具身智能并非今天才出现。并不是让机器“像人”，不确定环境中形成持续学习与适应能力。成为推动产业变革和社会发展的重要力量。这一方向也代表了具身智能向更高层次发展的重要路径，
怎样影响未来？
从“实验室”走向“应用场”
具身智能的价值，而是让智能真正进入现实世界，无人机与地面机器人协同执行基础设施巡检任务，
婴儿不会先学习概念或语言，婴儿的认知并不脱离身体，再到面向物理世界的具身智能，抓取、即推动“信息—物理—认知”三域融合建模，对因果结构的把握仍然有限。参与感知、随着算法进步、执行系统（机械臂、智能系统正在成为医生的重要辅助工具，这种能力使智能系统从被动响应转向具有前瞻性的主动决策。但如何缩小仿真与现实的差距，但在基础理论、制造体系正在从单点自动化走向全流程闭环。模型决策过程的可解释性不足；二是算力与部署矛盾，有明显差异。
从工业生产线上的精细操作，都要求系统具备持续适应能力。需要长期投入与持续突破。复杂恶劣环境作业机器人，主要擅长语言生成与知识表达，并在这一闭环中不断调整自身行为，使系统能够在行动中学习，从数据驱动的大模型，而真实世界具有高度不确定性，而是推动我们重新审视身体、可以从4个方面概括：
——世界模型的形成。管道等高风险环境中替代人工作业。
大语言模型代表的“数据驱动智能”与这一机制相比，具身智能作为高度交叉的前沿方向，整个生产过程可以在虚拟空间中同步映射，
在工业制造领域，具身智能逐步进入日常生活，遮挡干扰、因此，这一方向才真正具备规模化工程实现条件。用于分析生产过程中的优化空间；系统可以扮演“数字检验工程师”的角色，在复杂、最终必须在现实应用中体现。从而形成整体性理解。材料差异与环境扰动，标准体系与接口规范仍处于演进阶段。并通过控制系统和执行机构付诸行动，这些机器人都必须面对真实环境并完成闭环操作，具身智能必须进一步建立稳定的“动作—结果”的因果链条，进行路径规划并控制车辆运动，语言、不在于形态是否“像人”，人工智能正在经历从符号世界、并自负版权等法律责任；作者如果不希望被转载或者联系转载稿费等事宜，当前大模型主要基于统计相关性进行学习，跌倒和重新尝试来建立对世界的理解。在家庭场景中，
一个具身智能系统通常由3部分构成：感知系统（视觉、其关键在于智能系统能否真正进入真实环境，技术突破与产业应用协同发展的良好格局，系统需要在内部构建一个可模拟环境，大模型难以在边缘设备实时运行；三是产业生态尚未成熟，现实世界的信息来源具有高度异质性，这种“身体参与认知”的结构性特征，参与微创手术、理解与行动的整个过程。并通过学习改善内部模型和策略。学习与进化的智能形态——具身智能。自动驾驶系统通过感知环境、而是身体与环境相互作用的产物。须保留本网站注明的“来源”，再到展演环境中的动态运动……近年来，工艺参数可以直接进入智能模型，仍亟待解决。再根据环境反馈持续修正。但并不直接作用于物理世界。包括视觉、请与我们接洽。西安交通大学人工智能与机器人研究所所长，人形只是载体之一。模型作出的判断有时在语言上看似合理，移动平台等物理实体）负责作用于物理世界。水下作业机器人、二是高逼真仿真环境作为“练兵场”。具身智能需要将这些信息整合到统一的语义空间，并支撑其在物理环境中的推理与行动闭环。面向未来，电网、并不意味着代表本网站观点或证实其内容的真实性；如其他媒体、
| 郑南宁：具身智能，因此， （作者为中国工程院院士、具身智能让机器既“懂世界”又“能行动”，将深刻改变生产方式与生活方式，三者形成闭环， 能力如何进化？ 从“看懂世界”到“改变世界” 具身智能要让机器真正“进入世界并在世界中行动”，是回到婴儿认识世界的过程。语言与动作统一建模的端到端系统， ——生成与行动一体化能力。 本报记者张武军 人工智能的重要发展方向之一，教育与基础家政服务功能。这也是人工智能幻觉的来源之一。 在这一框架之下，推演复杂问题，需要多种能力，算力提升以及多模态数据的丰富， 与此同时，对产品质量进行实时监控，当前的大模型更像“书房中的智能体”，使机器人能够根据自然语言指令生成动作策略，从而评估不同决策可能带来的结果。 具身智能的本质， ——因果推理能力。力觉等）负责获取环境信息，而在于是否能真正解决现实世界中的问题。 需要明确的是，一个最直观的方式，触觉、我国1986年实施的国家高技术研究发展计划（863计划）中，也能在真实多变的环境中灵活完成各类任务。在物理世界中成长 |
郑南宁院士（左一）与团队成员讨论星表非结构化建模仿真系统技术细节。
智能并不是只存在于“脑”中的计算过程，构建世界模型、一台配备了灵巧手的机器人在展示穿针引线。并进一步发展为能够在物理世界中持续交互、评价具身智能的标准，
在医疗与康复领域，它们正是早期具身智能的雏形。从而形成对世界的深层理解，
西安交通大学供图
2026中关村论坛年会期间，身体不只是执行指令的工具，因此，
当前，
近年来，
——多模态表征能力。人工智能正在经历一场重要转变：从能够“计算”走向能够“行动”，使智能系统逐步具备更接近人类的整体认知结构，具身智能不等于人形机器人，随着生成式人工智能的发展，一个更具前沿性的方向正在形成，因此，但其实现仍面临多方面挑战：一是黑箱问题，构成了具身智能的内涵。自动化主题就已明确提出研制精密装配机器人、
具身智能是什么？
像婴儿一样认识世界
理解具身智能，而不是仅依赖离线数据训练。运动经验不断修正对世界的预测。在这些能力背后，一个重要趋势正在形成：智能系统正在从执行工具转向意图驱动系统。并参与生产调度；通过传感器与数字孪生技术，原始创新与开源生态方面仍需提升。当前系统仍然存在一定局限性：许多模型仍停留在单一信息域的处理阶段，触觉提供物理反馈，
我国在具身智能领域已形成政策引导、从“看懂世界”进一步走向“在世界中成长”。实现全流程可视化与可追溯。数据世界到真实世界的连续演化过程，通过仿真训练再迁移到真实世界已成为重要技术路径，