具身智能：通用人工智能發展的必經之路

■文/劉宏建

2023 年5 月17 日，英偉達公司創始人兼首席執行官黃仁勛在2023 年世界半導體大會上表示，人工智能的下一個浪潮是具身智能。這個觀點在極短的時間里引起了整個社會的關注。

人工智能新浪潮

什么是具身智能？用黃仁勛的話來講，具身智能即能理解、推理以及與物理世界互動的智能系統。美國斯坦福大學教授李飛飛說，具身的含義不是身體本身，而是與環境交互以及在環境中做事的整體需求和功能。具身智能又叫具象智能，英文是Embodied AI，與之相對應的非具身智能，英文叫作Internet AI 或者Disembodied AI。

無獨有偶，在2023 年5 月召開的特斯拉公司的股東大會上，首席執行官馬斯克表示，“人形機器人將是今后特斯拉主要的長期價值來源。”結果，很多人把具身智能誤解為人形機器人。其實，具身智能不并等于人形機器人，因為具身并不一定是人形，也有可能是非人形的智能系統，如智能汽車。當然，具身機器也不等于傳統的機器人，因為傳統機器人盡管具備一定的智能化，但缺少理解、推理以及與物理世界互動的能力。具身智能更不等于生成式人工智能（AIGC）或者多模態，因為具身智能的前提是要有一個身體。

具身智能是第一人稱智能，而非具身智能是第三人稱智能。不妨舉一個例子，傳統機器人在面對一個盒子的時候，我們必須告訴它這是一個盒子，這個盒子有大有小，是可以打開的。確切地說，我們必須告訴它一大堆的標簽才行。但是，具身智能不是這樣的，它自己可以主動地感知這個盒子，自己去嘗試打開盒子，這稱為第一人稱。這頗有點像人類教育，如果我們在教育孩子的過程中不斷告訴孩子應該這樣做，應該那樣做，不應該這樣做，不應該那樣做，甚至經常在孩子面前說“你看別人家的孩子如何優秀……”慢慢地，孩子就變成了活在別人世界里的人，也就是第三人稱的人。縱觀人類發展史，創造性越強的人，往往自覺性、能動性就會越強，這就是第一人稱的人。

具身智能在人類社會進化中的意義

具身智能確實與機器人領域有著較強的相關性。但是，僅僅這樣理解的話，就過于低估了具身智能的意義。2006 年，在工業互聯網領域有一個概念“CPS 系統”，中文名字叫賽博物理系統，這是一個包含計算、網絡和物理實體的復雜系統。到了2011 年，出現了一個大家更為熟悉的概念“數字孿生”，即充分利用物理模型等仿真過程，在虛擬空間中反映相對應的實體裝備的全生命周期過程。2021 年，又出現了一個概念“元宇宙”，在網絡上迅速躥紅，這是一個與現實世界映射與交互的虛擬世界。從以上概念我們可以清晰地感受到，自互聯網誕生后，人類社會其實已經逐漸分成兩個世界：一個虛擬世界，一個現實世界。以前的世界我們可以稱為人類社會閉環進化的1.0版本，也稱網絡智能階段。在這個階段，現實世界與虛擬世界通過互聯網連接起來，滿足人類的需求。舉個簡單的例子，我們如果要訂外賣，就會在虛擬世界中（如美團）下訂單、付款，然后現實世界中會有一個外賣小哥把外賣送貨上門，打出租車（如滴滴出行）同樣如此。

但是，1.0 版本存在一個嚴重的問題，虛擬世界進化的速度非常快，人工智能可以用幾天甚至幾個小時的時間完成人類社會幾千年的進化。然而，在現實世界中，人類在幾千年中似乎沒有太多的進化，我們并不見得比古人更有智慧。用一句話來描述這種矛盾，就是“洞中方一日，世上已千年”。因此，現實世界智能體缺失，使人工智能停留在虛擬世界，整個智能社會無法高效運轉。具身智能的出現為我們解決這個矛盾提供了強有力的手段，這也意味著人類的社會閉環進化開始向2.0 版本進化。在2.0 版本中，我們同樣在虛擬世界中訂外賣，現實世界中可能會是一個機器人或機器車將外賣送到我們手中，這遠比用人送外賣要高效得多。因此，我認為，具身智能是打通人類虛實世界并實現人類進化的重要關口，這或許才是具身智能的真正意義所在。

具身智能的發展現狀及前景展望

目前，具身智能的發展還在初期階段，在人工智能大模型發展的影響下正在快速推進。2022年，谷歌Everyday Robot 實現將機器人與大模型結合，讓機器人充當大語言模型的手和眼，將一個任務拆解成16 個動作。2023 年2 月，微軟公司使用ChatGPT 控制一架小型無人機，讓無人機在房間里找到健康飲料、一罐可樂，以及一面供無人機自拍的鏡子。同年4 月，阿里巴巴展示了阿里通義千問大模型接入工業機器人的應用場景。工程師通過釘釘對話框向機器人發出“我渴了，找點東西喝吧”的指令后，通義千問大模型在后臺自動編寫了一組代碼發給機器人，機器人開始識別周邊環境，從附近的桌上找到一瓶水，并自動完成移動、抓取、配送等一系列動作，遞送給工程師。這些都是具身智能領域的一些很有意義的探索，但總的來講，具身智能的研發還處在比較初級的階段。

2023 年5 月21 日，北京市人民政府印發《北京市加快建設具有全球影響力的人工智能創新策源地實施方案（2023—2025 年）》明確提出，圍繞具身智能等方向開展研究布局，意在形成具有國際影響力的人工智能原創理論體系。2023 年10月20 日，工業和信息化部印發《人形機器人創新發展指導意見》指出，人形機器人集成人工智能、高端制造、新材料等先進技術，有望成為繼計算機、智能手機、新能源汽車后的顛覆性產品，將深刻變革人類生產生活方式，重塑全球產業發展格局。2023 年11 月2 日，北京人形機器人創新中心有限公司在經開區機器人創新產業園正式注冊，標志著國內首家省級人形機器人創新中心成立。從國家政策的角度可以看出，具身智能的研發正在如火如荼地展開。

然而，具身智能仍然存在著很多重要的挑戰。首先，盡管AI 大模型對具身智能的發展起到了推動作用，但這種推動仍停留在任務級，距離對象級、運作級還有不小的距離。其次，通用智能本體的研究仍在探索之中，目前在識別物體的時候仍然需要大量標簽訓練，使得在真實世界中處理大量未知物體變得不現實。再次，基于多模態大模型的具身智能是未來的趨勢，仍面臨諸多難題需要解決。最后，具身智能學習的能力至關重要。具身智能通過虛擬世界和真實世界的交互，以及持續學習和進化來達到自我完善的能力，而不僅僅是通過人類喂養數據的方式來獲得對世界的認知。這是具身智能演進的重要技術途徑，但目前的技術尚有不小的差距。

總的來講，具身智能處于技術快速推進、政策大力支持、產業開始探索的階段。具身智能前景非常廣闊，是打通人類虛實世界并實現人類進化的重要關口，是構建終極元宇宙世界不可缺少的版圖之一，也是通用人工智能時代未來發展的必經之路。