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》編輯部發布2025年度十大流行語，“具身智能”以高票位列第二。這一結果恰與時代浪潮形成深刻呼應——作為具有物理載體、能通過身體與環境交互實現感知決策行動一體化的智能形態，它不僅重塑著漢語詞庫結構，更標志著人工智能從虛擬算法邁向實體智能的關鍵轉折。《咬文嚼字》主編黃安靖指出，這類智能相關語詞的涌現，印證了人工智能對世界的深刻改造。

而在科技政策領域，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業。作為“十五五”規劃明確的新增長點，這一信號迅速激活全產業鏈活力，從國家實驗室的前沿攻關到智能制造的場景落地，具身智能正以政策為帆、技術為槳，駛入規模化發展的黃金航道。

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、能與現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、統計學、神經科學和計算機科學等領域研究者分別從符號主義、聯結主義和行為主義三大綱領出發探索答案，那么，打造通用人工智能是否需要第四種綱領，還是依靠這三者的融合就能解決？

深耕物聯網與智能系統研究數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、現在與未來。本書與當下政策導向、行業熱潮形成精準同頻，為這場科技革命注入了權威學術注腳。

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，圖靈在他的經典論文《計算機與智能》中就展望了人工智能可能的兩條發展道路：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的智能。離身智能缺乏實體“軀體”，只能與預設的數據進行互動，無法從與環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，依據物理符號系統假說和啟發式搜索原則來解析智能。它關心的是智能的心理和邏輯結構，即心智的抽象和計算層面。聯結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構來探索智能的秘密。它關注的是智能的生理承載，即大腦的實際組織結構。而行為主義學派則通過研究“感知—行動”模式，強調環境反饋與智能行為之間的直接因果關系，從而揭示智能。這一學派并不關心智能的生理或邏輯結構，而是專注于智能的行為表現。

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，而且與身體結構和環境的互動密切相關，因此，智能始終是具體的、身體化的，必須建立在與環境互動的具身智能身體的基礎上，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。

實現具身智能的五大步驟

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

感知：機器學習模型如何能夠更好地模擬人類的感知智能？關鍵在于整合具身經驗，讓機器能夠在真實世界的復雜環境中學習和適應。科學家們發現，動物的物理身體，以及身體在與環境交互中的體驗，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境因素和上下文，從而真正實現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，或許是實現真正智能機器的關鍵步驟。

認知：在探討機器認知時，一個至關重要的概念就是“世界模型”。它是智能體對外部環境的一種內部表示，包括了智能體所掌握的關于世界的知識、規則以及預期。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，從原始的高維數據（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據來建模和預測現實世界。

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：（1）任務目標：這是決策的出發點和歸宿，它定義了智能體要達成的最終目的。（2）環境狀態：智能體需要理解當前所處的環境狀態以及自身的狀態，這是決策的基礎。（3）自身能力：智能體需要清楚自身的能力范圍，包括能夠執行哪些動作，以及這些動作可能帶來的效果。通過對這三個問題的回答，智能體就能夠構建起一個決策模型，以指導自己在復雜多變的環境中做出最合適的行動選擇。

對于構建決策模型，機器學習領域已經發展出多種方法來模擬和優化這一過程。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據，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的策略。

行動：在具身智能領域，如何借鑒人類神經系統的“冗余自由度”，優化機器人的運動控制，是一個待解決的關鍵挑戰。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境。它們是一個理想的平臺，用以開發、測試和完善智能體的能力。如“互聯網之父”溫頓·瑟夫所言，仿真環境不僅允許研究人員在沒有物理限制的情況下探索與環境的復雜交互，最重要的是智能體可以在無風險的情況下進行大規模和重復的訓練，無須擔心設備破壞真實場景或產生高昂的維護費用。此外，仿真環境的一個關鍵優勢是其能夠支持大規模并行處理，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。2025年下半年的產業實踐，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，已經在智能座艙里實現突破——車載智能體不只能聽懂打開空調的指令，還會結合乘客體溫、室外環境自動調風速，這也印證了多模態協同是核心能力的判斷。

對于具身智能多路徑發展的預判，產業實踐也給出了呼應。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、萬物智聯催生的智能涌現，潛力其實更大。這個觀點在能源、制造領域得到了驗證：油田勘探時，傳感器陣列靠持續采集數據實現油藏動態預測，成了無實體機器人的典型案例；汽車行業則通過精簡模型，把決策響應壓縮到秒級以內，踐行了實體特性決定模型形態的主張。

書中還列出了具身智能的三大瓶頸——從仿真環境到現實場景的遷移差距、多模態對齊的穩定性、數據隱私安全，這些現在都是行業攻關的重點。有些團隊借鑒書中人類演示數據輔助對齊的方法，把機械臂失誤率降低了40%；基于聯邦學習的方案實現了工業數據可用不可見，這也回應了書中技術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》中的國家戰略，這本著作恰如一盞明燈：既為研究者撥開技術迷霧，指明從理論到落地的清晰路徑；也為實踐者提供底層邏輯，讓智能創新不再局限于實驗室的構想。本書將搭建一座橋梁，讓研究者看到落地的可能，讓實踐者讀懂技術的本質。

它記錄的不只是人工智能從虛擬走向實體的轉折，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，這場技術革命便不再是冰冷的算法迭代，而是重塑生產方式、生活形態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