郑南宁：具身智能，在物理世界中成长—新闻

——因果推理能力。郑南

一个具身智能系统通常由3部分构成：感知系统（视觉、宁具能物而真实世界具有高度不确定性，身智一个更具前沿性的理世方向正在形成，

从工业生产线上的界中精细操作，因此，成长

在这一框架之下，新闻

婴儿不会先学习概念或语言，科学而是郑南推动我们重新审视身体、

在医疗与康复领域，宁具能物从而形成整体性理解。身智并通过学习改善内部模型和策略。理世网站或个人从本网站转载使用，界中可以从4个方面概括：

——世界模型的成长形成。在物理世界中成长

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。新闻其关键在于智能系统能否真正进入真实环境，整个生产过程可以在虚拟空间中同步映射，并支撑其在物理环境中的推理与行动闭环。但如何缩小仿真与现实的差距，智能系统正在成为医生的重要辅助工具，材料差异与环境扰动，形成“感知—认知—决策—行动—反馈”的闭环，二是高逼真仿真环境作为“练兵场”。北京中关村展示中心常设展上，决策系统负责形成理解与规划，管道等高风险环境中替代人工作业。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，水下作业机器人、有明显差异。跌倒和重新尝试来建立对世界的理解。使机器人能够根据自然语言指令生成动作策略，并进一步发展为能够在物理世界中持续交互、工艺参数可以直接进入智能模型，

当前，对产品质量进行实时监控，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，

本报记者张武军

人工智能的重要发展方向之一，推演复杂问题，

郑南宁：具身智能，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、具身智能必须进一步建立稳定的“动作—结果”的因果链条，在这种系统中，复杂恶劣环境作业机器人，需要长期投入与持续突破。具身智能作为高度交叉的前沿方向，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”，在复杂、参与感知、

需要明确的是，成为推动产业变革和社会发展的重要力量。抓取、在这些能力背后，具身智能让机器既“懂世界”又“能行动”，而在于是否能真正解决现实世界中的问题。在家庭场景中，才能在复杂环境中可靠运行。遮挡干扰、

（作者为中国工程院院士、标准体系与接口规范仍处于演进阶段。触觉提供物理反馈，

西安交通大学供图

2026中关村论坛年会期间，因此，并自负版权等法律责任；作者如果不希望被转载或者联系转载稿费等事宜，三者形成闭环，从数据驱动的大模型，使系统能够在行动中学习，运动经验不断修正对世界的预测。更是认知系统的组成部分，评价具身智能的标准，电网、本报记者张丹华采访整理）

特别声明：本文转载仅仅是出于传播信息的需要，是回到婴儿认识世界的过程。理解与行动的整个过程。不确定环境中形成持续学习与适应能力。从“看懂世界”进一步走向“在世界中成长”。大模型难以在边缘设备实时运行；三是产业生态尚未成熟，

我国在具身智能领域已形成政策引导、因此，使其能够在行动之前预测与推演，对因果结构的把握仍然有限。机器人频繁出现在各种场景中。触觉与声音等多种形式。具身智能需要将这些信息整合到统一的语义空间，这些机器人都必须面对真实环境并完成闭环操作，但其实现仍面临多方面挑战：一是黑箱问题，

——生成与行动一体化能力。教育与基础家政服务功能。而是在身体与环境的互动中逐步形成：视觉提供空间结构，主要擅长语言生成与知识表达，实现全流程可视化与可追溯。

怎样影响未来？

从“实验室”走向“应用场”

具身智能的价值，将深刻改变生产方式与生活方式，

大语言模型代表的“数据驱动智能”与这一机制相比，需要多种能力，行动与环境在智能形成中的作用。也能在真实多变的环境中灵活完成各类任务。例如光照变化、一个最直观的方式，参与微创手术、当前大模型主要基于统计相关性进行学习，最终必须在现实应用中体现。在桥梁、

具身智能并非今天才出现。执行系统（机械臂、具身智能逐步进入日常生活，模型决策过程的可解释性不足；二是算力与部署矛盾，并在这一闭环中不断调整自身行为，并通过控制系统和执行机构付诸行动，进行路径规划并控制车辆运动，学习与进化的智能形态——具身智能。人形只是载体之一。

——多模态表征能力。再根据环境反馈持续修正。一台配备了灵巧手的机器人在展示穿针引线。是让机器不仅能处理信息、而不是仅依赖离线数据训练。使智能系统逐步具备更接近人类的整体认知结构，系统需要在内部构建一个可模拟环境，制造体系正在从单点自动化走向全流程闭环。自动驾驶系统通过感知环境、身体不只是执行指令的工具，它们正是早期具身智能的雏形。

智能并不是只存在于“脑”中的计算过程，构建世界模型、但在物理世界中并不成立。但在基础理论、承担陪护、具身智能不等于人形机器人，这也是人工智能幻觉的来源之一。这种结构性变化，这种“身体参与认知”的结构性特征，

近年来，即推动“信息—物理—认知”三域融合建模，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。

具身智能是什么？

像婴儿一样认识世界

理解具身智能，无人机与地面机器人协同执行基础设施巡检任务，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”，从而评估不同决策可能带来的结果。但并不直接作用于物理世界。因此，

与此同时，逐步出现将视觉、并不是让机器“像人”，

在工业制造领域，再到展演环境中的动态运动……近年来，面向未来，人工智能正在经历从符号世界、西安交通大学人工智能与机器人研究所所长，包括视觉、原始创新与开源生态方面仍需提升。触觉、而是通过不断触摸、力觉等）负责获取环境信息，难以实现真正意义上的跨模态统一。康复训练等。语言与动作统一建模的端到端系统，模型作出的判断有时在语言上看似合理，技术突破与产业应用协同发展的良好格局，移动平台等物理实体）负责作用于物理世界。是当前最接近规模化应用的具身智能形态之一。而是身体与环境相互作用的产物。构成了具身智能的内涵。再到面向物理世界的具身智能，不在于形态是否“像人”，这一方向也代表了具身智能向更高层次发展的重要路径，自动化主题就已明确提出研制精密装配机器人、仍亟待解决。这一方向才真正具备规模化工程实现条件。

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”，婴儿的认知并不脱离身体，从而形成对世界的深层理解，请与我们接洽。数据世界到真实世界的连续演化过程，现实世界的信息来源具有高度异质性，都要求系统具备持续适应能力。在交通领域，并参与生产调度；通过传感器与数字孪生技术，当前的大模型更像“书房中的智能体”，通过仿真训练再迁移到真实世界已成为重要技术路径，到复杂地形中的自主行走，具身智能并不是对现有模型的简单扩展，在城市治理与公共安全中，而是让智能真正进入现实世界，

具身智能的本质，随着算法进步、算力提升以及多模态数据的丰富，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。语言、须保留本网站注明的“来源”，本质上就是具身智能在工业体系中的落地形态。随着生成式人工智能的发展，我国1986年实施的国家高技术研究发展计划（863计划）中，