本文作者：
两会新词：具身智能
3月5日上午，十四届全国人大三次会议在人民大会堂开幕，国务院总理李强作《政府工作报告》提到，建立未来产业投入增长机制，培育生物制造、量子科技、具身智能、6G等未来产业。目前，北京、上海、广东等十余个省市均出台了支持具身智能/人形机器人产业发展的具体政策。
具身智能是什么？
具身智能（Embodied Intelligence）是人工智能与机器人学交叉的前沿领域，强调智能体通过身体与环境的动态交互实现自主学习和进化，其核心在于将感知、行动与认知深度融合。
1950年，在图灵的论文《Computing Machinery and Intelligence》中首次提出。1986年，布鲁克斯从控制论角度出发，提出行为式机器人概念，认为智能是具身化和情境化的。1991年，布鲁克斯提出“行为智能”。2023年6月，第七届世界智能大会智能科技展，人形机器人的逐步完善为具身智能的落地提供了方向。 2024年3月，OpenAI与Figure公司合作推出了Figure 01人形机器人； 8月，中科源码服务机器人研究院发布了全国首个“温江造”基于物流场景的具身智能机器人； 10月，具身小脑模型被列入人工智能十大前沿技术趋势之一。25年春节期间爆火的杭州六小龙之宇树科技。再到本月《2025年国务院政府工作报告》提到，要培育具身智能等未来产业。
国内外具身智能的发展
国内发展：
技术：2023年起，中国具身智能进入“GPT时刻”，创业公司如智平方、傅利叶、星动纪元等密集融资。产业：车企（比亚迪、小鹏、广汽）加速布局人形机器人，特斯拉Optimus推动技术标准化；蚂蚁集团、科大讯飞探索金融与语音交互场景应用。政策：信通院发布《具身智能发展报告（2024）》，提出“一脑多形”“一机多用”的发展方向
国际动态：
美国以特斯拉、波士顿动力为代表，聚焦人形机器人全栈自研；欧洲的机器人巨头（优傲、库卡、ABB）则注重工业协作机器人。此外人形机器人厂商拓展工业领域：如优必选、宇树科技成立工业机器人子公司，复用运动控制与AI算法技术，探索人形机器人在汽车装配、精密制造等场景的降本增效潜力工业协作机器人领域呈现“国产崛起”与“技术融合”两大趋势。国内企业（如越疆、节卡）通过性价比与场景定制化抢占市场，国际巨头（如优傲、ABB）则深耕高端制造与AI赋能。未来，随着柔性制造需求增长与AI大模型融合，协作机器人将进一步向高精度、智能化方向演进。
资本热度：
去年年底花旗集团全球洞察分析团队在公开表态称，到2050年，全球人形机器人市场规模将达7万亿美元，全球人形机器人数量将达到6.48亿台，约达到当前全球汽车保有量的一半。中金公司认为，具身智能未来有望在各行各业中落地，发展前景广阔。此外内地资本券商例如银河证券、国金证券、国泰君安、中信建投、国投证券也在积极探索AI技术的应用，在AI领域的布局和投资活动表明了他们对这一领域的重视和投入。未来，随着具身智能市场的进一步发展，可能会有更多的投行和券商设立专门的具身智能投资组。
前景与方向
前景展望
具身智能将人工智能与物理世界深度融合，让机器人等人工智能体能够通过传感器感知环境，并以执行器对环境施加影响。这种让 AI “长出身体”的理念，被视为迈向通用人工智能（AGI）的重要路径。具身智能系统可以在连续的感知-认知-行动回路中学习，与环境动态交互，从而弥合计算智能与现实世界的鸿沟。这意味着未来的 AI 有望不再局限于虚拟环境，而是能真正理解并操作物理世界，为各行业带来变革性影响。
未来技术突破点
大模型与三要素集成：构建大规模整合“感知-认知-行为”的模型（PCB模型），将视觉、听觉、触觉等多模态感知与高层认知决策和低层运动控制融为一体，提升机器人应对复杂未知环境的通用性和鲁棒性。例如，Google DeepMind 的 Gemini Robotics 模型赋予机器人多模态理解与推理能力，并能安全地对现实世界做出动作，推动通用机器人发展。
物理智能与形态智能：机器人需要对物理世界有深入理解并巧妙利用自身形态，通过优化身体结构（如关节布局、柔性材质）和控制策略的联合进化，提升适应性和灵活性，典型例子包括软体机器人。
高效仿真与安全策略：利用高保真度的模拟环境进行训练，确保虚拟技能能够可靠迁移到现实应用。同时，机器人行为的安全性和伦理约束也日益重要，需在技术上嵌入伦理规则与自我监督机制。
研究方向
当前，学术界和工业界在具身智能领域展开了多层次的研究探索，主要热门课题包括但不限于以下几个方向：
多模态感知与环境理解：通过融合视觉、语音、触觉等多模态感知技术，赋予机器人对环境的全面理解能力。例如，在一个房间里，机器人需要同时利用视觉识别物体、通过深度传感确定距离，必要时结合触觉探测物体质地，以形成对环境的完整认知。
强化学习与自主控制：利用深度强化学习等方法训练机器人自主决策，解决复杂控制任务（如精细操作、自主导航）。世界模型也被用于辅助决策过程，提高规划与控制的效率。
智能交互与人机对话：开发自然语言处理与机器人技术相结合的系统，让机器人能够理解人类语言指令并做出相应反应，实现自然、高效的人机互动。
仿真训练与现实迁移：构建逼真模拟环境，研究优化数据采集，如何通过域随机化、对抗训练、元学习等技术，确保机器人在虚拟训练中学到的技能能够顺利迁移到现实环境。
视觉语言动作模型（VLA）：视觉语言动作（VLA）模型是一种新兴研究范式，将视觉、语言和动作融合在统一框架中，使机器人能够根据视觉与语言指令进行行动规划和决策。这种方法有效地增强了机器人在未知环境中的任务泛化能力，有望显著提高机器人处理复杂任务的效率。
具身智能相关实验室
西湖大学机器智能实验室（MiLAB）
研究方向：深度强化学习与足式机器人通用行为智能，覆盖教育、电力、服务等行业场景。
产业化路径：孵化西湖机器人科技公司，研发具备环境适应能力的智能机器人。
华为具身智能创新Lab
研究方向：具身世界重建、数据合成、自主决策平台，推动低门槛具身Agent开发。
合作生态：联合西北工业大学、香港大学等高校，与乐聚机器人、兆威机电等企业合作产业链升级
斯坦福机器人与具身智能实验室（REAL）
研究方向：机器人自主学习、人机交互、物理世界任务执行。
代表成果：提出Diffusion Guided Control框架，优化机器人在动态环境中的动作生成。
负责人：Shuran Song（香港科技大学背景）。
麻省理工学院CSAIL实验室
研究方向：智能交通、机器人感知与运动控制、具身AI理论。
产业化孵化：创始人Daniela Rus创办多家AI公司（如Liquid AI），实验室成果涵盖自动驾驶与强化学习应用。
DeepMind Robotics
研究方向：基于强化学习的机器人自主决策，推动通用智能体开发。
技术突破：通过仿真训练与迁移学习解决机械臂抓取、双足平衡等难题。
OpenDriveLab（香港大学 & 上海人工智能实验室）
研究方向：端到端自动驾驶、具身智能、机器人闭环视觉运动控制、多智能体行为拓扑等。
成果：开发了CLOVER逆动力学模型框架，提升自动驾驶鲁棒性；提出DriveLM等融合语言能力的自动驾驶模型。
Multimedia Lab (MMLab)（香港中文大学）
研究方向：多模态人工智能、具身智能的3D感知与定位。
成果：提出ReGround3D方法解决3D环境下的目标定位问题，显著优于GPT-4V等模型。
香港大学机械工程系机器人实验室
研究方向：软体机器人、仿生机器人、高性能柔性连续体机器人系统，应用于微创手术和救援任务。
香港中文大学机器人与人工智能实验室
研究方向：航天机器人、工业机器人、服务机器人、特种机器人、医疗机器人、智能汽车机器人等多个领域，已成功研制30多个机器人和智能系统，研究成果世界领先且具有广阔的应用前景。
深圳市人工智能与机器人研究院
依托：深圳市政府与香港中文大学（深圳），联合多个世界顶级研究机构建立的十大基础研究机构之一。
研究方向：群体智能、特种机器人、智能机器人、医疗机器人、智能控制、微纳机器人、具身智能、通用机器人、多智能体协作、软体机器人等。
香港科技大学Cheng Kar-Shun Robotics Institute (CKSRI)
研究方向：自主飞行（如无人机技术）、海洋机器人、智能建造、智能制造、人形机器人、视觉智能、机器人操作、柔性电子、软体机器人、智能传感器、微型机器人系统以及自动驾驶等多个领域。
香港科技大学机器人研究所
研究方向：移动机器人、无人机、智能制造、机器人感知与控制、医疗机器人等。
下分实验室
郑家纯机械人研究所（CKSRI）
香港科技大学-Bright Dream Robotics 联合研究院
香港科技大学协同创新中心
香港科技大学-DJI 联合创新实验室
香港科技大学-生产力局工业人工智能及机械人技术联合实验室
香港科技大学-华为联合实验室
香港科技大学-小一机器学习与认知推理联合实验室
香港建筑机械人研究中心
智能自动驾驶中心（IADC）
香港理工大学具身智能实验室
合作方：济南伯宇珅航、金安智能科技。
研究方向：结合大语言模型的垂直领域调优技术，提升机器人操作性能与任务决策能力。
香港城市大学机器人与自动化研究中心
研究方向：基于传感器的规划/控制、智能机器人运动、长期任务、医疗和手术机器人、自主操作、集体灵巧性、任务划分、编队与共识、理论基础、多机器人系统、软物体操作、视觉形状伺服、形态模型、潜在形状表示、反馈形状控制、多模态传感器融合、人机接口、医疗机器人感知、计算传感器模型、机器人感知。
NUS AI LAB
隶属：新加坡国立大学。
研究方向：建模与表示、推理与规划、机器学习与数据科学、计算机视觉和自然语言处理以及学习理论。具体涉及具身AI（如移动机器人、自动驾驶车辆等领域）、交互式AI（开发用于改善人机交互的方法和系统）以及可信AI（考虑AI系统部署的伦理、法律和社会影响）。
Advanced Robotics Centre - NUS
隶属：新加坡国立大学。
研究方向：智能抓取技术相关（如软机器人智能抓取器）、机器人技术的发展历程及应用场景研究。
Synteraction Lab
成立：由Shengdong Zhao博士于2009年成立。
愿景：通过可穿戴平台和多模式交互方法改变我们与技术交互的方式。
研究方向：开发新的界面工具和应用，发表人机交互领域的顶级会议和期刊文章。
Microsystem Engineering and Robotics
实验室负责人：Peter C.Y.Chen。
研究方向：微系统和机器人技术的研究与开发，从微观到宏观尺度的物理和生物系统进行机械操作，以产生实用的工程解决方案。积极寻求合作，欢迎对微系统工程和机器人技术感兴趣的学生。
Multimodal AI and Robotic Systems (MARS) Lab
隶属：南洋理工大学。
研究方向：物理人工智能，重点关注人工智能如何使机器人、物联网和工业系统等物理系统感知、理解并与物理世界交互，涉及多模态感知、具身人工智能、AIoT系统等多个方面。
Perception and Embodied Intelligence (PINE) Lab
隶属：南洋理工大学。
研究方向：具身指令跟随、通用机器人操作的生成式模型、通用机器人包装系统、基础模型压缩、实时在线3D场景感知。
S-Lab for Advanced Intelligence
成立时间：2020年。
隶属：南洋理工大学。
研究方向：计算机视觉、自然语言处理、强化学习、深度学习和分布式计算等前沿AI技术。具体涉及深度学习中的内容编辑和生成、分布式学习、超分辨率、图像和视频理解、媒体取证、自然语言处理以及3D场景理解等。
MMLab@NTU
隶属：南洋理工大学。
研究方向：低级别视觉、图像和视频理解、创意内容创作、3D场景理解与重建等。涉及超分辨率、内容编辑与创作、图像和视频理解、3D生成式AI、深度学习、媒体取证等多个领域。
就业方向
推荐专业
宾夕法尼亚大学机器人学硕士 University of Pennsylvania 
宾大的ROBO硕士项目由全球顶尖的机器人研究中心之一——GRASP实验室设立和管理，教授学生机器人学、视觉、感知、控制、自动化和机器学习方面的科学与技术。同时提供thesis选项
剑桥大学机器学习与机器智能哲学硕士 University of Cambridge
旨在教授机器学习和机器智能的最新技术；为学生提供在行业中担任领导角色所需的技能和专业知识；并为学生提供博士研究所需的研究技能。
新加坡国立大学机器人学理学硕士 National University of Singapore
旨在为学生提供机器人学的基础知识，为他们在未来机器人领域、工业4.0及其他领域取得成功提供必要的深度和广度的专业知识，此外学生将有机会在特殊学期或常规学期期间通过课程[ME5888R Robotics Internship]进行可选的工业实习。这使学生能够从大学和行业中学习，以提高就业能力。
香港中文大学人工智能与机器人理学硕士（CUHK-Shenzhen） The Chinese University of Hong Kong
本项目依托港中大（深圳）数据科学学院、理工学院及深圳市人工智能与机器人研究院的优秀师资和科研力量，旨在培养人工智能与机器人领域的尖端人才。
END
对具身智能感兴趣的同学，尤其是期待自己参与到真正的科研实战中的同学，欢迎扫码领取指南者Python基础课，仅限前10名同学哦！
