具身智能（Embodied Intelligence）是人工智能與機(jī)器人學(xué)交叉的前沿領(lǐng)域，強(qiáng)調(diào)智能體通過(guò)身體與環(huán)境的動(dòng)態(tài)交互實(shí)現(xiàn)自主學(xué)習(xí)和進(jìn)化，其核心在于將感知、行動(dòng)與認(rèn)知深度融合?。

具身智能的概念與發(fā)展歷程

具身智能（Embodied Intelligence），指的是一種基于物理身體進(jìn)行感知和行動(dòng)的智能系統(tǒng)。其通過(guò)智能體與環(huán)境的交互來(lái)獲取信息、理解問(wèn)題、做出決策并實(shí)現(xiàn)行動(dòng)，進(jìn)而產(chǎn)生智能行為和適應(yīng)性。這一概念最早于 1950 年在圖靈的論文《Computing Machinery and Intelligence》中被提出。不過(guò)，由于其實(shí)現(xiàn)涉及計(jì)算機(jī)視覺、自然語(yǔ)言處理、機(jī)器人學(xué)等諸多在當(dāng)時(shí)尚未成熟的人工智能領(lǐng)域技術(shù)，所以該概念在提出后的數(shù)十年間被擱置。

1986 年，布魯克斯從控制論角度出發(fā)，強(qiáng)調(diào)智能是具身化（Embodied）和情境化（Contextlized）的，認(rèn)為傳統(tǒng)以表征為核心的經(jīng)典 AI 進(jìn)化路徑存在錯(cuò)誤，主張通過(guò)制造基于行為的機(jī)器人來(lái)清除表征，這為具身智能的發(fā)展提供了新的思路。隨著近年來(lái)相關(guān)技術(shù)的逐步成熟，具身智能再次成為人工智能領(lǐng)域的研究熱點(diǎn)。

2023 年 6 月，在第七屆世界智能大會(huì)智能科技展上，人形機(jī)器人的逐步完善為具身智能的落地提供了方向。2024 年 3 月 17 日，OpenAI 與人形機(jī)器人初創(chuàng)公司 Figure 合作推出了 Figure 01 機(jī)器人，其亮相引發(fā)了公眾對(duì)機(jī)器人和具身智能的廣泛討論。

同年 8 月，中科源碼服務(wù)機(jī)器人研究院發(fā)布了全國(guó)首個(gè) “溫江造” 基于物流場(chǎng)景的具身智能機(jī)器人 ，進(jìn)一步推動(dòng)了具身智能在實(shí)際應(yīng)用領(lǐng)域的發(fā)展。2025 年 1 月 16 日，具身智能入選全國(guó)科學(xué)技術(shù)名詞審定委員會(huì)聯(lián)合國(guó)家語(yǔ)言資源監(jiān)測(cè)與研究中心等機(jī)構(gòu)聯(lián)合發(fā)起的 “2024 年度十大科技名詞評(píng)選活動(dòng)”，這也從側(cè)面反映了其在科技領(lǐng)域的重要地位日益凸顯。

具身智能的特點(diǎn)

具身智能機(jī)器人作為 “具身智能” 的實(shí)體形態(tài)，有望成為 AI 的最終載體。其整體架構(gòu)由感知層、交互層、運(yùn)動(dòng)層組成。與普通機(jī)器人相比，“具身智能” 具有顯著的特點(diǎn)。

最大的特質(zhì)在于它能夠以主人公的視角去自主感知物理世界，用擬人化的思維路徑去學(xué)習(xí)，從而做出人類期待的行為反饋，而不是被動(dòng)地等待數(shù)據(jù)投喂。具身智能還具備理解力、交互力、規(guī)劃能力等，這使得其在工作效率上遠(yuǎn)超普通機(jī)器人，有望為人類帶來(lái)新一輪的科技變革。

在算法路徑方面，具身智能主要分為兩條。一是以 OpenAI 與 Figure 合作的 Figure01 為代表的分層決策模型。該模型通常分為三層：策略控制系統(tǒng)（SLC）通過(guò)大模型整合任務(wù)、環(huán)境和本體感知信息；環(huán)境交互的控制系統(tǒng)（ELC）通過(guò)具身模型實(shí)現(xiàn)環(huán)境感知和動(dòng)作規(guī)劃；行為控制系統(tǒng)（PLC）通過(guò)傳統(tǒng)控制算法輸出機(jī)器人控制的力矩實(shí)現(xiàn)最終動(dòng)作。這種分層架構(gòu)實(shí)現(xiàn)難度相對(duì)簡(jiǎn)單，但不同步驟間的融合和一致性是主要難點(diǎn)。

二是由 Google RT - 2 為代表的端到端模型，它首先在大規(guī)模互聯(lián)網(wǎng)數(shù)據(jù)上預(yù)訓(xùn)練 VLMs，然后在機(jī)器人任務(wù)上微調(diào)。輸入是任務(wù)和對(duì)象的組合，輸出是一系列動(dòng)作，利用一個(gè)神經(jīng)網(wǎng)絡(luò)完成從輸入到感知、推理、決策和行為指令輸出的全過(guò)程。端到端方案看起來(lái)更加完美，谷歌也表示在 RT - 2 模型中觀察到了涌現(xiàn)能力，Scaling 是其繼續(xù)迭代的一條穩(wěn)定路徑，但端到端模型在當(dāng)前存在一定問(wèn)題：首先需要海量數(shù)據(jù)進(jìn)行訓(xùn)練才能泛化；全程調(diào)用大模型，資源消耗巨大，機(jī)器人執(zhí)行動(dòng)作緩慢 。

感知層負(fù)責(zé)獲取和處理環(huán)境信息，為智能體的決策和行為提供依據(jù)。實(shí)現(xiàn)方式主要有兩種：一是全感知，即構(gòu)建一個(gè)包含操作環(huán)境各種知識(shí)的大規(guī)模數(shù)據(jù)庫(kù)；二是具身交互感知，即通過(guò)智能體與環(huán)境的實(shí)時(shí)交互獲取感知反饋，并利用物理定律和數(shù)據(jù)驅(qū)動(dòng)的方法構(gòu)建準(zhǔn)確的環(huán)境表征。決策層是具身智能的核心，需要類似人類大腦的處理能力，以滿足機(jī)器人在理解指令、分解任務(wù)、規(guī)劃子任務(wù)、識(shí)別物體等方面的需求。傳統(tǒng)機(jī)器人在多維度人機(jī)交互方面存在難題，而 RT - 2、GPT 等大模型的突破為解決這一問(wèn)題提供了新思路。這些模型可以充當(dāng)機(jī)器人的 “大腦”，利用其強(qiáng)大的語(yǔ)言理解和生成能力，與人類進(jìn)行多維度交互，更好地理解指令和意圖，生成恰當(dāng)?shù)捻憫?yīng)和行為。

具身智能產(chǎn)業(yè)發(fā)展現(xiàn)狀

2025 年政府工作報(bào)告具有里程碑意義，首次提出 “培育具身智能產(chǎn)業(yè)” 和 “大力發(fā)展智能機(jī)器人”，這標(biāo)志著我國(guó)在人工智能與機(jī)器人領(lǐng)域的戰(zhàn)略支持實(shí)現(xiàn)進(jìn)一步升級(jí)。這一政策導(dǎo)向?yàn)榧夹g(shù)研發(fā)和產(chǎn)業(yè)化注入了全新動(dòng)力，通過(guò)稅收優(yōu)惠、研發(fā)補(bǔ)貼等資源傾斜手段，有力推動(dòng)了產(chǎn)業(yè)自主創(chuàng)新能力的提升。在國(guó)家層面政策明確后，地方政府積極響應(yīng)。

深圳發(fā)布的《具身智能機(jī)器人行動(dòng)計(jì)劃 (2025—2027 年)》明確提出，到 2027 年關(guān)聯(lián)產(chǎn)業(yè)規(guī)模將達(dá) 1000 億元以上，新增 10 家估值超百億企業(yè)。北京也出臺(tái)了具身智能三年行動(dòng)計(jì)劃，計(jì)劃 2027 年培育核心企業(yè)超 50 家，在科研教育、工業(yè)商業(yè)等領(lǐng)域落地百余項(xiàng)規(guī)?；瘧?yīng)用，量產(chǎn)規(guī)模突破萬(wàn)臺(tái)。此外，浙江、上海等地亦紛紛推出專項(xiàng)方案，支持人形機(jī)器人產(chǎn)業(yè)集聚發(fā)展 。政策與資本的雙重驅(qū)動(dòng)，正加速核心零部件的國(guó)產(chǎn)化替代進(jìn)程，降低我國(guó)在該領(lǐng)域?qū)?guó)外的依賴程度。

國(guó)內(nèi)企業(yè)在具身智能相關(guān)技術(shù)研發(fā)方面取得了一系列關(guān)鍵突破。例如，逐際動(dòng)力在半年內(nèi)累計(jì)完成 5 億元 A 輪系列融資，戰(zhàn)略投資者包括阿里巴巴、招商局創(chuàng)投等頭部機(jī)構(gòu)。其研發(fā)的機(jī)器人運(yùn)動(dòng)控制與感知技術(shù)已成功應(yīng)用于工業(yè)場(chǎng)景，為工業(yè)生產(chǎn)的智能化升級(jí)提供了有力支持。

在模型技術(shù)方面，行業(yè)首個(gè)端到端視覺語(yǔ)言動(dòng)作（VLA）模型 Helix 實(shí)現(xiàn)上機(jī)應(yīng)用，DeepSeek 開源模型加速了機(jī)器人大腦的進(jìn)化，提升了機(jī)器人的智能決策和執(zhí)行能力。硬件端的發(fā)展同樣迅速，絲杠、減速器等核心零部件的產(chǎn)能建設(shè)不斷提速，為機(jī)器人的大規(guī)模量產(chǎn)提供了堅(jiān)實(shí)的供應(yīng)鏈保障。目前，我國(guó)在具身智能的部分技術(shù)領(lǐng)域已經(jīng)達(dá)到國(guó)際先進(jìn)水平，在一些特定場(chǎng)景的應(yīng)用中甚至實(shí)現(xiàn)了領(lǐng)先 。

隨著技術(shù)的發(fā)展和政策的推動(dòng)，具身智能在中國(guó)的市場(chǎng)應(yīng)用場(chǎng)景不斷拓展。在工業(yè)領(lǐng)域，人口老齡化與用工成本攀升的現(xiàn)狀為人形機(jī)器人提供了廣闊的市場(chǎng)空間。

宇樹科技研發(fā)的人形機(jī)器人在物流分揀、安防巡邏等領(lǐng)域已實(shí)現(xiàn)批量交付，優(yōu)必選在極氪 5G 智慧工廠部署多機(jī)器人協(xié)同作業(yè)系統(tǒng)，成功驗(yàn)證了工業(yè)場(chǎng)景規(guī)?；瘧?yīng)用的可行性。

在消費(fèi)端，雖然人形機(jī)器人全面進(jìn)入家庭場(chǎng)景仍面臨技術(shù)瓶頸，但相關(guān)探索也在同步推進(jìn)。宇樹科技在 2025 年央視春晚的機(jī)器人表演引發(fā)了公眾的廣泛關(guān)注，這一事件加速了人形機(jī)器人向教育、服務(wù)等領(lǐng)域的滲透。全國(guó)人大代表何小鵬指出，當(dāng)前人形機(jī)器人智能等級(jí)仍處于 L2 至 L3 過(guò)渡階段，需持續(xù)優(yōu)化自主決策與復(fù)雜環(huán)境適應(yīng)能力。盡管存在挑戰(zhàn)，但資本市場(chǎng)對(duì)具身智能的遠(yuǎn)期潛力高度認(rèn)可，預(yù)計(jì) 2035 年國(guó)內(nèi)市場(chǎng)規(guī)模將突破 2000 億元 。越來(lái)越多的企業(yè)開始關(guān)注具身智能在不同領(lǐng)域的應(yīng)用，市場(chǎng)需求呈現(xiàn)出快速增長(zhǎng)的態(tài)勢(shì)。

———— /　END　/ ————

往期速遞

聲明：素材取材于網(wǎng)絡(luò)，如有錯(cuò)誤，不吝斧正。

歡迎關(guān)注我們并 星標(biāo)? ！喜歡，請(qǐng)點(diǎn)個(gè)推薦? ?? 。