2025年度流行語第二！“具身智能”到底是什么？

12月2日，《咬文嚼字》編輯部發(fā)布2025年度十大流行語，“具身智能”以高票位列第二。這一結(jié)果恰與時代浪潮形成深刻呼應——作為具有物理載體、能通過身體與環(huán)境交互實現(xiàn)感知決策行動一體化的智能形態(tài)，它不僅重塑著漢語詞庫結(jié)構(gòu)，更標志著人工智能從虛擬算法邁向?qū)嶓w智能的關(guān)鍵轉(zhuǎn)折。《咬文嚼字》主編黃安靖指出，這類智能相關(guān)語詞的涌現(xiàn)，印證了人工智能對世界的深刻改造。

而在科技政策領(lǐng)域，2025年更迎來里程碑時刻：具身智能首次被寫入《政府工作報告》，與量子科技、6G等共同列為重點培育的未來產(chǎn)業(yè)。作為“十五五”規(guī)劃明確的新增長點，這一信號迅速激活全產(chǎn)業(yè)鏈活力，從國家實驗室的前沿攻關(guān)到智能制造的場景落地，具身智能正以政策為帆、技術(shù)為槳，駛?cè)胍?guī)模化發(fā)展的黃金航道。

從ChatGPT驚艷亮相到DeepSeek全球走紅，大語言模型的突破讓人們見證了離身智能的潛力；而2025蛇年春晚舞臺上，人形機器人扭秧歌的場景，則讓具身智能走進大眾視野。如今，人類已完成人工智能初級階段的積累，正式邁向更高階段——正如人工智能誕生之初的愿景，打造擁有物理形態(tài)、能與現(xiàn)實世界互動的智能體。

具身智能這條路徑，能通向通用人工智能（AGI）嗎？邏輯學、統(tǒng)計學、神經(jīng)科學和計算機科學等領(lǐng)域研究者分別從符號主義、聯(lián)結(jié)主義和行為主義三大綱領(lǐng)出發(fā)探索答案，那么，打造通用人工智能是否需要第四種綱領(lǐng)，還是依靠這三者的融合就能解決？

深耕物聯(lián)網(wǎng)與智能系統(tǒng)研究數(shù)十年的清華大學教授、新晉中國科學院院士劉云浩，長期聚焦智能體與物理世界交互研究，在他所著的《具身智能：人工智能的下一個浪潮》中，我們能透過這一熱點話題，讀懂人工智能的過去、現(xiàn)在與未來。本書與當下政策導向、行業(yè)熱潮形成精準同頻，為這場科技革命注入了權(quán)威學術(shù)注腳。

何謂“具身智能”

說了這么多，到底什么是具身智能呢？

這一概念最先淵源于艾倫·圖靈，那位公認的“計算機科學之父”與“人工智能之父”。1950年，圖靈在他的經(jīng)典論文《計算機與智能》中就展望了人工智能可能的兩條發(fā)展道路：一條路徑是專注于抽象計算所需的智能，比如讓機器下國際象棋；另一條路徑則是為機器配備最佳的傳感器，教機器說話，使其可以與人類交流并像嬰兒一樣“成長”。

這兩條道路，分別對應著“離身智能”與“具身智能”。不過，“具身”的含義并非指字面上的“身體”，而是指通過身體的感知來實現(xiàn)的智能。離身智能缺乏實體“軀體”，只能與預設的數(shù)據(jù)進行互動，無法從與環(huán)境的真實互動中獲得“常識”。只有賦予它能自主控制的軀體，并讓它像普通個體一樣融入物理世界和人類社會，它才能形成真正的自我感覺和意識。

在圖靈理論的基礎(chǔ)上，人工智能學界衍生出了三大學派。符號主義學派借助邏輯推理和算法操作，依據(jù)物理符號系統(tǒng)假說和啟發(fā)式搜索原則來解析智能。它關(guān)心的是智能的心理和邏輯結(jié)構(gòu)，即心智的抽象和計算層面。聯(lián)結(jié)主義學派采用生物仿生學的方法，致力于通過模擬生物大腦的結(jié)構(gòu)來探索智能的秘密。它關(guān)注的是智能的生理承載，即大腦的實際組織結(jié)構(gòu)。而行為主義學派則通過研究“感知—行動”模式，強調(diào)環(huán)境反饋與智能行為之間的直接因果關(guān)系，從而揭示智能。這一學派并不關(guān)心智能的生理或邏輯結(jié)構(gòu)，而是專注于智能的行為表現(xiàn)。

由于行為主義學派認為智能和認知不僅僅與大腦的功能有關(guān)，而且與身體結(jié)構(gòu)和環(huán)境的互動密切相關(guān)，因此，智能始終是具體的、身體化的，必須建立在與環(huán)境互動的具身智能身體的基礎(chǔ)上，而不是單純存在于抽象的思考之中。“具身智能”終于登上了歷史舞臺。

實現(xiàn)具身智能的五大步驟

那么，從當下主流的理論出發(fā)，具身智能如何讓自己的“身體”與“智能”緊密聯(lián)結(jié)在一起呢？書中認為，這可以分為五個相互聯(lián)系的環(huán)節(jié)：感知、認知、決策、行動、進化。這些環(huán)節(jié)真實模擬了人類與外部環(huán)境發(fā)生交互的過程。

感知：機器學習模型如何能夠更好地模擬人類的感知智能？關(guān)鍵在于整合具身經(jīng)驗，讓機器能夠在真實世界的復雜環(huán)境中學習和適應。科學家們發(fā)現(xiàn)，動物的物理身體，以及身體在與環(huán)境交互中的體驗，對感知的形成有著意想不到的重大影響。通過讓機器1∶1地進行生物學模仿，并在真實世界中實時互動和適應復雜環(huán)境的變化，不僅能讓它學習特定的動作和模擬相應的反應，而且能夠理解這些行為背后環(huán)境因素和上下文，從而真正實現(xiàn)高級的感知和認知功能。這種對復雜真實世界情境的模擬和交互，或許是實現(xiàn)真正智能機器的關(guān)鍵步驟。

認知：在探討機器認知時，一個至關(guān)重要的概念就是“世界模型”。它是智能體對外部環(huán)境的一種內(nèi)部表示，包括了智能體所掌握的關(guān)于世界的知識、規(guī)則以及預期。當前階段，機器學習世界模型的過程主要涉及兩個步驟：表征學習和預測。表征學習就像是機器的大腦進行初步加工處理，從原始的高維數(shù)據(jù)（如圖像、文本）中提取出更加簡潔和抽象的特征表示，而一旦學習到了這些抽象的表征，機器就能使用這些數(shù)據(jù)來建模和預測現(xiàn)實世界。

決策：機器在做決策的時候，需要“決策模型”的支持，它通常與以下三個方面緊密相關(guān)：（1）任務目標：這是決策的出發(fā)點和歸宿，它定義了智能體要達成的最終目的。（2）環(huán)境狀態(tài)：智能體需要理解當前所處的環(huán)境狀態(tài)以及自身的狀態(tài)，這是決策的基礎(chǔ)。（3）自身能力：智能體需要清楚自身的能力范圍，包括能夠執(zhí)行哪些動作，以及這些動作可能帶來的效果。通過對這三個問題的回答，智能體就能夠構(gòu)建起一個決策模型，以指導自己在復雜多變的環(huán)境中做出最合適的行動選擇。

對于構(gòu)建決策模型，機器學習領(lǐng)域已經(jīng)發(fā)展出多種方法來模擬和優(yōu)化這一過程。其中，模仿學習和強化學習是兩種重要的方法。具體而言，模仿學習是指機器通過分析大量的人類決策數(shù)據(jù)，學習如何在特定的情境下做出合適的選擇，而強化學習則是通過獎勵和懲罰來引導機器的行為，使機器能夠在不斷嘗試和犯錯誤中學習最優(yōu)的策略。

行動：在具身智能領(lǐng)域，如何借鑒人類神經(jīng)系統(tǒng)的“冗余自由度”，優(yōu)化機器人的運動控制，是一個待解決的關(guān)鍵挑戰(zhàn)。當前的研究正在嘗試通過各種算法模擬這一過程，例如通過機器學習算法來識別和模擬最有效的動作模式，從而在保證任務執(zhí)行效率的同時，減少能量消耗和提高控制的準確性。進一步地，研究者還探索使用模塊化的控制策略，將復雜動作分解為若干簡單模塊，每個模塊對應特定的動作自由度。這種方法不僅可以簡化控制算法的設計，也有助于提高整體系統(tǒng)的適應性和可靠性。

進化：人類研究者給具身智能體提供了進化的土壤——仿真人類的進化歷程環(huán)境。它們是一個理想的平臺，用以開發(fā)、測試和完善智能體的能力。如“互聯(lián)網(wǎng)之父”溫頓·瑟夫所言，仿真環(huán)境不僅允許研究人員在沒有物理限制的情況下探索與環(huán)境的復雜交互，最重要的是智能體可以在無風險的情況下進行大規(guī)模和重復的訓練，無須擔心設備破壞真實場景或產(chǎn)生高昂的維護費用。此外，仿真環(huán)境的一個關(guān)鍵優(yōu)勢是其能夠支持大規(guī)模并行處理，我們可以在成千上萬個線程中同時訓練多個智能體，顯著提高訓練效率和速度。

從理論到實踐的落地密碼

書中反復強調(diào)的一點是：具身智能的核心，是讓智能體和物理世界形成高效的交互閉環(huán)。2025年下半年的產(chǎn)業(yè)實踐，正好成了這個理論最生動的例子。

針對書中分析的大模型接地難題，有些團隊推出了混合推理體系：遇到工業(yè)診斷這類復雜邏輯，就用深度思考模式拆解開；要適配實體低延遲的需求，就切換到輕量響應模式，這和書中推理深度需匹配落地場景的論斷完全吻合。而書中重點講解的VLA（視覺-語言-動作）融合技術(shù)，已經(jīng)在智能座艙里實現(xiàn)突破——車載智能體不只能聽懂打開空調(diào)的指令，還會結(jié)合乘客體溫、室外環(huán)境自動調(diào)風速，這也印證了多模態(tài)協(xié)同是核心能力的判斷。

對于具身智能多路徑發(fā)展的預判，產(chǎn)業(yè)實踐也給出了呼應。書中明確提到，人形機器人只是其中一條路，大模型+專用實體+強化學習、萬物智聯(lián)催生的智能涌現(xiàn)，潛力其實更大。這個觀點在能源、制造領(lǐng)域得到了驗證：油田勘探時，傳感器陣列靠持續(xù)采集數(shù)據(jù)實現(xiàn)油藏動態(tài)預測，成了無實體機器人的典型案例；汽車行業(yè)則通過精簡模型，把決策響應壓縮到秒級以內(nèi)，踐行了實體特性決定模型形態(tài)的主張。

書中還列出了具身智能的三大瓶頸——從仿真環(huán)境到現(xiàn)實場景的遷移差距、多模態(tài)對齊的穩(wěn)定性、數(shù)據(jù)隱私安全，這些現(xiàn)在都是行業(yè)攻關(guān)的重點。有些團隊借鑒書中人類演示數(shù)據(jù)輔助對齊的方法，把機械臂失誤率降低了40%；基于聯(lián)邦學習的方案實現(xiàn)了工業(yè)數(shù)據(jù)可用不可見，這也回應了書中技術(shù)進步需兼顧倫理的提醒。

當“具身智能”從年度熱詞生長為《政府工作報告》中的國家戰(zhàn)略，這本著作恰如一盞明燈：既為研究者撥開技術(shù)迷霧，指明從理論到落地的清晰路徑；也為實踐者提供底層邏輯，讓智能創(chuàng)新不再局限于實驗室的構(gòu)想。本書將搭建一座橋梁，讓研究者看到落地的可能，讓實踐者讀懂技術(shù)的本質(zhì)。

它記錄的不只是人工智能從虛擬走向?qū)嶓w的轉(zhuǎn)折，更在為人類定義智能時代的核心法則——當機器真正學會與物理世界對話、與人類需求同頻，這場技術(shù)革命便不再是冰冷的算法迭代，而是重塑生產(chǎn)方式、生活形態(tài)乃至文明邊界的全新開端。在具身智能的浪潮中，這本著作所點燃的理論與實踐共鳴，終將推動人類邁向更具溫度、更富效率的智能文明新圖景。

↓我們還有下面這些活動↓

-End-

2025.12.3

編輯：閃閃 | 審核：孫小悠