“具身智能”被认为是人工智能竞争的重要领域。2025年的政府工作报告提出，建立未来产业投入增长机制，培育生物制造、量子科技、具身智能、6G等未来产业。行业数据显示，2024年全球人形机器人新品发布数量已超过106款，远超过去20年的总和，与之相伴的“具身智能”概念成为全世界追捧的热点。谷歌、特斯拉等一众国际知名企业纷纷布局该赛道，波士顿动力、宇树科技等新兴企业的产品更是吸睛无数。
作为拓展人类能力边界的“外骨骼”，具身智能的技术裂变究竟还有多远？
人形，不止于人形
“许多人第一次对具身智能有直观印象，就是看见春晚舞台上转手绢的机器人。”天津大学无人驾驶汽车交叉研究中心主任谢辉表示，人形机器人是该领域最具“显示度”的产品，可通过类似人类的身体结构，执行许多传统任务。
事实上，任何能够在物理空间中进行互动的机器人，都有望成为具身智能的载体，具身智能机器人的关键在于具身智能的底层技术，而非机器人的物理形状。“人形机器人是对于当前物理环境的友好解决方案之一，但不会是针对所有场景的最优方案，比如组装一辆汽车，人形机器人的效率就很难比机械臂高。”天津新松机器人自动化有限公司总经理高松表示，在工厂等结构化场景中，具身智能有很多外形不一的载体。
具身智能依托软件算法和物理载体，能够感知环境、做出决策并执行具体的任务。清华大学人工智能学院教授沈阳说，具身智能作为一种软硬件一体的特殊智能体，依赖的是多模态模型。“比如VLA大模型，V的视觉，L的语言，A的动作，形成一套感知决策行动的完整流程。”短期内，车辆很有可能成为具身智能最先投入大规模应用的领域。“通过传感器进行视觉识别，大模型与用户交互，最后落实在对汽车的机械操控上。”谢辉说。
从市场来看，全世界都对具身智能领域显示出浓厚兴趣。国际知名投资机构高盛预测，2035年人形机器人全球市场规模将高达380亿美元。我国北京、浙江、广东等多省市已经相继出台具身智能发展规划，力图打造领先的产业聚集区。工业和信息化部印发的《人形机器人创新发展指导意见》，提出到2027年产业综合实力达到世界先进水平、成为重要的经济增长新引擎等发展目标。
具身智能“成人礼”尚未到来
——通用平台和标准化认证缺乏，多数企业陷入“重复造轮子”。国讯芯微（苏州）科技有限公司首席技术官蒋琛表示，目前在具身智能领域，仍旧没有统一的技术标准和通用开发平台，这就使得多数企业都要从0到1独立研发，各地重复投入导致资源分散，影响产出效率。同时，硬件接口、通信协议、数据格式等缺乏统一规范，不同厂商的机器人本体构型与软件架构互不兼容，制约规模化应用。
——应用场景开放度不足，缺乏快速孵化条件。“机器人最终还是要用起来。”天津朗誉机器人有限公司董事长任志勇表示，研发端的企业和应用行业尚未打通，许多实际工况都未能真正纳入研发测试体系中，许多产品仍停留在“温室花朵”的阶段。高松认为，具身智能要真正走入生活，还需要在众多非结构化场景中积累数据，与ChatGPT等依赖文本数据的大模型不同，具身智能需采集真实物理环境的动态交互数据，其采集成本更为高昂。
——核心元器件自主化程度不足，复合型人才缺口扩大。北京大学智能学院副院长林宙辰坦言，在高端GPU、精密传感器、减速机等领域，我国企业的自主化程度依旧有待提高，对本土创新型人才的需求也随之增加。“又要懂编程，又要懂大模型，现在还要懂机械和自动化，这样的人才太少太少。”谢辉表示，伴随着多领域的交叉融合，行业的人才要求从双栖走向三栖，未来的门槛还将进一步提高。
——法律道德风险仍是未解之题。谢辉举例说，如果一台被植入了恶意程序的智能车辆接入网络中，可以生成并发送虚假的紧急消息，误导周围车辆的行驶路线、行车速度和前进方向等，从而制造交通拥堵与混乱，极端情况下甚至可以主动制造交通事故。对于这类智能机器可能造成损失的情况，责任归属边界依旧模糊，开发者、运营者等主体责任几何？这道“前置题”尚没有答案。
产业竞速先机何在
加强底层建设，构建龙头引领共建的行业生态。蒋琛等人建议，加强具身智能领域的开放平台建设，在底层代码、数据集等环节建立开源共享行业机制。主管部门宜组织龙头企业，鼓励开发从硬件到软件、从底层到应用层、从AI模型底座到3D数据集的通用开发套件。尽快制定国家级具身智能发展规划，加快标准建设，创建生态认证体系，推动技术加速迭代。
促进应用场景开放，提供高质量的现实数据。任志勇等人认为，具身数据无法从互联网海量内容中直接获取，而需通过真实的机器人操作来采集或高级仿真平台生成，因此需要较高的采集成本和广泛的应用场景支持。建议在柔性生产、医疗康养、公共安全、应急救援等领域开放政府、国企主导的应用场景，为广大企业提供测试平台。
强化高校、科研院所、企业的联合科研能力，为技术创新提供支撑。谢辉认为，高校要打破学科专业壁垒，对现有学科专业体系进行调整升级，重视跨学科课程建设和人才培养项目，如推出“人工智能+X”双学位项目等，打破传统学科专业界限，培养一批适宜人工智能领域的复合型人才。
加速建设前置治理体系，完善法律等安全防线。业内人士认为，构建责任明晰的治理框架，是具身智能安全投用的重要保障。一方面应在隐私数据保护、责任归属等方面进行充分论证并出台相关法律法规，避免监管真空；另一方面则应建立人工智能领域的预警及应急熔断机制，尽可能将风险及影响降至最低。
亿策略提示：文章来自网络，不代表本站观点。
