具身智能：为什么说它是AI落地的下一张船票

去年秋天逛国内最大的机器人展，前年同一个展位的人形机器人还只能勉强走两步，摆个pose，去年已经能站在吧台里，接过客人点单的指令，拿杯子、加咖啡粉、冲水、递到你手里，整个流程一气呵成。我当时鸡皮疙瘩直接起来了。这不是原来那种预编好程序的机械动作，它真的根据杯子的位置调整了抓握的角度——那一小步，是AI从屏幕里走到物理世界的一大步。

别被名词骗了，具身智能根本不是“会动的大模型”

现在很多行业通稿说，具身智能就是给大模型装个身子，让AI能走能动能干活。这话错得离谱。具身智能的核心，是智能本身从和物理世界的交互中产生，而不是把云端的大模型指令套在硬件上执行。原来的AI是“先知型”，所有知识都是提前喂好的，遇到没见过的情况就宕机。具身智能是“成长型”，它靠自己的眼睛（传感器）摸（力反馈装置），在一次次试错里学会适应不一样的环境。 具身智能大模型硬件交互架构图 你让大模型背下一千种开门的操作步骤它能对答如流，但是碰到门把手上沾了肥皂水打滑、门轴卡了一点纸巾的意外情况，传统编程的机器人直接歇菜，大模型接硬件的方案也大多只会重复原来的动作。具身智能不一样，它会感受到打滑，调整握力和角度，多试两次就能把门打开。这才是真的具身智能。说白了，原来的AI是“知道是什么”，具身智能是“知道怎么干”，还要能干成。它的技术边界，早就超出了大模型的范畴，是感知、控制、学习、推理一整套体系的结合。

当前产业的真实进展：卡在了“最后一厘米”

从资本热度来看，去年全球具身智能领域的融资额翻了三倍，特斯拉、OpenAI、谷歌这些顶流玩家都把它列为下一代核心技术，国内头部互联网公司没有一家缺席。但是实话实说，能落地的商用产品，掰着手指头都数得过来。现在大部分拿出来秀的demo，都是在精心布置的环境里跑出来的，换个光线换个地面，可能就掉链子。 具身智能生鲜分拣机器人作业现场图 已经摸到产业化门口的，基本都是细分工业场景。比如国内已经有工厂用具身智能分拣生鲜，软桃子硬苹果不规则的芒果，机器人能根据每一个果子的硬度调整抓力，不会捏坏也不会掉，比传统分拣机器人的适用范围高太多，次品率降了快三成。还有汽车总装车间，原来不同型号的零件要换不同的夹具调试大半天，具身机器人自己就能调整抓握，换线时间从几小时缩到几分钟。 不过话说回来，哪怕是这些已经落地的项目，也都还有绕不开的瓶颈。第一是成本，现在一台带具身智能能力的工业机器人，成本是传统机械臂的两到三倍，中小企业根本用不起。第二是实时性，大模型推理现在大多跑在云端，物理世界交互差个几十毫秒都可能出问题，端侧跑大模型的能耗和成本现在还降不下来。第三是数据，大模型练文本有整个互联网做资料库，具身智能要练交互数据，总不能让机器人摔一万次捡杯子吧？仿真数据和真实世界永远有差距，这点差距，就是摔杯子和拿到杯子的区别。说实话，现在90%的热钱，都还在堆概念，真正啃硬骨头解决这些问题的，没多少。

风险与未来3-5年的真实预判

风险与未来3-5年的真实预判 很多人吹具身智能会一年改变世界，三年普及人形机器人。我反正不信。先不说技术，就说风险，现在整个治理体系都还没跟上。具身智能是要在真实世界和人类一起活动的，万一机器人操作失误伤了人，责任算谁的？是模型开发商的锅，还是硬件厂商的锅，还是使用方的锅？现在没有任何一条法律说清楚这件事。 家用场景更麻烦，家政机器人要进卧室厨房，全身上下七八个传感器，你的作息、你的收入、你家里长什么样，全都会变成数据存在云端，隐私漏洞谁来补？还有就业，原来工厂里一万个分拣工人，以后几百台具身机器人就能干完，这不是一个两个岗位的问题，是一整条产业链的就业结构调整，根本不是靠几句“创造新岗位”就能糊弄过去的。 那未来3-5年，具身智能会走到哪？我给个非常保守的判断：第一个大规模落地的场景一定是工业，不会是家用。工业场景愿意出钱，环境相对可控，对出错的容忍度也更高，3-5年内，我们会看到越来越多的汽车、电子、物流工厂用具身智能机器人替换传统设备，整个工业机器人的产业链都会被重构——原来卖硬件赚一次钱，以后卖的是持续更新的模型能力，赚订阅费，这个变化已经在发生了。 家用场景，5年内别指望能用上能帮你做家务的人形机器人，最多就是扫地机器人、洗碗机这些现有产品加一点具身能力，比如能自己绕开掉在地上的袜子，不会卡壳而已。至于大街上到处走的人形服务机器人，那是10年以后的事了。 很多人说AI的上半场是在虚拟世界里做出来的，下半场就是走到物理世界来。这话没错。具身智能不是什么风口概念，是AI发展的必然方向——毕竟人类自己的智能，也是从爬、走、摸这个世界长出来的。我等着那一天，机器人能自己蹲下来，帮我捡掉在沙发底下的遥控器。就这一件小事。现在都做不到。