鄭南寧院士（左一）與團隊成員討論星表非結構化建模仿真系統技術細節。 　　西安交通大學供圖

2026中關村論壇年會期間，北京中關村展示中心常設展上，一台配備了靈巧手的機器人在展示穿針引線。 　　本報記者 張武軍攝

　　習近平總書記指出，人工智能是世界經濟增長的新引擎和新舊動能轉換的加速器，正從“數字世界”走向“物理世界”。

　　“十五五”規劃綱要把具身智能列為未來產業之一。從實驗室走向生產線、再走向更復雜的行業場景，人工智能正在經歷一場重要轉變，發展為能夠在物理世界中持續交互、學習與進化的智能形態——具身智能。在人工智能重塑人類生產生活范式的今天，如何認識具身智能？具身智能怎樣影響未來？

　　本期“院士講科普·未來產業”邀請中國工程院院士、西安交通大學人工智能與機器人研究所所長鄭南寧，圍繞熱點問題進行解讀。

——編  者

　　

　　人工智能的重要發展方向之一，是讓機器不僅能處理信息、推演復雜問題，也能在真實多變的環境中靈活完成各類任務。

　　從工業生產線上的精細操作，到復雜地形中的自主行走，再到展演環境中的動態運動……近年來，機器人頻繁出現在各種場景中。在這些能力背后，人工智能正在經歷一場重要轉變：從能夠“計算”走向能夠“行動”，並進一步發展為能夠在物理世界中持續交互、學習與進化的智能形態——具身智能。

　　需要明確的是，具身智能不等於人形機器人，人形只是載體之一。其關鍵在於智能系統能否真正進入真實環境，形成“感知—認知—決策—行動—反饋”的閉環，並在這一閉環中不斷調整自身行為，並通過學習改善內部模型和策略。因此，評價具身智能的標准，不在於形態是否“像人”，而在於是否能真正解決現實世界中的問題。

　　具身智能是什麼？

　　像嬰兒一樣認識世界

　　理解具身智能，一個最直觀的方式，是回到嬰兒認識世界的過程。

　　嬰兒不會先學習概念或語言，而是通過不斷觸摸、抓取、跌倒和重新嘗試來建立對世界的理解。嬰兒的認知並不脫離身體，而是在身體與環境的互動中逐步形成：視覺提供空間結構，觸覺提供物理反饋，運動經驗不斷修正對世界的預測。

　　智能並不是隻存在於“腦”中的計算過程，而是身體與環境相互作用的產物。因此，身體不只是執行指令的工具，更是認知系統的組成部分，參與感知、理解與行動的整個過程。這種“身體參與認知”的結構性特征，構成了具身智能的內涵。

　　一個具身智能系統通常由3部分構成：感知系統（視覺、觸覺、力覺等）負責獲取環境信息，決策系統負責形成理解與規劃，執行系統（機械臂、移動平台等物理實體）負責作用於物理世界。三者形成閉環，使系統能夠在行動中學習，而不是僅依賴離線數據訓練。

　　大語言模型代表的“數據驅動智能”與這一機制相比，有明顯差異。當前的大模型更像“書房中的智能體”，主要擅長語言生成與知識表達，但並不直接作用於物理世界。而真實世界具有高度不確定性，例如光照變化、遮擋干擾、材料差異與環境擾動，都要求系統具備持續適應能力。具身智能並不是對現有模型的簡單擴展，而是推動我們重新審視身體、行動與環境在智能形成中的作用。

　　具身智能並非今天才出現。我國1986年實施的國家高技術研究發展計劃（863計劃）中，自動化主題就已明確提出研制精密裝配機器人、水下作業機器人、復雜惡劣環境作業機器人，這些機器人都必須面對真實環境並完成閉環操作，它們正是早期具身智能的雛形。

　　近年來，隨著算法進步、算力提升以及多模態數據的豐富，這一方向才真正具備規模化工程實現條件。

　　能力如何進化？

　　從“看懂世界”到“改變世界”

　　具身智能要讓機器真正“進入世界並在世界中行動”，需要多種能力，可以從4個方面概括：

　　——世界模型的形成。系統需要在內部構建一個可模擬環境，使其能夠在行動之前預測與推演，從而評估不同決策可能帶來的結果。這種能力使智能系統從被動響應轉向具有前瞻性的主動決策。

　　——多模態表征能力。現實世界的信息來源具有高度異質性，包括視覺、語言、觸覺與聲音等多種形式。具身智能需要將這些信息整合到統一的語義空間，從而形成整體性理解。

　　——因果推理能力。當前大模型主要基於統計相關性進行學習，對因果結構的把握仍然有限。因此，模型作出的判斷有時在語言上看似合理，但在物理世界中並不成立。這也是人工智能幻覺的來源之一。具身智能必須進一步建立穩定的“動作—結果”的因果鏈條，才能在復雜環境中可靠運行。

　　——生成與行動一體化能力。隨著生成式人工智能的發展，逐步出現將視覺、語言與動作統一建模的端到端系統，使機器人能夠根據自然語言指令生成動作策略，並通過控制系統和執行機構付諸行動，再根據環境反饋持續修正。

　　在這一框架之下，當前系統仍然存在一定局限性：許多模型仍停留在單一信息域的處理階段，難以實現真正意義上的跨模態統一。因此，一個更具前沿性的方向正在形成，即推動“信息—物理—認知”三域融合建模，使智能系統逐步具備更接近人類的整體認知結構，從而形成對世界的深層理解，並支撐其在物理環境中的推理與行動閉環。這一方向也代表了具身智能向更高層次發展的重要路徑，但其實現仍面臨多方面挑戰：一是黑箱問題，模型決策過程的可解釋性不足﹔二是算力與部署矛盾，大模型難以在邊緣設備實時運行﹔三是產業生態尚未成熟，標准體系與接口規范仍處於演進階段。

　　與此同時，具身智能的發展還依賴兩大基礎條件：一是高質量多模態數據作為“燃料”，二是高逼真仿真環境作為“練兵場”。通過仿真訓練再遷移到真實世界已成為重要技術路徑，但如何縮小仿真與現實的差距，仍亟待解決。

　　怎樣影響未來？

　　從“實驗室”走向“應用場”

　　具身智能的價值，最終必須在現實應用中體現。

　　在工業制造領域，一個重要趨勢正在形成：智能系統正在從執行工具轉向意圖驅動系統。在這種系統中，工藝參數可以直接進入智能模型，用於分析生產過程中的優化空間﹔系統可以扮演“數字檢驗工程師”的角色，對產品質量進行實時監控，並參與生產調度﹔通過傳感器與數字孿生技術，整個生產過程可以在虛擬空間中同步映射，實現全流程可視化與可追溯。

　　當前，制造體系正在從單點自動化走向全流程閉環。這種結構性變化，本質上就是具身智能在工業體系中的落地形態。

　　在醫療與康復領域，智能系統正在成為醫生的重要輔助工具，參與微創手術、康復訓練等。在城市治理與公共安全中，無人機與地面機器人協同執行基礎設施巡檢任務，在橋梁、電網、管道等高風險環境中替代人工作業。在家庭場景中，具身智能逐步進入日常生活，承擔陪護、教育與基礎家政服務功能。在交通領域，自動駕駛系統通過感知環境、構建世界模型、進行路徑規劃並控制車輛運動，是當前最接近規模化應用的具身智能形態之一。

　　具身智能的本質，並不是讓機器“像人”，而是讓智能真正進入現實世界，在復雜、不確定環境中形成持續學習與適應能力。從數據驅動的大模型，再到面向物理世界的具身智能，人工智能正在經歷從符號世界、數據世界到真實世界的連續演化過程，從“看懂世界”進一步走向“在世界中成長”。

　　我國在具身智能領域已形成政策引導、技術突破與產業應用協同發展的良好格局，但在基礎理論、原始創新與開源生態方面仍需提升。具身智能作為高度交叉的前沿方向，需要長期投入與持續突破。面向未來，具身智能讓機器既“懂世界”又“能行動”，將深刻改變生產方式與生活方式，成為推動產業變革和社會發展的重要力量。

　　（作者為中國工程院院士、西安交通大學人工智能與機器人研究所所長，本報記者張丹華採訪整理）

　　《 人民日報 》（ 2026年08月08日 05 版）