新质观察｜智能化的时代已经到来，AI正迈出关键的一步

2024年7月6日，在上海，2024年世界人工智能大会上，人工智能机器人伸出仿生机械手与参观者握手。视觉中国 资料图

一九九七年，IBM击败了国际象棋大师加里·卡斯帕罗夫，震惊了世界。2016年，“阿尔法围棋”（AlphaGo）围棋冠军李世石无能为力。从那以后，人工智能成为全球热门话题。但当时的AI只是一个会计的“头脑”，可以分析棋盘的情况，却摸不到棋子。

AlphaGo可以在服务器上快速训练1000多场棋局，甚至击败世界冠军。但本质上，它仍然是一个纯粹的算法系统，缺乏在物理世界中执行动作的能力。每当它下棋时，它必须依靠一个工作人员来帮助它在球场上停留。这就是AI 信息智能发展的第一阶段。它擅长处理数据，但不能直接影响现实。

如果 AI的发展是一场马拉松，所以在第一阶段，我们创造了一个非凡的大脑。现在，它正在迎来第二阶段-具体智能（EmbodiedAI），也就是物理智能。在这个阶段，AI不再局限于数据中心和屏幕，而是拥有感知，长出手脚，开始与物理世界互动。2025年，《政府工作报告》首次将“身体智能”写入其中，提出建立未来产业投资增长机制，重点培育生物制造、量子技术、身体智能、6G等未来产业。这个政策信号，意味着具身智能正从实验室走向现实，成为人工智能发展的重要方向。

从算法到动作，AI 迈出重要的一步

想象一下，你走进一家餐馆，点了一杯咖啡。一个机器人服务员优雅地拿着拖盘，把热咖啡放在你面前，没有洒出一滴。一个普通人很容易做到这一点，但对于AI来说，这是一个很大的问题。

在过去的几十年里，计算机视觉、语音识别、自然语言理解等信息智能取得了惊人的进展。AI可以识别图像，理解语言，甚至与人类顺利交谈。然而，这些技术仍然停留在数据世界。他们可以“理解”一杯咖啡，但他们不能真正拿起一杯咖啡。为了让AI走出屏幕，影响现实，它必须学会如何在物理世界中行动。

这是物理智能面临的核心问题。拿起一杯咖啡，这个看似简单的动作，其实涉及到复杂的传感、肌肉控制和平衡调节。AI需要准确感知杯子的形状、材质和重量，计算手指施加的力度，调整身体的平衡，以确保液体不会溢出。这些几乎是人类的本能，但对于AI来说，需要从零开始学习。

如果说信息智能的AI是一个生活在“理想国家”中的思想家，那么物理智能的AI就是一个需要工作的工人。现实世界比数据世界复杂得多，更难预测。

波士顿动力就是最典型的例子。（Boston Dynamics）机器人。他们可以跑，可以跳，甚至可以后空翻，看起来他们已经掌握了物理智能。但是如果你让它开门，拧螺丝，或者在光滑的地面上跑，它可能会摔倒。流畅的运动并不意味着真正的灵活性。机器人适应复杂的现实环境仍然存在巨大的挑战。

斯坦福大学李飞飞团队提出了一个全身操作的综合框架——行为机器人套件，以使机器人更好地执行日常任务。（BRS）。该框架旨在提高机器人在家庭环境中的独立执行能力，使其能完成各种家务任务，如扔垃圾、整理衣物、刷厕所等。这项研究是一个典型的具有智能突破的案例。它不仅让机器人“理解”任务，还让他们真正具备“动手”能力，让AI逐渐走向现实世界的高效实施者。

AI的关键不仅在于思考，还在于行动。

信息智能让AI成为“世界上最聪明的学者”，但它只能思考，不能改变世界。真正的改变来自行动。智力是AI走向现实的关键。

回首人类的进化过程，我们是因为会思考而变得强大，还是因为会行动而变得强大？

牛顿发现了万有引力定律，这是划时代的突破；然而，没有工程师来设计和制造飞机发动机，我们仍然不能在蓝天上飞翔。爱因斯坦提出了相对论，这是科学史上的突破；然而，没有科学家和工程师的不懈努力，我们无法享受GPS技术带来的便利。知识塑造世界，但实践最终推动世界前进。

人工智能也是如此。信息化使AI了解世界，物理智能使AI改造世界。今天，我们可以用Deepseek生成一篇文章，用豆包AI画一张图片。但是我们不能让AI盖房子，做饭，或者为病人做手术。未来，拥有智力的突破才是真正让AI进入日常生活的关键。

谷歌于2025年3月与机器人开发公司Apptronik合作，以Geminik为基础，推出了两家公司。 机器人AI模型2.0——Gemini Robotics和Gemini Robotics-Embodied Reasoning（ER），目的是帮助机器人完成比过去更多的实际任务。

这两种模式的核心目标是让机器人不仅能理解指令，还能理解和适应新的环境和任务，这是物理智能发展的关键一步。测试表明，Gemini Robotics具有更强的泛化能力，可以处理未经训练的任务，例如折纸，把眼镜放进盒子里，打开瓶盖等。相比之下，Gemini Robotics-ER版本更注重空间感知和任务规划，可以将可靠的机器人开发者集成到自己的系统中。在现实环境中，这些技术突破意味着机器人的适应性和执行能力取得了重要进展，使AI进一步从虚拟世界走向物理世界。

“三座大山”在智能眼前

AI要真正进入物理世界，最大的挑战是什么？现在，主要有三座大山：感知、运动控制和学习能力。三者的突破，正使具体智能从“实验室玩具”转变为“全能助手”。

第一座山：感知的进化，从“盲人摸象”到“眼见六路”

感知是机器人走向现实世界的主要问题。人脑依靠眼睛、耳朵、皮肤等各种传感器来感知世界，机器人也需要类似的“感官”——摄像头、激光雷达、触摸和液位传感器等。但问题是人类的感知是动态的、全面的、适应的，而目前的AI感知系统一般都是单一的、分裂的。

未来的机器人需要更强的泛化能力，能够适应从未见过的任务，并在新的环境中迅速理解和反应。例如，当面对不同的物体、复杂的场景或陌生的环境时，机器人需要迅速识别并采取适当的行动。未来的家庭机器人管家需要在昏暗的卧室里绕过乐高，抱起婴儿时自动调整强度，煮咖啡时根据香味调整提取时间。AI需要真正的全模态感知能力，让机器人像人类一样“眼、耳、鼻、舌、身”，精确感知，灵活应对现实世界。

第二座山：运动控制革命，从“机械舞者”到“灵活工匠”

假设感知决定了机器人能够“看见”世界，那么运动控制决定了它是否能够与世界互动。你们有没有注意到，今天的机器人可以做很多事情，但是他们的动作总是显得有点僵硬。这种情况主要是由于人类的运动控制非常灵活，我们的肌肉、神经系统可以实时调节，而现有的AI运动系统仍然显得粗糙。人走路时，每一步涉及200多块肌肉的毫秒协调，机器人必须突破稳定平衡、精细操作和能量效率三大难点，才能实现这种流畅的动作。

伴随着技术的进步，机器人在动作控制方面的灵活性也在不断提高。在未来，机器人可以精细地完成一些复杂的任务，例如折纸，拿起易碎物品，甚至像人类一样操作物品。为了实现这一点，机器人不仅需要精确的动作控制，还需要对周围环境进行实时的感知和调整。这一灵活性将使机器人能够更好地适应现实世界中多变的场景，并执行需要高度协调和精确操作的任务。唯有真正做到这一点，机器人才能适应现实世界中多变的场景，由流水线上的机械臂演变为能胜任各种精细任务的“灵活工匠”。

三山：学习能力的成长，从“死记硬背”到“随机应变”

学习能力是机器人面临的第三大挑战。人类的学习往往是通过试错、实践经验和直觉判断相结合的。虽然现有的AI可以通过加强学习来训练动作，但它们仍然缺乏真正的“直觉”和“经验”，这使得它们在面对环境变化时往往无法应对。

未来的机器人需要有更强的自适应性学习能力，可以通过日常对话或指令理解不断优化自己的行为，根据环境的变化不断优化自己的操作方法。这种持续学习和动态适应的能力，可以让机器人在复杂的现实世界中真正做到任务，而不仅仅是按照预设的程序进行操作。真正的智能不是存储在数据库中的代码，而是存在于物理交互中的活力。

这一突破表明，未来的机器人将不仅仅是一个简单的工具，而是一个具有感知、行动、学习和适应能力的智能体。伴随着技术的不断进步，AI将逐步从云计算率堆积起来的“数字鬼”，进化成扎根现实世界的“硅基生命体”。

AI的边界，还能延伸到哪里？

智能信息让AI变得聪明；物理智能让AI变得强大。然而，AI的终点不仅仅是更强的计算能力或更灵活的四肢，而是更高级的第三阶段——生物智能。

MIT实验室正在探索将神经细胞与芯片结合的技术，中国科学院的研究团队已经成功地通过脑机接口“感知”了虚拟疼痛。这些探索可能意味着AI正在接近生命的复杂性。未来的AI不再只是一台冰冷的机器，而是像人类生活一样思考、学习、适应甚至自主进化。

但是，生物智能仍然是遥远的第三阶段。现在，我们刚刚进入第二阶段——具身智力的门槛。使AI具有真正的执行能力，使AI能够理解、感知和适应现实世界，这个过程可能比我们预期的要长。在历史上，每一次技术革命，都是从思想到行动的演变。从哲学思辨到科技实践，从设想工具到掌握工具，再到成为工具的创造者，人类用了几千年。而AI，正沿着同一条路径前进。

唯一的问题是，我们是否准备好迎接这个“站起来的AI”？

(作者胡逸是数据工作者，有《未来可期：与人工智能同行》一书)

本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。

免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com