写给小白的“具身智能”入门科普

根据业界有关机构的数据，2023年，全球人工智能（AI）机器人市场规模达到143.0亿美元，预计到2032年，将达到824.7亿美元左右，复合年增长率为21.50%。

最近具身智能这个概念很火。那么，究竟什么是具身智能？它包括哪些类别和关键技术？

通过这篇文章，我们来深入了解一下。

什么是具身智能

“智能”，大家都懂，也就是AI。那么，什么是“具身”？

“具身”是一个很小众的名词，通常都出现在哲学、认知科学领域。它的英文叫Embodied，是embody的过去式和过去分词。

em-表示“进入，使……”，-body表示“身体”。组合起来，就是“使……进入身体”。

Embodied Intelligence（具身智能），顾名思义，就是“使智能进入身体”、“给智能一个身体”的意思。

那么，具身智能，是不是就是“AI+身体”呢？

这样说并不准确。

根据业界的普遍共识——具身智能，除了物理身体之外，更关键的是在于能够“与环境进行交互，在交互中不断调整优化”。

也就是说，具身智能是一种基于物理身体进行感知和行动的智能系统。它通过实体智能体与环境的交互，获取信息、理解问题、做出决策，并实现行动，从而产生智能行为和适应性。

本体、智能、环境，被称为具身智能的三要素。AI领域著名大佬李飞飞也曾明确指出：“具身的含义不是身体本身，而是与环境交互以及在环境中做事的整体需求和功能。”

举个例子来解释一下：

我们通过手机和电脑使用的大模型（例如ChatGPT和DeepSeek）或虚拟智能体（AI Agent），擅长处理文字、图片、视频等数据，能与我们进行交流并输出信息，功能非常强大。然而，手机和电脑的感知能力很弱，行动能力几乎为零。所以，无法与环境进行交互。

这种智能，就不是具身智能，而是离身智能（Disembodied Intelligence，智能和身体分离、解耦）。

我们打造一个实体机器身体，在上面部署了AI大脑。如果，只有感知能力（有摄像头、传感器等），没有行动能力（没有手、脚、轮子等），或者，只有行动能力，没有感知能力。那么，它也不属于具身智能。

只有同时具备了AI大脑，以及有感知能力、行动能力的身体，能够和外部环境进行实时互动，才是真正的具身智能。

具身智能的发展历程

具身智能并不是一个新概念。它的起源，可以追溯到1950年。

那一年，著名科学家艾伦・图灵发表了经典的《计算机器与智能》一文，标志着人工智能理论的奠基。在这篇论文的最后两个段落里，图灵展望了人工智能未来可能的两种发展途径。一种是比较抽象的、像下棋所需的智能，一种则是拥有最好的感官、能学习甚至能说英语的智能。

没错，这两种智能，分别就是离身智能和具身智能。

在那之后，人工智能经历了非常波折的发展阶段。受限于当时的科技发展水平，人工智能的主要研究方向，还是以离身智能为主。

至于身体（机器人），当时完全是一条独立的技术路线，没有什么智能可言，行动能力很弱，感知能力更弱。