具身智能与智能机器人的发展形态趋势如何？2025年AI在工业制造领域的应用将迎来怎样的重大突破？据市场调查与研究机构MarketsandMarkets预测，全球垂类AI应用市场规模将在2030年突破471亿美元，其中工业制造作为关键领域，正在加速向智能化生产与全流程自动化方向迭代，同时具身智能与智能机器人技术正在与传统工业制造领域深层次地融合。2025年将是具身智能从实验室迈向工厂的关键转折点，而人形机器人作为高阶形态，则有望在工业领域率先实现商用突破，重塑全球制造业竞争格局。
近日，中国工程院院士、博士生导师 ，中国科学院沈阳自动化研究所研究员，机器人与智能系统全国重点实验室主任于海斌，在沈阳市高新技术企业协会主办的“创新聚沈·向阳而行”大会上围绕具身智能与智能机器人展开深度分享。
人工智能（AI）自1956年达特茅斯会议正式提出以来，经历了数次技术浪潮与寒冬。于海斌院士指出，AI的发展可分为四个阶段：
符号逻辑推理阶段（1950s-1980s）：以知识表达和专家系统为核心，但受限于知识获取的困难，最终因实用性不足进入第一次寒冬。
神经网络连接阶段（1980s-2000s）：辛顿（Geoffrey Hinton）等人提出反向传播算法，推动神经网络发展，但受限于算力和数据，应用场景有限。
深度学习阶段（2010s至今）：以卷积神经网络（CNN）和斯坦福大学李飞飞团队构建的ImageNet数据库为标志，AI在图像识别等领域实现突破，识别率从60%提升至超越人类水平。
具身智能（Embodied AI）阶段（2020s起）：AI从纯数据驱动转向与物理世界交互，强调智能体通过身体、环境与任务的协同实现认知与行为进化。
图灵早在计算机理论初期即提出两种智能路径——“离身智能”（如ChatGPT依赖纯数据推理）与“具身智能”（需与物理设备结合）。然而，具身智能因技术复杂度高长期滞后，直到机器人学、神经科学和心理学的交叉融合为其提供了新思路。
环境交互与智能发育的必然性：于海斌院士例举了一项科学实验，来印证环境交互与智能发育呈现正相关性，该实验反馈了智能的成长依赖与环境的动态互动作用。
来自麻省理工学院两位研究人员，把两只小猫放进了一个圆桶内，两只小猫都在圆筒内部绕圈运动。第一只小猫是白己走的；第二只小猫则被放在与柱体中心轴相连的小盒子里。两只小猫看到的东西完全相同。结果显示只有靠自己身体运动的小猫发育出了正常的视力。这进一步印证了“心灵手巧”的逆向逻辑——肢体动作的灵活性（如操作工具）会反向促进认知能力的提升。
具身智能三位一体的智能框架：具身智能强调“大脑-身体-环境”三位一体。其中大脑负责高层决策与意图理解（如大语言模型），身体通过传感器与执行器实现物理交互（如机械臂、仿生关节），环境提供动态反馈与训练场景（如仿真平台、真实物理空间）。三者协同构成闭环，使智能体可以通过试错学习适应复杂任务。
从“感知智能”到“行动智能”的跨越：传统AI擅长静态感知（如图像识别），但缺乏对物理世界的动态响应能力。波士顿动力（Boston Dynamics）的Atlas机器人通过深度学习与强化学习结合，实现了翻越障碍、适应地形变化等复杂动作，标志着具身智能在运动控制领域的突破。
数字人：中国通用AI研究院开发的“数字人通通”模拟人类从婴儿期开始的成长过程，通过与虚拟环境的交互（如听觉、触觉反馈）实现认知进化。这一尝试为研究人类智能发育提供了新范式，但也引发伦理争议——若机器人通过环境交互自主进化，人类是否可能失去控制？
机械臂与大语言模型的融合：谷歌RT-X平台将大语言模型（LLM）与机器人操作结合，使机械臂能够理解自然语言指令（如“整理房间”），并自主分解任务步骤（识别杂物、分类归置）。这一技术已在叠衣服、精细装配等场景中展现潜力，但其泛化能力仍受限于物理规则与数据多样性。
人形机器人的争议与前景：马斯克力推的Optimus人形机器人引发两极评价。支持者认为人形是通用化的终极形态，可适配人类环境（如楼梯、工具），而质疑者指出其成本高昂、技术冗余（如多关节驱动难题）。
于海斌院士认为，人形机器人的核心价值在于“本体硬件”与“智能算法”的协同突破。例如，开源算法（如波士顿动力的运动控制模型）大幅度降低了本体研发门槛，而黄仁勋（英伟达CEO）布局的具身智能训练平台，或将推动行业标准化。
智能驾驶与低空经济：尽管全无人驾驶面临地面环境的极端复杂性（如突发行人、不规则道路），但网联汽车的辅助驾驶（如车道保持、自动泊车）和低空经济（无人机物流、巡检）已成为更可行的商业化方向。
在机器人技术路径未来发展的新趋势探讨方面，于海斌院士表示未来人形机器人肢体部分有很大的提升空间，如基于高能量密度的仿生驱动肢体。仿照人类心脏的高效供能机制，研发微型液压驱动与仿生肌肉，如德国费斯托的气动机械臂就是一个很好的参考方向，该机械臂核心优点是其高精度控制与仿生设计的融合，拥有12个自由度，动作柔性且稳定，部分型号搭载AI技术实现自我学习优化，电磁阀寿命超3000万次，具备良好的性能和耐用性。
此外，生物融合也是未来机器人发展的新趋势。未来，我们大家可以通过培养生物细胞构建具有感知与驱动能力的“类器官”产品，尽管其生存环境要求苛刻，但为软体机器人提供了新思路。
小脑最大的作用在于提升人形机器人的运动协调能力，运动控制依赖海量物理数据，而真实环境训练成本过高。目前国内已经有相对成熟的平台做机器人的模拟训练，如国家地方共建人形机器人创新中心开发的，异构人形机器人训练场通过“虚拟-现实”迁移学习（Sim2Real），使机器人能在低成本场景中预训练动作（如行走、跳跃），再迁移至真实环境微调。
大脑提供决策模型与机器人的认知能力，目前多模态感知技术是主要方案，该方案融合视觉、触觉、力觉传感器，提升环境理解的全面性。在具体案例方面，北京大学电子学院程翔教授团队提出的“机器联觉”系统，通过智能融合通信与多模态感知信息，有效提升了机器人在复杂环境中的感知、决策与通信能力。
此外，于海斌院士也提到了怎么样才能解决大模型“灾难性遗忘”问题，实现机器人的终身学习方式。爱丁堡大学提出的增量强化学习框架是一个很好的解决“灾难性遗忘”的解决方案。它能够在保持已有知识的基础上，通过逐步增量式地更新策略，快速适应新环境或新任务，从而明显提升机器人在动态变化环境中的学习效率和性能表现，无需从头开始重新训练整个模型。
于海斌院士预测，未来十年，具身智能的算法与训练平台将加快速度进行发展，而硬件（如高精度传感器、仿生关节）受限于材料与工艺，进步速度相对缓慢。企业需优先布局软件生态（如仿真平台、数据链），而非盲目投入硬件研发。
此外具身智能缺乏统一理论体系（如认知科学的世界模型），但场景驱动的工程化应用（如仓储机器人、医疗外骨骼）将率先落地。国家需推动跨机构协作，解决数据确权与模型共享难题。
在通用终端的终极形态方面，于海斌院士认为人形机器人未必是唯一答案，具身智能可能通过“一脑多机”模式赋能多样化设备（如工业机床、家用电器）。例如，同一AI核心可同时调度无人机群与地面机器人，实现任务协同。
在伦理与安全方面，于海斌院士认为，若具身智能体通过环境交互自主进化，可能超出人类预设的边界。行业需提前建立伦理规范（如行为约束算法、人机权责界定），避免技术失控风险。
具身智能正在让AI从“虚拟大脑”向“物理实体”迭代，在技术演化的道路上，需要更加关注技术创新的有效性与产业化的可落地性。正如于海斌院士所言：“蓝海的意义在于未知，而未知需要勇气与智慧并存。”对产业从业者而言，打破学科壁垒、深化理论突破，聚焦场景刚需、参与生态共建或将成为抢占先机的关键。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
疯球了！小伙花20万囤了10000张哪吒电影票，全国观众集体懵圈
热搜第一！顶流男星黄景瑜前妻怒指超美小三揭露当年出轨线晋级！亚洲杯史诗逆转：力压中国队头名出线
立德机器人平台，是一个集媒体品牌、智库咨询、投资孵化、引智招商为一体的机器人垂直领域服务平台
