上周三在苏州工业园的一间恒温实验室里，我盯着面前不到半米高的轮式机器人看了整整四十分钟。它没有夸张的后空翻动作，也没有能说会道的大喇叭，就只是反反复复做一件事：把散落在实验台面上的橡皮擦、半块吃剩的能量棒、滚到边儿上的马克笔，挨个捡到旁边的收纳盒里。
最开始我以为是提前编好的程序。直到负责项目的研究员故意把他刚喝了半杯的冰美式往台边一推，杯子晃了晃，溅出两滴褐色的液体在台布上——那机器人顿了两秒，居然从侧边的储物槽里抽出了一张抽纸，对着溅出来的咖啡渍按了上去。
我当时鸡皮疙瘩都起来了。
别再把它当成”会动的ChatGPT”了
之前我也这么想。不就是把大模型接到机械臂上嘛，让它知道看到杯子就抓，看到垃圾就捡，有什么难的？
直到研究员给我算了笔账。纯文本训练出来的AI，是活在像素和字符堆里的——它知道”杯子是可以盛水的容器”，知道”拿杯子要握在杯身下半部分才不会洒”，但它从来没真的”摸”过杯子。它不知道你手里的杯子是磨砂的还是光滑的，不知道你刚才放杯子的时候用了多大劲，更不知道如果它的机械指捏的力度超过三牛，那个薄陶瓷杯会直接碎在台面上。
具身智能最核心的区别，是它的”认知”不是从书本和文本里抄来的，是从自己和物理世界的真实互动里练出来的。就像你小时候学拿筷子，从来不是先背完”筷子的力学原理”才上手夹菜的——你夹过掉在桌上的花生米，被烫过伸到汤里的手指，知道力度轻了夹不住，重了会把菜戳飞，这些刻在你肌肉记忆里的东西，才是真的”会拿筷子”，而不是能对着文本写一千字关于拿筷子的正确姿势。
那些被吹上天的功能，其实离日常还差十万八千里
说实话我之前刷短视频，刷到过太多号称”具身智能要取代保姆””十年内所有工厂都要换成具身智能机器人”的内容，每次刷到我都想划走。
哪有那么容易。
就说那个会捡东西擦桌子的机器人，研究员跟我交底，它现在能稳定识别并抓取的日常物品，也就三十多种。上次他们把一个带吸管的儿童水杯放在台面上，机器人盯着看了八秒，伸出机械臂抓了三次，每次都精准卡到了吸管的位置，把整个吸管捏扁了，杯子还在原地转圈圈。
为什么？因为它从来没在训练数据里见过带吸管的儿童水杯。之前的训练样本里，所有杯子都是直身的、没有突出的细管的，它的视觉系统识别到那个细管，第一反应是”这个东西可以当抓手”，根本没意识到那是杯子的一部分。
更别说那些需要精细触感的活——比如给刚煮好的鸡蛋剥壳，比如折一件真丝衬衫，比如给刚醒的小朋友掖被角。现在的机器人手上的传感器，灵敏度还比不上人类指尖的十分之一。人类指尖上有几千个触觉感受器，能隔着一层薄纸感觉到纸下面放的是1块钱硬币还是5毛的，现在的机器人，最多能感觉到”碰到东西了”，至于碰到的是软的桃子还是硬的石头，全靠提前编的参数猜。
别信那些说”具身智能明年就要进你家当保姆”的鬼话。真要到那一步，先得把机器人的触觉传感器成本从现在的几千块，降到跟人类指尖的皮肤差不多的成本，还得让它能在各种乱七八糟的家里——比如沙发上堆着没叠的衣服，地上滚着孩子的玩具，猫突然跳到台面上——不卡壳，不把花瓶碰碎。这哪是一两年能搞定的事。
你现在就能摸到的具身智能，根本不在实验室里
不过话说回来，也别觉得具身智能都是离我们很远的实验室项目。
你家里那台能自己绕过沙发腿、把掉在地毯缝里的灰尘吸干净的扫地机器人？算半个。之前的老款扫地机器人，是撞到墙了才知道”哦这里有东西，我转个弯”，现在的新款，是边跑边用激光扫周围的环境，遇到猫在地上睡觉，会主动停下来绕开，不会硬着头皮从猫身上碾过去——这就是最基础的具身智能逻辑：通过自己的移动和感知，不断调整自己的动作，而不是提前把所有路线都编死。
还有你去餐厅吃饭，那个能自己沿着走廊送菜、遇到挡路的行人会主动停下来打招呼的送餐机器人？也是。
哦对，要把这个边界讲清楚：没有物理实体、只能在数字世界里跑的AI，哪怕动作再流畅，都不算具身智能。它得有个实实在在的”身体”，能跟你我生活的这个有重力、有摩擦力、有各种突发意外的物理世界打交道，每一次动作的反馈，都要真真切切作用在这个世界上——比如机械臂抓杯子，劲大了杯子碎了，它得记住”下次抓这种材质的杯子要轻一点”，而不是在数字世界里模拟一下”杯子碎了”的像素效果就完事。
之前跟那个研究员聊天，他说现在很多人对具身智能的期待太分裂了——要么觉得这是个赚快钱的风口，堆几个机械臂接个大模型就敢出来融资；要么觉得这东西就是个玩具，根本没有实际用处。
其实都不对。
就像二十年前的智能手机，最开始大家也觉得，不就是个能打电话的小电脑嘛，能有什么用？没人想到后来手机能当付款码，能当导航，能拍4K的视频。具身智能现在的阶段，大概就是2007年刚出第一代iPhone的时候——你能看到它的轮廓，但还没人知道它最后会长成什么样子。
比如我那天离开实验室的时候，那个机器人还在反复练习捡不同形状的橡皮。研究员说，他们现在根本没想着做什么”全能机器人”，就先把”能在普通人家的桌面上把垃圾捡干净”这一件事练熟。
也挺好。
毕竟真的智能，从来不是一上来就会演后空翻、会背唐诗三百首的。是像个刚学走路的小朋友，摔几次，碰几次，慢慢摸清楚这个世界的脾气，再一点点把事情做好。
作者|科技
排版|科技
审核|白杨