上周在南京的高校机器人实验室待了一下午。
没看到短视频里那种踩着节拍走秀的人形机器人。
就看到个半人高的铁架子，蹲在水泥地板上，对着个露在外面的螺丝拧两圈，停几秒，再拧两圈，旁边的学生也不催，攥着个笔记本蹲在旁边记参数。
风从走廊吹过来，带了点旁边梧桐的落叶，飘到机器人的底座上，它居然顿了半秒，转了下镜头扫了扫落叶，又接着拧螺丝。
旁边的学生笑，说这是上周刚调的模型，现在对动的东西还敏感着呢。
你刷到的“具身智能”，大半是演的
说穿了。
现在网上很多关于具身智能的传播，本质上和十年前的遥控航模拍个穿越机视频没区别——提前算好每一步的动作路径，卡好时间点，甚至连地面的摩擦力都提前测了三遍，就为了拍出来好看。
上次刷到个传播很广的视频，人形机器人举着一杯珍珠奶茶从场地这头走到那头，评论区全在喊“具身智能落地了”。结果仔细翻了视频的原始技术文档才发现，那杯奶茶的重量是提前称好的，甚至连珍珠沉在杯底的重量分布都算进了动作脚本里，你要是换成一杯没摇匀的冰美式，走三步就得洒半杯，搞不好直接摔个趔趄。
真正的具身智能根本不吃这一套。
它不需要提前把每一步动作都拆成毫秒级的指令写进程序里，就像你自己不会在拿杯子之前，先在脑子里算一遍杯子的重量、你胳膊的发力角度、走路时的重心偏移量。你拿过一次杯子，就知道陶瓷杯要轻拿轻放，不锈钢杯可以攥紧点，碰到歪歪扭扭的螺丝，你会自然地换个角度找咬合的纹路，而不是硬着头皮往里面拧。
它的核心，根本不是“给大模型装个身体”
之前很长一段时间，大家对具身智能的误解特别深，觉得就是把之前那种能聊天、能写代码的大模型，接到一个机器人的躯壳上，就完事了。
哪有这么简单。
你让现在的通用大模型写一篇三千字的拧螺丝教程，它能给你把扭矩范围、适配工具、常见问题列得清清楚楚，甚至能给你画个示意图。但你真把个螺丝放在它面前，让它伸手去拧，它大概率会一胳膊把整个螺母盒扫到地上——因为它从来没有真的“摸”过螺丝。它所有的关于螺丝的知识，都是从互联网上的文字、图片里学来的，没有真实的触觉、力觉反馈，根本不知道拧螺丝要用多大的劲，滑牙了是什么手感。
具身智能真正做的事，是把“感知—决策—动作”的完整闭环，从虚拟的数字世界，挪到了充满不确定性的真实物理世界里。
你想啊，之前的AI所有的反馈都是文字的：你问它一个问题，它给你一段文字，你再问，它再答。但真实世界不是这样的，你伸手碰一下烧红的铁块，你的手会立刻缩回来，这个反应根本不需要等大脑把“铁块是烫的”这句话想明白，是你的皮肤传感器直接把信号传给决策系统，毫秒级做出动作。
之前波士顿动力的机器狗火了那么多年，很多人觉得它是靠提前写好的脚本走路，直到后来有人做实验，在它走路的时候从侧面推它一把，它晃了三下就稳住了，甚至还能在走的时候跨过突然冒出来的小石子。这根本不是提前写好的脚本能做到的——你不知道下一秒会从哪个方向过来多大的力，它是靠脚底的压力传感器、身体的角度传感器，实时把数据传给决策模块，快速算出来要把哪条腿往哪个方向挪多少，用多大的劲撑住，这个过程和人走路的逻辑是一模一样的。
现在的它，还在学爬的阶段
不过话说回来，别听资本吹得神乎其神，说再过三五年具身智能就能进你家当保姆，帮你带孩子做饭。
扯淡。
我那天在南京实验室里看那个拧螺丝的机器人，花了快二十分钟，才把一个没对准位置的螺丝拧进去，中间还滑了三次牙，把旁边盯了一下午的学生急得直扶眼镜。你要是指望它现在去你家给你拧个家具上的螺丝，它可能得在你家地板上蹲一下午，还得把你家的螺丝全扫到地上。
说白了，现在的具身智能，就像刚满两岁的小孩。
能做的事都是很简单的，但它在练的是最核心的能力——对物理世界的直觉。比如你让小孩拿个玻璃碗，他拿过一次知道这个东西滑，容易碎，下次拿的时候就会轻一点，这个直觉是你教他多少遍“玻璃易碎”的文字都换不来的，必须得自己摸过、试过，甚至摔过一次，才能真正学会。
现在的具身智能也是一样的。你让它拧A型号的内六角螺丝，它练个一千次能拧得又快又好，但是你给它换个B型号的、头是圆的十字螺丝，它可能就懵了，得重新练个几百次才能适应。这种跨场景的泛化能力，现在还远没有达到人的水平。
有人可能会问，费这么大劲搞这个，有啥用啊？总不能就让它在实验室里拧螺丝玩吧？
其实真的有用。
我之前去汽车厂的生产线看，之前的工业机械臂都是要围个铁栏杆的，怕它动作幅度太大碰到人，换个生产线的话，工程师得花好几天重新给它写动作脚本。现在的带具身智能属性的协作机器人就不一样，你伸手碰它一下，它立刻就停下来，你甚至可以拉着它的胳膊，教它在哪个位置拧螺丝，拧多大的劲，教个两三遍，它下次自己就能干，换生产线的时候根本不用重新写代码。
上次看到个更有意思的应用，是给老年人做的辅助机器人，它能靠视觉识别老人的动作，比如老人要从椅子上站起来，它会提前把胳膊凑到老人够得到的位置，而不是等老人摔倒了才反应过来。这种反应能力，是之前那种靠预设程序的机器人根本做不到的。
之前大家觉得AI的终点是那个坐在服务器里的、无所不能的大模型，能写代码能聊天能画图，能解决所有的问题。现在慢慢发现不对，你要让AI真的从屏幕后面走出来，帮人干那些实实在在的体力活，光会输出文字根本没用。你得让它有个身体，能碰到真实的桌子、真实的杯子、真实的螺丝，能在和真实世界的互动里，慢慢长出对这个世界的直觉。
那天从实验室出来的时候，天已经快黑了。
那个拧螺丝的机器人还蹲在地板上，旁边的学生正给它换了个滑了牙的螺丝，准备接着练。
其实也挺好。
毕竟谁也不是一开始就会拧螺丝的。
对吧？
作者|科技
排版|科技
审核|见微