具身智能指具备物理载体的智能体，强调智能体与物理环境的交互。
“具身智能（Embodied AI）”指有物理载体的智能体，在与物理世界的交互过程中，通过感知、控制和自主学习来积累知识和技能，形成智能 并影响物理世界的能力。 p 其关键在于“具身认知”，即该智能是通过身体和环境的交互过程中产生的，不能脱离实体，这是具身智能与离身智能的关键区别。 p 具身智能主要以各种智能机器人的形态出现，融合了机器人领域与计算机领域下的多个学科，是所有学科发展到相当成熟度之后才涌现出的能力。
具身智能机器人是我国发展新质生产力的未来产业新赛道，集成了AI、先进制造、新材料等先进技术，将对社会产业变革和全球竞争格局产生颠覆 性影响。 p 无处不在的应用潜力预示着庞大的市场需求、国家与地方长期的政策规划支持、核心零部件供应链完善形成集群效应、以及健康良好的人才和创业 生态，多方面因素推动我国成为具身智能技术发展的沃土。 p 当前，国内的高校院所、科技大厂、初创企业均在布局以AI大模型和人形机器人为代表的前沿领域，我国在具身智能领域已经走在国际前列。
各国均将以人形机器人为代表的具身智能上升到国家战略，通过跟进完善制度建设、提供资金补贴等方式推动技术发展。 p 国内相关政策主要围绕加快具身智能机器人重点场景应用、加强行业标准规范建设、设立专项财政与基金支持、加速人才引进与技术培育等方面， 通过政策推动，在短期实现核心零部件的技术突破，在长期建设丰富产业应用和生态。
新质生产力强调在科技创新的基础上大幅提升生产效率和创新能力，而具身智能技术作为人工智能和机器人技术的融合发展前沿，天然具备形成新 质生产力的关键内涵，是推动新质生产力发展的重要引擎。 p 具身智能技术契合着解决未来社会矛盾的刚性需求，有望解决如工场劳动力短缺、社会老龄化等问题，把人类劳工不愿从事的枯燥、高危劳动中解 放出来，并进一步推动全社会生产关系的改变与重塑。关注具身智能技术的发展对于我国实体经济高质量增长和国际产业竞争格局有着重大意义。
全球工业机器人整体仍然保持增长态势，其中中国工业机器人安装量一枝独秀，2023年安装量高达27.6万台，占全球安装总量的51%。 p 与此同时，来自国产品牌的工业机器人供应商也得到了快速发展，本土供应商已经近乎占领一半的国内市场。 p 人工智能与机器学习技术的进步，将进一步放大机器人对人类劳动力的替代作用，在灵活、柔性、非标的层面展现更大的应用价值。
随着人工智能算法的发展，尤其是多模态大模型技术的突破性进展，将显著加速机器人产业的发展，提升机器人的智能水平，使得机器人能够自主 进行判断和识别，执行复杂的多阶段语义推理任务。不仅提高了机器人的泛化能力，也快速推动了人形机器人通往量产的进程。 p 根据Gartner技术成熟度曲线，当前的具身智能仍处于技术萌芽期，虽然受大模型技术的推动成为科技产业的热点，但是初创公司技术和商业化路 径还没有找到有效方案，在成本、技术等层面仍然需要攻坚克难。
以人形机器人为代表的具身智能机器人是链接虚拟数字世界和现实物理世界的最佳载体，是虚实融合的理想产物，其性能表现也高度依赖于软件与 硬件的全方位进化。 p 从基础材料科学到人机交互技术，从多模态感知大模型到高精度机器人运动控制算法，软硬件多个层面的技术积累与快速进步，让具身智能在 2023年后迅速让世界看到其应用潜力与应用可行性。
从“大脑-小脑-肢体”的架构来看，分层模型通过不同层次模型协作，利用底层硬件层和中间响应快的小模型弥补上层大语言模型的不足，推动机 器人在实际场景的应用，并越来越多地采用基于学习的控制方法。 p VLA等端到端模型能够直接实现从人类指令到机械臂执行，即输入图像及文本指令，输出夹爪末端动作。 p 分层式路线一度是主流选择，因为端到端路线受数据制约难以达到性能要求；机器人数据正在逐步积累，端到端路线在未来可能成为主流。
通过多学科的融合发展，具身智能已经展现出了赋能人类经济生活各方面的能力与潜力，但产业链各环节的发展与应用水平不一，仍然给具身智 能的整体发展带来了多维度的挑战。 p 机器人的智能化水平仍受到现有方法与能力的制约，其感知能力、执行能力、学习能力、自适应能力、硬件性能、验证方法等受限于技术水平与 产业链现状，虽然展现出了潜力，但距离实际落地应用仍有较远的距离。
高质量的数据是训练高性能具身智能机器人的基础，联盟与开源数据集的建设将有力推动相关技术的进步和应用落地，加速整个行业的增长。 p 通过行业联盟、跨界合作等方式，共同构建高质量、大规模的具身智能数据集，解决数据稀疏和碎片化的问题。 p 开源数据集能够降低研发成本，加速技术迭代，吸引更多开发者参与，促进创新生态的繁荣。
世界模型能够辅助具身大模型进行训练，提供的训练型的仿真：其生成的视频交给具身大模型，具身大模型通过它的规划执行接下来的动作，接下 来的动作交互产生新的场景、新的视角，再通过世界模型继续生成新的数据，进行闭环仿真的测试，成为具身智能机器人的“演武场”。 p 另一方面，以NVIDIA新发布的Cosmos世界基础模型为例，WFMs能够为自动驾驶、具身智能机器人等多种AI模型提供符合物理规律的逼真数据， 大幅度降低数据采集与标注的成本，充足的“弹药”有望在未来极大地加速具身智能的学习速度。 p 在世界基础模型技术的发展推动下，具身智能的浪潮似乎有望来得更快一些。
