当前，具身智能机器人技术加速演进，但相关技术瓶颈也制约着产业进一步发展。

　　6月25日，“活力中国调研行”采访团走进深圳市人工智能与机器人研究院（AIRS），常务副院长丁宁在接受《每日经济新闻》记者现场采访时，解答了如何提升机器人的大脑计算能力、如何增加续航等热点问题。

　　AIRS常务副院长丁宁图片来源：每经记者孔泽思摄

　　丁宁表示，人类智能的核心在于“从变化中寻找不变规律”的能力，即用极其简约的语言逻辑或是数理模型描述真实物理世界纷繁复杂现象背后的共性规律，“具身智能机器人借鉴人类跨任务、跨场景理解和运用共性规律的能力，从而实现以最小的算力代价，应对环境和任务变化”。

　　以多种应用场景为例，机器人扫地、刷墙是两类完全不同的作业任务，它们面对的作业对象分别是2D平面、多个平面空间组合而成的3D空间，上述任务的共性在于都需要对空间进行理解，并在作业对象表面进行最优路径遍历。

　　丁宁认为，提升机器人认知智能的水平，关键在于提炼这些底层规律并灵活运用。“科学是人类认知世界的过程，用工具发现世界的物理规律，AI（人工智能）的本质也是去发现物理规律，并通过学习人类认知范式，逐步掌握世界运转中那些简约而确定的根本法则，从而实现真正的场景适应性突破，所以AI is Science（人工智能就是科学）。”

　　当前，具身智能机器人在感知、分析环境，以及对环境实时做出识别、理解和动作时，需要端侧算力支持，也对机器人续航造成一定负担。丁宁向记者指出，能耗问题仍是具身智能机器人发展的重大瓶颈，现有条件下固态电池等技术只能带来小幅改进，如果实现计算架构和算法代际的跨越，可以大幅降低计算所需能耗。

　　丁宁进一步分析称，人类大脑能耗低的原因在于信息处理过程中没有采用数字化环节，当前智能感知系统首先需要将真实物理世界数字化，决策时又需将数据重新整合并寻找共性，这一过程消耗大量算力，也带来能耗问题。“下一代计算架构是不是能跳过这一过程，这还是很前沿的话题，至少现有的计算架构需要大幅代际革新，才可能降低能耗。”

　　在算法层面，丁宁提出了具身智能的潜力。他表示，传统语言模型能耗高源于其对海量文本数据的依赖，而具身智能则通过多模态感知的融合（如触觉、视觉等多感官结合）可以大幅降低对算力和数据的要求。他举例称，用语言描述水的温度往往需要复杂表达，而具身智能的传感器可直接测量温度，减少语言描述的数据量，这种模态升维有助于简化系统。