具身智能理论 - 具身智能强调智能体的认知受感知与动作影响，主张智能行为来自身体与环境的交互，而非仅大脑功能[1] - 该理论与传统离身智能形成对比，后者基于笛卡尔身心二元论，忽视大脑与身体的联系[1] - 具身智能对认知科学、心理学、人工智能和机器人技术等领域产生深远影响[1] 人工智能发展历程 - 第一代人工智能基于知识与经验的推理模型，具有可解释性但应用受限[3] - 第二代人工智能采用数据驱动模型，通过大数据机器学习模拟人类感性行为，但存在不可解释等缺陷[3] - 2020年大语言模型出现标志第三代人工智能，在语言生成上取得突破，向通用人工智能迈出关键一步[4] 具身智能的优势 - 具身智能通过强化学习实现与环境的反复交互，优化决策和行动，弥补传统人工智能的不足[5] - 该理论将思考、感知与动作整合，使人工智能能在更广泛环境下完成复杂任务[5] - 具身智能推动机器人技术从单一感知向多模态感知发展，如自动驾驶汽车的多传感器融合[8] 机器人技术发展 - 1954年数字控制机械臂发明奠定现代工业机器人基础[7] - 1986年罗德尼·布鲁克斯提出行为主义机器人学，首次在机器人领域引入具身智能思想[7] - 具身智能推动机器人软硬件高度整合，催生人形机器人、装配机器人等多样化形态[8] 智能体概念应用 - 智能体理论将机器人思考、感知和动作连为一体，可在数字和物理世界完成任务[9] - 利用数字世界仿真可大幅提高机器人测试效率，如无人车实验[9] - 智能体间的博弈可实现机器自我进化，持续提升机器人性能[9]

具身智能概念解析 - 具身智能是人工智能领域前沿热点，首次被写入政府工作报告，强调智能与物理实体的结合[1] - 具身智能的对立面是离身智能（如ChatGPT/AlphaGo），区别在于能否通过物理身体与环境交互[1] - 具身智能需硬件载体，形态包括机械臂/机器狗/无人机/人形机器人等，其中人形机器人被视为最高形态[2] 技术特征与应用场景 - 工业领域：具身智能机械臂可自主识别零件位置/调整抓取力度，完成非标准化检修/柔性生产任务[3] - 极端环境：机器狗搜救/无人机火场定位/核污染探测机器人可替代人类执行高危任务[3] - 技术挑战：硬件成本高/电池续航短/复杂环境决策能力不足/人机协作安全性需毫米级精度保障[3] 行业动态与学术进展 - 75家机器人上市公司发布2024年报，行业竞争格局显现[6] - 学术研究聚焦微纳感知技术（孙立宁院士）与人形机器人具身智能发展（浙江大学熊蓉教授）[6] - 企业案例：越疆科技港股市值翻三倍，人形机器人领域价格战加剧[6] 技术突破与跨界融合 - 仿生机器人借鉴松鼠跨越地形能力，西木科技探索人形机器人新研究角度[6] - 机器人配送商业化落地：Uber Eats在日本推出机器人送货服务[6] - 国际前沿包括螳螂虾仿真机器人/3D打印软体手/cm级折纸机器人等创新形态[6] 产业趋势与政策导向 - 董凯处长研判机器人具身智能发展趋势，潘云鹤院士强调行为智能与产品智能结合[6] - 五眼联盟推进AI合作法案，3D打印固体火箭发动机等跨界技术涌现[6] - 行业面临洗牌：2023年55家上市公司业绩分化，2024上半年普遍承压但AI融合带来新机遇[6]

"具身智能"，无疑是今年的热词。 作为人工智能领域的前沿热点，"具身智能"被首次写入政府工作报告。学习新知识的同时，有些读者也 会问：具身智能大量出现在人形机器人的报道中，这二者是一回事吗？人工智能、具身智能、人形机器 人、智能机器人……这些新概念各自是什么意思？有何区别？ 具身智能究竟能帮我们做些什么？具身智能的价值，在于让"智能"从"会说话"走向"会做事"，真正融入 现实物理世界。它的应用场景，正从工业领域向日常生活、医疗、救灾等领域延伸。 比如，传统工厂的机械臂只能按预设程序重复动作，一旦零件摆放位置稍有偏差就会出错。有了具身智 能，机械臂就升级为"智能工人"，可以通过视觉传感器自行辨别零件位置，通过压力传感器感知抓取力 度，自主学习如何处理不同形状的物体，完成更多非标准化任务，如设备检修、柔性生产等。 又比如，在极端环境中替人冒险。机器狗进入地震废墟搜寻幸存者；无人机搭载热成像仪在森林火灾中 定位火源；轮式机器人在核污染区域采集数据——这些场景中，具身智能设备大有用武之地，可代替人 类在高温、高压、高辐射等恶劣环境中完成高危任务。未来，随着技术的进一步完善，具身智能设备很 可能成为灾害救援的先头部队。 ...

人工智能发展阶段 - 人工智能发展分为三个阶段：计算智能（已超越人类）、感知智能（当前阶段）、认知智能（未来方向）[2] - 行业已进入从"初级阶段"向"更高阶段"迈进的时期，重点发展具身化和推理能力[2] - 具身智能被视为通向通用人工智能的潜在路径，但尚未形成确定性结论[2] 人工智能发展历程 - 1956年达特茅斯会议首次提出AI概念，近70年经历3次起落[5] - 2010年ImageNet等学术突破推动AI热潮，2016年AlphaGo和2022年ChatGPT使AI进入大众视野[5] - GPT-4仅用90-100天完成训练，吞噬了人类50多年积累的互联网数据[5] 具身智能概念 - 具身智能不仅拥有物理形态，还能与物理世界互动，区别于传统AI[5] - 图灵提出两条AI发展路径：离身智能（抽象活动）和具身智能（通过身体感知实现）[12] - 具身智能需要感知环境、思考决策、身体协调、中枢控制能力，形成"感知-认知-决策-行动-感知"循环[14] 智能本质的认知演变 - 早期认为解决数学/棋类问题代表智能，现代AI已实现但被证明存在根本误区[9] - 现有AI依赖人类提供的数据和模型，缺乏自我判断、直觉、情感等人类独有属性[10] - 图灵测试因无法评估多维度复杂情境而不再适用，需开发更全面的智能评估方法[8] 具身智能的实现路径 - 人类与环境的互动需要通过躯体媒介完成，AI需赋予自主控制躯体才能形成真正意识[13] - 具身智能的"身体"不限于人形，可能呈现多样化物理形态[15] - 现代科技可加速具身智能进化，相比人类数百万年进化大幅缩短时间周期[15]

作者 | 张洪雷 题图 | 视觉中国 走进具身智能 1950年，当英国科学家图灵在《心智》(Mind)杂志发表《计算机器与智能》一文时，提出了科学史上最 深刻的一个问题： "机器会思考吗？ " 3月29日，金沙江创投朱啸虎在接受记者采访时表示，他们正在批量退出人形机器人公司。 此话一出，舆论哗然，此举不但否定了他自己过去看好的具身智能赛道，也跟当前该领域火爆的投融资事 件逆向而行。具身智能，到底是泡沫，还是万亿大市场？ 对于这个问题，我认为，应该加上一个时间条件。就像比尔·盖茨曾说过的那样，对于新技术，人们总是短 期高估，长期低估。短期来看，具身智能落地太难、应用太远，至少还需要一次范式革命才有可能商用。 而长期来看，人类又总是能够想出办法。 今年以来，AI的冲击与影响是无远弗届的。对于普通人来讲，一个好消息是，生成式人工智能带来的冲击 基本上也就到此为止了。哪怕后面各种大模型不断更新版本，也都只是个工具，只能取代一部分枯燥重复 的工作，根本无法完全取代人。 真正有可能完全取代人的，恰恰是朱啸虎当前正在退出的具身智能——它被认为是通向AGI的必由之路，一 旦真地经由它实现了AGI，那人类社会的方方面面，比如思 ...