具身智能是一種基于物理身體進(jìn)行感知和行動(dòng)的智能系統，其通過(guò)智能體與環(huán)境的交互獲取信息理解問(wèn)題、做出決策 并實(shí)現行動(dòng)，從而產(chǎn)生智能行為和適應性。具體而言，具身智能在機器人上的應用體現可以劃分為三階段：感知、推 理、執行。

具身智能是機器人與人工智能發(fā)展的交匯點(diǎn)。機器人的通用性取決于泛化性的發(fā)展程度，自20世紀50年代以來(lái)，經(jīng)過(guò) 多輪發(fā)展，機器人開(kāi)始從傳統的自動(dòng)化工業(yè)場(chǎng)景機器人，向通用泛化場(chǎng)景的機器人方向發(fā)展。而人工智能在幾十年發(fā) 展過(guò)后，在今天迎來(lái)了智能程度、通識程度更高的生成式大模型時(shí)代。在當前時(shí)間點(diǎn)，人工智能可以真正為機器人賦 予“大腦”，機器人也可為人工智能提供“身體”，兩者深度融合，而融合的交點(diǎn)——具身智能，則是人工智能與機 器人相互促進(jìn)發(fā)展而形成的必然的產(chǎn)業(yè)趨勢。

目前具身大模型可以分為兩大流派，一類(lèi)是端到端大模型，一類(lèi)是分層具身大模型。1）端到端大模型：能夠直接實(shí) 現從人類(lèi)指令到機械臂執行，即輸入圖像及文本指令，輸出夾爪末端動(dòng)作。

2）分層具身大模型：不同層次模型協(xié)作， 上層大模型進(jìn)行感知與決策，底層硬件層和中間響應快的小模型進(jìn)行決策的分解與執行。目前，由于受數據制約難以 達到性能要求，端到端大模型尚未成為主流選擇，更多廠(chǎng)商還是選擇以分層模型為機器人的具身智能。

訓練具身大模型的痛點(diǎn)：數據。機器人需要用海量數據進(jìn)行訓練，使其變得更加智能。但機器人是非常新的領(lǐng)域，嚴 重缺乏訓練數據的積累。對應而言，目前主要的數據收集方法有四種：1）遠程操作，即由實(shí)驗人員操作機械手柄，遠 程控制機器人做出相同動(dòng)作，以此來(lái)積累數據；2）AR，即通過(guò)AR環(huán)境對機器人進(jìn)行訓練，積累數據；3）仿真，即 通過(guò)海量算力進(jìn)行模擬運算，計算得出海量機器人訓練數據集；4）視頻學(xué)習，即通過(guò)多模態(tài)大模型，直接讓機器人通 過(guò)視頻學(xué)習人類(lèi)動(dòng)作，從而積累訓練數據。

人形機器人產(chǎn)業(yè)未來(lái)展望：從專(zhuān)用到通用，從ToB到ToC。短期來(lái)看，任務(wù)相對聚焦，對泛化能力要求不高工業(yè)制造 場(chǎng)景下的任務(wù)正在更快進(jìn)入商業(yè)化階段。在工業(yè)制造場(chǎng)景實(shí)現商業(yè)化落地之后，海量機器人的具身數據疊加算力技術(shù) 的進(jìn)步，機器人的能力將循序漸進(jìn)逐步解鎖，并向商用服務(wù)、家庭服務(wù)等更開(kāi)放的場(chǎng)景進(jìn)行延伸，屆時(shí)市場(chǎng)有望達萬(wàn) 億J。

附件：具身智能——決定 機器人泛化能力天花板的“大小腦”,分層具身大模型和端到端大模型