具身智能是人工智能（AI）與其他學科交叉融合發(fā)展的智能新范式，從字面可理解為“具身+智能”，通過賦予AI“身體”，能夠與現(xiàn)實產生交互，讓AI從僅存于數(shù)字世界的軟件算法走向真實的物理世界，并在物理世界也能呈現(xiàn)模擬人類甚至超越人類的智能水平。伴隨大模型的技術突破、硬件成本的降低、軟硬協(xié)同的不斷成熟，能夠主動探索世界、認識世界、改變世界的具身智能，有望成為邁向通用人工智能的重要驅動力，同時不斷延伸和拓展AI邊界，實現(xiàn)“知行合一”。
2024年8月22日，2024世界機器人大會——具身智能產業(yè)趨勢與未來發(fā)展論壇上，中國信息通信研究院（簡稱“中國信通院”）與北京人形機器人創(chuàng)新中心有限公司共同發(fā)布《具身智能發(fā)展報告（2024年）》。
報告致力于厘清具身智能的概念內涵、演進歷程、技術體系，通過梳理當前具身智能技術發(fā)展現(xiàn)狀，研判分析具身智能應用潛力與帶來的影響，并總結當前產業(yè)應用困難與挑戰(zhàn)，展望思維智能和行動智能有機融合的無限可能。
報告核心觀點
1. 具身智能：依靠物理實體通過與環(huán)境交互來實現(xiàn)智能增長的智能系統(tǒng)
當前，針對具身智能各家觀點百花齊放，但都明確了“智能”的核心地位。因此，本報告從AI視角切入，認為具身智能是指通過機器人等物理實體與環(huán)境交互，能進行環(huán)境感知、信息認知、自主決策和采取行動，并能夠從經驗反饋中實現(xiàn)智能增長和行動自適應的智能系統(tǒng)。
2. 具身智能與離身智能相互補充、協(xié)作發(fā)展共同促進了對智能的理解、模擬與擴展——具身智能時代有望來臨
結合人工智能的演進歷程，具身智能的發(fā)展大致可以分為三個階段，即：早期萌芽階段（1950s-1990s），在對智能的激烈爭論和分立研究中，形成AI三大學派，尚未形成成熟的智能理論；技術積累階段（1990s-2022），隨著智能理論的完善、底層數(shù)學理論的深耕，AI三大學派從各自突破，逐步走向取長補短的綜合性研究，為具身智能發(fā)展奠定理論和算法基礎；技術突破階段（2022年至今），以ChatGPT為代表大模型的通用知識和智能涌現(xiàn)能力為機器人實現(xiàn)智能感知、自主決策乃至擬人化交互方面帶來巨大潛力。當前人們的關注點轉向如何將AI應用于物理世界，并期望通過AI的“具身化”找到新的智能增長點。
3. 具身智能技術尚處于多條路徑探索發(fā)展階段，可以類比于自然語言處理領域的“BERT”發(fā)展時期
具身智能技術體系可分為“感知—決策—行動—反饋”四個模塊形成一個閉環(huán)，在與環(huán)境的不斷交互中，實現(xiàn)對環(huán)境的重構映射、自主決策和自適應行動，并從經驗反饋中不斷學習進化。
4. 具身智能將在技術涌現(xiàn)式創(chuàng)新和突破下，實現(xiàn)“一腦多形”“一機多用”
具身智能將成為與各行各業(yè)深度融合的創(chuàng)新驅動力，其相關應用有望快速擴展至社會經濟的各個層面，推動著生產力的躍升和生活方式的變革。有望實現(xiàn)“一腦多形”即讓一個智能系統(tǒng)適配各種形態(tài)的物理實體，如智能機器人、智能車輛等; 將實現(xiàn)“一機多用”，即讓一個機器設備可以靈活地執(zhí)行多種任務，適應多樣化場景。未來將從工業(yè)協(xié)作生產到柔性制造，從家務助手到醫(yī)療護理，從災難救援到太空探索，深入融入人類社會。
5. 具身智能在感知與認知、學習與泛化、計算能力、多任務處理、安全性、隱私保護以及人機關系等多個方面都面臨著挑戰(zhàn)
算法層面：具身智能系統(tǒng)在實現(xiàn)通用智能時面臨兩大根本性挑戰(zhàn)。一是系統(tǒng)需要人類智能的介入，二是尚未實現(xiàn)感知到行動間的認知映射。數(shù)據(jù)層面：缺乏數(shù)據(jù)成為具身智能能力突破的重要壁壘。一方面，真實數(shù)據(jù)面臨獲取成本過高，廣泛、高質量和多樣化的挑戰(zhàn)。另一方面仿真合成數(shù)據(jù)面臨“現(xiàn)實差距”——即模擬環(huán)境與現(xiàn)實世界之間的差異挑戰(zhàn)。軟件層面：缺乏統(tǒng)一的操作系統(tǒng)和標準化軟件開發(fā)工具鏈。硬件層面：耐用性和能源效率以及與軟件的深度集成需求構成了具身智能硬件發(fā)展的主要障礙。標準與合規(guī)層面：具身智能技術、評測、安全倫理等標準缺失，面臨信息安全、個人隱私等一系列倫理和社會學問題。
