具身智能是人工智能（AI）與其他學(xué)科交叉融合發(fā)展的智能新范式，從字面可理解為“具身+智能”，通過(guò)賦予AI“身體”，能夠與現(xiàn)實(shí)產(chǎn)生交互，讓AI從僅存于數(shù)字世界的軟件算法走向真實(shí)的物理世界，并在物理世界也能呈現(xiàn)模擬人類甚至超越人類的智能水平。伴隨大模型的技術(shù)突破、硬件成本的降低、軟硬協(xié)同的不斷成熟，能夠主動(dòng)探索世界、認(rèn)識(shí)世界、改變世界的具身智能，有望成為邁向通用人工智能的重要驅(qū)動(dòng)力，同時(shí)不斷延伸和拓展AI邊界，實(shí)現(xiàn)“知行合一”。

2024年8月22日，2024世界機(jī)器人大會(huì)——具身智能產(chǎn)業(yè)趨勢(shì)與未來(lái)發(fā)展論壇上，中國(guó)信息通信研究院（簡(jiǎn)稱“中國(guó)信通院”）與北京人形機(jī)器人創(chuàng)新中心有限公司共同發(fā)布《具身智能發(fā)展報(bào)告（2024年）》。

報(bào)告致力于厘清具身智能的概念內(nèi)涵、演進(jìn)歷程、技術(shù)體系，通過(guò)梳理當(dāng)前具身智能技術(shù)發(fā)展現(xiàn)狀，研判分析具身智能應(yīng)用潛力與帶來(lái)的影響，并總結(jié)當(dāng)前產(chǎn)業(yè)應(yīng)用困難與挑戰(zhàn)，展望思維智能和行動(dòng)智能有機(jī)融合的無(wú)限可能。

報(bào)告核心觀點(diǎn)

1. 具身智能：依靠物理實(shí)體通過(guò)與環(huán)境交互來(lái)實(shí)現(xiàn)智能增長(zhǎng)的智能系統(tǒng)

當(dāng)前，針對(duì)具身智能各家觀點(diǎn)百花齊放，但都明確了“智能”的核心地位。因此，本報(bào)告從AI視角切入，認(rèn)為具身智能是指通過(guò)機(jī)器人等物理實(shí)體與環(huán)境交互，能進(jìn)行環(huán)境感知、信息認(rèn)知、自主決策和采取行動(dòng)，并能夠從經(jīng)驗(yàn)反饋中實(shí)現(xiàn)智能增長(zhǎng)和行動(dòng)自適應(yīng)的智能系統(tǒng)。

2. 具身智能與離身智能相互補(bǔ)充、協(xié)作發(fā)展共同促進(jìn)了對(duì)智能的理解、模擬與擴(kuò)展——具身智能時(shí)代有望來(lái)臨

結(jié)合人工智能的演進(jìn)歷程，具身智能的發(fā)展大致可以分為三個(gè)階段，即：早期萌芽階段（1950s-1990s），在對(duì)智能的激烈爭(zhēng)論和分立研究中，形成AI三大學(xué)派，尚未形成成熟的智能理論；技術(shù)積累階段（1990s-2022），隨著智能理論的完善、底層數(shù)學(xué)理論的深耕，AI三大學(xué)派從各自突破，逐步走向取長(zhǎng)補(bǔ)短的綜合性研究，為具身智能發(fā)展奠定理論和算法基礎(chǔ)；技術(shù)突破階段（2022年至今），以ChatGPT為代表大模型的通用知識(shí)和智能涌現(xiàn)能力為機(jī)器人實(shí)現(xiàn)智能感知、自主決策乃至擬人化交互方面帶來(lái)巨大潛力。當(dāng)前人們的關(guān)注點(diǎn)轉(zhuǎn)向如何將AI應(yīng)用于物理世界，并期望通過(guò)AI的“具身化”找到新的智能增長(zhǎng)點(diǎn)。

3. 具身智能技術(shù)尚處于多條路徑探索發(fā)展階段，可以類比于自然語(yǔ)言處理領(lǐng)域的“BERT”發(fā)展時(shí)期

具身智能技術(shù)體系可分為“感知—決策—行動(dòng)—反饋”四個(gè)模塊形成一個(gè)閉環(huán)，在與環(huán)境的不斷交互中，實(shí)現(xiàn)對(duì)環(huán)境的重構(gòu)映射、自主決策和自適應(yīng)行動(dòng)，并從經(jīng)驗(yàn)反饋中不斷學(xué)習(xí)進(jìn)化。

4. 具身智能將在技術(shù)涌現(xiàn)式創(chuàng)新和突破下，實(shí)現(xiàn)“一腦多形”“一機(jī)多用”

具身智能將成為與各行各業(yè)深度融合的創(chuàng)新驅(qū)動(dòng)力，其相關(guān)應(yīng)用有望快速擴(kuò)展至社會(huì)經(jīng)濟(jì)的各個(gè)層面，推動(dòng)著生產(chǎn)力的躍升和生活方式的變革。有望實(shí)現(xiàn)“一腦多形”即讓一個(gè)智能系統(tǒng)適配各種形態(tài)的物理實(shí)體，如智能機(jī)器人、智能車輛等; 將實(shí)現(xiàn)“一機(jī)多用”，即讓一個(gè)機(jī)器設(shè)備可以靈活地執(zhí)行多種任務(wù)，適應(yīng)多樣化場(chǎng)景。未來(lái)將從工業(yè)協(xié)作生產(chǎn)到柔性制造，從家務(wù)助手到醫(yī)療護(hù)理，從災(zāi)難救援到太空探索，深入融入人類社會(huì)。

5. 具身智能在感知與認(rèn)知、學(xué)習(xí)與泛化、計(jì)算能力、多任務(wù)處理、安全性、隱私保護(hù)以及人機(jī)關(guān)系等多個(gè)方面都面臨著挑戰(zhàn)   

算法層面：具身智能系統(tǒng)在實(shí)現(xiàn)通用智能時(shí)面臨兩大根本性挑戰(zhàn)。一是系統(tǒng)需要人類智能的介入，二是尚未實(shí)現(xiàn)感知到行動(dòng)間的認(rèn)知映射。數(shù)據(jù)層面：缺乏數(shù)據(jù)成為具身智能能力突破的重要壁壘。一方面，真實(shí)數(shù)據(jù)面臨獲取成本過(guò)高，廣泛、高質(zhì)量和多樣化的挑戰(zhàn)。另一方面仿真合成數(shù)據(jù)面臨“現(xiàn)實(shí)差距”——即模擬環(huán)境與現(xiàn)實(shí)世界之間的差異挑戰(zhàn)。軟件層面：缺乏統(tǒng)一的操作系統(tǒng)和標(biāo)準(zhǔn)化軟件開(kāi)發(fā)工具鏈。硬件層面：耐用性和能源效率以及與軟件的深度集成需求構(gòu)成了具身智能硬件發(fā)展的主要障礙。標(biāo)準(zhǔn)與合規(guī)層面：具身智能技術(shù)、評(píng)測(cè)、安全倫理等標(biāo)準(zhǔn)缺失，面臨信息安全、個(gè)人隱私等一系列倫理和社會(huì)學(xué)問(wèn)題。