人工智能科普词典｜具身智能的“具身”是什么涵义？

2026年09月16日 10:49:27 来源: 新华网作者:

　　本期科普专家：章雪挺（杭州电子科技大学具身智能实验班项目主任、机械工程学院副教授、博士生导师）

　　Q1:什么是具身智能？如何理解“具身”？

　　顾名思义，“具身”就是把人工智能赋予到实体载体当中。大家所熟悉的大模型AI，拥有很强的思考能力，但大多运行在计算机里，更多的是交互问答，它相当于一个思想强大的“大脑”，却没有实体，没有办法直接在物理世界干活，不能帮我们洗衣服、拿物品等。而具身智能就是把AI赋能到物理实体上，让AI能够和真实的物理世界进行交互。载体可以是机器人、汽车、无人机、无人船等各类无人设备，在实体硬件内部运行AI模型，来处理现实世界当中的一些真实任务。

　　目前行业还没有官方权威的标准化定义，如果用一句话概括，那就是把人工智能放到具体的物理实体当中，让它完成人类难以做到的一些事。

　　Q2:很多人以为具身智能就是人形机器人，它们的区别到底在哪里？

　　很多人会把具身智能跟机器人、人形机器人混为一谈，相当一部分具身智能确实是以机器人来作为载体呈现的，但两者不能够划等号。

　　机器人可以分为两类：一类是具备具身智能的，另外一类则不具备。核心的区分标准是具身智能是依赖环境感知来进行自我进化、迭代学习的。而传统机器人它也搭载传感器、拥有预设的程序和一定的执行能力，但不一定是属于具身智能机器人。举个例子，科技馆里有一些外观高度仿真的人形机器人，你跟它对话，它会完成抬手、眨眼等一些基本的动作，但是它所有的回答、动作都是预先编程好的，预设在数据库里，遇到设定的问题它会回答，但是如果遇到设定之外的它就没办法回答，哪怕外形跟真人一模一样，它也只属于是广义的人形机器人，因为它没有自主的学习能力。

　　真正的具身智能机器人，模型跟程序是会依托环境感知实现自学习、自训练，持续迭代，变得越来越聪明。比如动作执行上，具身智能机器人预设了前进跳跃的动作，但是现实的地面环境是千变万化的，初期它可能会摔跤，但是它完全可以“吃一堑长一智”，从失败当中学习调整，不需要人类反复改写代码，而是依赖自身和环境的交互不断优化自己的能力。

　　现在我们看到很多人形机器人，不管是春晚表演、机器人运动会，它的能力是每个月都在迭代的，并不是程序员持续大规模改写代码，而是源于具身智能带来的自主迭代的能力。

　　Q3:具身智能的应用场景有哪些？

　　第一类是工业机器人场景。传统工业自动化机械臂、机器人，依赖预编程来部署，每家工厂每条产线环境各不相同，它需要单独调试参数，部署的成本高，落地难度大。而具备具身智能的工业机器人，它就有很强的泛化能力，同一台机械臂，它放到新的工厂、新的产线，初期表现可能并不理想，但是它可以通过自主学习、自训练来适配新的环境，它可以快速迁移到不同的工业场景，加速数字工厂、智能工厂落地，大幅降低落地的推广成本。

　　第二类是服务机器人场景。分为公共服务机器人和家用服务机器人，公共服务机器人包括医疗机器人、警用机器人、仓储物流机器人、商用服务机器人等，它主要是用于公共场所的服务。家庭服务机器人就是大众比较期待的，比方说帮我们叠被子、洗碗、拖地，照顾老人小孩等承担家务的家用机器人。

　　很多人可能觉得家务事情比较简单，实际上对机器人来说恰好相反。叠衣服、冲咖啡这类任务，在真实的家庭环境中因为过于复杂，实现难度是蛮高的，而且家用产品对价格也比较敏感，想要以大众可以接受价格走进千家万户，还需要一定的时间，但我相信这个未来一定会到来。

　　第三类就是特种机器人。主要应用在国防安全、应急救援等各种比较特殊的场景下。载体有天上的、地面的、水下各类装备等，它可以进入人类无法抵达的一些恶劣环境，比如火灾现场、深海、极地、太空等。相比工业机器人和服务机器人，特种机器人整体市场规模不算大，但是落地难度很高，所以其实是属于难而正确的事业，更需要国家和重大项目的支持。

　　整体来看，我觉得三类具身智能机器人都会对我们的民生、社会发展产生重要的影响。

　　Q4：现阶段具身智能发展还面临哪些技术挑战？

　　具身智能的系统架构主要分为感知、决策、执行三个环节，这三个环节其实目前都存在技术瓶颈。

　　首先是感知环节，它要求传感器能够完整采集各类环境参数，测量要精准，采集速度要足够快。但是当前受材料、电子物理技术限制，很难做到全面、精准、高速采集环境，这个是一大瓶颈。

　　决策环节，想要把高阶大模型部署到机器人本体上，其实是会受到设备的体积、功耗、成本等带来的算力约束。如何在有限算力硬件上充分发挥大模型能力，这个也是一个非常核心的难题。

　　执行环节，也就是机器人的关节模组、运动部件。受物理规律约束，机械结构、电子器件要兼顾尺寸、功耗、散热、成本等，要想在有限的硬件条件下实现稳定、高性能的动作输出，难度很高。

　　除此之外，感知、决策、执行这三者之间还会互相牵制。比如，要是想感知更精准，它就会带来功耗、体积各方面更高的要求，又会给硬件带来压力；想要强化执行能力，也会反过来对感知、决策提出更高的要求。

　　总之，具身智能要发展，需要多学科交叉，需要综合型人才在顶层规划下团队协同一起攻关。