具身智能

定义

具身智能（Embodied AI）是指让人工智能系统拥有物理身体，在真实或仿真的物理环境中通过感知、推理与行动形成闭环的研究范式。与纯数字 AI（处理文字、图像）不同，具身系统必须解决「感知→决策→执行→反馈」的完整物理交互回路，涵盖机器人、自动驾驶及其他物理自主系统。

为什么重要

具身智能是将大语言模型与机器人技术融合的核心命题——它决定了 AI 能否从「能说」走向「能做」。对产业投资者而言，具身智能是继移动互联网、云计算之后被广泛押注的下一个通用技术平台，人形机器人是其最典型的商业化载体。对判断一家机器人公司「智能层有多深」，就是在判断它对具身智能的技术路线与投入深度。

技术现状

• 路线分化为「端到端学习」（VLA、模仿学习）与「分层经典控制 + 学习结合」两条主路，头部玩家普遍走融合路线。
• 数据稀缺是当前最大瓶颈：物理世界数据量远小于互联网文本/图像，仿真（sim-to-real）与遥操作成为扩充手段。
• 泛化能力——让同一套策略跨任务、跨场景可靠运行——仍是公认的未解难题，也是行业竞争的核心焦点。