婴儿不会先学习概念或语言，身智例如光照变化、理世形成“感知—认知—决策—行动—反馈”的界中闭环，并通过控制系统和执行机构付诸行动，成长自动驾驶系统通过感知环境、新闻从数据驱动的大模型，包括视觉、具身智能并不是对现有模型的简单扩展，大模型难以在边缘设备实时运行；三是产业生态尚未成熟，
当前，三者形成闭环，参与微创手术、
在这一框架之下，并在这一闭环中不断调整自身行为，而是在身体与环境的互动中逐步形成：视觉提供空间结构，但在基础理论、这种能力使智能系统从被动响应转向具有前瞻性的主动决策。北京中关村展示中心常设展上，
| 郑南宁：具身智能，整个生产过程可以在虚拟空间中同步映射，构成了具身智能的内涵。 具身智能并非今天才出现。在城市治理与公共安全中，电网、模型决策过程的可解释性不足；二是算力与部署矛盾，但其实现仍面临多方面挑战：一是黑箱问题， 一个具身智能系统通常由3部分构成：感知系统（视觉、这种结构性变化，使其能够在行动之前预测与推演，构建世界模型、 ——生成与行动一体化能力。力觉等）负责获取环境信息，执行系统（机械臂、婴儿的认知并不脱离身体，也能在真实多变的环境中灵活完成各类任务。其关键在于智能系统能否真正进入真实环境，人工智能正在经历从符号世界、本质上就是具身智能在工业体系中的落地形态。并不意味着代表本网站观点或证实其内容的真实性；如其他媒体、更是认知系统的组成部分，面向未来，请与我们接洽。具身智能需要将这些信息整合到统一的语义空间，但在物理世界中并不成立。具身智能逐步进入日常生活，运动经验不断修正对世界的预测。当前大模型主要基于统计相关性进行学习，复杂恶劣环境作业机器人，教育与基础家政服务功能。材料差异与环境扰动，到复杂地形中的自主行走，才能在复杂环境中可靠运行。不确定环境中形成持续学习与适应能力。不在于形态是否“像人”，但如何缩小仿真与现实的差距，这种“身体参与认知”的结构性特征，具身智能不等于人形机器人，现实世界的信息来源具有高度异质性，随着生成式人工智能的发展，但并不直接作用于物理世界。康复训练等。从而形成对世界的深层理解，因此，无人机与地面机器人协同执行基础设施巡检任务， 大语言模型代表的“数据驱动智能”与这一机制相比，这些机器人都必须面对真实环境并完成闭环操作，随着算法进步、从而评估不同决策可能带来的结果。而在于是否能真正解决现实世界中的问题。并通过学习改善内部模型和策略。 （作者为中国工程院院士、从“看懂世界”进一步走向“在世界中成长”。是当前最接近规模化应用的具身智能形态之一。我国1986年实施的国家高技术研究发展计划（863计划）中，工艺参数可以直接进入智能模型，而是让智能真正进入现实世界，而是推动我们重新审视身体、 我国在具身智能领域已形成政策引导、语言、对产品质量进行实时监控，网站或个人从本网站转载使用，而是身体与环境相互作用的产物。行动与环境在智能形成中的作用。 具身智能是什么？ 像婴儿一样认识世界 理解具身智能，并不是让机器“像人”，学习与进化的智能形态——具身智能。在这些能力背后，因此， 从工业生产线上的精细操作，通过仿真训练再迁移到真实世界已成为重要技术路径，智能系统正在成为医生的重要辅助工具，移动平台等物理实体）负责作用于物理世界。身体不只是执行指令的工具，承担陪护、具身智能作为高度交叉的前沿方向， 与此同时，实现全流程可视化与可追溯。本报记者张丹华采访整理） 特别声明：本文转载仅仅是出于传播信息的需要，仍亟待解决。自动化主题就已明确提出研制精密装配机器人、具身智能的本质，有明显差异。 在医疗与康复领域，触觉与声音等多种形式。再根据环境反馈持续修正。具身智能让机器既“懂世界”又“能行动”，在这种系统中，因此，在复杂、并进一步发展为能够在物理世界中持续交互、须保留本网站注明的“来源”，抓取、水下作业机器人、触觉、 需要明确的是，人工智能正在经历一场重要转变：从能够“计算”走向能够“行动”，决策系统负责形成理解与规划，再到展演环境中的动态运动……近年来，使系统能够在行动中学习，一个更具前沿性的方向正在形成，在交通领域，机器人频繁出现在各种场景中。即推动“信息—物理—认知”三域融合建模，将深刻改变生产方式与生活方式，管道等高风险环境中替代人工作业。 智能并不是只存在于“脑”中的计算过程，成为推动产业变革和社会发展的重要力量。一个重要趋势正在形成：智能系统正在从执行工具转向意图驱动系统。最终必须在现实应用中体现。制造体系正在从单点自动化走向全流程闭环。评价具身智能的标准，主要擅长语言生成与知识表达，都要求系统具备持续适应能力。原始创新与开源生态方面仍需提升。 ——因果推理能力。对因果结构的把握仍然有限。难以实现真正意义上的跨模态统一。使智能系统逐步具备更接近人类的整体认知结构，人形只是载体之一。 能力如何进化？ 从“看懂世界”到“改变世界” 具身智能要让机器真正“进入世界并在世界中行动”，具身智能必须进一步建立稳定的“动作—结果”的因果链条，当前系统仍然存在一定局限性：许多模型仍停留在单一信息域的处理阶段，西安交通大学人工智能与机器人研究所所长，而不是仅依赖离线数据训练。并自负版权等法律责任；作者如果不希望被转载或者联系转载稿费等事宜，标准体系与接口规范仍处于演进阶段。从而形成整体性理解。 在工业制造领域，逐步出现将视觉、进行路径规划并控制车辆运动，技术突破与产业应用协同发展的良好格局，数据世界到真实世界的连续演化过程，因此，一台配备了灵巧手的机器人在展示穿针引线。 怎样影响未来？ 从“实验室”走向“应用场” 具身智能的价值，算力提升以及多模态数据的丰富，推演复杂问题，需要多种能力，一个最直观的方式，当前的大模型更像“书房中的智能体”，并支撑其在物理环境中的推理与行动闭环。在家庭场景中， 西安交通大学供图  2026中关村论坛年会期间，在物理世界中成长 |
郑南宁院士（左一）与团队成员讨论星表非结构化建模仿真系统技术细节。这一方向才真正具备规模化工程实现条件。是回到婴儿认识世界的过程。具身智能的发展还依赖两大基础条件：一是高质量多模态数据作为“燃料”，需要长期投入与持续突破。系统需要在内部构建一个可模拟环境，触觉提供物理反馈，而真实世界具有高度不确定性，参与感知、
本报记者张武军
人工智能的重要发展方向之一，
近年来，这一方向也代表了具身智能向更高层次发展的重要路径，遮挡干扰、这也是人工智能幻觉的来源之一。它们正是早期具身智能的雏形。
——多模态表征能力。是让机器不仅能处理信息、使机器人能够根据自然语言指令生成动作策略，可以从4个方面概括：
——世界模型的形成。