3月30日至31日，2024中国具身智能大会（CEAI 2024）在徐汇西岸举行。此次大会主题为“具身共生，智塑未来”，首日开幕式上，上海具身智能产业与创新联盟正式启动，初始成员涵盖产业链上下游企业及政府、高校和研究机构。
根据中国计算机学会的定义，具身智能（Embodied Artificial Intelligence）涉及人工智能、机器人学习、计算机视觉等学科，实质是强调有物理身体的智能体通过与物理环境进行交互，从而获得智能的人工智能研究范式。
眼下，作为人工智能领域的前沿热点，具身智能正逐步从理论走向实践，从实验室走向现实。但对这一潜力巨大的“蓝海”市场，很多人尚觉得陌生。具身智能可以做什么、改变什么，与大模型之间有怎样的关联？这些疑问的背后，预示着代表了软硬件耦合共生、相互赋能的具身智能，正飞速走进人类的生产和生活。
大会现场
为何是当下
2023世界人工智能大会，生成式人工智能（AIGC）成为绝对主角，“具身智能”的关注度也扶摇直上。但非业界人士则一头雾水，“第一次听说。”
具身智能是一种怎样的“智能”？上海交通大学教授卢策吾提供了一种定义。“通俗说，就是具有身体的智能，电脑可视作‘没有身体的智能’代表。”在他看来，聚焦具身智能，现在恰逢其时。从科学角度看，人类对自身、对视觉的理解以及运动控制技术达到的水平，集合起来已经能形成一个围绕具身智能的科学范畴。而从产业角度看，目前具身智能涉及的软硬件技术已初步成熟，整个产业正蓄势待发。
中国工程院院士、中国人工智能学会（CAAI）理事长戴琼海表示，今年政府工作报告指出将深化大数据、人工智能等研发应用，开展“人工智能+”行动。具身智能恰恰是当前人工智能技术走向物理世界的前沿方向，既是机器学习、自然语言处理、计算机视觉等技术的集成应用，更是对类人能力和类人智慧的挑战与探索。
爆发点就在当下。中国工程院院士蒋昌俊表示，以OpenAI为代表的企业利用大量互联网文本和图像数据，构建了ChatGPT等大语言模型，首次展示了AI解决多种任务的能力，也让人类看到了跨越领域限制、实现通用人工智能（AGI）的潜力。
“虽然ChatGPT等大模型已展现出处理多模态数据和满足人类需求的交互能力，但这种交互仍局限于数字世界。”蒋昌俊表示，要实现真正的通用人工智能，需要赋予AI在真实物理世界中交互的能力。这意味着要让AI拥有实体，像人类一样具备感知、思考和行动能力。
松灵机器人
作为人工智能与机器人两大前沿技术的结合，具身智能被视为新质生产力的重要组成部分。去年5月，芯片制造商英伟达首席执行官黄仁勋也曾表示，人工智能的下一个浪潮将是具身智能，即能理解、推理并与物理世界互动的智能系统。
对于具身智能目前的“隐隐爆发”之势，中国科学院计算技术研究所研究员蒋树强认为，ChatGPT、Sora等依靠互联网数据训练的模型偏向“离身智能”，具身智能需要走进真实的物理世界，对从民生到航空航天的各类产业进行赋能，并对现实环境进行反馈，这就意味着千行百业都会有具身智能的用武之地。
与大模型的关联
在具身智能大会举办前一周，全球开发者先锋大会也在同一地点徐汇西岸举办。一周前的大模型讨论热度还未散去，具身智能的“新爆点”又接连亮相。具身智能与大模型之间，有怎样的关联？
卢策吾表示，相较把大模型视作具身智能的“大脑”，它更像是一种工具。“就像解决力学问题会用到牛顿定律，具身智能也会有自己的‘解决定律’，即自己的大模型。”但与大语言模型、视觉大模型不同的是，真实场景的训练成本很高，不可能像在数字世界那样24小时高速运转。因而具身智能大模型势必会有一套新的训练框架，而这正是卢策吾和他所在的上海交大团队正在研究的方向。
松灵机器人 舒抒 摄
当天大会，与会嘉宾提到，上一轮以ChatGPT、Sora等为代表的生成式人工智能，北美取得了较为明显的领先身位。但在具身智能领域，虽然我国的技术起步和浪潮涌现比北美稍迟了三年左右，但目前全球基本处于同一技术起跑线，都处在“爆发期开始前”。
在卢策吾看来，我国目前具备两大优势。其一是机器人硬件制造，其二是应用场景的数量和丰富程度。“仓储物流、食品加工、餐饮业和医疗服务业都陆续启用了具身智能，或许20年后，人们家中都会有家用养老机器人来照顾自己和家人，这些都是具身智能。”
如何将这些优势变成“盛世”，则需要产学研各界共同努力。
记者注意到，在具身智能大会的展示区，不少企业都搬出了“看家法宝”，包括能够流畅交流对话的客服机器人、适应复杂地形环境的四足机器人、匹配多种流水线作业的工业机器人等。装有AI大模型“大脑”的机器人可从事家政服务、养老陪护、教育医疗、设施巡检、抢险救灾等多种工作，展现具身智能在通用场景、专业领域、垂直工业等赛道的最新应用成果。
在上海傅利叶智能科技有限公司展台，一台泛着帅气金属光泽的深灰色机器人正在挥动手臂。这款机器人名为GR-1，即“General Robotics”通用机器人的缩写。现场工作人员介绍，目前企业聚焦机器人本体，从硬件结构到运动控制算法都具备了核心技术优势。
这款具身智能产品的“聪明劲”主要表现在两方面：运动能力和大脑交互能力。运动方面可完成跳、跑等动作，招手、行走和舞蹈也不在话下，可在不同场景下满足不同客户的需求。“我们开放接口，客户只需基于我们的平台去完成上层设计，就能让机器人完成相应的工作，在工业生产及教育等领域已开始应用。”
