咖啡店试工的机器人：具身智能到底在折腾什么

别盯着大模型吹了，AI现在缺的是手脚和脑子的对齐

前两年大模型火的时候，所有人都在说AI快要逆天了，能写代码能写剧本，能给你出一整套旅行规划。可你让它把你脚边的垃圾捡起来扔到垃圾桶里。它做得到吗？

大模型的智，长在云端的服务器里，长在屏幕上，它碰不到真实的世界。以前的工业机器人、服务机器人，有身体，没脑子，只能按预设好的路线走，但凡环境变一点，挪了个椅子，改了一下桌子位置，直接死机卡壳，站在原地嗷嗷叫。

具身智能干的就是把这两块拼起来的事。让有脑子的AI，长出能感知真实世界的身体，再让身体的反馈反过来喂给脑子，让它在摸爬滚打里变聪明。说白了，就是让AI从「知道」变成「做到」。

最多人搞错的一点：具身智能不是造机器人

说实话，我跟好几个对科技好奇的朋友聊，十个有八个会问我，是不是现在要造更好的家用机器人？是不是以后家家都有个机器人保姆？不对。真不对。

具身智能的核心是智能，不是那个金属或者塑料做的身体。载体可以是服务机器人，可以是工厂的机械臂，可以是探索灾区的四足机器人，甚至你家那个用了三年的旧扫地机器人，只要把具身训练好的模型装进去，它就能从「只会按线走」变成「自己绕开你乱扔的袜子自己规划路线」。

我上个月刷到过一条测试视频，实验室的机器人要打开一个把手歪了的房门，放以前，得程序员重新写代码调参数，现在用了具身智能方案，它盯着门看两秒，自己调整手腕的角度，轻轻一扭就开了。整个过程没人教，它自己试出来的。

你想想看，你进一个陌生的房间找水喝，不用别人教你怎么走怎么开龙头，你的眼睛看到障碍物，脚自己就绕开了，手碰到杯子就知道用多大劲拿，不会捏碎也不会掉，这就是具身——你的身体本身就是智能的一部分，不是只有脑子在想。以前的AI把身体和脑子拆开了，现在又要把它们装回去，就是这么回事。

不过话说回来，现在很多宣传把具身智能吹得太神了，说什么马上就能替代人干活，我那天在咖啡店看那个机器人，遇到一个客人把包临时放在过道，它绕了三次都没绕过去，最后停在那哔哔叫，还是服务员过来把包拿开它才走。你看，离吹的那个程度，还差得远呢。

真正的瓶颈，都藏在看不见的地方

现在资本追概念追得凶，好多人都说具身智能是下一个万亿赛道，可真正卡脖子的问题，没多少人愿意拿出来说。

头一个是缺数据。大模型训练拿网上的文字图片就行，具身智能要的是真实物理世界的多模态感知数据——你碰鸡蛋要用多大劲，开门要扭多少度，在湿滑的地面走路脚要抬多高，这些数据没法从网上扒，得一点点在真实场景里测，一点点录，成本高到吓人。

再一个是降本难。现在好一点的带触觉力反馈的传感器，贵得离谱，一整套下来一台机器几十万，别说普通咖啡店用不起，就是工厂也得掂量掂量。

还有个绕不开的是安全问题，真让一个能自主行动的机器人在人堆里转，撞到人怎么办？拿错东西怎么办？这些规则都没捋清楚。

我那天跟一个做具身智能创业的朋友聊，他说现在他们最头疼的不是模型，是怎么把传感器的成本降到原来的十分之一，还能保持精度。不然全都是实验室里的玩具，走不出大门。

当然，也不是说完全没进展。现在好多小公司在做场景落地，比如给仓库做分拣的机械臂，给酒店做送快递的机器人，在封闭、简单的场景里，已经能用了，比原来的旧机器人聪明太多。只是要走到我们普通人家里，给你帮忙收衣服倒垃圾，还得等。

我其实不盼着什么超级机器人保姆，就盼着以后能有个具身智能的小机器，帮我把吃完的外卖盒子收了，把沙发上的脏衣服丢进洗衣机，就这点小事。现在的AI能给我写十万字的小说，却做不了这件小事，想想也挺有意思的。对吧？科技绕了一大圈，最后还是要回来解决这些最鸡毛蒜皮的日常。