我挤在攒动的人头里抬着头，看那个半人高的家用机器人反复抓着桌上的矿泉水瓶，拧开，拧紧，再拧开。动作慢得像刚学走路的小孩，但每一次出错之后，下一次的力度都比刚才准一点。
这是0923南京科技展上我站了最久的一个展台。在此之前我对具身智能的全部印象，就是自媒体标题里飘着的新名词，跟我这种普通看客没什么关系。那天看完我突然明白，这波AI的新浪潮，真的跟以前不一样。
为什么突然火了？不是AI长了腿，是AI走出来了
以前我们接触的AI是什么样？都待在屏幕里。帮你搜答案，生成图片，接你的电话客服，顶多就是在导航里帮你规划个路线。它所有的信息都是别人喂给它的现成数据，它从来不用自己碰一碰真实的世界。
你让ChatGPT告诉你怎么拿冰箱里的冰可乐，它能给你写三千字步骤，说的头头是道。但它拿不了。它没有手，也不知道你家冰箱门是不是卡住了，也不知道冰可乐瓶子上沾了水珠滑不滑，更不知道你家猫刚好趴在冰箱门口挡路。
说白了，大模型给了AI一个足够聪明的脑袋，但是这个脑袋一直关在黑箱子里。具身智能就是把这个脑袋从黑箱子里拉出来，给它接上感知，接上动作，让它自己在真实世界摸爬滚打。
具身智能的核心不是长出身体，是让AI学会适应真实世界的混乱。真实世界哪有那么多标准化的输入啊，今天桌子歪了两度，明天苹果放的位置偏了一厘米，AI都得自己调整，不能全靠提前写好的程序。
别踩坑：很多人对具身智能的误解，我得捋捋
第一个误区：具身智能就是做人形机器人。
真不是。你看到的那些双足走路的人形机器人，只是具身智能的一种应用场景而已。举个例子，现在医院里用的手术辅助机器人，能跟着医生的操作实时调整受力，实时修正病灶位置，这也是具身智能。快递仓库里会主动避让工人的分拣机器人，能自己调整路线适应乱堆的货箱，这也是具身智能。它不需要长得像人，只要能感知物理环境，能做出对应调整，就是具身智能的范畴。
第二个误区：不就是大模型加个机械臂，拼起来就完事儿了？
说实话，我去展会之前也是这么想的。那天跟展台的工程师聊了半小时，我才知道自己想的太简单了。
大模型训练用的都是网上扒来的文本图片数据，哪来那么多真实世界的触觉数据啊？你让机器人拿一个玻璃杯，重了捏碎，轻了掉了，玻璃的光滑度、环境温度带来的摩擦力变化，哪怕差一丢丢，结果就完全不一样。这些东西，都得机器人自己一次次试，一点点学。我那天看他们调机器人摆花瓶，摆了快四十分钟，还是会碰歪。工程师挠着头笑，说这就是现在的常态，慢慢来。
还有人说，具身智能就是炒冷饭，几十年前就有工业机器人了啊？不对，以前的工业机器人都是定好点的，只干同一件事，换个位置换个零件就废了。具身智能是要它能应付不一样的场景，今天拧矿泉水，明天摆花瓶，后天给你拿药，不用重新编程，它自己能适应。
具身智能离我们的日常，还有多远
其实你已经在用到了，只是你没发现。现在很多新出的自动驾驶，能感知路边突然跑出来的小孩，能跟着前车动态调整速度，本质上也是具身智能的一种应用——它有感知，有动作，能应对变化的物理世界。
不过话说回来，别信那些营销号说的，三五年就能让机器人进你家帮你洗衣做饭。哪有那么快。
我那天在展会上也看了好几款吹得很神的家用服务机器人，能开门能拿东西，但是前提是你家所有东西都得放在固定位置，地面不能有杂物，门不能卡，稍微一点变化它就懵了。离真的能用，还差得远呢。
我反而觉得，最先落地改变我们生活的，不会是电影里那种跟人一模一样的人形机器人。一定会是那些细分场景的小应用。比如给行动不方便的老人做的，能帮忙拿东西递水的辅助机械臂，比如工厂里能跟着工人灵活调整工位的协作机器人，比如农场里能自己识别熟果子采摘的小车。这些地方不需要它长得像人，只要能把一件小事做好，就已经足够改变很多人的生活了。
那天快闭展的时候，有个扎羊角辫的小姑娘蹲在机器人面前，把自己手里的毛绒小熊递过去，让机器人摸一摸。机器人慢腾腾伸出机械爪，犹豫了两秒，轻轻碰了一下小熊的耳朵。小姑娘一下子笑出声，蹦着跳着跟妈妈喊”它摸我小熊了！它摸我小熊了！”
那瞬间我突然没去想什么技术难点什么资本风口。就觉得挺奇妙的。原来从一串只能在屏幕里跟你聊天的代码，到能摸到真实世界小熊耳朵的存在，这一步，就是具身智能啊。
作者|科技
排版|科技
审核|小准