作为人工智能的前沿领域,具身智能已经从实验室走向现实,逐步迈向产业化和规模化发展,在不久的未来势必带来诸多行业的变革。距离人手一台机器人,我们还有多远?特邀多位相关领域青年学者共同探讨这一话题。

　　嘉宾

　　李想　中国电子信息产业发展研究院电子信息研究所工程师

　　韩军徽　中国科学技术发展战略研究院副研究员

　　朱垚颖　清华大学人文学院讲师、北京大学人工智能应用与创新实验室研究员

　　方菁菁　浙江省发展规划研究院产业发展研究所高端装备研究室高级工程师

　　1、具身智能发展正处于关键阶段

　　主持人:近年来,机器人在我国工业生产、医疗服务、家庭陪伴等场景的应用日益广泛。能否请几位谈谈,当前我国的具身智能发展到了什么阶段,实现了哪些应用?

　　方菁菁:具身智能,可以按字面理解为“具身化的人工智能”:“具身”是前提,即具有身体且能通过交互来执行任务,有四足、轮式、人形等形态；“智能”是核心,即将人工智能技术嵌入到物体实体,让交互实现更高水平的智能。其中,人形机器人是具身智能的最佳载体之一。当前,大模型的高速发展为具身智能发展提供了技术基础,在继续优化运动机能的基础上,发展重心逐渐向提升智能度转变,形成了一批典型产品。比如,在竞争激烈的国际市场上,全球每销售10台机器狗中有7台为中国制造。像浙江的宇树科技作为中国四足机器人领域的领军企业,其机器狗产品在全球市场占据超60%份额；深度求索发布的DeepSeek系列开源模型,有效提升了国内大模型的复杂任务处理的能力,显著降低具身智能开发门槛,加速推动开源生态与行业应用结合。

　　李想:目前我国具身智能技术正处于从单点技术突破向系统集成与场景验证迈进的关键阶段。一是核心技术体系初步成型。通用人形机器人的组成可分为大脑、小脑和本体,其对应核心技术体系分别为具身智能大模型、运动控制系统、灵巧手及传感器等机械实体。近年来我国具身智能技术创新取得显著成果,截至目前,我国具身智能专利申请量超21.99万件,位居全球第一,占全球申请量约26.45%。二是场景验证从单一走向多元。工业制造领域,比亚迪工厂引入优必选Walker　S1机器人,实现全球首次人形机器人与无人物流车、无人叉车、工业移动机器人和智能制造管理系统的协同作业；消费服务领域,乐聚机器人与海尔联合推出家庭服务机器人Kuavo,可完成洗衣、浇花、晾衣服等任务,越疆科技灵巧手可完成倒牛奶、烤面包等100多种复杂任务；智能巡检领域,天创机器人T9-W防爆型在石化厂区检测气体泄漏,替代了高危环境人工巡检,并有效提升了运维效率；商业服务领域,擎朗智能具身服务机器人累计部署超10万台,覆盖全球60多个国家；智慧养老领域,杭州智元研究院研发的“髋部助行外骨骼”设备通过意图检测和人机交互技术,帮助腿脚不便的老年人走向户外。

　　2、具身智能规模化应用存在的主要障碍

　　主持人:从技术、产业和市场等角度来看,具身智能在拓展新场景、实现规模化应用方面还存在哪些障碍?

　　方菁菁:虽然具身智能各种指标性能在不断优化,但仍处于从实验室走向实际场景应用的过渡阶段,在技术层面存在几个难题。一是硬件门槛高,呈现“非标化”“高成本”。人形机器人核心硬件如脑机接口、电子皮肤、多维度触觉传感器等正从萌芽期过渡到发展期,还没有完全进入成熟期。各家人形机器人采用“非标化”部件,器件接入方式和通信交互方式多样,生产成本居高不下。二是软件算法难,亟须多模态融合、高性能提升。大脑端,仍然无法摆脱大模型固有的多模态融合难度大、高质量训练数据稀缺等问题,同时面临缺少统一底层控制基座,不同系统模块对接调度难度大等具身智能技术特有的问题。小脑端,泛化性不强、灵活度不高,无法满足工业制造和特种服务等场景快速高爆发移动、高精度技能作业、移动操作协同等要求。三是数据集需求大,面临采集成本高、处理分析难等问题。机器人需要在各种复杂物理环境中进行工作,需要机器人具备高度的适应性和学习能力,在真实环境中的交互数据不可或缺。收集数据耗费大量时间和资源,同时收集到的数据往往具有高度的多样性和复杂性,使得数据处理和分析变得更加困难。四是公共开放平台缺失,存在“无法验证”“无地测试”窘境。具身智能性能综合性评价体系尚未建立,人机交互、续航功耗、关节疲劳、越障避障等测试检测能力还未形成,无法定义精度的“高”、动作的“灵活”、产品的“好用”。设计、概念验证、打样、小试缺乏公共服务平台,影响产业化发展进程。

　　李想:市场方面,具身智能系统研发和制造成本高,硬件层需配备高精度传感器、高性能处理器,软件层需要大量算法研发与模型训练资源,致使产品价格超出多数潜在用户承受范围,也会抑制市场需求、阻碍商业化进程；具身智能应用场景丰富,但不同场景需求差异较大,难以构建统一通用的解决方案,增加产品研发和市场推广的风险；多数用户对具身智能的认知有限,对其实际功能、可靠性及安全性存在疑虑,尤其医疗、养老等安全需求较高的领域,传统人工服务模式长期占据主导地位,对智能体介入的接受程度较低,需要较长时间的市场培育与教育投入。

　　伦理与法律方面,具身智能设备在运行过程中会收集大量的用户数据,包括个人隐私、行为习惯等,数据存储、传输和使用等环节存在泄露风险,带来隐私与数据安全隐患；具身智能系统往往具有较高运动能力,可能会对周围人员和环境造成物理伤害,如机器人失控、操作失误等引发安全事故；具身智能系统涉及算法设计、硬件制造、用户操作多环节,一旦出现安全事故,责任难以清晰界定；具身智能的情绪价值设计可能引发情感依赖或伦理争议,需建立人机交互的价值对齐机制。

　　3、构建高效协同的具身智能产业生态

　　主持人:具身智能产业涵盖芯片、传感器、算法、机器人制造等众多环节,如何构建更加完善、协同性更强的具身智能产业生态,促进上下游企业共同发展,推动技术快速迭代和产品商业化落地?

　　韩军徽:构建高效协同的具身智能产业生态,必须协调发挥政府作用和市场作用。一方面,相关部门要牵头打造通用开发平台、构建统一的技术标准体系。具身智能产业既包括芯片、传感器、控制器等硬件基础,也包括人工智能算法、操作系统、云服务等软件系统。要加快建设具身智能检验检测和中试验证等通用开发平台以及源代码、数据集等开放共享平台,布局一批具身智能中试验证基地,支撑具身智能产品的工程化落地和产业化应用。

　　另一方面,要强化企业科技创新主体地位,构建企业主导的产学研用协同创新体系。特别是要发挥好具身智能领域科技领军企业的龙头作用,牵头整合产业链上下游企业,联合科研院所、大学等组建创新联合体,进而推动形成产业集群。相关部门除给予创新联合体一定支持之外,还要引导科研院所和大学加强对企业科技攻关的支撑,鼓励科研院所和大学以多种方式参与创新联合体科研攻关,包括人才交流、合作研究、合同研发等。

　　朱垚颖:具身智能的产业化和商业化不仅是技术问题,更是整个社会系统进行适配的过程,需要政府部门、技术研发者、相关产业从业者、研究学者乃至社会公众的共同参与。

　　在技术层面,要加快建立科学、有效、可推广的行业标准。工信部2024年发布新版《工业机器人行业规范条件》,对工业机器人的关键零部件标准和企业研发细节进行了引导,但目前和具身智能直接相关的技术标准还未被完全统一,技术规范问题亟待解决。

　　在市场层面,要加强公众对具身智能的认可度和信任度,加大媒体和行业宣传力度,增加市场对人工智能和机器人技术的认可度,鼓励各行各业以科学创新思维积极采纳相关智能技术,并在各类垂直场景中验证商业模式在可持续营利和高效率运转方面的可行性,避免进入“为智能而智能”的误区。

　　在伦理层面,要格外关注数据采集、数据分析等带来的风险管控问题,重视对用户数据和隐私的保护,也需要关注机器人替代传统劳动力的现象,努力平衡好技术效率提升和传统就业冲击的关系。

　　4、具身智能需要更多学科交叉型人才

　　主持人:具身智能发展需要大量专业人才,也对相关的高等教育领域、职业教育领域提出了智能化发展的要求。如何进一步激发社会公众对具身智能的兴趣,提升能力素养,培养更多相关领域的人才?

　　韩军徽:一是优化基础教育模式。例如,通过运用人工智能技术实现教学系统的智能化,基于青少年学生的不同特点,为其量身定制个性化的学习路径。鼓励青少年参与机器人竞赛、人工智能算法编程比赛、应用案例挖掘等实践性较强的趣味活动,激发青少年探索人工智能的兴趣。

　　二是构建终身教育体系。要加强学习型社会数字基础设施建设,推动构建泛在可及的终身教育体系。加快建立学习成果认证机制,探索建立终身教育学历学位授予机制。通过建设科普平台、打造体验中心、开展会展活动等,加强对具身智能等人工智能技术进展的科普宣传。通过宣传具身智能产品在智能制造、智能家居、智能医疗、智能服务等领域的应用实例,使社会大众更为直观地领略人工智能技术的魅力。

　　三是完善跨学科人才培养机制。具身智能涉及计算机、机械制造、大数据乃至认知科学、神经科学、心理学、人类学等多个学科,是典型的学科交叉前沿领域。培养具身智能相关人才,要对现有学科专业体系进行优化调整,打破学科专业壁垒,超常规布局急需学科专业,加强跨学科课程体系建设,强化科技教育与人文教育协同,着力培养学生运用多学科知识解决实际问题的能力。创新产学研合作培养模式,鼓励具身智能企业与科研院所、大学等合作,共同培养跨学科的交叉复合型和工程型人才。完善人工智能科研保障体系,优化相关人才评价机制,助力各类人才充分施展才华。加强具身智能领域海外高端人才的交流引进,健全人才服务体系,确保人才引得来、留得住。此外,在具身智能领域人才培养过程中,要注重强化伦理意识,健全相关法律法规、加强科技伦理教育,使具身智能技术切实造福社会。

　　(来源:《光明日报》)