7月26日，2025世界人工智能大会在上海举行。图为展览现场参观者与具身智能机器人互动。新华社发
7月9日，四川绵阳某工厂车间。一款名为“远征A2-W”的机器人正在流畅地搬运周转箱。它们灵活穿梭于货架间，稳当地将散落各处的周转箱搬运到指定位置。
更令人惊叹的是，当移动叉车突然驶过，或是工人临时走近作业区，他们还能灵巧避让。整个搬运过程中，机器人的动作自然顺畅，仿佛真的“看”懂了周围的工作环境，也“想”明白了怎么执行每个搬运步骤。
这种能让机器感知环境、理解任务并自主动作的能力，就是具身智能（Embodied AI）。如今，方兴未艾的具身智能机器人，正逐渐让机器从冰冷的程序执行者，蜕变成能在真实世界自主行动的“智能伙伴”。
能“看”能“想”能“动”
对于具身智能机器人的概念，大众或许仍感陌生。不妨设想一下这样一个场景——
你给家里的机器人下达指令：“把茶几上的空水杯拿到厨房去。”如果机器人只能沿着预设的路线移动，茶几被挪动了一点或者地上多了一个玩具，它就会迷路或者被玩具绊倒，就不能算是具身智能机器人。
面对同样的情况，具身智能机器人的反应是这样的——
它先用“眼睛”看，通过摄像头或其他“感官”扫描整个客厅，认出茶几，找到空水杯，还能定位厨房的位置。
再用“脑子”想，结合“拿”“空水杯”“厨房”的指令，它理解总结出“这是一个移动物体的任务”，随后进一步“思考”：如何抓握水杯才最稳当安全？如何规划避开地上物品的路线？甚至进行初步“推理”：主人让我把空水杯拿到厨房，很可能是要清洗，那么最好放到水槽旁。
最后“身体”动，它的机械臂会稳稳地抓起水杯，然后沿着规划的路线走向厨房，准确把杯子放好。
这个“感知—思考—行动”过程的闭环，正是具身智能机器人的核心功能：它将人工智能的“智慧”与机器实体的“动作”深度融合，实现信息世界和物理世界的互联。
支撑这一功能的，是众多智能技术的协同发展：让机器能看、听、触的多模态感知技术，理解重力、摩擦力等物理规律的世界模型技术，在动态环境中快速响应的实时决策与推理技术，以及让机器人既能认路又能灵巧操作的自主导航和精细控制技术等。
此外，还有将上述技术组合在一起的“快慢搭配”智能系统架构。
以“擦黑板”为例。“慢系统”如同深谋远虑的军师，负责拆解复杂命令：找到抹布，走到黑板前，规划擦拭的动作顺序。
“快系统”则像一名身手矫健的运动员，一旦“慢系统”定下大方向，“快系统”就能根据实时看到的黑板情况（哪里脏、哪里湿），精细地调整机械臂的微小动作和力度，确保擦得干净又不会划伤黑板。
这种“深谋远虑”加“眼疾手快”的组合，本质上是对人类大脑的慢速推理（前额叶皮层）和快速直觉（基底神经节）两种处理机制的模仿，让机器人在面对动态环境时更加游刃有余。
具身智能的精髓，还在于“做中学”。这就像一个蹒跚学步的孩子，跌倒了无数次才学会平衡。人类智力的增长依赖于身体与环境的互动，具身智能机器人同样需要在真实或模拟的世界里反复“练习”。
谷歌公司人工智能研究实验室DeepMind的Genie模型、英伟达公司的Issac Sim平台，以及我国人形机器人创新中心今年3月发布的“格物”平台，就是供具身智能机器人训练学习的“虚拟世界”。以倒水训练为例，在这个高保真模拟环境中，机器人可以反复观看人类操作视频，并进行成千上万次的模拟练习，不断调整抓壶力度、倒水角度和移动速度。
最终，当它在现实世界拿起水壶时，就能像经验丰富的服务员一样，把水一滴不洒地倒入杯中。这种模拟训练大幅降低了试错成本，加快了机器人习得技能的速度，是具身智能机器人走向实用化的关键一环。
从“笨拙”走向“灵巧”
事实上，具身智能机器人的发展过程是从笨拙走向灵巧的进化史，其核心是解决“机器如何理解物理世界”的终极难题。
1950年，人工智能之父艾伦·图灵在其论文《计算机器与智能》中首次提出关于具身智能的设想——真正的智能需要拥有物理实体，通过与世界的互动来学习和进化。
70多年后的今天，这一理念正通过具身智能机器人技术变为现实，将机器人从“执行工具”升级为“认知主体”。
其实，真正意义上关于具身智能技术的探索时间并不算长。
2018年，谷歌开始训练机器人学习抓取积木，但成功率不足30%，机械臂常把方块撞飞。
2022年，谷歌公司研发的RT-1模型与之前相比，有了明显的进步。机器人能理解诸如“把可乐放进冰箱”的多步骤指令，不过，当时的机器人如同需要手把手教的婴儿，想学会一个动作，需要为其反复演示上千次。
时间来到2024至2025年，具身智能机器人的发展迎来爆发期。例如，中国智平方公司推出RoboMamba模型，将机器人学习新动作的效率提升了数倍。以前研发人员需要大量演示才能让机械臂学会抓取新物体，现在只需微调参数就能使其快速掌握这项技能。
同期，开源社区也有了更大突破。美国斯坦福大学、加州大学伯克利分校、谷歌公司等联合推出OpenVLA模型，以不到主流模型七分之一的参数实现了更优性能。这意味着普通的研究者甚至学生，用消费级的显卡即可训练开发机器人算法，这极大促进了具身智能机器人的创新与普及。
今年，具身智能机器人迎来了“走出实验室”的关键节点：2月，武汉光谷“天问”机器人进入咖啡店“实习”，甚至可以制作咖啡拉花；而在美国，护士机器人Moxi已经在各地医院完成超过100万次医药配送；5月，美国特斯拉公司Optimus机器人开始在自有工厂“打工”，执行电池分装任务；7月，中国铁路设计集团研发的四足机器人，实现了对数据中心机房设备的高效自主巡检。
近日，两家具身智能机器人4S店分别落户北京和杭州。用户可以在店内体验、选购适合自身需求的“钢铁伙伴”，享受后续技能定制、软件更新和硬件维护服务。
从工厂车间里精准搬运的机械臂，到机房里自主巡检的机器狗，具身智能机器人正慢慢融入人类生产生活的多个方面。可以说，具身智能机器人不仅是机械躯体的进化，更是智能认知能力在物理世界的延伸。
化身人类“钢铁伙伴”
具身智能机器人正悄然卸下神秘面纱，化身我们身边的“钢铁伙伴”。工厂轰鸣的车间、温馨的居家角落、危机四伏的救援现场，甚至未来的无人战场，都将是它们可以大展拳脚的地方。
——工厂里的“超级工人”。训练后的机器人熟练度高，不会疲劳，未来可以替代人类从事繁重重复的搬运、组装等工作。
据统计，工厂车间里的“远征A2-W”机器人将搬运效率提升近30%，失误率却降至0.1%以下。这标志着具身智能机器人正开始成为切实提高生产力的“超级工人”。
——家庭中的“贴心帮手”。“奶奶，您该吃药了。”在深圳一家养老院，一台服务机器人来到老人身边，一边温和地发出语音提醒，一边稳稳地递上水杯和药盒。
虽然目前这些机器“保姆”还很稚嫩，但随着具身智能技术的升级，它们未来将学会整理房间、取送物品、陪伴聊天，甚至搀扶老人上下楼，并在紧急情况下自主呼叫医护人员。
——危险地带的“无畏先锋”。例如，杭州某公司推出的山猫M20轮足机器人，能轻松应对坎坷山路、泥泞湿地和废墟障碍，适应-20℃至55℃的环境。这类机器人可以替代人类完成很多高危作业，成为沙漠油田、戈壁电站、火灾现场等极端环境中的冲锋勇士。
展望明天，未来机器人的形态可能像瑞士军刀一样，能进行多功能灵活组合。例如，根据任务需要，给强大的智能“大脑”配上不同的“身体”部件：需要精细操作，就配上灵巧的“手臂”；需要和人类自然互动，就配上类人的形态；需要征服野外崎岖地形，就配上多足或轮腿结合的“脚”……
具身智能机器人的“头脑”也会越来越聪明。它们会感知到更多的环境因素，理解更多的物理规律和人类常识，完成更加复杂的任务，甚至能预测接下来会发生什么，需要怎么行动来提供帮助，与人类的互动也会更加自然顺畅。
更重要的是，技术的开放共享和高效的虚拟训练，将大幅降低其开发和训练成本。专家预测，在不远的将来，一些实用的家庭服务机器人价格或将大大降低，从而走进千家万户。
我们正见证一个人机关系重构的时代，具身智能机器人不会取代人类，而是拓展人类的能力边界——工人将从危险枯燥的流水线解放，士兵不再需要亲入雷区，老人可获得24小时照护……
具身智能技术的终极目标并非创造“替代人类的机器”，而是建立人机共生的新生态。当机器人能理解“请小心拿放，这是爷爷最爱的茶杯”背后的情感价值，能在火灾现场自主判断“优先抢救儿童卧室”的道德选择，技术才真正拥有了温度与智慧。