AI最大的瓶颈,可能不是算力,而是没有身体

过去十年，人工智能完成了一次重要跃迁。以大模型为代表的新一代人工智能，让机器第一次在语言、图像、代码和知识处理领域展现出接近人类的能力。它可以阅读海量信息，生成内容，辅助科研和决策，并逐渐进入越来越多专业领域。

但随着人工智能能力不断提升，一个更基础的问题也开始浮现：如果机器能够理解世界，却无法真正参与世界，它是否拥有完整意义上的智能？人类智能的形成，从来不是一个脱离环境的计算过程，而是在身体与现实持续互动中逐渐形成的能力。

一个孩子认识世界，并不是因为先学习了关于世界的知识，而是在触摸、移动、观察和反馈中形成对重量、材质、空间以及因果关系的理解。我们知道玻璃可能破碎，知道不同物体需要不同力度，知道一个倾斜的物体可能倒下，这些判断并非来自文字描述，而来自身体长期参与世界形成的经验。

因此，身体并不是智能的外壳，而是智能形成的重要条件之一。这也是为什么人工智能正在进入新的阶段：从理解信息走向理解现实。

如果说大模型让机器获得了语言，那么具身智能正在尝试让机器获得经验。它关注的不只是机器人能否完成某个动作，而是机器是否能够在真实环境中感知、判断、行动，并持续学习。

模型之后，AI竞争的核心正在从“理解信息”转向“理解现实”

过去几十年，计算机不断增强人类处理信息的能力。互联网解决了信息连接问题，大模型推动机器开始理解信息，但这些技术主要发生在数字空间。现实世界仍然存在大量尚未被智能化的问题，例如制造、物流、照护以及各种需要人与环境持续互动的复杂任务。

今天，一个模型可以告诉人如何维修设备却无法真正拿起工具完成维修，可以解释如何照顾老人，却无法进入家庭环境处理复杂情况。背后原因显而易见：语言可以描述世界，却不能替代世界。过去的人工智能主要处理已经存在的信息，而具身智能面对的是不断变化的现实环境，机器不仅需要知道“是什么”，还需要理解“应该怎么做”。

近年来，人工智能领域越来越重视“空间智能”这一方向。越来越多研究认为，智能不仅来自语言和抽象推理，也来自对空间、物体、环境以及它们之间关系的理解，这意味着人工智能正在从二维的信息世界进入三维的现实世界。因此，具身智能并不是机器人产业的一次简单升级，而是人工智能能力边界的一次扩展。它试图回答的问题，是当机器拥有越来越强的认知能力之后，如何让这种能力真正进入现实。

人类智能的秘密，不只是大脑，而是身体与世界的连接

长期以来，人们容易把智能理解为一种纯粹的计算能力。似乎只要拥有足够大的模型、足够多的数据和足够强的计算能力，机器就能够逐渐接近人类智能。但人类自身的发展过程说明，智能并不是孤立存在于大脑中的程序，而是在身体与环境持续互动中形成的能力。

一个婴儿并不是先理解世界，再开始行动；恰恰相反，它是在行动过程中逐渐理解世界。抓握让它理解重量，移动让它理解空间，碰撞让它理解边界，失败让它理解因果。身体提供了智能与现实之间的连接。对于具身智能而言，挑战并不是简单赋予机器运动能力，而是让机器通过身体获得理解现实的入口。

过去人工智能主要解决的是知识获取和信息处理问题，而具身智能面对的是经验形成和现实互动问题。机器不仅需要知道一个动作如何完成，还需要理解为什么这样行动，以及在不同环境中如何调整策略。

从生成答案，到执行任务：AI正在跨越“认知—行动”的鸿沟

大模型的发展改变了机器处理知识的方式。它让机器能够理解语言、总结信息、生成内容，并在复杂知识任务中展现出令人惊讶的能力。但知识并不等于经验。人类知道如何拿起一个杯子，并不是因为掌握了关于杯子的全部文字信息，而是因为身体已经积累了大量现实经验，知道重量、材质、力度和环境之间的关系。

具身智能要解决的，是从知识到经验的跨越。它需要让机器形成完整闭环：感知环境、理解目标、制定策略、执行动作，并根据反馈不断调整。这与传统自动化最大的区别在于，机器人不再只是按照预先设定的路径工作，而需要在变化环境中自主判断。过去机器人依靠程序驱动，而具身智能希望通过理解驱动行动。

当前全球人工智能产业正在形成新的竞争方向。一方面，大模型能力持续提升，为机器人提供更强的认知基础；另一方面，机器人硬件、计算基础设施和现实应用场景也在快速发展。未来的智能竞争，不会属于某一个单独领域，而会发生在人工智能、制造能力和现实世界交汇的位置。

为什么是今天？三股力量正在把AI推向现实世界

机器人研究已经持续数十年，但具身智能直到今天才真正进入快速发展阶段，并不是因为机器人突然出现，而是多个长期积累的技术条件同时成熟。

首先，是人工智能模型带来的认知能力突破。过去机器人最大的限制，是能够运动，却无法理解复杂任务。大模型的发展，使机器第一次具备处理语言、视觉和复杂指令的能力，让机器人从执行动作逐渐走向理解目标。

其次，是计算能力逐渐进入设备端。机器人面对的是实时变化的环境，它不能像传统软件一样等待计算结果，而需要在感知之后快速完成判断和行动。芯片性能提升、计算架构优化以及算法进步，使复杂智能逐渐具备进入机器人身体的基础。

第三，是数据竞争正在从数字世界进入现实世界。互联网时代，人工智能主要学习人的线上行为；而具身智能需要学习现实环境中的经验，包括如何抓取、如何移动、如何处理失败以及如何适应变化。

未来人工智能竞争的重要资源，不只是模型参数规模，而是谁能够建立更大规模、更高质量的现实交互数据体系。

机器人真正的难题，不是移动身体，而是建立世界经验

今天，机器人已经能够完成许多令人印象深刻的展示。但从实验室走向现实，中间仍然存在巨大鸿沟，因为现实世界不是一个可以被完全编程的系统，而是充满变化、不确定性和大量无法提前预设的情况。

一个机器人抓取一个物体，看似只是完成一个动作，但背后包含大量人类无需思考的判断：物体是什么材质？重量是多少？需要多大力量？如果失败会产生什么后果？这些经验对于人类而言几乎是本能，但对于机器而言，需要通过大量数据和模型训练形成。

人类区别于简单自动系统的重要能力，是能够预测未来。我们看到一个物体倾斜，会判断它可能倒下；看到一个球滚向边缘，会提前判断它可能掉落。这种对未来结果的预判，来自长期积累的世界经验。具身智能需要突破的，并不是让机器完成某一个动作，而是让机器理解行动背后的规律。所以，机器人最困难的问题不是“能不能动”，而是“是否知道为什么这样动”。

世界模型：AI进入现实世界之前，需要先学会预测现实

如果大模型让机器获得了语言能力，那么世界模型正在探索如何让机器获得现实理解能力。它并不是简单创造一个视觉上逼真的虚拟环境，而是帮助机器理解行动与结果之间的关系。

一个机器人移动一个箱子，需要理解重量、摩擦、空间关系和力量之间如何相互影响；一个机器人进入家庭环境，需要知道哪些物体可以接触，哪些行为可能造成风险。这些能力并不来自单一指令，而来自对现实规律的长期学习。

当前全球人工智能产业正在探索一种新的路径：通过真实数据与模拟环境结合，让机器在进入现实之前完成更多学习。这种方式希望降低机器人在现实世界中的试错成本，使机器能够更快适应复杂任务。但世界模型竞争的核心，并不会只是生成画面的能力，而是预测现实的能力。一个能够生成逼真图像或视频的系统，并不一定能够训练出可靠机器人，因为视觉上的真实与物理上的真实之间仍然存在巨大差异。

对于具身智能而言，关键问题不是“能否创造一个看起来像现实的世界”，而是“能否帮助机器理解现实中为什么会发生某件事”。未来有价值的世界模型，需要帮助机器人理解因果关系，预测行动结果，并形成“模拟学习—现实执行—失败反馈—持续优化”的闭环。如果大模型让AI进入知识世界，那么世界模型可能帮助AI进入物理世界。

为什么人形机器人受到追逐？因为人类世界本身就是为人设计的

人形机器人受到关注，并不只是因为它看起来像人，而是因为现代社会本身就是围绕人的身体结构建立起来的。门把手、楼梯、工具、生产空间，大量环境标准都是围绕人的能力形成。因此，当机器人拥有类似人的身体结构时，它理论上可以进入大量已经存在的人类空间，而不需要重新改造环境。这也是为什么人形机器人近年来成为具身智能探索的重要方向之一。它试图利用人类社会已经形成的基础设施，让机器更容易融入现有生产和生活体系。

但人形机器人并不意味着唯一答案。机器人发展的历史已经证明，不同任务往往对应不同形态。在高度标准化的工业环境中，专用机器人可能依然拥有更高效率；在复杂、多变化的人类环境中，更强泛化能力的机器人可能更具价值。因此，未来机器人产业不会简单走向某一种固定形态，而可能形成多种技术路线并存的格局。

决定机器人价值的，并不是外形是否接近人类，而是它是否能够以更低成本、更高可靠性完成过去需要人完成的复杂任务。机器人的方向不是复制人类，而是扩展人类能力。

从制造优势到智能基础设施，中国如何参与下一轮AI竞争

具身智能与过去很多数字技术不同，它不是纯软件竞争，而是一场人工智能、制造能力和产业场景共同参与的竞争。它需要模型能力，也需要供应链能力；需要算法突破，也需要大量真实环境验证。这使中国长期积累的制造体系重新具有重要价值。

过去几十年，中国形成了全球规模最大的制造体系，积累了完整的工业链条和丰富的生产场景。从汽车制造、电子生产，到物流仓储和商业服务，这些现实环境都可能成为具身智能训练和应用的重要场域。

相比纯数字技术，具身智能的发展更加依赖现实世界。软件可以通过代码快速迭代，但机器人必须经过大量真实运行才能成熟。它需要在一次次部署、失败、修正和优化中提高可靠性。这也意味着，中国在具身智能领域的优势不仅来自制造规模，更来自丰富的现实应用环境。

但产业基础并不会自动转化为领先优势。未来竞争的关键，是能否完成从技术能力到产业能力的转换，让机器人真正进入生产和生活体系，并形成可持续运行的商业模式。具身智能时代，竞争的不只是制造机器的能力，而是让智能进入社会运行体系的能力。

结尾