一开始我以为就是那种端着托盘、撞了人会机械道歉的普通货色——结果它走到靠窗那桌，看见桌脚边掉了半块没吃完的芋圆，没直接伸机械臂瞎够，反而慢慢蹲了下来，把上半身的高度压到和地面齐平，甚至为了避开桌腿的金属支架，还把机械臂转了个歪歪扭扭的角度，蹭了三回才把那半块芋圆扒到簸箕里。
我当时直接愣了。
以前见的机器人是什么样的？端菜的，走廊消毒的，遇到障碍物就绕，碰到够不着的东西就对着空气循环播放“请帮忙清理障碍物哦”。这台不一样。它不是提前写死“遇到垃圾就清理”的固定流程，是真的在当下那个挤得转不开身的空间里，自己找角度，自己调整姿态，甚至为了够到那点脏东西，牺牲了机械臂的最佳受力位置。
别把具身智能当成“装了实体的大模型”
好多人现在对具身智能的理解，简单到离谱：不就是把ChatGPT那种大模型装到机器人的身体里，让它能动手干活吗？
扯什么呢。
之前跟南邮做机器人方向的老师吃饭，他吐槽现在好多创业公司，拿个现成的人形机器人外壳，往里面塞个通用大模型的API，拍个视频让机器人跳个科目三、递个矿泉水，就敢对外宣称做的是具身智能。完全是蹭概念。
你仔细想就懂了，坐在服务器里的大模型，所有知识都是从文本、图片里学来的。它能把“陶瓷杯子掉在地上会碎”这句话背得滚瓜烂熟，但它从来没真的拿过陶瓷杯子，没感受过陶瓷表面的滑度，不知道如果手指捏的力度和捏塑料瓶一样大，杯子就会在手里打滑。就像你看了一百遍游泳教学视频，记熟了所有动作要领，跳下水还是会沉——这就是没有“身体”带来的本质认知差。
具身智能最核心的特质，从来不是模型参数有多大，是要把认知和身体感受的强绑定。就像小孩学走路，不是先把所有力学公式背熟才敢站起来的，是摔了无数次，摸过地板的凉度，知道脚踩在地毯上和瓷砖上的摩擦力不一样，慢慢才学会怎么控制平衡。那些坐在服务器里的大模型，没有这些“摸出来”的经验，哪怕把所有物理定律的文本都背下来，真的伸手去拿个鸡蛋，还是会一不留神就捏碎。
上周刷到个演示视频，某家公司的人形机器人端水杯，为了不把水洒出来，机械臂僵硬得像刚军训完的新生，端着杯子走三步停两秒，生怕洒出来半滴。弹幕里全是夸“好厉害”的，我当时就笑了——你要是端个自己天天拿的马克杯，用得着这么紧张吗？说白了就是这机器人根本没“摸过”杯子，所有的动作都是靠算法算出来的，不是从经验里长出来的。
真正的具身智能，根本不需要长得像人
现在一提到具身智能，大家脑子里冒出来的全是两足行走的人形机器人：有脸，会做表情，能跟人聊天，翻跟头比练家子还溜。
其实根本不是。
你家现在用的最新款扫地机器人，能识别地毯的边缘，能知道拖鞋挡在路中间要绕开，碰到跑过去的猫会轻轻减速不会把猫吓跑——这其实已经是非常初级的具身智能了。但为啥大家觉得这不算？因为它长得不像人啊。
之前在紫金山实验室见过一个做农业方向的具身智能装置，没有胳膊没有腿，就是个装在采摘机械臂上的压力传感器模块。它能通过机械臂接触番茄表面的压力，判断这个番茄熟没熟——熟的番茄皮软，接触时的压力反馈就小，没熟的硬邦邦，压力反馈就大。它不需要像人一样用眼睛看、用手捏，它的“身体”就是那个机械臂，所有的认知都是从接触的物理反馈里来的。
好多厂商现在砸钱做人形机器人，本质上是为了拍视频好传播。你想啊，一个长得跟人一模一样的机器人，给你递个水，跳个街舞，拍出来的视频传播量，比那个在番茄地里摸番茄的机械臂高十倍。但实际上，真正能落地的具身智能，根本不需要长成人的样子。
说个有点扎心的事实：现在所有在展厅里给观众表演翻跟头、跳街舞的人形机器人，真拉去奶茶店擦桌子，大概率还不如那个圆乎乎的矮个子服务机器人好用。因为两足行走的平衡控制难度太高了，你要它在光滑的瓷砖上走，遇到洒出来的奶茶，脚一滑就摔了。反而那个圆乎乎的，底盘低，重心稳，哪怕碰到个小朋友突然跑过来，它也能稳稳停下来。
对吧。我们总觉得智能就得跟人一样才算数，其实智能是解决问题的能力，不是长得像人的程度。
现在谈具身智能的大规模落地，还早得很
说实话，我见过太多创业公司的PPT了，一上来就说具身智能未来要进家庭，帮你做饭，帮你带孩子，帮你照顾老人。听着特别美好。但你真的去实验室看就知道，现在的具身智能，连“在不平整的路上走稳”这个问题都还没完全解决。
举个例子，你家客厅的地毯翘了个角，普通机器人看到了要么绕开，要么直接压过去把地毯掀起来。具身智能的机器人呢？它得能感知到地毯翘起来的边，知道如果压过去会绊到自己，甚至能伸出机械臂把翘起来的角压平。这个动作听起来简单，你自己做的时候根本不用想，抬个脚就过去了，但对机器人来说，它要靠视觉识别那个翘边，要算出来这个高度会不会卡到底盘，要判断机械臂伸出去的力度会不会把地毯扯坏——这一整套反应，人类在三岁的时候就熟练掌握了，现在的机器人还得靠无数次试错才能学会。
还有个绕不开的成本问题。现在一个能做基础操作的具身智能机器人，硬件成本少说也要几十万。你要是开个奶茶店，花几十万买个擦桌子的机器人，还不如雇个兼职大学生划算。什么时候硬件成本的下降速度能跟当年的智能手机一样，从几千块降到普通人能随手买的价位，那才真的到了落地的时候。
上次跟那个南邮的老师吃饭，他说他现在带学生做的课题，根本不追什么人形机器人的热点，就是盯着“机器人能不能准确拿起一个放在歪歪扭扭位置上的软桃子”这个小目标练。练了快一年了，现在的成功率大概70%。听起来挺低的对吧？但这已经是实验室里非常不错的成绩了。
好多人现在对具身智能的期待太高了，觉得再过个三五年，机器人就能像科幻电影里一样，帮你把所有家务活都干了。其实根本没那么快。互联网从出现到走进普通人的家里，花了快三十年。大模型从实验室里的技术到大家手机里天天用的聊天工具，花了快十年。具身智能这种要跟物理世界打交道的技术，要学的东西比纯软件多太多了——它要学怎么感知温度，怎么控制力度，怎么应对世界上所有奇奇怪怪的意外，这些东西没有捷径，只能一点点试，一点点攒从物理反馈里攒出来的经验。
上次我等的那杯芋圆奶茶做好了，端着杯子找位置的时候，刚好看见那个小机器人蹭完桌底的芋圆，慢悠悠转着底盘往充电座走，路过我脚边的时候，还轻轻抬了抬机械臂，好像在跟我打招呼。
那瞬间我突然觉得，其实我们根本不需要等一个长得跟人一模一样的完美机器人。就这么个圆乎乎的，会蹲下来擦桌底的，走路慢悠悠的小玩意儿，能踏踏实实把手里的小事做好，就已经是具身智能最动人的样子了。
作者|科技
排版|科技
审核|安然