yīng)用將成為新的趨勢(shì)。這需要垂直場(chǎng)景探索與通用泛化兼顧。

04 2026的分水嶺，歸于“實(shí)干”

如果說2025年是具身智能的元年，各家技術(shù)和應(yīng)用的涌現(xiàn)令人眼花繚亂，2026年或?qū)⑹羌夹g(shù)驗(yàn)證和商業(yè)落地的分水嶺。

從“炫技”走向“實(shí)干”將是接下去的主旋律。在沉入垂直領(lǐng)域深耕應(yīng)用，讓具身智能機(jī)器人真正在一線“工作”，成為人類的得力“工友”。

在工業(yè)制造領(lǐng)域，具身智能有望從根本上打破人機(jī)交互的語義隔離，人類可以自然語言、肢體語言、動(dòng)作示范等更簡便的方式與機(jī)器人溝通，機(jī)器也能及時(shí)有效地理解人類意圖，能夠不斷觀察周圍環(huán)境，自主更新、優(yōu)化決策和行動(dòng)，實(shí)現(xiàn)智能化柔性適配。值得關(guān)注的是，一些企業(yè)已經(jīng)開始探索正確的方向。有的公司選擇深耕工業(yè)場(chǎng)景，聚焦“擰螺絲”、“插拔線”、“焊接”等單一但高頻的工序，在有限場(chǎng)景中積累真實(shí)數(shù)據(jù)。

另外，在自動(dòng)駕駛領(lǐng)域，具身智能通過融合感知、智能決策和執(zhí)行，以及高度智能的自主學(xué)習(xí)適應(yīng)能力，將提升自動(dòng)駕駛系統(tǒng)的整體性能。在物流運(yùn)輸領(lǐng)域，可以幫助優(yōu)化倉儲(chǔ)物流產(chǎn)線，實(shí)現(xiàn)高效貨物運(yùn)轉(zhuǎn)。此外，家庭服務(wù)領(lǐng)域和醫(yī)療康養(yǎng)領(lǐng)域也將是具身智能的重要應(yīng)用場(chǎng)景，解放人類雙手，應(yīng)對(duì)老齡化問題，實(shí)現(xiàn)擬人化交互服務(wù)等等。

從更長遠(yuǎn)來看，對(duì)于具身智能更理想的未來設(shè)想是，可以實(shí)現(xiàn)“一腦多形”，即讓一個(gè)智能系統(tǒng)適配各種形態(tài)的物理實(shí)體，如智能機(jī)器人、智能車輛等；實(shí)現(xiàn)“一機(jī)多用”，即讓一個(gè)機(jī)器設(shè)備可以靈活地執(zhí)行多種任務(wù)，適應(yīng)多樣化的場(chǎng)景需求。