<p class="ql-block">《會(huì)跳舞的機(jī)器人 VS 會(huì)干活的機(jī)器人你選誰》</p><p class="ql-block">作者：翔翔</p><p class="ql-block">如果只是看視頻，很多人可能會(huì)先選會(huì)跳舞的那個(gè)。</p><p class="ql-block">它動(dòng)作流暢，節(jié)奏準(zhǔn)確，轉(zhuǎn)身的時(shí)候甚至還有一點(diǎn)舞臺(tái)感。</p><p class="ql-block">鏡頭喜歡它，觀眾也愿意為它停留幾秒。</p><p class="ql-block">一段視頻刷過去，未來仿佛已經(jīng)來了。</p><p class="ql-block">至少在配樂結(jié)束之前，確實(shí)如此。</p><p class="ql-block">可問題是，現(xiàn)實(shí)世界很少靠跳舞運(yùn)轉(zhuǎn)。</p><p class="ql-block">工廠不會(huì)因?yàn)橐慌_(tái)機(jī)器人節(jié)奏感好，就把整條產(chǎn)線交給它。</p><p class="ql-block">倉庫也不太關(guān)心它有沒有舞臺(tái)魅力。</p><p class="ql-block">真正決定一臺(tái)機(jī)器人價(jià)值的，往往不是它會(huì)不會(huì)表演，</p><p class="ql-block">而是它能不能把事情做完，能不能少出錯(cuò)，能不能今天能用，明天也還能用。</p><p class="ql-block">這也是為什么，今天討論機(jī)器人，真正值得看的，不是誰跳得更像人，</p><p class="ql-block">而是誰更接近“能干活”。</p><p class="ql-block">而這背后，正是這幾年越來越熱的一個(gè)方向：具身智能。</p><p class="ql-block">所謂具身智能，說得直白一點(diǎn)，就是讓人工智能不再只停留在屏幕里。</p><p class="ql-block">它不只是會(huì)說，會(huì)寫，會(huì)回答問題，</p><p class="ql-block">而是開始擁有身體，進(jìn)入物理世界，學(xué)會(huì)真正地感知、判斷和行動(dòng)。</p><p class="ql-block">它要看見空間，判斷距離，理解環(huán)境，完成動(dòng)作。</p><p class="ql-block">它要知道門在哪里，也要真的走過去。</p><p class="ql-block">它要認(rèn)得出杯子是什么，也要把它拿起來，而且最好別摔了。</p><p class="ql-block">到了這一步，人工智能終于不再只是“懂很多道理”，</p><p class="ql-block">它開始被要求在現(xiàn)實(shí)里把事情做對(duì)。</p><p class="ql-block">說到這里，就能看出“會(huì)跳舞”和“會(huì)干活”之間真正的區(qū)別。</p><p class="ql-block">前者更像展示能力，</p><p class="ql-block">后者才是在接受現(xiàn)實(shí)世界的考試。</p><p class="ql-block">會(huì)跳舞的機(jī)器人，像流量明星。</p><p class="ql-block">鏡頭喜歡它，觀眾也愿意鼓掌。</p><p class="ql-block">可真正能干活的機(jī)器人，更像那種全年無休、幾乎沒機(jī)會(huì)上頭條、卻誰都離不開的基層骨干。</p><p class="ql-block">前者負(fù)責(zé)制造“未來感”，后者負(fù)責(zé)別讓今天真的出點(diǎn)什么事。</p><p class="ql-block">一個(gè)適合上熱搜，一個(gè)適合上工位。</p><p class="ql-block">當(dāng)然，具身智能也不只是人形機(jī)器人。</p><p class="ql-block">從技術(shù)邏輯上說，無人駕駛出租車也是具身智能的一種。</p><p class="ql-block">它同樣要感知環(huán)境，判斷距離，理解道路，規(guī)劃路徑，并在真實(shí)世界里持續(xù)行動(dòng)。</p><p class="ql-block">區(qū)別只是，它的身體不是雙腿和機(jī)械手，而是一輛車。</p><p class="ql-block">很多人還在想象具身智能什么時(shí)候落地，</p><p class="ql-block">可有些具身智能，已經(jīng)在外面拉客了。</p><p class="ql-block">所以，具身智能真正難的地方，不在“像不像人”，</p><p class="ql-block">而在“能不能在人的世界里干活”。</p><p class="ql-block">人類的空間，本來就是按人的身體設(shè)計(jì)的。</p><p class="ql-block">樓梯、門把手、貨架、工具臺(tái)、走廊、方向盤、路口和紅綠燈，</p><p class="ql-block">背后都默認(rèn)了一件事：使用它們的，是人。</p><p class="ql-block">而現(xiàn)在，機(jī)器也想進(jìn)來。</p><p class="ql-block">它當(dāng)然得先學(xué)會(huì)怎么跟這一切打交道。</p><p class="ql-block">這就要求它至少同時(shí)具備幾種關(guān)鍵能力：</p><p class="ql-block">看得懂，想得出，做得到。</p><p class="ql-block">看得懂環(huán)境，想得出步驟，做得到動(dòng)作。</p><p class="ql-block">少一樣都不行。</p><p class="ql-block">只會(huì)看，不會(huì)動(dòng)，那還只是攝像頭。</p><p class="ql-block">只會(huì)動(dòng)，不會(huì)變通，那也不過是舊式自動(dòng)化。</p><p class="ql-block">真正的具身智能，是讓機(jī)器第一次開始像一個(gè)行動(dòng)者，而不只是一個(gè)執(zhí)行器。</p><p class="ql-block">也正因?yàn)檫@樣，今天機(jī)器人領(lǐng)域真正的前沿，</p><p class="ql-block">已經(jīng)不只是看誰的演示視頻更像科幻片。</p><p class="ql-block">因?yàn)楝F(xiàn)實(shí)世界最大的特點(diǎn)，就是它不太愿意配合演示。</p><p class="ql-block">門不一定正好開著，箱子也不一定正好擺端正，</p><p class="ql-block">地上甚至還可能有一只誰都沒打算立刻收起來的拖鞋。</p><p class="ql-block">對(duì)人來說，這叫日常。</p><p class="ql-block">對(duì)機(jī)器人來說，這往往叫測試集之外。</p><p class="ql-block">可現(xiàn)在，大模型的發(fā)展，開始給機(jī)器人提供一種更通用的“大腦”。</p><p class="ql-block">它不再只是按預(yù)設(shè)動(dòng)作運(yùn)行，而是開始學(xué)著根據(jù)環(huán)境調(diào)整自己。</p><p class="ql-block">只是到了現(xiàn)實(shí)世界，判斷對(duì)了還不夠，</p><p class="ql-block">還得伸得準(zhǔn)，拿得穩(wěn)，走得過去，也別出錯(cuò)。</p><p class="ql-block">不過，真正有機(jī)會(huì)率先落地的場景，并不是很多人最容易想象的家庭。</p><p class="ql-block">至少暫時(shí)不是。</p><p class="ql-block">因?yàn)榧彝ヌ珡?fù)雜，也太隨意。</p><p class="ql-block">地上可能有拖鞋，有玩具，有寵物，有老人隨手放下的一只袋子。</p><p class="ql-block">光線會(huì)變，家具會(huì)挪，人的主意也會(huì)一天三變。</p><p class="ql-block">工廠里的箱子，至少形狀通常更規(guī)則。</p><p class="ql-block">可家里的雜物，從來沒有這種職業(yè)素養(yǎng)。</p><p class="ql-block">所以在現(xiàn)階段，具身智能更現(xiàn)實(shí)的落點(diǎn)，往往是工廠、倉庫、物流和特種作業(yè)場景。</p><p class="ql-block">不是因?yàn)檫@些地方更有詩意，</p><p class="ql-block">恰恰是因?yàn)樗鼈兏焕寺?lt;/p><p class="ql-block">它們講的是節(jié)拍、效率、穩(wěn)定性和部署成本。</p><p class="ql-block">一臺(tái)機(jī)器今天搬十次，明天也得搬十次。</p><p class="ql-block">今天抓得準(zhǔn)，明天不能忽然有了自己的想法。</p><p class="ql-block">具身智能要真有本事，就得先在這些地方站住腳。</p><p class="ql-block">到了那時(shí)候，它才不是一個(gè)拍視頻的主角，</p><p class="ql-block">而是自主系統(tǒng)里真正可用的一環(huán)。</p><p class="ql-block">也就是說，具身智能最值得看的，</p><p class="ql-block">不是它看上去多么聰明，</p><p class="ql-block">而是它終于要去面對(duì)那些人類天天都在面對(duì)、卻早已懶得多想的小事。</p><p class="ql-block">重力、摩擦、誤差、障礙、距離、速度、意外。</p><p class="ql-block">這些對(duì)人來說幾乎不算問題的東西，</p><p class="ql-block">對(duì)機(jī)器來說，每一樣都是一道門檻。</p><p class="ql-block">過去的人工智能，是在語言里證明自己；</p><p class="ql-block">而具身智能，逼它到現(xiàn)實(shí)里重新做人。</p><p class="ql-block">所以，回到一開始那個(gè)問題。</p><p class="ql-block">會(huì)跳舞的機(jī)器人，確實(shí)更容易讓人看見未來。</p><p class="ql-block">會(huì)干活的機(jī)器人，卻更接近現(xiàn)實(shí)本身。</p><p class="ql-block">一個(gè)先讓你驚嘆，</p><p class="ql-block">一個(gè)再讓你依賴。</p><p class="ql-block">而當(dāng)機(jī)器開始真正走進(jìn)工廠、街道、倉庫，甚至日常生活，</p><p class="ql-block">你要選擇的也許早已不是機(jī)器人，而是你究竟更期待一種好看的未來，還是一種真正能做事的未來。</p> <p class="ql-block"><b>備注： 術(shù)語中英對(duì)照</b></p><p class="ql-block">具身智能（Embodied AI）</p><p class="ql-block">物理世界（Physical World）</p><p class="ql-block">感知（Perception）</p><p class="ql-block">判斷（Reasoning）</p><p class="ql-block">行動(dòng)（Action）</p><p class="ql-block">空間理解（Spatial Understanding）</p><p class="ql-block">路徑規(guī)劃（Path Planning）</p><p class="ql-block">運(yùn)動(dòng)控制（Motion Control）</p><p class="ql-block">環(huán)境感知（Environmental Perception）</p><p class="ql-block">任務(wù)執(zhí)行（Task Execution）</p><p class="ql-block">任務(wù)泛化能力（Task Generalization）</p><p class="ql-block">空間推理能力（Spatial Reasoning）</p><p class="ql-block">操作能力（Manipulation）</p><p class="ql-block">非結(jié)構(gòu)化環(huán)境（Unstructured Environment）</p><p class="ql-block">舊式自動(dòng)化（Traditional Automation）</p><p class="ql-block">執(zhí)行器（Actuator）</p><p class="ql-block">大模型（Foundation Model）</p><p class="ql-block">數(shù)字孿生（Digital Twin）</p><p class="ql-block">自主系統(tǒng)（Autonomous System）</p><p class="ql-block">無人駕駛出租車（Robotaxi）</p><p class="ql-block">多模態(tài)感知（Multimodal Perception）</p><p class="ql-block">目標(biāo)檢測（Object Detection）</p><p class="ql-block">狀態(tài)估計(jì)（State Estimation）</p><p class="ql-block">場景理解（Scene Understanding）</p><p class="ql-block">任務(wù)規(guī)劃（Task Planning）</p><p class="ql-block">動(dòng)作生成（Action Generation）</p><p class="ql-block">實(shí)時(shí)反饋（Real-time Feedback）</p><p class="ql-block">末端執(zhí)行器（End Effector）</p><p class="ql-block">靈巧操作（Dexterous Manipulation）</p><p class="ql-block">視覺語言動(dòng)作模型（Vision-Language-Action Model, VLA）</p><p class="ql-block">仿真到現(xiàn)實(shí)遷移（Sim-to-Real Transfer）</p>