创造像人类一样感知、思考、行动的“实干”智能体，是具身智能领域的重要目标。随着一批智能机器人在海内外亮相，人工智能通过载体嵌入物理世界已经成为现实。业内专家认为，如今我们正站在技术爆发与产业重构的关键节点之上。
行业数据显示，2024年全年，全球人形机器人新品发布数量已超过106款，这一数量远超过去20年的总和，“具身智能”概念成为全世界追捧的热点。数字大脑连接上钢铁身躯，人工智能或将在不远的未来迎来与世界更加广泛的互动。在DeepSeek等大模型竞争白热化的当下，具身智能领域的“下半场”竞争更加值得关注。
算法落地：从虚拟世界迈向物理世界
2025年的政府工作报告中提出，“建立未来产业投入增长机制，培育生物制造、量子科技、具身智能、6G等未来产业”。“具身智能”被认为是人工智能争夺的又一重要领域。
“具身智能依托软件算法和物理载体，能够感知环境、做出决策并执行具体任务，与纯软件不同的是，它侧重于对现实世界的改造与交互。”天津大学无人驾驶汽车交叉研究中心主任谢辉表示，车辆很有可能是短期内具身智能最先投入大规模应用的领域。“通过传感器进行视觉识别，大模型与用户交互，最后落实在对汽车的机械操控上。”
清华大学人工智能学院教授沈阳表示，具身智能作为一种软硬件一体的特殊智能体，依赖的是多模态模型。“比如VLA大模型，V代表视觉，L代表语言，A代表动作，形成一套感知决策行动的完整流程。”他表示，人形机器人只是具身智能的一小部分，在工业等诸多领域，形态各异的机器人有望成为智能载体。
多位受访者认为，具身智能将成为实现通用人工智能的重要路径之一，也是当前各国家比拼的焦点。
从市场来看，全世界都对具身智能领域表现出浓厚兴趣。国际知名投资机构高盛预测，到2035年，仅人形机器人全球市场规模就将达380亿美元。我国北京、浙江、广东等多省市已经相继出台具身智能相关的发展规划，力图打造领先的产业聚集区。工业和信息化部印发的《人形机器人创新发展指导意见》提出，到2027年产业综合实力达到世界先进水平，成为重要的经济增长新引擎等发展目标。
谢辉表示，近几年人形机器人的“爆火”并非偶然，大模型、精密制造、高端传感器、自动控制等技术积累共同促成了这一机遇。他表示，尽管人工智能距离投入大规模工业生产和日常服务还有一段距离，但未来对于人类工作的替代性已经可以预见，这势必将引起生产结构的重构和生产力的大幅度跃升。
受访业内人士认为，尽管DeepSeek等企业在大模型领域取得进展，但我们也要清醒认识到在人工智能领域，欧美仍处于领先水平，尤其是具身智能涉及的硬件装备，需要奋力追赶。
技术瓶颈：迈向现实的多重难题
在短短几年内，大模型领域的前沿技术突飞猛进，但从虚拟世界跨向现实的技术耦合，仍有多个领域的难题待解。
——通用平台和标准化认证缺乏，多数企业陷入“重复造轮子”。国讯芯微（苏州）科技有限公司首席技术官蒋琛表示，目前在具身智能领域，仍没有统一的技术标准和通用开发平台，这使得各家企业要从零开始独立研发，各地重复投入导致资源分散，影响产出效率。同时，硬件接口、通信协议、数据格式等缺乏统一规范，不同厂商的机器人本体构型与软件架构互不兼容，制约规模化应用。
——应用场景开放度不足，缺乏快速孵化条件。“机器人最终还是要用起来。”天津朗誉机器人有限公司董事长任志勇表示，研发端的企业和应用行业尚未打通，许多实际工况都未能真正纳入研发测试体系中，许多产品仍停留在“温室花朵”的阶段。谢辉也表示，目前在无人驾驶领域有测试道路等公共服务平台，但在大部分应用领域，仍缺乏开放式的应用场景，这将拖累产品未来的投用进度。不少业内人士认为，与ChatGPT等依赖文本数据的模型不同，具身智能需采集真实物理环境的动态交互数据，其采集成本将更为高昂。
——核心元器件自主化程度不足，复合型人才缺口扩大。北京大学智能学院副院长林宙辰表示，当前在人工智能领域的国际竞争进入白热化，在高端GPU、精密传感器、减速机等领域，我国企业的自主化程度依然有待提高，对本土创新型人才的需求也不断增加。“既要懂编程，又要懂大模型，现在还要懂机械和自动化，这样的人才太少太少。”谢辉表示，伴随着多领域的交叉融合，行业的人才要求从双栖走向三栖，未来的门槛还将进一步提高。
——法律道德风险仍是未解之题。智能体未来的广泛应用，也放大了人为制造安全风险的可能。谢辉举例说，如果一台被植入了恶意程序的智能车辆接入网络中，可以生成并发送虚假的紧急消息，从而误导周围车辆的行驶路线、行车速度和前进方向等，从而制造交通拥堵与混乱，极端情况下甚至可以主动制造交通事故。此外，在责任归属的边界上依旧模糊，一台智能机器误操作造成了损失，开发者、运营者等主体责任几何？这道“前置题”尚未有定论。
谋篇布局：如何在下半场脱颖而出
我国已是机器人制造强国，工业机器人装机量更是占比超过世界的50%，具身智能发展具备广泛的应用场景和潜力。业内人士建议，产业政策上应提前谋划布局，以备在人工智能下半场的竞争中谋得先机。
一是加强底层建设，构建龙头引领共建的行业生态。蒋琛等人建议，应加强具身智能领域的开放平台建设，在底层代码、数据集等环节建立开源共享机制。主管部门宜组织龙头企业，尽快建立国家级具身智能发展规划，鼓励开发从硬件到软件、从底层到应用层、从AI模型底座到3D数据集的通用开发套件，以及加快标准建设，创建生态认证体系，推动技术加速迭代。
二是促进政府、国企力量投入应用场景开放，提供高质量的优质现实数据。任志勇等人认为，具身数据无法从互联网海量内容中直接获取，而需通过真实的机器人操作来采集或高级仿真平台生成，因此具身数据的采集需要较高的成本和应用场景的广泛支持。建议在柔性生产、医疗康养、公共安全、应急救援等领域开放政府、国企主导的应用场景，为广大企业提供测试平台。
三是强化高校、科研院所、企业的联合科研能力，为技术创新提供支撑。谢辉认为，学科交叉融合是科技创新的“催化剂”，高校要打破学科专业壁垒，对现有学科专业体系进行优化升级，重视跨学科课程建设和人才培养项目，如推出“人工智能+X”双学位项目等，培养学生综合运用多学科知识解决复杂问题的能力，培养一批适宜人工智能领域的复合型人才。
四是加速前置治理体系建设，完善法律等领域的安全防线。业内人士认为，构建责任明晰的治理框架，是具身智能安全投用的重要保障。一方面应在隐私数据保护、责任归属等方面进行充分论证并出台相关法律法规，避免监管真空；另一方面则应建立人工智能领域的预警及应急熔断机制，尽可能将风险降到最低。
