繼“大模型”之后，具身智能被業(yè)界認(rèn)為將掀起人工智能領(lǐng)域的下一個浪潮。

日前，在北京市科學(xué)技術(shù)協(xié)會主辦的“互聯(lián)網(wǎng)3.0：未來互聯(lián)網(wǎng)產(chǎn)業(yè)發(fā)展論壇”上，北京航空航天大學(xué)機(jī)器人研究所名譽(yù)所長、中關(guān)村智友研究院院長王田苗提出，具身智能正在邁向“奇點”時刻，他預(yù)測到2035年，具身智能將達(dá)到380億美元的市場規(guī)模。不過在此之前，還需要解決一系列技術(shù)挑戰(zhàn)。

具身智能，是人工智能在物理世界的進(jìn)一步延伸。它是實現(xiàn)思考、感知、行動三者有機(jī)智能融合的機(jī)器或系統(tǒng)，既具有人機(jī)交互與自然語言理解的能力，同時又可以通過感知、認(rèn)知、決策與時變環(huán)境及對象進(jìn)行實時校準(zhǔn)互動，協(xié)助人完成相應(yīng)的決策與行動任務(wù)。

王田苗介紹，近五年來，一些重要的科技進(jìn)展為具身智能的發(fā)展提供了有利條件，諸如大模型實現(xiàn)了語義邏輯推理，使機(jī)器人執(zhí)行復(fù)雜任務(wù)成為可能；人形機(jī)器人的結(jié)構(gòu)、電機(jī)驅(qū)動、視覺感知等有了突破，使機(jī)器人有望在制造業(yè)、商業(yè)、危險作業(yè)、家庭養(yǎng)老等領(lǐng)域發(fā)揮作用；腦機(jī)接口技術(shù)通過對腦電信號進(jìn)行編解碼，可以助力殘疾人實現(xiàn)對外部設(shè)備的控制，這些進(jìn)展已經(jīng)將具身智能推向了技術(shù)爆發(fā)的門口。但他也毫不諱言地指出，當(dāng)前，機(jī)器人在很多環(huán)境下還比較“智障”，不能理解場景需求，也無法排除干擾。

所以，人們試圖用“感知大模型”提高機(jī)器人在現(xiàn)實中的智能水平，試圖給各類機(jī)器人裝上一個通用的“大腦”。這在咨詢對話型具身智能上可以看到一定進(jìn)展，不少人已經(jīng)在酒店、展覽等場景下體驗過。但是，這類“具身智能”還不能自主地行動和勞動，而要取得實質(zhì)性突破，在王田苗看來，還需要攻破一些難題。

“我們已經(jīng)在語言、視覺大模型上取得了進(jìn)展，但在機(jī)器人領(lǐng)域還未找到類似的模型。而機(jī)器人大模型的突破，才能為通用人工智能機(jī)器人的研發(fā)奠定基礎(chǔ)。”王田苗說。

他說，從進(jìn)化的角度來看，如何協(xié)調(diào)語言認(rèn)知智能、行為智能和視覺智能等三個計算空間，并高效地利用真實、優(yōu)質(zhì)、海量的數(shù)據(jù)，也還需要突破。

如果突破了這些技術(shù)瓶頸，具身智能可能最先從哪些場景落地？

據(jù)王田苗了解，人們確實呼喚具身智能在不同場景上應(yīng)用。但目前學(xué)術(shù)界和工業(yè)界的共識是，具身智能的目的是提高生產(chǎn)力，不是為了替代人類的工作，未來其主要應(yīng)用場景可能更多聚焦于那些人類不愿做或難以勝任的任務(wù)。

他認(rèn)為，學(xué)術(shù)界思考的是從解決復(fù)雜需求入手，而工業(yè)界強(qiáng)調(diào)生產(chǎn)的效率。為此，具身智能的應(yīng)用可能會先從商務(wù)場景開始，包括物流、低空經(jīng)濟(jì)等。此外，農(nóng)業(yè)勞作以及工業(yè)場景中的危險化工、核工業(yè)等也可能會較早落地。他說：“最后才有可能走向家庭，因為走向家庭涉及安全問題、成本問題、倫理問題等。”