03
从 “离身” 智能到 “具身” 智能
智能形态的根本性变革
具身智能（Embodied Intelligence），是人工智能与机器人学交叉的前沿领域，简单来说，就是具有物理身体的人工智能，它能通过身体与环境的动态交互，在感知——动作——反馈中，形成任务技能与环境表征的能力。
中国科学院院士，清华大学人工智能学院院长张钹教授曾阐述过，传统人工智能属于“离身智能”，而“具身智能”强调的是来自智能体身体与周围环境的交互，它不仅仅是具备大脑的功能。
图6
比如像ChatGPT ，虽然它能够聊天，但它拿不起一块糖、一杯水……具身智能，顾名思义，就是让AI拥有一副能看、能动、能感知的身体，让它能够通过感知和试错去学会做事，而不是只在计算机内运算。
换言之，智能体是需要身体与环境的互动的，就像小宝宝通过摔跤学会走路，通过重复性练习，学会如何用勺子，如何使筷子，并从笨拙走向熟练。
它就像是孩子一样，需要先有人“示教”演示，把动作轨迹记录下来，机器人去学习，然后就是强加学习+仿真，这就需要在模拟器里反复试错，算法根据成败给予奖励，然后助其找到稳定策略，再迁移到真实场景中，真正的关键是触觉和力控的闭环，这就需要触觉传感器、力传感器和快速的控制回路等等，比如手在抓东西时能实时修正力度，避免把东西捏碎或滑落，当你看到一个机器人能把东西拿稳，能把衣服叠整齐，这背后是大量的演示数据和仿真反复训练以及实时修正……
从20世纪50年代以来，受限于当时的传感器精度和计算能力，AI 研究长期陷入“离身智能”的局限研究（认知）之中——即认为只要让计算机足够强大，就能仅凭数据和算法实现通用智能，到21 世纪初，随着传感器技术和算力的提升，具身智能才开始从理论走向实践。
04
技术解密
具身智能=实体+小脑+大脑
用这个通俗公式来拆解，虽然太过简单，但这种拟人化的类比，恰好能揭开其核心逻辑：
实体就是身体，小脑等于让具身智能拥有精准行动的 “运动中枢”，而大脑则是决策规划的 “认知核心”。（被咱们大家熟知的宇树机器人春节热舞，就属于“本体+小脑”这类范式……）
一、实体：具身智能的 “物理躯体”，且不止于 “有身体”
就像人的灵魂需要身体做载体一样，实体就是具身智能与物理世界交互的唯一载体。但它绝非简单的机械拼凑，而是 “感知器官 + 执行机构 + 结构骨架” 的有机结合。它的核心使命是 “精准感知环境、可靠执行动作”，如同人类的四肢与五官，是智能落地的基础。
如何能达到这种效果？
1是感知器官：给智能装上 “眼睛”等触觉器官。实体的感知能力依赖多模态传感器网络，就像人类的眼耳口鼻皮肤。像加速进化T1组成的足球战队，每个机器人要靠自己的“视觉”去找到球，还要识别场地的线，还要识别到球门，以及认清自己的队员和对方队员，总之这些感知数据都要给到机器人的大脑，然后让它决策接下来该做什么，是该往前冲还是补到防守位置……
据说特斯拉的Optimus Gen3 搭载了 8 个高清摄像头与指尖触觉阵列（密度超 200 点 /cm²），能同时识别物体形状并感知 0.1N 级的细微力度，这也是它能 “捏鸡蛋不碎” 的关键。
这些传感器如同神经末梢，将物理世界的温度、力度、空间位置等信息转化为数字信号，为 “大脑” 和 “小脑” 提供决策依据。
2是执行的核心部件：让动作从下指令到变执行。如果说传感器是 “输入端”，执行的一系列部件就是 “输出端”，包括关节驱动、灵巧手等核心部件。
媒体材料显示，特斯拉的 Optimus Gen3的手部自由度从 11 个翻倍至 22 个，采用后置执行器设计减轻手部重量，so,能轻松完成叠婴儿衣物这样的超精细操作，处理易碎物体的成功率达 99%……总之，这些设计能让实体从能移动升级为会动作，并从完成任务升级为精准完成任务。
3是结构骨架：平衡性能与场景适配性。实体的结构设计直接决定其适用场景。人形机器人因能适配人类环境成为主流：像加速进化T1，身高约1米1左右，体重大概30公斤左右，全身拥有23个自由度，属于专为踢足球场景设计的小型人形机器人，能完成踢球、俯卧撑、叶问蹲等动作，摔倒了也可以自主爬起来……特斯拉的Optimus Gen3，据公开资料显示，身高与咱们成人接近，大约是1米7左右、体重57公斤，能使用人类工具……
总之各种垂类场景催生了多元结构，比如四足机器狗，可以凭借四肢协同在废墟中攀爬；协作机器人可以用轻量化的手臂实现人机共线作业……
二、小脑：具身智能的 “运动中枢”，实现 “知行合一”
如果说大脑负责 “想不想做”，小脑就负责 “能不能做好”。
（用小脑类比，对应的是具身智能的运动控制层 ，它不处理复杂语义，却要将大脑的抽象指令转化为毫米级精准动作，核心是为了解决机器人的“平衡稳定、动作协调、实时响应” 三大问题。）
“小脑” 的核心竞争力在于对力度和精度的把控，这种控制能力背后是 “解耦式设计” 的突破。特斯拉 Optimus 的指尖触觉传感器能感知物体软硬质地，配合 “小脑” 的力控算法，可实现0.08mm 精度的操作，既能拿起20公斤重物，又能轻捏鸡蛋不碎。越疆 Dobot 的灵巧手则通过12个自由度的协同控制，将螺丝拧转误差控制 0.1mm 以内，比人工操作更满足对工业装配的精度……
而且，人类遇到突发情况会有本能反应，但具身智能的 “小脑” 会达成无需思考的肌肉记忆，比如波士顿的动力Spot机器狗，它在踩空时，能在100ms内，调动腿部关节调整姿态，这种 “条件反射” 式的控制，能让机器人在复杂地形中行走成功率提升。
这种能力的训练，老张在前文也有描述，它源于 “仿真 + 真实” 的训练闭环，如特斯拉是通过 Dojo超算，生成数千万帧工业场景合成数据，让 “小脑” 在虚拟环境中反复练习抓取、搬运等动作，形成类似人类肌肉记忆的控制模型，再迁移到真实场景中优化。
三、大脑：大模型，为具身智能注入“灵魂”
2022年以来，大模型的发展为机器人从“自动化工具”跃升为“具身智能体”提供了关键支撑。当前的大脑核心是多模态大模型与具身推理能力的结合。
传统机器人的“智能”是“碎片化”的，针对单一任务编写特定算法，换个场景就需要重新编程。
而大模型具备跨模态理解、知识迁移和上下文学习能力。研究人员通过“具身微调”让大模型“学会行动”，在虚拟环境中让大模型控制虚拟机器人完成任务，通过强化学习优化动作策略，再将经验迁移到真实机器人。
此外，传统机器人只能执行预设指令，而具身智能的 “大脑” 可以从 “听懂话” 到 “懂意图”。特斯拉Optimus 整合xAI的Grok4.0 模型后，能听懂 “把客厅玻璃杯装满40度以下温水” 这类包含温度、位置、物体属性的复杂指令，还能根据用户情绪调整动作幅度。
谷歌Gemini Robotics-ER 1.5 更实现了 “场景化理解”，接到 “打包行李” 指令时，会先上网查询目的地天气，再决定是否放入雨衣。
这种能力源于 “语言 + 视觉 + 物理” 的多模态融合。大脑不仅处理文本指令，还结合实体感知到的环境信息（如玻璃杯位置、室温）进行综合判断，避免了传统 AI “懂文字不懂现实” 的尴尬。
其次，复杂任务的拆解能力是 “大脑” 智能的核心体现。它能把 “大目标” 拆成 一个个的“小步骤”。
谷歌GR-ER 1.5 在执行 “分拣深浅色衣物” 任务时，会生成清晰的 “思考轨迹”：先识别衣物→分类深浅色→分别折叠→放入对应抽屉，若某一步失败（如抓取滑落），会自动修正策略。
这种规划能力依赖 “世界模型” 的构建。大脑通过实体与环境的反复交互，逐渐建立起 “物体属性——空间关系——因果逻辑” 的知识库，比如知道 “重物需双手搬运”“光滑表面易打滑”，从而规划出合理动作序列……
另外比较重要的一点是跨场景的泛化能力。传统机器人是 “场景绑定” 的专才，而具身智能的 “大脑” 能实现跨场景、跨硬件的能力迁移。
国内智元机器人的 “启元大模型” 能通过人类操作视频自主学习技能，从 3C 电子装配到家庭家务，只需更换实体载体即可快速适配场景。这种泛化能力打破了 “一台机器人对应一个任务” 的行业困境，是具身智能规模化落地的关键（目前这种能力也是研发中的难点和方向……）。
言而总之，具身智能的本质不是三个组件的简单叠加，而是 “感知——决策 ——行动——反馈” 的动态闭环。随着具身智能的发展，当然也有很多人在谨慎观之，但不得不说的是，当 AI 终于有了 “身体” 和 “思维”，它与人类的协作故事才刚刚开始……
05
具身智能形态多样
不止于人形
图7
虽然人形机器人备受关注，但具身智能并非只有 “人形机器人” 一种形态，而是根据应用场景演化出多元化的产品矩阵。
不同形态的智能体，正在各自领域发挥作用。
·人形机器人：作为具身智能的终极形态，人形机器人因能适配人类环境、使用人类工具而备受追捧。目前全球头部产品已形成中美竞争格局。
· 专用服务机器人：如扫地机器人，通过环境感知实现自主作业，成为具身智能最贴近大众的形态；如波士顿动力Spot 已在石油、矿山等领域应用，通过搭载不同载荷完成巡检任务。
· 仿生机器人：像蚂蚁灵波科技研发的如章鱼一样的“软体机器人”，用柔软材料制成，能钻进狭小管道完成检测。
· 微机器人：如Bee++、RoBeetle等微机器人，其智能行为源于结构动力学与环境的物理交互。
· 服务机器人：它也可以并入到专用机器人中，而且目前已经渗透到我们的日常生活中，如在餐饮、零售等场景。服务类具身智能产品已实现规模化的落地……
06
挑战与未来
具身智能的“GPT时刻”何时到来？？
07
商业化落地
各行各业头部公司
都在看具身机器人的机会
从国产商业化的角度来看，目前全行业都想做具身智能，只是大家进入这个行业的方式不一样。
数据显示，2025 年全球具身智能市场规模预计达 44.4 亿美元，2030 年将飙升至 230.6 亿美元……啧啧，一片蓝海，谁都想在风口上分一杯羹……
就老张知晓的，几乎各行各业头部的公司，都在找具身的头部公司并在找落地场景，做合作项目，做POC，或在找头部标的的机会，像富士康，包括阿里、京东等国内大鳄，都在这个赛道里投了大量搞具身的公司……
就在十月份，美团、京东都在这个行业里下了重注（不赘述了，大家可以看新闻……），一些腰部的场景方或者说是某些垂直赛道里面的场景方，比如做养老行业的泰康、酒店管理行业或者说制造业，大家也都在找能切到细分行业的头部公司……
（因为大家也意识到一个问题，对于有些企业来说，再不搞机器人，大家都属于制造业，属于落后产能，即使不属于落地产业，一些有野心的大公司、大企业也有很强烈的资本诉求，或朝着具身智能的方向转型，或满足自身企业发展所需，或是业务合作所需，又或是投资并购所需等等，以期更好的发展，更好的市值表现……）
总之呢，八仙过海、各显神通吧，大家都在抢占蓝海，具身智能这个领域已成为了一个全行业都想触碰的超级节点……
附带再八卦几句，有人的地方就有江湖，有江湖的地方就有骗子。随着这个赛道的热度，起码在一段时间内，具身智能这个行业的真话会越来越少，反之神马参数造假呐、性能夸大呐、“自研”套壳呐、订单交换呐……会层出不穷……（也都是之前玩儿剩的套路）……不过，都交给市场那只“无形的手”吧，终有一天当潮水褪去，胜者终会胜出，裸泳者即会淘汰……咳咳……
不聊了，又得吧了五六千字……就此打住…… 88~
文中不妥之处，也请大家不吝赐教、斧正。若有随想感思，也请大家评论区留言。thanks！抱拳！！！