呂廷杰：具身智能的飛躍必須突破“大腦智能”瓶頸

通信世界網消息（CWW）當前具身智能的發展正經歷從“淺層執行”到“深度賦能”的關鍵轉型，而空間智能、世界模型與5G、6G技術的協同，將重塑萬物互聯的底層邏輯，推動智能體互聯邁向新階段。

工信智媒體(通信世界)記者采訪了北京郵電大學教授呂廷杰，他強調：“我國具身智能的發展仍處于‘嬰幼兒時代’，核心表現為‘小腦智能’的成熟與‘大腦智能’的缺失，而具身智能要實現質的飛躍，必須突破‘大腦智能’的瓶頸，而其核心技術基礎正是空間智能與世界模型”。

具身智能的發展仍處于“嬰幼兒時期”

“我國具身智能的發展已呈現出鮮明的實用化轉向。以往具身智能相關應用多集中在個人娛樂、才藝展示等領域，而如今，越來越多的設備開始滲透到生產制造、物流運輸等核心工業場景，成為高端制造業升級的重要支撐。”呂廷杰認為，這一變化并非偶然，2025年是“十四五”收官之年，我國高端制造業已取得矚目成就，2025年前11個月出口貿易順差突破1萬億美元，其中80%來自高端工業制品，這一數據背后，是具身智能設備在提升生產效率、保障生產安全等方面的持續賦能，也印證了其工業滲透率的不斷提升。在他看來，這一趨勢既是對過往技術積累的成果檢驗，更是未來產業升級的重要開端。

呂廷杰坦言，當前全球具身智能的發展仍處于“嬰幼兒時期”，核心表現為“小腦智能”的成熟與“大腦智能”的缺失。他舉例說明，如今的機器人能靈活跳舞、快速攀爬、負重前行，甚至被踹翻后能迅速起身繼續運行，這些平衡與執行能力在國際上屢獲佳績，但本質上只是基于預設程序的自動化或由人遙控，而非智能化，原因就在于尚缺乏對復雜物理世界的自主感知與決策能力。“就像孩子學步，小腦平衡能力和關節的柔韌性不斷提高，但卻不懂判斷環境、靈活應變”，他這樣比喻。

“具身智能要實現質的飛躍，必須突破‘大腦智能’的瓶頸，而這一核心的關鍵正是空間智能與世界模型。”在他看來，語言模型基于人類已知的主觀世界，模擬的是文字邏輯、心智表達等能力，能寫出漂亮的文章、畫出抽象派的畫作，卻無法理解“被風吹起的空塑料袋或報紙等并不會砸壞汽車”等物理世界規律——因為客觀世界要遠遠大于人類的主觀世界。

世界模型與5G、6G協同共建“萬物智聯”

世界模型聚焦的是物理世界的客觀規律，是多模態的感知與決策系統。呂廷杰解釋，人類通過“眼耳鼻舌身意”六根來感知世界，世界模型正是要模擬這種多維度感知能力，整合視覺、聽覺、觸覺等信息，讓機器理解空間關系、因果邏輯。他舉例，自動駕駛走到L3級便止步不前，核心問題就是缺乏世界模型的賦能。很多人說，特斯拉的自動駕駛FSD做得比較好，主要因為其一直強調“看得懂”，而不只基于是語言模型的“讀得懂”。

“5G、6G的核心價值是‘物與物的通信’，但當前5G應用場景不足的關鍵在于‘物尚未智能化’”。當世界模型賦能具身智能，機器人、自動駕駛設備等成為具備感知、自主決策能力的“智能體”，它們就需要通過低時延、高可靠的5G、6G網絡獲取數據、協同工作，這正是通信技術的核心應用場景。

他特別提到，華為等深耕通信設備的的企業，無需過度卷入大語言模型的內卷，其優勢更契合聚焦世界模型研發。當“物”具備智能，5G、6G的通信價值才能真正釋放，萬物互聯才能從“簡單連接”走向“智能協同”。比如物流機器人通過6G網絡與倉庫系統實時聯動，自主規劃路線、規避障礙；家庭護理機器人感知老人身體狀態后，通過網絡對接醫療資源，這些場景的實現，都離不開世界模型與5G、6G的雙向賦能，也就是正在浮現中的“智能體互聯網”。有機構預測，到2030年，全球智能體的數量將達到90億，這是一個潛在的巨大通信市場。

對于產業發展方向，呂廷杰建議，國內企業應跳出大語言模型的內卷，聚焦空間智能與世界模型的底層技術突破。他判斷，未來國內能站穩腳跟的大語言模型企業不會超過5家。而世界模型與語言模型的基礎數據、算法架構完全不同，前者需要多模態數據與CNN卷積算法等技術，是全新的賽道。我國在具身智能的“小腦能力”上已有扎實基礎，物流、醫療、家庭護理等領域應用場景豐富，接下來更應鼓勵龍頭企業搭建開源的世界模型底座，讓中小企業能在此基礎上開發垂直場景應用，形成“底座+應用”的產業生態。

他預測，基于世界模型的文創產業將成為新的就業藍海。根據谷歌DeepMind團隊負責人哈撒比斯的觀點，當前大語言模型只能生成1～2分鐘符合物理規律的視頻，而世界模型成熟后，將至少能生成1～2小時的數字孿生物理世界，這將徹底顛覆動漫、游戲、電影等產業的運作模式。為此，谷歌在剛剛發布的“2026年行動計劃”中，明確提出要打造既有語言模型、又有強大世界模型的全能模型。

總之，“人工智能的終極目標是幫助人類探索未知的物理世界規律，走向超人工智能（ASI），而空間智能、世界模型與5G、6G的協同發展，正是這條道路上的關鍵一步。”