導(dǎo)讀：具身智能作為人工智能領(lǐng)域的前沿方向，正從技術(shù)驗證邁向?qū)嶋H應(yīng)用，并深度融入各類實體場景，展現(xiàn)出廣闊的產(chǎn)業(yè)革新潛力。當(dāng)前，全球主要國家均已將具身智能納入科技發(fā)展戰(zhàn)略，推動相關(guān)技術(shù)突破與產(chǎn)業(yè)化落地。具身智能不僅是技術(shù)發(fā)展的必然趨勢，更是推動社會智能化轉(zhuǎn)型的重要力量。隨著應(yīng)用場景的不斷拓展和產(chǎn)業(yè)生態(tài)的完善，它將在全球范圍內(nèi)掀起新一輪科技革命，為經(jīng)濟(jì)高質(zhì)量發(fā)展注入強勁動能。
本篇將分享中國工程院院士于海斌、中國工程院院士，中國圖象圖形學(xué)學(xué)會理事長王耀南、中國科學(xué)院院士張鈸對于“具身智能”的見解。
2025具身智能與智能機(jī)器人技術(shù)演進(jìn)、
挑戰(zhàn)與未來趨勢研判
人工智能（AI）自1956年達(dá)特茅斯會議正式提出以來，經(jīng)歷了數(shù)次技術(shù)浪潮與寒冬。于海斌院士指出，AI的發(fā)展可分為四個階段：符號邏輯推理階段（1950s-1980s）：以知識表達(dá)和專家系統(tǒng)為核心，但受限于知識獲取的困難，最終因?qū)嵱眯圆蛔氵M(jìn)入第一次寒冬。 神經(jīng)網(wǎng)絡(luò)連接階段（1980s-2000s）：辛頓（Geoffrey Hinton）等人提出反向傳播算法，推動神經(jīng)網(wǎng)絡(luò)發(fā)展，但受限于算力和數(shù)據(jù)，應(yīng)用場景有限。 深度學(xué)習(xí)階段（2010s至今）：以卷積神經(jīng)網(wǎng)絡(luò)（CNN）和斯坦福大學(xué)李飛飛團(tuán)隊構(gòu)建的ImageNet數(shù)據(jù)庫為標(biāo)志，AI在圖像識別等領(lǐng)域?qū)崿F(xiàn)突破，識別率從60%提升至超越人類水平。具身智能（Embodied AI）階段（2020s起）：AI從純數(shù)據(jù)驅(qū)動轉(zhuǎn)向與物理世界交互，強調(diào)智能體通過身體、環(huán)境與任務(wù)的協(xié)同實現(xiàn)認(rèn)知與行為進(jìn)化。
圖靈早在計算機(jī)理論初期即提出兩種智能路徑——“離身智能”（如ChatGPT依賴純數(shù)據(jù)推理）與“具身智能”（需與物理設(shè)備結(jié)合）。然而，具身智能因技術(shù)復(fù)雜度高長期滯后，直到機(jī)器人學(xué)、神經(jīng)科學(xué)和心理學(xué)的交叉融合為其提供了新思路。
環(huán)境交互與智能發(fā)育的必然性：以一項科學(xué)實驗來印證環(huán)境交互與智能發(fā)育呈現(xiàn)正相關(guān)性，該實驗反饋了智能的成長依賴與環(huán)境的動態(tài)互動作用。 來自麻省理工學(xué)院兩位研究人員，把兩只小貓放進(jìn)了一個圓桶內(nèi)，兩只小貓都在圓筒內(nèi)部繞圈運動。第一只小貓是白己走的；第二只小貓則被放在與柱體中心軸相連的小盒子里。兩只小貓看到的東西完全相同。結(jié)果顯示只有靠自己身體運動的小貓發(fā)育出了正常的視力。這進(jìn)一步印證了“心靈手巧”的逆向邏輯——肢體動作的靈活性（如操作工具）會反向促進(jìn)認(rèn)知能力的提升。
具身智能三位一體的智能框架：具身智能強調(diào)“大腦-身體-環(huán)境”三位一體。其中大腦負(fù)責(zé)高層決策與意圖理解（如大語言模型），身體通過傳感器與執(zhí)行器實現(xiàn)物理交互（如機(jī)械臂、仿生關(guān)節(jié)），環(huán)境提供動態(tài)反饋與訓(xùn)練場景（如仿真平臺、真實物理空間）。三者協(xié)同構(gòu)成閉環(huán)，使智能體能夠通過試錯學(xué)習(xí)適應(yīng)復(fù)雜任務(wù)。
從“感知智能”到“行動智能”的跨越：傳統(tǒng)AI擅長靜態(tài)感知（如圖像識別），但缺乏對物理世界的動態(tài)響應(yīng)能力。波士頓動力（Boston Dynamics）的Atlas機(jī)器人通過深度學(xué)習(xí)與強化學(xué)習(xí)結(jié)合，實現(xiàn)了翻越障礙、適應(yīng)地形變化等復(fù)雜動作，標(biāo)志著具身智能在運動控制領(lǐng)域的突破。
數(shù)字人：中國通用人工智能研究院開發(fā)的“數(shù)字人通通”模擬人類從嬰兒期開始的成長過程，通過與虛擬環(huán)境的交互（如聽覺、觸覺反饋）實現(xiàn)認(rèn)知進(jìn)化。這一嘗試為研究人類智能發(fā)育提供了新范式，但也引發(fā)倫理爭議——若機(jī)器人通過環(huán)境交互自主進(jìn)化，人類是否可能失去控制？ ?
機(jī)械臂與大語言模型的融合：谷歌RT-X平臺將大語言模型（LLM）與機(jī)器人操作結(jié)合，使機(jī)械臂能夠理解自然語言指令（如“整理房間”），并自主分解任務(wù)步驟（識別雜物、分類歸置）。這一技術(shù)已在疊衣服、精細(xì)裝配等場景中展現(xiàn)潛力，但其泛化能力仍受限于物理規(guī)則與數(shù)據(jù)多樣性。
人形機(jī)器人的爭議與前景：馬斯克力推的Optimus人形機(jī)器人引發(fā)兩極評價。支持者認(rèn)為人形是通用化的終極形態(tài)，可適配人類環(huán)境（如樓梯、工具），而質(zhì)疑者指出其成本高昂、技術(shù)冗余（如多關(guān)節(jié)驅(qū)動難題）。
人形機(jī)器人的核心價值在于“本體硬件”與“智能算法”的協(xié)同突破。例如，開源算法（如波士頓動力的運動控制模型）大幅降低了本體研發(fā)門檻，而黃仁勛（英偉達(dá)CEO）布局的具身智能訓(xùn)練平臺，或?qū)⑼苿有袠I(yè)標(biāo)準(zhǔn)化。
智能駕駛與低空經(jīng)濟(jì)：盡管全無人駕駛面臨地面環(huán)境的極端復(fù)雜性（如突發(fā)行人、不規(guī)則道路），但網(wǎng)聯(lián)汽車的輔助駕駛（如車道保持、自動泊車）和低空經(jīng)濟(jì)（無人機(jī)物流、巡檢）已成為更可行的商業(yè)化方向。
在機(jī)器人技術(shù)路徑未來發(fā)展趨勢探討方面，于海斌院士表示未來人形機(jī)器人肢體部分有很大的提升空間，如基于高能量密度的仿生驅(qū)動肢體。仿照人類心臟的高效供能機(jī)制，研發(fā)微型液壓驅(qū)動與仿生肌肉，如德國費斯托的氣動機(jī)械臂就是一個很好的參考方向，該機(jī)械臂核心優(yōu)勢在于其高精度控制與仿生設(shè)計的融合，擁有12個自由度，動作柔性且穩(wěn)定，部分型號搭載AI技術(shù)實現(xiàn)自我學(xué)習(xí)優(yōu)化，電磁閥壽命超3000萬次，具備良好的性能和耐用性。
此外，生物融合也是未來機(jī)器人發(fā)展趨勢。未來，我們可以通過培養(yǎng)生物細(xì)胞構(gòu)建具有感知與驅(qū)動能力的“類器官”產(chǎn)品，盡管其生存環(huán)境要求苛刻，但為軟體機(jī)器人提供了新思路。
小腦主要作用在于提升人形機(jī)器人的運動協(xié)調(diào)能力，運動控制依賴海量物理數(shù)據(jù)，而真實環(huán)境訓(xùn)練成本過高。目前國內(nèi)已經(jīng)有相對成熟的平臺進(jìn)行機(jī)器人的模擬訓(xùn)練，如國家地方共建人形機(jī)器人創(chuàng)新中心開發(fā)的，異構(gòu)人形機(jī)器人訓(xùn)練場通過“虛擬-現(xiàn)實”遷移學(xué)習(xí)（Sim2Real），使機(jī)器人能在低成本場景中預(yù)訓(xùn)練動作（如行走、跳躍），再遷移至真實環(huán)境微調(diào)。
大腦提供決策模型與機(jī)器人的認(rèn)知能力，目前多模態(tài)感知技術(shù)是主要方案，該方案融合視覺、觸覺、力覺傳感器，提升環(huán)境理解的全面性。在具體案例方面，北京大學(xué)電子學(xué)院程翔教授團(tuán)隊提出的“機(jī)器聯(lián)覺”系統(tǒng)，通過智能融合通信與多模態(tài)感知信息，有效提升了機(jī)器人在復(fù)雜環(huán)境中的感知、決策與通信能力。
如何解決大模型“災(zāi)難性遺忘”問題，實現(xiàn)機(jī)器人的終身學(xué)習(xí)方式。愛丁堡大學(xué)提出的增量強化學(xué)習(xí)框架是一個很好的解決“災(zāi)難性遺忘”的解決方案。它能夠在保持已有知識的基礎(chǔ)上，通過逐步增量式地更新策略，快速適應(yīng)新環(huán)境或新任務(wù)，從而顯著提升機(jī)器人在動態(tài)變化環(huán)境中的學(xué)習(xí)效率和性能表現(xiàn)，無需從頭開始重新訓(xùn)練整個模型。
未來十年，具身智能的算法與訓(xùn)練平臺將快速發(fā)展，而硬件（如高精度傳感器、仿生關(guān)節(jié)）受限于材料與工藝，進(jìn)步速度相對緩慢。企業(yè)需優(yōu)先布局軟件生態(tài)（如仿真平臺、數(shù)據(jù)鏈），而非盲目投入硬件研發(fā)。
此外具身智能缺乏統(tǒng)一理論體系（如認(rèn)知科學(xué)的世界模型），但場景驅(qū)動的工程化應(yīng)用（如倉儲機(jī)器人、醫(yī)療外骨骼）將率先落地。國家需推動跨機(jī)構(gòu)協(xié)作，解決數(shù)據(jù)確權(quán)與模型共享難題。
在通用終端的終極形態(tài)方面，人形機(jī)器人未必是唯一答案，具身智能可能通過“一腦多機(jī)”模式賦能多樣化設(shè)備（如工業(yè)機(jī)床、家用電器）。例如，同一AI核心可同時調(diào)度無人機(jī)群與地面機(jī)器人，實現(xiàn)任務(wù)協(xié)同。
在倫理與安全方面，若具身智能體通過環(huán)境交互自主進(jìn)化，可能超出人類預(yù)設(shè)的邊界。行業(yè)需提前建立倫理規(guī)范（如行為約束算法、人機(jī)權(quán)責(zé)界定），避免技術(shù)失控風(fēng)險。
具身智能正在讓AI從“虛擬大腦”向“物理實體”迭代，在技術(shù)演化的道路上，需要更加關(guān)注技術(shù)創(chuàng)新的有效性與產(chǎn)業(yè)化的可落地性。正如于海斌院士所言：“藍(lán)海的意義在于未知，而未知需要勇氣與智慧并存。”對產(chǎn)業(yè)從業(yè)者而言，打破學(xué)科壁壘、深化理論突破，聚焦場景剛需、參與生態(tài)共建或?qū)⒊蔀閾屨枷葯C(jī)的關(guān)鍵。
中國工程院院士于海斌在沈陽“創(chuàng)新聚沈·向陽而行”大會上的分享實錄
我們正處于智能化時代，從機(jī)械化時代的工業(yè)1.0，到電氣化時代的工業(yè)2.0，再到信息化的工業(yè)3.0，現(xiàn)在我們正邁向工業(yè)4.0智能化的時代。在這個時代背景下，工業(yè)機(jī)器人、服務(wù)機(jī)器人和特種機(jī)器人發(fā)揮著越來越重要的作用。智能機(jī)器人已廣泛應(yīng)用于工業(yè)制造、國防安全、智能服務(wù)和智慧農(nóng)業(yè)等各個行業(yè)，呈現(xiàn)出同步發(fā)展的趨勢，并具有廣闊的應(yīng)用前景。
在過去的幾十年里，工業(yè)機(jī)器人發(fā)揮了重要作用。而為了解決服務(wù)機(jī)器人的問題，人類與我們共同走向了人形機(jī)器人的研發(fā)之路。
那么，為什么要發(fā)展人形機(jī)器人？人形機(jī)器人主要模仿人的形態(tài)、運動和功能，可以與人進(jìn)行交流。它不僅模仿了人的外形、外觀和行為，還是一種通用的智能機(jī)器人，是國際公認(rèn)的人工智能、高端制造新材料等尖端技術(shù)的集成者，也是科技競爭的制高點和未來的新賽道。
我們預(yù)判人形機(jī)器人將成為繼個人計算機(jī)、手機(jī)和智能汽車之后新一代智能終端，可能形成萬億級市場。因此，我們關(guān)注產(chǎn)業(yè)化路徑，提出了人形機(jī)器人發(fā)展的主要動力來自于需求牽引和整機(jī)帶動。應(yīng)用場景，如智慧農(nóng)業(yè)、醫(yī)療、家庭服務(wù)等，是推動人形機(jī)器人發(fā)展的關(guān)鍵。整機(jī)研發(fā)是主攻方向，軟件和硬件必須協(xié)同，以培育一個完整的生態(tài)，進(jìn)而帶動產(chǎn)業(yè)鏈、創(chuàng)新鏈和人才鏈的發(fā)展轉(zhuǎn)型升級。
在關(guān)鍵技術(shù)突破方面，我們將人形機(jī)器人的發(fā)展劃分為大腦、小腦和肢體三個方面。大腦主要解決復(fù)雜環(huán)境感知決策、人機(jī)交互以及提升機(jī)器人的學(xué)習(xí)適應(yīng)能力。小腦，即過去的控制系統(tǒng)，主要負(fù)責(zé)運動建模、復(fù)雜控制以及各種形態(tài)的控制。而肢體方面則是整機(jī)和部件的共同發(fā)展。
未來，人形機(jī)器人開發(fā)工具要形成大產(chǎn)業(yè)，必須具備大模型訓(xùn)練數(shù)據(jù)標(biāo)注軟件和應(yīng)用軟件。這樣我們可以將機(jī)電一體化考慮在內(nèi)，形成人形機(jī)器人的發(fā)展路線。
我們2020年提出的人形機(jī)器人架構(gòu)是一個云網(wǎng)端架構(gòu)的系統(tǒng)，大腦負(fù)責(zé)多模態(tài)模型建模、強化學(xué)習(xí)、地圖創(chuàng)建和數(shù)據(jù)訓(xùn)練。數(shù)據(jù)訓(xùn)練端作為云端大腦，訓(xùn)練完成后，通過網(wǎng)絡(luò)高速互聯(lián)互通進(jìn)入人形機(jī)器人機(jī)構(gòu)本體。機(jī)構(gòu)本體的小腦則重點管理表情計算、視覺控制、感知信息等各種驅(qū)動手和關(guān)節(jié)的控制，形成一體的小腦控制。
環(huán)境感知：人形機(jī)器人的環(huán)境感知部分主要涉及各種傳感器的研發(fā)，包括內(nèi)部傳感器、慣導(dǎo)傳感器、立位傳感器、皮膚傳感器、外部傳感器、視覺傳感器、激光雷達(dá)傳感器以及聲學(xué)傳感器等。
執(zhí)行器：執(zhí)行器部分涉及驅(qū)動電機(jī)和靈巧手等執(zhí)行機(jī)構(gòu)。研發(fā)動力部件、驅(qū)動減速器等關(guān)鍵零部件對于人形機(jī)器人的發(fā)展至關(guān)重要。
小腦開發(fā)：小腦負(fù)責(zé)機(jī)器人的運動控制，從傳統(tǒng)的模型驅(qū)動轉(zhuǎn)向數(shù)據(jù)驅(qū)動。通過強化學(xué)習(xí)，機(jī)器人小腦變得更加靈活，加速了控制器的開發(fā)。
大腦開發(fā)：大腦負(fù)責(zé)感知、控制、傳感和控制一體，涉及高級決策核心。通過多模態(tài)模型建模、強化學(xué)習(xí)、地圖創(chuàng)建和數(shù)據(jù)訓(xùn)練，大腦能夠管理和協(xié)調(diào)機(jī)器人的各種功能。
近年來，人形機(jī)器人發(fā)展迅速。通過感知、傳動、算一體的端到端大模型學(xué)習(xí)和訓(xùn)練大腦，人形機(jī)器人得到了更多的活力。大模型使人形機(jī)器人可以解決復(fù)雜規(guī)劃問題，具備情感、精準(zhǔn)執(zhí)行能力和理解人的意圖等優(yōu)勢。此外，具身智能的發(fā)展也加速了人形機(jī)器人的多模態(tài)交互和學(xué)習(xí)能力。
經(jīng)過研判，今年人形機(jī)器人規(guī)模發(fā)展非常迅速，但仍處于艱苦的爬坡過坎階段。從市值分析，目前中國在人形機(jī)器人產(chǎn)值尚未達(dá)到預(yù)期。從分布角度來看，國內(nèi)人形機(jī)器人的地域分布相對集中，主要集中在沿海發(fā)達(dá)地區(qū)，包括重慶中部地區(qū)和南部地區(qū)。我們更多地需要通過形成產(chǎn)業(yè)生態(tài)鏈、創(chuàng)新鏈和上下游聯(lián)動，以推動人形機(jī)器人的大發(fā)展，形成真正的新三板。
回顧過去，我們團(tuán)隊在1985年就開始研發(fā)機(jī)器人，主要采用模型驅(qū)動，如神經(jīng)網(wǎng)絡(luò)模型驅(qū)動的機(jī)器人智能控制。然而，開發(fā)周期緩慢，需要完成多個程序。為了改善控制能力，我們設(shè)計了模糊神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)作為輔助修正學(xué)習(xí)。現(xiàn)在，我們需要融入新技術(shù)，如深度強化學(xué)習(xí)和大模型驅(qū)動，以加速人形機(jī)器人的開發(fā)周期。
那么，AI大模型如何賦能人形機(jī)器人開發(fā)？將AI大模型賦能到人形機(jī)器人，需要注意幾個方面。首先，通過這個模型提升人形機(jī)器人的自然語言交互，使機(jī)器人能夠與人進(jìn)行自然語言的交互理解。其次，需要識別復(fù)雜場景視覺感知。第三，需要對動作和規(guī)劃進(jìn)行精準(zhǔn)把控。最后，需要進(jìn)行自主學(xué)習(xí)提升來完成任務(wù)。
人形機(jī)器人與其他機(jī)器人的最大不同，在于它需要具備情感計算和表達(dá)能力。大模型為機(jī)器人注入了新的活力，使人形機(jī)器人具備了情感表達(dá)和分析能力。
未來，人形機(jī)器人行業(yè)還有很多工作需要完成。我們應(yīng)該聯(lián)合企業(yè)、政府、高校和研究所，共同梳理和發(fā)力，讓人形機(jī)器人真正走向生活、智能制造和國防等領(lǐng)域。
首先，我們需要打破訓(xùn)練數(shù)據(jù)大模型之下的壁壘，充分利用他人的優(yōu)勢進(jìn)行開發(fā)。其次，我們可以采用小模型進(jìn)行分布式開發(fā)。最后，我們需要探討如何高效地應(yīng)對大模型的多模態(tài)企業(yè)特征、提升端到端控制的通用性和訓(xùn)練效率、保障模型的泛化能力和可解釋性等問題。
為了實現(xiàn)這些目標(biāo)，我們需要研究人工智能大模型，推動人形機(jī)械一體化發(fā)展。我們需要設(shè)立一個開源數(shù)字底座，涵蓋計算智能、感知智能、認(rèn)知智能、決策智能、行為智能以及真正的具身智能。這個底座應(yīng)該具備感知、認(rèn)知、思考、分析、判斷、推理和交互功能，以推動人形機(jī)器人具備智能自主操控性。
此外，未來的人形機(jī)器人還需要具備情商和智商兼?zhèn)涞奶攸c。數(shù)字人與機(jī)器人的有機(jī)結(jié)合將是未來的發(fā)展趨勢。數(shù)字人已經(jīng)在各個領(lǐng)域廣泛應(yīng)用并形成產(chǎn)業(yè)化，我相信實體人形機(jī)器人也將與數(shù)字人一樣在數(shù)字空間和實際中發(fā)揮作用。為了實現(xiàn)這一目標(biāo)，我們需要取得突破，在數(shù)字人具備群智兼?zhèn)涞幕A(chǔ)上，還需要解決腦認(rèn)知驅(qū)動的情感激勵、多模態(tài)前置大模型融合的解釋建議以及個性化情感的表征與動態(tài)等科學(xué)問題。
總之，通用人形機(jī)器人的發(fā)展需要多學(xué)科交叉協(xié)同創(chuàng)新，突破運動、操作、智能三大專業(yè)技術(shù)。我們應(yīng)該攜手共進(jìn)，無論是企業(yè)、高校還是科研院所，都應(yīng)該共同努力推進(jìn)人形機(jī)器人的發(fā)展。讓我們攜手艱苦攻關(guān)，實現(xiàn)通用人形機(jī)器人的夢想！
中國工程院院士、中國圖象圖形學(xué)學(xué)會理事長王耀南在2024機(jī)器人和智能制造技術(shù)與標(biāo)準(zhǔn)創(chuàng)新發(fā)展（杭州）大會上的報告實錄
具身智能是指一種思想或者理論。它強調(diào)認(rèn)知受智能體的感知與動作的影響，主張智能或智能行為來自智能體身體與周圍環(huán)境的交互，而不僅僅是大腦的功能。這種思想與建立在笛卡爾身心二元論基礎(chǔ)上的離身智能不同，后者沒有考慮大腦與身體之間的聯(lián)系。具身智能理論對認(rèn)知科學(xué)、心理學(xué)、人類學(xué)、藝術(shù)等都產(chǎn)生了深刻的影響，由此誕生了具身認(rèn)知、具身心理學(xué)等分支學(xué)科。當(dāng)前，具身智能理論深入到大眾關(guān)注的人工智能、機(jī)器人技術(shù)等領(lǐng)域，并產(chǎn)生重大影響。
早期人工智能研究者認(rèn)為，機(jī)器可以通過對符號的操作實現(xiàn)對人類思考（理性行為）的模擬，即讓機(jī)器像人類那樣思考，無需考慮身體和環(huán)境。他們把人工智能定義為模擬人類的智能行為，除了模擬思考之外，還包括感知、動作，以及情感與靈感等。由于他們認(rèn)為思考和身體、環(huán)境是分離的，因此在模擬這些行為時，是各自獨立進(jìn)行，沒有考慮行為之間的相互聯(lián)系。人工智能的另一學(xué)派內(nèi)在主義，主張人工智能應(yīng)該模擬人類大腦的工作原理，我們通常稱之為類腦計算。這個學(xué)派也沒有考慮思考、感知與身體的關(guān)系。因此傳統(tǒng)人工智能中的兩大學(xué)派都屬于離身智能。
具身智能則認(rèn)為人類的智能行為不僅依賴大腦的思考，還需要通過與物理環(huán)境的交互來進(jìn)行學(xué)習(xí)和決策，最后通過感知將執(zhí)行的結(jié)果反饋到大腦，形成閉環(huán)，構(gòu)成一個智能體，這樣才能真正實現(xiàn)模擬人類智能行為的目標(biāo)。具身智能這種思想的提出，與傳統(tǒng)人工智能不同，將推動人工智能向更高的水平——通用人工智能發(fā)展。
人工智能的發(fā)展歷史，經(jīng)歷過三個階段。第一代人工智能提出以知識與經(jīng)驗為基礎(chǔ)的推理模型，通過這一模型來模擬人類的思考。這一模型具有可解釋性與可理解性的優(yōu)點，但由于知識表示與獲取的困難，該模型在應(yīng)用和產(chǎn)業(yè)化上受到很大限制。第二代人工智能提出數(shù)據(jù)驅(qū)動的模型，通過基于大數(shù)據(jù)的機(jī)器學(xué)習(xí)，實現(xiàn)對人類感性和情感行為的模擬。由于模型的圖像、語音等輸入數(shù)據(jù)來自客觀世界，因此具有很大的應(yīng)用潛力，但由于模型本身存在不安全、不可靠、不可信（不可解釋）、不可控和不易推廣等缺陷，因此應(yīng)用范圍有限。雖然科學(xué)家在這期間也進(jìn)行過模擬人類動作，比如手的操作與腳的步行等研究，但沒有將這些研究與思考、感知等其他方面聯(lián)系起來。總之，這兩代人工智能都有很大的局限性，而且只針對特定領(lǐng)域、利用特定模型去解決特定任務(wù)。
2020 年大語言模型的出現(xiàn)，把人工智能推向新的發(fā)展階段——第三代人工智能。大語言模型具有強大的語言生成能力，使機(jī)器能夠在開放領(lǐng)域下實現(xiàn)與人類的自由交互，這表明機(jī)器已經(jīng)完全掌握了人類的語言。此事意義重大。正如哲學(xué)家維特根斯坦所言：“我的語言界限，就是我的世界界限。”機(jī)器一旦掌握了人類的語言，也就在某種程度上理解了人類的世界。大語言模型向通用人工智能邁出了關(guān)鍵一步。
盡管人工智能在語言生成上取得成功，在許多其他任務(wù)上還不能實現(xiàn)領(lǐng)域的通用性。比如醫(yī)療診斷，目前我們還沒有開發(fā)出適用于各種疾病的計算機(jī)醫(yī)療診斷系統(tǒng)。另外，大語言模型只會說（生成語言），不會干（行動）。還有大量的任務(wù)，特別是復(fù)雜的任務(wù)，人工智能目前還無法完成。我們離真正的通用人工智能仍有一定距離，其原因就在于，傳統(tǒng)人工智能對人類（大腦）的思考、感知與動作等方面的模擬是相互分開的，而且與環(huán)境隔離。具身智能則強調(diào)物理身體、環(huán)境感知與反饋的重要性，并通過它們實現(xiàn)與外部世界的交互。這正好彌補了傳統(tǒng)人工智能的不足，使機(jī)器通過與環(huán)境的反復(fù)交互，逐漸學(xué)習(xí)適應(yīng)環(huán)境并優(yōu)化其決策和行動，不斷迭代，完成更多、更復(fù)雜的任務(wù)，這就是新的學(xué)習(xí)范式——強化學(xué)習(xí)。由此可見，具身智能將使人工智能在更廣泛的環(huán)境下，完成更多的任務(wù)，向通用人工智能邁進(jìn)。
機(jī)器人的研究遠(yuǎn)在人工智能誕生之前。 1954 年，科學(xué)家發(fā)明數(shù)字控制可編程的機(jī)械臂，為現(xiàn)代工業(yè)機(jī)器人打下基礎(chǔ)，也預(yù)示著現(xiàn)代機(jī)器人的真正誕生。 在人工智能的發(fā)展過程中，雖然也將模仿人類動作納入研究范圍，但由于當(dāng)時研究的重點是思考與感知，動作（身體）并沒有受到很大關(guān)注。 后來，機(jī)器人研究慢慢形成一個新領(lǐng)域——機(jī)器人學(xué)，與人工智能中的動作研究同時存在。 機(jī)器人學(xué)研究的范圍更寬，也更多關(guān)注技術(shù)、實際應(yīng)用和產(chǎn)業(yè)化。 1986 年，移動機(jī)器人的先驅(qū)羅德尼·布魯克斯提出了行為主義機(jī)器人學(xué)的主張，他認(rèn)為傳統(tǒng)的符號主義人工智能過于依賴復(fù)雜的推理系統(tǒng)，忽視了身體與環(huán)境的互動對智能行為的關(guān)鍵性貢獻(xiàn)。 可以說，這是在機(jī)器人領(lǐng)域首次提出具身智能思想。
其一是推動機(jī)器人技術(shù)從單一感知（如視覺或觸覺）向多模態(tài)感知發(fā)展。 自動駕駛汽車需要在各種氣候條件和復(fù)雜環(huán)境下行駛，全天候的環(huán)境感知極為重要。目前除了利用單一的攝像機(jī)之外，人們更多地考慮多傳感器融合，即除攝像機(jī)之外，還要綜合利用激光掃描儀、雷達(dá)、聲吶、衛(wèi)星定位等不同傳感器，以保證感知的可靠性。同樣，對機(jī)械手來講，也需要利用觸覺、力覺、力矩覺等多傳感器的融合，以便在復(fù)雜環(huán)境下實現(xiàn)復(fù)雜操作，比如，裝配、搶險救災(zāi)、排雷等。
其二是推動機(jī)器人技術(shù)更加關(guān)注軟件與硬件的高度整合。 為了適應(yīng)不同工作任務(wù)的需求，我們需要設(shè)計不同類型的機(jī)器人，如為家庭服務(wù)的人形機(jī)器人，擁有靈巧雙手的裝配機(jī)器人，擁有特殊功效的仿生機(jī)器人等。不同類型的機(jī)器人需要不同的控制技術(shù)，也會導(dǎo)致不同的學(xué)習(xí)和感知方式，這反過來又影響機(jī)器人形態(tài)的設(shè)計。這些都屬于機(jī)器人軟硬件協(xié)同的問題。
其三，具身智能中的智能體概念對機(jī)器人技術(shù)也將產(chǎn)生重要影響。 根據(jù)智能體這一概念，機(jī)器人將思考、感知和動作連為一體，既可以在數(shù)字世界中也可以在物理世界中完成任務(wù)，利用數(shù)字世界又可以對物理世界進(jìn)行仿真，這些對推動機(jī)器人的發(fā)展意義重大。比如，無人車的實驗如果在物理世界中進(jìn)行，就要受到氣候條件、突發(fā)事件等諸多因素限制，利用仿真模擬則會大大提高效率，節(jié)省時間與費用。利用智能體理論，我們可以讓機(jī)器人相互之間進(jìn)行博弈，實現(xiàn)機(jī)器的自我進(jìn)化（迭代），使機(jī)器人的性能不斷提高。
中國科學(xué)院院士、清華大學(xué)教授張鈸在《人民日報》發(fā)表的文章