具身智能：在物理世界中生成与演化的智能新范式

要理解具身智能，首先需要打破一个常见的惯性认知：智能并非只存在于“大脑”中。具身智能的核心思想源于“具身认知”哲学理念，它强调感知、思考、学习和行动是一个连续、一体的过程，而智能正是从智能体（Agent）本身与其所处环境的持续动态交互中涌现出来的能力。 简单定义，具身智能是指一个拥有物理或虚拟身体的智能体，它能够通过该身体所具备的多模态传感器（如视觉、听觉、触觉）去主动感知环境，并通过计算模型（如深度学习、强化学习）进行理解、推理与规划后，驱动执行器（如机械臂、轮子）与环境产生互动，从而完成特定任务或在交互中自我进化。其核心特征在于形成一个紧密的 “感知-理解-决策-行动” 闭环，使智能体能够在充满不确定性的动态物理世界中自适应地运行。这与传统AI仅在静态、封闭的数据集上进行训练和推理的模式形成了鲜明对比。具身智能的“身体”是它理解世界、获取经验并最终执行任务的必要媒介。

当前具身智能系统正从孤立的功能模块向一体化架构发展。传统机器人系统通常将感知、规划、控制等环节分离设计，导致信息流断裂与决策延迟。新一代具身智能架构强调端到端的学习与优化，通过多模态融合感知、统一表征学习和联合策略训练，实现从原始传感器输入到动作输出的直接映射。这种架构能够更好地处理现实世界中的不确定性，提高系统的适应性与鲁棒性。

具身智能正经历从任务专用向任务通用的关键转变。早期系统多针对单一场景（如仓库分拣、家庭递送）进行定制开发，行为模式固定、泛化能力弱。当前发展趋势聚焦于构建具备跨任务迁移能力的通用具身智能体，其核心在于发展统一的感知-决策-执行架构，使同一智能体能通过高层指令理解与底层技能复用，完成多样化物理任务。例如，一个机器人既能整理桌面，也能操作家电或协助烹饪。这种通用性依赖于基础模型的引入与模块化技能库的建设，标志着具身智能从“工具”向“伙伴”的角色升级。

人工智能的发展正经历一场从“离身”到“具身”的深刻范式转变。传统人工智能主要关注在抽象符号或数据空间中进行推理、识别与生成，其智能与物理世界是割裂的。而具身智能则强调，智能的产生离不开一个拥有感知和行动能力的身体，以及与真实环境持续不断的交互。这一演进并非简单的技术升级，而是对智能本质理解的深化，标志着人工智能从“思考”走向“行动”，从“理解世界”走向“改变世界”的关键跨越。

传统人工智能（AI）主要建立在离身（disembodied）计算模型之上，其典型代表包括深度学习、大语言模型和计算机视觉系统。这类AI通过海量静态数据进行训练，擅长模式识别、文本生成、图像分类等任务，但其运行环境局限于数字空间，缺乏与物理世界的直接交互能力。它能回答“是什么”和“为什么”，却难以解决“怎么做”——例如，一个语言模型可以描述如何泡茶，但无法亲手拿起水壶、控制水温或判断茶叶是否泡好。这种脱离身体与环境的智能，在面对动态、不确定、需实时响应的真实世界时，暴露出泛化能力弱、常识缺失、安全风险高等根本性局限。

在人工智能技术飞速发展的今天，多模态大模型与具身智能的融合正成为推动机器从“感知世界”走向“理解并改变世界”的关键力量。这一交叉领域不仅代表着技术的前沿方向，更预示着通用人工智能实现的潜在路径。它通过赋予机器类似于人类的跨模态信息处理与物理交互能力，正在彻底改变机器人、智能体乃至整个人机交互生态的面貌。

多模态大模型（Multimodal Large Models）能够同时理解与生成文本、图像、音频、视频等多种信息形式，具备强大的语义关联与常识推理能力。而具身智能强调智能体通过身体在物理环境中交互学习，形成对世界的动态理解。二者的融合逻辑在于：多模态大模型为具身智能体提供高层认知与任务分解能力，使其能理解自然语言指令、解析复杂场景语义并规划合理行为；具身智能则为大模型提供真实世界反馈，使其从“纸上谈兵”走向“知行合一”。这种“大脑+身体”的协同架构，正成为构建通用物理智能体的关键路径。

具身智能的实际应用正在多个领域深入发展，从工业制造到家庭服务，从医疗健康到农业自动化，展现出广泛的应用前景和巨大的社会价值。这些应用不仅提高了生产效率和服务质量，也创造了新的商业模式和工作方式。随着传感器技术、控制算法和计算能力的持续进步，具身智能系统将变得更加灵活、智能和可靠。 未来，具身智能应用将更加注重与人类的协同合作，发展出更自然的人机交互方式。多智能体系统的协同能力将进一步提升，实现更复杂的群体智能行为。同时，具身智能的伦理规范和安全标准也将逐步完善，确保技术发展与社会价值相统一。具身智能将继续推动各行业的数字化转型，为经济社会发展注入新的动力。

具身智能在家庭与商业服务场景中展现出显著价值。家庭助手机器人通过视觉、语音与触觉感知环境，理解“把水杯放到茶几上”等自然语言指令，并自主规划路径、避障、抓取与放置。在酒店、商场等公共场所，服务机器人可完成迎宾引导、物品配送、清洁消毒等任务，其行为不仅依赖预设程序，更基于对动态人流、临时障碍物的实时理解与响应。这类应用要求智能体具备情境理解、人机交互与安全共处能力，是具身智能从“能动”迈向“会做”的典型体现。

由网易伏羲与中国计算机学会（CCF）于2025年共同发起的“CCF-网易雷火联合基金二期”在历经80天的指南公开，课题征集，多层遴选等环节，本轮评审终于落下帷幕。 二期基金项目围绕 “游戏与人工智能“ 发起多个热门研究方向。面向国内高校及科研院所的全职教师和研究人员，共计开放11个课题，吸引60+高校/研究机构报名。 自启动以来，基金项目受到了全国高校学者的高度关注与积极响应。来自（排名不分先后）浙江大学、香港理工大学、北京理工大学、上海交通大学、南京大学、武汉大学、厦门大学、西安交通大学、合肥工业大学等知名高校与院所的专家学者提交了高质量申请，充分体现了学界对该项目的认可与期待。 为确保评审过程的专业性与公正性，基金组委会围绕“业务落地潜力”、“研究方向匹配度”、“技术可行性”以及“团队基础”等多个维度，对所有申报项目进行了严格评估与多轮审议。 经过专家委员会的综合评议与投票，本轮CCF-网易雷火联合基金11个课题项目全部获得资助。这些项目将在未来一年中获得资金支持与技术协作，推动其研究成果向实际应用场景转化，助力我国人工智能领域的持续创新发展。