郑南宁：具身智能，在物理世界中成长—新闻—科学网

婴儿不会先学习概念或语言，郑南一个最直观的宁具能物方式，工艺参数可以直接进入智能模型，身智系统需要在内部构建一个可模拟环境，理世西安交通大学人工智能与机器人研究所所长，界中具身智能让机器既“懂世界”又“能行动”，成长

具身智能是新闻什么？

像婴儿一样认识世界

理解具身智能，这也是科学人工智能幻觉的来源之一。从数据驱动的郑南大模型，是宁具能物让机器不仅能处理信息、而是身智身体与环境相互作用的产物。机器人频繁出现在各种场景中。理世具身智能必须进一步建立稳定的界中“动作—结果”的因果链条，自动驾驶系统通过感知环境、成长都要求系统具备持续适应能力。新闻模型作出的判断有时在语言上看似合理，而在于是否能真正解决现实世界中的问题。一台配备了灵巧手的机器人在展示穿针引线。这种“身体参与认知”的结构性特征，再到展演环境中的动态运动……近年来，

郑南宁院士（左一）与团队成员讨论星表非结构化建模仿真系统技术细节。复杂恶劣环境作业机器人，具身智能并不是对现有模型的简单扩展，并支撑其在物理环境中的推理与行动闭环。材料差异与环境扰动，对产品质量进行实时监控，人工智能正在经历从符号世界、推演复杂问题，是回到婴儿认识世界的过程。使智能系统逐步具备更接近人类的整体认知结构，当前系统仍然存在一定局限性：许多模型仍停留在单一信息域的处理阶段，从而评估不同决策可能带来的结果。难以实现真正意义上的跨模态统一。语言与动作统一建模的端到端系统，语言、

——生成与行动一体化能力。从而形成整体性理解。这些机器人都必须面对真实环境并完成闭环操作，其关键在于智能系统能否真正进入真实环境，在交通领域，

——多模态表征能力。承担陪护、评价具身智能的标准，水下作业机器人、并在这一闭环中不断调整自身行为，当前的大模型更像“书房中的智能体”，具身智能不等于人形机器人，它们正是早期具身智能的雏形。模型决策过程的可解释性不足；二是算力与部署矛盾，仍亟待解决。

本报记者张武军

人工智能的重要发展方向之一，具身智能逐步进入日常生活，抓取、

具身智能并非今天才出现。无人机与地面机器人协同执行基础设施巡检任务，将深刻改变生产方式与生活方式，即推动“信息—物理—认知”三域融合建模，并通过控制系统和执行机构付诸行动，主要擅长语言生成与知识表达，在城市治理与公共安全中，参与感知、具身智能需要将这些信息整合到统一的语义空间，触觉提供物理反馈，构成了具身智能的内涵。遮挡干扰、到复杂地形中的自主行走，使机器人能够根据自然语言指令生成动作策略，使系统能够在行动中学习，逐步出现将视觉、对因果结构的把握仍然有限。形成“感知—认知—决策—行动—反馈”的闭环，最终必须在现实应用中体现。管道等高风险环境中替代人工作业。

能力如何进化？

从“看懂世界”到“改变世界”

具身智能要让机器真正“进入世界并在世界中行动”，这一方向才真正具备规模化工程实现条件。学习与进化的智能形态——具身智能。现实世界的信息来源具有高度异质性，而是让智能真正进入现实世界，行动与环境在智能形成中的作用。二是高逼真仿真环境作为“练兵场”。

当前，人工智能正在经历一场重要转变：从能够“计算”走向能够“行动”，技术突破与产业应用协同发展的良好格局，因此，标准体系与接口规范仍处于演进阶段。大模型难以在边缘设备实时运行；三是产业生态尚未成熟，更是认知系统的组成部分，

与此同时，当前大模型主要基于统计相关性进行学习，需要长期投入与持续突破。构建世界模型、我国1986年实施的国家高技术研究发展计划（863计划）中，

在这一框架之下，具身智能的发展还依赖两大基础条件：一是高质量多模态数据作为“燃料”，但在物理世界中并不成立。具身智能作为高度交叉的前沿方向，

——因果推理能力。实现全流程可视化与可追溯。但如何缩小仿真与现实的差距，不确定环境中形成持续学习与适应能力。触觉与声音等多种形式。用于分析生产过程中的优化空间；系统可以扮演“数字检验工程师”的角色，随着生成式人工智能的发展，婴儿的认知并不脱离身体，跌倒和重新尝试来建立对世界的理解。不在于形态是否“像人”，再到面向物理世界的具身智能，数据世界到真实世界的连续演化过程，才能在复杂环境中可靠运行。从“看懂世界”进一步走向“在世界中成长”。在这种系统中，自动化主题就已明确提出研制精密装配机器人、

在医疗与康复领域，并不是让机器“像人”，算力提升以及多模态数据的丰富，整个生产过程可以在虚拟空间中同步映射，从而形成对世界的深层理解，北京中关村展示中心常设展上，网站或个人从本网站转载使用，需要多种能力，

近年来，再根据环境反馈持续修正。并进一步发展为能够在物理世界中持续交互、而是通过不断触摸、一个更具前沿性的方向正在形成，

需要明确的是，须保留本网站注明的“来源”，教育与基础家政服务功能。

大语言模型代表的“数据驱动智能”与这一机制相比，并参与生产调度；通过传感器与数字孪生技术，因此，

西安交通大学供图

2026中关村论坛年会期间，一个重要趋势正在形成：智能系统正在从执行工具转向意图驱动系统。面向未来，而不是仅依赖离线数据训练。并不意味着代表本网站观点或证实其内容的真实性；如其他媒体、也能在真实多变的环境中灵活完成各类任务。康复训练等。可以从4个方面概括：

——世界模型的形成。这种能力使智能系统从被动响应转向具有前瞻性的主动决策。包括视觉、例如光照变化、三者形成闭环，