近日，全球首个人形机器人半程马拉松在北京正式开跑，吸引了海内外众多观众的目光。作为人工智能的前沿领域，具身智能已经从实验室走向现实，逐步迈向产业化和规模化发展，在不久的未来势必带来诸多行业的变革。在今年的《政府工作报告》中，首次明确提及培育“具身智能”产业。4月25日，习近平总书记在中共中央政治局第二十次集体学习时强调“坚持自立自强，突出应用导向，推动我国人工智能朝着有益、安全、公平方向健康有序发展”，为具身智能明确了发展思路。次日，光明智库以“当具身智能走出实验室——距离人手一台机器人，我们还有多远？”为主题举办新一期青年论坛，邀请多位相关领域青年学者共同探讨这一话题，在此摘录部分精彩发言与读者分享。
与谈人：李想 中国电子信息产业发展研究院电子信息研究所工程师；韩军徽 中国科学技术发展战略研究院副研究员；朱垚颖 清华大学人文学院讲师、北京大学人工智能应用与创新实验室研究员；方菁菁 浙江省发展规划研究院产业发展研究所高端装备研究室高级工程师
主持人：记者 陈之殷 陈恒
具身智能发展正处于关键阶段
光明智库：近年来，机器人在我国工业生产、医疗服务、家庭陪伴等场景的应用日益广泛，在亦庄机器人马拉松“赛事”中，参赛机器人一方面吸引了广泛关注，另一方面其“笨拙”的步伐也引发调侃，暴露出关节设计、散热等许多技术问题。能否请几位谈谈，当前我国的具身智能发展到了什么阶段，实现了哪些应用？
方菁菁：具身智能，可以按字面理解为“具身化的人工智能”：“具身”是前提，即具有身体且能通过交互来执行任务，有四足、轮式、人形等形态；“智能”是核心，即将人工智能技术嵌入到物体实体，让交互实现更高水平的智能。其中，人形机器人是具身智能的最佳载体之一。当前，大模型的高速发展为具身智能发展提供了技术基础，在继续优化运动机能的基础上，发展重心逐渐向提升智能度转变，形成了一批典型产品。比如，在竞争激烈的国际市场上，全球每销售10台机器狗中有7台为中国制造。像浙江的宇树科技作为中国四足机器人领域的领军企业，其机器狗产品在全球市场占据超60%份额；上海智元全栈开源机器人灵犀X1，让开发者们能够更轻松地参与到机器人的研发和应用中来；深度求索发布的DeepSeek系列开源模型，有效提升了国内大模型的复杂任务处理的能力，显著降低具身智能开发门槛，加速推动开源生态与行业应用结合。
李想：目前我国具身智能技术正处于从单点技术突破向系统集成与场景验证迈进的关键阶段。一是核心技术体系初步成型。二是场景验证从单一走向多元。具身智能作为人工智能与物理世界深度融合的重要载体，正在通过技术革新、产业链协同重构上下游产业生态。产业链上游，具身智能需求引领带动传感器、芯片等硬件和人工智能大模型、开发工具等软件生态协同创新，促使企业加大研发和生产投入，实现降本增效。产业链下游，具身智能可以赋能工业制造、医疗康养、教育、服务等领域，推动各行业智能化转型升级，创造新的应用场景和商业模式，催生新的产业生态和服务形态。
具身智能规模化应用存在的主要障碍
光明智库：从技术、产业和市场等角度来看，具身智能在拓展新场景、实现规模化应用方面还存在哪些障碍？
方菁菁：我主要谈一下技术层面。虽然具身智能各种指标性能在不断优化，但仍处于从实验室走向实际场景应用的过渡阶段，在技术层面存在几个难题。一是硬件门槛高，呈现“非标化”“高成本”。人形机器人核心硬件如脑机接口、电子皮肤、多维度触觉传感器等正从萌芽期过渡到发展期，还没有完全进入成熟期。各家人形机器人采用“非标化”部件，器件接入方式和通信交互方式多样，生产成本居高不下。二是软件算法难，亟须多模态融合、高性能提升。大脑端，仍然无法摆脱大模型固有的多模态融合难度大、高质量训练数据稀缺等问题，同时面临缺少统一底层控制基座，不同系统模块对接调度难度大等具身智能技术特有的问题。小脑端，泛化性不强、灵活度不高，无法满足工业制造和特种服务等场景快速高爆发移动、高精度技能作业、移动操作协同等要求。三是数据集需求大，面临采集成本高、处理分析难等问题。机器人需要在各种复杂物理环境中进行工作，需要机器人具备高度的适应性和学习能力，在真实环境中的交互数据不可或缺。收集数据耗费大量时间和资源，同时收集到的数据往往具有高度的多样性和复杂性，使得数据处理和分析变得更加困难。四是公共开放平台缺失，存在“无法验证”“无地测试”窘境。具身智能性能综合性评价体系尚未建立，人机交互、续航功耗、关节疲劳、越障避障等测试检测能力还未形成，无法定义精度的“高”、动作的“灵活”、产品的“好用”。设计、概念验证、打样、小试缺乏公共服务平台，影响产业化发展进程。
朱垚颖：从产业上下游层面来看，上游技术开发环节，既需要加强高精度传感器、仿生机械结构等硬件技术的迭代升级，又需要推动对AI训练数据集、决策算法等软件技术的创新发展，加强能支撑具身智能长远发展的基础设施建设；在连接上游技术研发与下游场景应用的中游环节，应重视技术集成、系统优化与生态构建，提前布局能集中开发、协同作业的技术平台，打通多类技术应用之间的壁垒，在产业流通性和技术开源性方面形成更健康、更开放、动态进化的行业生态；在下游产业场景落地和商业化应用环节，可以加强医疗、制造业、家庭服务等垂直领域的产业渗透，优先从标准化、可控性高的场景切入再逐步过渡到更开放、更多元的商业环境，最终促进人工智能与元宇宙、物联网等技术的高效结合，改革相关行业的运行逻辑，最终实现产业高质量、可循环、可持续发展。
李想：市场方面，具身智能系统研发和制造成本高，硬件层需配备高精度传感器、高性能处理器，软件层需要大量算法研发与模型训练资源，致使产品价格超出多数潜在用户承受范围，也会抑制市场需求、阻碍商业化进程；具身智能应用场景丰富，但不同场景需求差异较大，难以构建统一通用的解决方案，增加产品研发和市场推广的风险；多数用户对具身智能的认知有限，对其实际功能、可靠性及安全性存在疑虑，尤其医疗、养老等安全需求较高的领域，传统人工服务模式长期占据主导地位，对智能体介入的接受程度较低，需要较长时间的市场培育与教育投入。
伦理与法律方面，具身智能设备在运行过程中会收集大量的用户数据，包括个人隐私、行为习惯等，数据存储、传输和使用等环节存在泄露风险，带来隐私与数据安全隐患；具身智能系统往往具有较高运动能力，可能会对周围人员和环境造成物理伤害，如机器人失控、操作失误等引发安全事故；具身智能系统涉及算法设计、硬件制造、用户操作多环节，一旦出现安全事故，责任难以清晰界定；具身智能的情绪价值设计可能引发情感依赖或伦理争议，需建立人机交互的价值对齐机制。
构建高效协同的具身智能产业生态
光明智库：具身智能产业涵盖芯片、传感器、算法、机器人制造等众多环节，如何构建更加完善、协同性更强的具身智能产业生态，促进上下游企业共同发展，推动技术快速迭代和产品商业化落地？
韩军徽：构建高效协同的具身智能产业生态，必须协调发挥政府作用和市场作用。一方面，相关部门要牵头打造通用开发平台、构建统一的技术标准体系。具身智能产业既包括芯片、传感器、控制器等硬件基础，也包括人工智能算法、操作系统、云服务等软件系统。要加快建设具身智能检验检测和中试验证等通用开发平台以及源代码、数据集等开放共享平台，布局一批具身智能中试验证基地，支撑具身智能产品的工程化落地和产业化应用。另一方面，要强化企业科技创新主体地位，构建企业主导的产学研用协同创新体系。 此外，要发挥好科技金融体系对具身智能产业培育的促进作用。
朱垚颖：具身智能的产业化和商业化不仅是技术问题，更是整个社会系统进行适配的过程，需要政府部门、技术研发者、相关产业从业者、研究学者乃至社会公众的共同参与。在技术层面，要加快建立科学、有效、可推广的行业标准。在市场层面，要加强公众对具身智能的认可度和信任度，加大媒体和行业宣传力度，增加市场对人工智能和机器人技术的认可度，鼓励各行各业以科学创新思维积极采纳相关智能技术，并在各类垂直场景中验证商业模式在可持续营利和高效率运转方面的可行性，避免进入“为智能而智能”的误区。在伦理层面，要格外关注数据采集、数据分析等带来的风险管控问题，重视对用户数据和隐私的保护，也需要关注机器人替代传统劳动力的现象，努力平衡好技术效率提升和传统就业冲击的关系。
方菁菁：结合当前国际具身智能发展形势，可以重点提升“四个能力”，构建更完善、协同性更强的具身智能产业生态：一是产业服务能力；二是标准化建设能力；三是企业创新能力；四是资源整合能力。
具身智能需要更多学科交叉型人才
光明智库：具身智能发展需要大量专业人才，也对相关的高等教育领域、职业教育领域提出了智能化发展的要求。更多的具身智能走入大众视野，也是对公众一次次的科普教育。你认为如何通过各方努力，进一步激发社会公众对具身智能的兴趣，提升能力素养，培养更多相关领域的人才？
朱垚颖：伴随着具身智能概念的火热和行业兴起，专业人才存在缺口和公众人工智能素养不足的问题更显紧迫。习近平总书记在中共中央政治局第二十次集体学习时强调，“推进人工智能全学段教育和全社会通识教育”。我们可以在全学段和全社会中建立“兴趣—能力—职业”连贯路径，储备分层次、分梯队、分需求的人才队伍。
韩军徽：一是优化基础教育模式。二是构建终身教育体系。三是完善跨学科人才培养机制。
