新一輪科技浪潮的推動下，具身智能（Embodied Intelligence, EI）這一智能系統(tǒng)與物理實體相結(jié)合的科技創(chuàng)新產(chǎn)物，正悄然改變著世界。它不僅超越了單純的技術(shù)革命范疇，更預(yù)示著未來對人類生活方式、制造模式乃至社會結(jié)構(gòu)都將帶來一次深刻的重塑。

       據(jù)不完全統(tǒng)計，僅2024年上半年，關(guān)于具身智能的研討已多達500余次。來自不同領(lǐng)域的行業(yè)精英、產(chǎn)業(yè)高管、高校學者，都在試圖找到具身智能技術(shù)進化的規(guī)律性與確定性。

       盡管從2020年以來，斯坦福、伯克利、MIT、CMU、谷歌、微軟、亞馬遜、OpenAI、英偉達等眾多學者與企業(yè)家，對該領(lǐng)域的進化路徑孜孜以求。但至今尚未找到機器人或具身智能的通用大模型Scaling Law。

       盡管訓練參數(shù)還在“無限”增加，這一現(xiàn)狀甚至不可避免地導致算力需要“無限”增加，能源也需要“無限”增加，相關(guān)大模型的單次訓練成本已經(jīng)少則1千萬美元，多則接近上億美元。但大力并沒有出奇跡，諸如功能、安全、質(zhì)量以及實時性等關(guān)鍵指標并沒有明顯提高。

       一種對技術(shù)與供應(yīng)鏈迭代的“無力感”，在業(yè)界蔓延。7月22日，馬斯克在推特上宣布，特斯拉Optimus人形機器人二代因未能獲得高性價比的成熟供應(yīng)鏈支持，而推遲發(fā)布。據(jù)悉，這代機器人將自主設(shè)計全新雙手、FSD芯片等核心零部件，以便提高30%的行走速度、減輕10kg的重量，并將成本控制在1萬美元，售價控制在2萬美元左右。但供應(yīng)鏈因素直接導致了馬斯克的夢想，被延遲實現(xiàn)。

       在中國，人形機器人也是熱鬧非凡，一級市場可落地產(chǎn)品尚待成熟，二級市場卻已率先上揚；人形樣機尚未明確具體的應(yīng)用場景，量產(chǎn)之路也大受供應(yīng)鏈掣肘，人形機器人的價格戰(zhàn)卻已打響。此外，隨著7月武漢蘿卜無人出租車在指定區(qū)域以低速模式嘗試商業(yè)化短途打車服務(wù)，人們開始對未來社會的就業(yè)問題產(chǎn)生擔憂。

       在這樣的背景下，“2024科技創(chuàng)變者大會”即將開啟。政產(chǎn)學研金多方力量的匯聚與助力，推動了這次大會的籌備工作。在此我由衷地感謝北京市科委、中關(guān)村管委會各位領(lǐng)導的鼎力支持，還有海淀區(qū)、中關(guān)村科學城管委會以及東升鎮(zhèn)領(lǐng)導的竭力相助，感謝參與并貢獻智慧的各位知名大學院所頂級專家、奮斗在科研一線的青年科學家、大廠杰出的企業(yè)家、資深投資人、獨角獸企業(yè)的CEO以及初創(chuàng)企業(yè)的創(chuàng)變者們。

       8月8日，期待與各界精英在北京中關(guān)村東升科技園萬麗酒店相聚一堂，聚焦《具身智能 產(chǎn)業(yè)智變新引擎》這一主題，圍繞具身智能如何實現(xiàn)高質(zhì)量發(fā)展并探索出一條有效的進化路徑展開深入探討。以下為本次大會的核心議題與前置性思考：

什么是具身智能？它是未來社會的長期剛性需求嗎？它是推動新質(zhì)生產(chǎn)力的重要引擎嗎？

       沿著熱潮的方向出發(fā)，你會發(fā)現(xiàn)，當下幾乎所有的困惑與糾結(jié)都聚焦在人形機器人身上。這個“笨手笨腳的家伙”距離能力爆發(fā)到底還要多久？人類還有沒有超級場景留給它？未來，真如馬斯克所言，全球?qū)⒂?00億臺套人形機器人的市場嗎？也許，將視野打開，答案也躍然紙上了。

       我想，擁有智慧大腦的人形機器人，固然是具身智能的一種形態(tài)。但是具身智能并不局限于“AI+人形機器人”這一范疇，它同樣涵蓋“AI+通用機器人結(jié)構(gòu)”、“AI+高端制造裝備”等多種形式。

       自1950年圖靈在其論文《計算機器與智能》中提出“非具身或具身智能”概念以來，具身智能這一概念逐漸被廣義理解為：智能系統(tǒng)通過物理實體（機器人、無人機、無人車、制造裝備甚至各類終端設(shè)備等）與環(huán)境互動時所展現(xiàn)的一種智能能力。簡單理解，具身智能是生成式AIGC與機器人RT的融合，通過人機或環(huán)境交互，基于底層模型與數(shù)據(jù)驅(qū)動的離線或在線感知學習、認知判斷、智能控制等技術(shù)，提升智能機器在本體層、環(huán)境層、任務(wù)層的人機交互、決策推理及操作行動等智能化水平，并增強其適應(yīng)不同環(huán)境的泛化能力。

       而具身智能突出的特點主要體現(xiàn)在兩個方面：一方面，它具備人機交互、自然語言理解與認知能力，通過機器學習或大模型，讓機器按照人的意圖，將目標分解系列化的子目標或思維鏈，以完成相應(yīng)的復(fù)雜任務(wù)；另一方面，具身智能可通過感知、認知、決策，與時變環(huán)境及對象進行實時校準互動，在非結(jié)構(gòu)化的復(fù)雜環(huán)境中，它能夠?qū)崟r在線學習、識辨或修正補償時變環(huán)境。由此看來，只要把感知、學習、判斷和認知能力有效嵌入到任何形態(tài)的硬件中，都可以被視為廣義上的具身智能。

       將具身智能落地到服務(wù)、制造、商務(wù)等多元化的場景中，面對錯綜復(fù)雜的動態(tài)環(huán)境，我們進而發(fā)現(xiàn)具身智能以其自主感知、快速決策、行動與學習迭代的技術(shù)能力，展現(xiàn)出前所未有的靈活性和適應(yīng)性潛力。這不僅有望為傳統(tǒng)工業(yè)帶來新一輪革命性影響，更是未來社會的長期剛性需求。

       在這個“布局未來”的過程中，具身智能領(lǐng)域的企業(yè)百花齊放，他們各自在奮斗與攻克中展現(xiàn)獨特風采。有的專注于人形機器人的研發(fā)，力求在人機交互、情感識別等方面取得突破；有的則深耕于高端制造裝備領(lǐng)域，通過優(yōu)化算法、提升精度和效率，推動制造業(yè)的智能化升級。

       從無人快遞車，到無人外賣車，再到如今的蘿卜快跑；從智能家電，到智能家居，再到智慧城市；從智能裝備，到智能制造，再到柔性供應(yīng)鏈……實際上，具身智能已經(jīng)潛移默化的深入到人類社會的方方面面。

       但未來，隨著社會發(fā)展的不斷演進，一系列趨勢性變化凸顯了具身智能的長期剛性需求。由于人們不愿意從事單獨枯燥繁重甚至危險勞動，同時智慧城市人口在不斷增加，這對工業(yè)制造的效率要求越來越高，社會化智能服務(wù)更是期待著更加便捷的模式出現(xiàn)。此外，老齡化社會的加劇將引發(fā)更為迫切的康養(yǎng)需求，搶險救災(zāi)等高風險工作也亟待智能化的解決方案。從這樣的必然趨勢看，具身智能是長期的剛性需求。未來在工業(yè)制造、商業(yè)服務(wù)、家庭服務(wù)甚至國防軍事等方面，將具有廣泛的應(yīng)用市場。

       基于上述分析，我愈發(fā)認定：具身智能將成為未來新質(zhì)生產(chǎn)力的一個重要引擎。其將AIGC+RT兩者結(jié)合，極大的推動了機器人、制造裝備、智能終端以及其大腦的進一步進化、泛化與遷移，有望將“一腦多機”與“一腦多型”的技術(shù)創(chuàng)想變?yōu)楝F(xiàn)實。我們相信，語言“認知”世界，具身智能工具“改造”世界！它終將改變?nèi)?、工具、社會三者之間的生產(chǎn)關(guān)系，極大提高生產(chǎn)力效率，這一變革不僅對促進我國實體經(jīng)濟的高質(zhì)量增長發(fā)揮作用，更將對未來國際產(chǎn)業(yè)競爭格局與我國綜合新質(zhì)生產(chǎn)力的發(fā)展產(chǎn)生重大影響。

具身智能百花齊放，創(chuàng)新的熱點方向又有哪些？

近五年來，具身智能領(lǐng)域涌現(xiàn)出了一系列重大的創(chuàng)新研究。其中，我認為以下重要方向仍值得持續(xù)深入下去，具體包括：

• 大腦--通用機器人結(jié)構(gòu)：人形機器人/模塊化復(fù)合型機器人；數(shù)據(jù)模擬器與制造工廠--復(fù)雜操作分解與機器人動作庫的仿真生成數(shù)據(jù)集；端到端算力芯片--低功耗專用小模型GPU與編譯器。

• 小腦--運動、操作、技能等多品類小腦，AI不只一個，包括實時專業(yè)技能操作、復(fù)雜智能行為分解與控制、實時安全評測等小模型控制器，這些模型將廣泛應(yīng)用于焊接、清潔、搬運、拋光、打磨、炒菜、保健等領(lǐng)域，以閉源小模型或輕量化模型的形式存在，相關(guān)關(guān)鍵訓練數(shù)據(jù)保密，確保模型的獨特性與安全性。

• 空間智能--在空間智能領(lǐng)域，通過視覺、聽覺、觸覺等多維感知對空間信息的獲取、識別、語義理解與表達，并結(jié)合Agent代理，將提升機器人的智能交互能力；腦機接口--該領(lǐng)域的在生理解剖學的研究、腦機大模型的構(gòu)建、微針電極傳感器的應(yīng)用，以及植入式機器人的開發(fā)，有望為未來的具身智能開辟新路徑。

• 肢體與上游核心部件--深入這些方向的正向設(shè)計，將有效增強機器人的環(huán)境適應(yīng)性與操作靈活性，具體包括高動態(tài)、高精度、高負載的電機驅(qū)動與絲杠減速器一體化單元，剛?cè)狁詈闲虏牧响`巧手，新型人工肌肉與電子皮膚，低成本生物傳感器等。

• 垂直應(yīng)用App--工業(yè)L2/L3智能工作站，商務(wù)L3/L4智能復(fù)合型機器人，消費家政L4/L5通用機器人或智能體；免編程與安全算法--編譯器與隱私計算等；數(shù)據(jù)服務(wù)--垂直模型專用技能數(shù)據(jù)服務(wù)公司；運營服務(wù)--“勞動”租賃派遣公司；制造技術(shù)--3D打印，復(fù)合材料，熱氣漲技術(shù)，光聚合加工，高效快充電池技術(shù)等。法律--就業(yè)、隱私、倫理、道德、法律等。

       除此之外，我同樣期待具身智能在三大熱點方向上實現(xiàn)突破。一是，機器人結(jié)構(gòu)（尤其是人形機器人結(jié)構(gòu)）及核心部件的供應(yīng)鏈持續(xù)優(yōu)化與迭代；二是，通過更具經(jīng)濟性的具身智能技術(shù)創(chuàng)新，推動AI大模型反卷專用化、輕量化的小模型進化發(fā)展；三是，加速無人駕駛、低空經(jīng)濟、新能源汽車、物流、養(yǎng)老陪護、危險環(huán)境作業(yè)等具體應(yīng)用場景的推進與迭代。

迷霧重重：具身智能的挑戰(zhàn)性問題

       從傳統(tǒng)的汽車、船舶、飛機制造，到前沿領(lǐng)域的仿生“狗”、人形機器人探索與創(chuàng)造，一場由大模型+機器人所引發(fā)的“新物種”誕生潮，預(yù)示著商業(yè)模式將深刻重構(gòu)，制造模式將迎來新一輪變革，技術(shù)應(yīng)用滲透方式將經(jīng)歷根本性的轉(zhuǎn)型。

       然而，在創(chuàng)新機遇之外，具身智能的一系列挑戰(zhàn)性問題依然不容忽視。當行業(yè)處于一個非共識的混沌狀態(tài)時，我無比期待具身智能的各方力量，能針對這些挑戰(zhàn)性問題，從多維度的思考與實踐中探索答案。

• 挑戰(zhàn)性問題一：什么是人形機器人的最佳結(jié)構(gòu)？如何評價人形機器人的能力？未來會不會像馬斯克所言：人形機器人市場將會有100億甚至200億臺套？以全電驅(qū)動為主的人形機器人，其相應(yīng)供應(yīng)鏈該如何迭代？有沒有更好的驅(qū)動模式及其核心部件？ 

       我想，“新物種”的發(fā)展并非一蹴而就，它需要在應(yīng)用中持續(xù)迭代進化，而這一進化過程也深刻影響著供應(yīng)鏈與大模型的共同進化。具身智能在面對供應(yīng)鏈不健全與復(fù)雜性問題時，的確會面臨顯著挑戰(zhàn)。從電機、減速器到控制系統(tǒng)，每一個核心部件的優(yōu)化都至關(guān)重要。

       例如為降低成本、實現(xiàn)具身智能產(chǎn)品的小型化與集成化，不少企業(yè)在整合供應(yīng)鏈的過程中也不斷探索。讓我們不妨去大膽猜想，未來高動態(tài)、大扭矩、低成本的電機、驅(qū)動、減速器一體化直驅(qū)關(guān)節(jié)，是否有可能在實現(xiàn)200N.m的性能下，將價格從5000元人民幣降至1000元人民幣？

• 挑戰(zhàn)性問題二：我們能否找到具身智能的Scaling Law？是否存在統(tǒng)一的機器人或具身智能基礎(chǔ)大模型？使具身智能工具能夠像人類一樣擁有靈巧運動、感知識別、認知推理等多方面能力。

       智能層面的技術(shù)不斷演進，尤其是在大模型“反卷”小模型、大模型輕量化的博弈之中，為具身智能的未來增添了技術(shù)路徑上的更多可能性。

       盡管大模型在通用性和知識覆蓋廣度上擁有優(yōu)勢，但其泛化能力在某些特定場景的局限性依舊存在。疊加經(jīng)濟性、落地性等一系列現(xiàn)實問題，行業(yè)走向了多模態(tài)、專業(yè)化、輕量化的探索之路。

       圍繞這些方面，近期領(lǐng)域內(nèi)的研究取得了多項引人注目的進展。在法國，Mistral模型以70億參數(shù)擊敗了擁有130億參數(shù)的LLama模型，展示了參數(shù)效率的提升；在中國，面壁智能的MiniCPM模型以僅24億參數(shù)就達到了接近1750億參數(shù)GPT-3的性能水平，其背后的首席科學家——清華大學劉知遠教授，更是提出“知識密度=模型能力/模型參數(shù)”的創(chuàng)新概念，強調(diào)模型效率的重要性。

       此外，年輕科學家馬毅教授預(yù)告將在斯坦福大學主持召開“簡約與學習”的學術(shù)會議，聚焦于低維結(jié)構(gòu)的研究，這進一步推動AI模型向更加精簡、高效的方向發(fā)展。

       而在7月30日的SIGGRAPH大會上，黃仁勛與扎克伯格的對話也聚焦于小模型或分段模型的應(yīng)用前景上。黃仁勛不僅展示了英偉達在具身智能領(lǐng)域的布局，還透露了由90后華人博士Jim Fan領(lǐng)導的具身智能實驗室的研究成果：基于定義具身智能結(jié)構(gòu)，感知環(huán)境、潛在學習完成技能等相互嵌入的動態(tài)Agents思路。

       另一方面，7月25日，斯坦福大學計算機系的李飛飛教授在短短三個月內(nèi)就完成了一個AI獨角獸企業(yè)的誕生，該企業(yè)利用“三維空間智能技”實現(xiàn)了機器對環(huán)境的理解與導航能力，通過模擬貓與桌子上玻璃杯等物體的空間、幾何及關(guān)系作用，探索了機器“看”與“做”的良性閉環(huán)。

       7月29日，騰訊RoboticsX實驗室張正友團隊在《自然機器智能》（Nature子刊）封面發(fā)表了重要研究成果，該團隊成功將生成式AI-Agent嵌入機器人智能控制系統(tǒng)中。在本體、環(huán)境、任務(wù)三個層面中，通過快速系統(tǒng)1處理90%的簡約感知、認知和行動決策，同時利用復(fù)雜認知慢系統(tǒng)2進行知識學習、歸納、推理及決策，實現(xiàn)了機器在本體、環(huán)境和任務(wù)三個層次上的高效協(xié)同。

伴隨著具身智能的發(fā)展，科學家們對規(guī)律的渴求還遠不止于此。目前，盡管任務(wù)規(guī)劃的Scaling Law已有一定進展，但環(huán)境空間和操作本體的Scaling Law仍處于探索階段。是堅定不移？還是轉(zhuǎn)變路徑？雖沒有絕對答案，但我堅信中國的工程師紅利即將在其中發(fā)揮作用。

       甚至在不久的將來（3-5年），我們是不是就將見證一個全新的智能時代到來呢？那時候，API免費，AI服務(wù)80%由機器完成，20%通過人工對齊完成，通用的AI服務(wù)或產(chǎn)品會不會就像水、電、煤氣等基礎(chǔ)設(shè)施一樣，無處不在，觸手可得？當終端客戶已經(jīng)不知道他所獲得的咨詢與解決方案來自哪個具體大模型公司時，這又會引發(fā)科技創(chuàng)新領(lǐng)域中怎樣的連鎖反應(yīng)呢？ 

• 挑戰(zhàn)性問題三：為什么中國機器人或具身智能出現(xiàn)了明顯的“內(nèi)卷”現(xiàn)象？就在幾天前，某公司以3.85萬的低價開售人形機器人，在缺乏應(yīng)用場景，尚未建立起標準化的供應(yīng)鏈以幫助實現(xiàn)量產(chǎn)的情況下，行業(yè)再現(xiàn)“價格屠夫”。人們不禁要問：未來，機器人/具身智能的前景究竟如何？

冷靜思考，堅定前行：開啟科技創(chuàng)新的加速之旅

       如今，科技創(chuàng)新的浪潮以前所未有的速度席卷全球，顯著縮短了從科研探索到商業(yè)應(yīng)用的周期。昔日需數(shù)十載方能達成的技術(shù)飛躍，如今幾年間甚至更短便能觸手可及。科技創(chuàng)新的加速，不僅體現(xiàn)在時間維度上，更體現(xiàn)在探索的深度與覆蓋的廣度上。當多學科交叉融合成為新常態(tài)，基礎(chǔ)科學、工程技術(shù)、經(jīng)濟學及人文社科等領(lǐng)域的深度融合，構(gòu)建了一個多元共生、相互推動的創(chuàng)新生態(tài)，驅(qū)動著科技與產(chǎn)業(yè)不斷向前躍進。新技術(shù)、新業(yè)態(tài)、新模式不斷涌現(xiàn)，不僅為傳統(tǒng)產(chǎn)業(yè)注入創(chuàng)新活力，同時也催生了一批高技術(shù)含量、高附加值、高成長性的新興產(chǎn)業(yè)，成為推動未來經(jīng)濟發(fā)展的新引擎。

       與此同時，市場快速變化與競爭也在日益激烈。面對挑戰(zhàn)，小微企業(yè)需要聚焦于細分領(lǐng)域，深耕細作，以“專精特新”為路徑，鍛造核心競爭力；而大型企業(yè)則可依托資源優(yōu)勢，構(gòu)建平臺型或鏈主型生態(tài)系統(tǒng)，整合上下游資源，實現(xiàn)規(guī)模效應(yīng)與協(xié)同效應(yīng)的雙贏，穩(wěn)固市場領(lǐng)先地位。

       另一方面，具身智能領(lǐng)域的“行業(yè)依附性”特點，又將深入挖掘應(yīng)用場景的價值提到了更重要的位置上。技術(shù)創(chuàng)新，只有與產(chǎn)業(yè)需求緊密結(jié)合，才能推動具身智能產(chǎn)品的不斷升級。這一過程不僅是技術(shù)的精進，更是對市場需求的精準把握與快速響應(yīng)。同時，具身智能形態(tài)作為未來發(fā)展的重要趨勢，其確立對于企業(yè)的長遠發(fā)展具有關(guān)鍵意義。通過場景資源、融資資源等多方資源的交叉融合與螺旋式迭代發(fā)展，方能避免“醒得早，起得晚”的遺憾，防止在時代的洪流中被邊緣化甚至淘汰。

結(jié)語

       回望歷史長河，每一次科技的里程碑式突破，都無可避免地伴隨著質(zhì)疑的眼光和挑戰(zhàn)的洗禮。數(shù)百年前，世界第一艘輪船“克萊蒙特號”在眾人懷疑的目光中入水，它搖搖晃晃地模樣仿佛隨時都會淪為笑柄。然而，正是這份“不在乎他人眼光”的探索精神，讓人類得以跨越海洋的阻隔。

       在眼前的具身智能浪潮中，顛覆傳統(tǒng)、重塑未來的歷史再次上演。我無比相信：擁抱變革，穿越周期，堅定信念的創(chuàng)變者們，終將是這次浪潮的贏家！

       讓我們懷揣著對具身智能的美好期待，在8月8日的“2024科技創(chuàng)變者大會”上，不見不散。