点击屏幕，机器人即可根据祝福语为观众现场弹奏乐曲；当非遗文化遇上人工智能，具身智能机器人手持双槌，刚劲有力地演绎潮汕英歌舞的豪迈气魄……在2025中国国际信息通信展览会（PT展）的展台上，机器人不再只是“炫技”的噱头，而是被赋予了“手”和“脚”的人工智能，正尝试进入生产、文旅、服务的多元场景。

然而，相较展区的热闹表演，更值得关注的是论坛上的冷思考。在9月24日举办的“具身智能前沿”论坛上，产业界与学术界的专家们共同探讨了这一热点背后的现实约束与未来路径：从“实验室”走向“实训场”，具身智能需要的不仅是技术突破，更是产业逻辑与生态支撑。

01

产业逻辑：

从“信息处理”到“原子搬运”

人工智能已经在虚拟世界展现出惊人的生成力，但如何进入物理世界，成为当下产业最迫切的问题。中国信息通信研究院人工智能研究所所长魏凯在论坛上直言，具身智能的本质，是人工智能从虚拟到现实的必然延伸，“不仅要处理信息，还要搬运原子。”

这句话背后，是一条全新的产业逻辑：虚拟世界的推理可以在云端完成，但物理世界的执行必须在“环境不确定、交互复杂”的现实中落地。为了让机器人具备真实场景下的学习与执行能力，今年全国新增了11个具身智能训练场，这些场地就像自动驾驶的封闭测试区，能够帮助机器人反复试错、积累数据。

与此同时，标准化建设也在加速。国内首个具身智能国际标准已在ITU立项，其意义远不止于技术细节，而是关乎产业的国际话语权。标准决定了数据是否可复用、产品是否可对接、市场是否能形成规模。如果缺乏统一的测试环境和标准体系，具身智能可能重蹈早期AI“碎片化、不可规模化”的覆辙。

换句话说，具身智能要成为产业，而不是孤立的“秀场”，必须把“搬运原子”的能力制度化、规范化，并通过标准和场景积累形成真正的规模效应。

02

技术突破：

多模态感知与“大小脑协同”

产业逻辑清晰之后，技术如何跟上，成为第二个核心问题。相比虚拟智能体，具身智能的难点在于环境的不确定性与交互的复杂性。

中国科学院计算技术研究所研究员阚美娜把问题拉回到人文场景——开放环境下的具身视觉导盲。对于视障人士而言，传统导盲设备往往提示负担重、信息单一，既影响出行速度，也降低安全感。她的团队研发了一套可穿戴导盲系统：头盔负责视觉采集，耳机进行语音提示，腰带提供触觉反馈。通过多模态感知与事件模型规划，盲人出行速度提升了40%以上，提示频率明显减少。这意味着具身智能不仅能解决“机器能否完成任务”的问题，更能在交互中体现“技术有温度”。

在更宏大的路径上，中国电信人工智能研究院白辰甲提出了“大小脑协同”的架构：大脑侧负责感知、规划与推理，小脑侧承担高速控制与运动执行。人类的神经系统即是如此分工。对机器人而言，大脑可以共享、泛化，而小脑则与具体本体绑定。这样既能保证复杂任务的智能决策，也能解决高频控制对延迟和能耗的严格要求。

这一构想还回应了一个现实难题：为什么单一大模型无法直接驱动机器人？原因在于延迟高、成本大、场景依赖重。大小脑协同则提供了折中路径——用大模型提供普适的“思维框架”，用小脑实现场景化的“技能落地”。

国际上，特斯拉的人形机器人、OpenAI的机械臂，都在探索相似路径。但不同于国外更多依赖资本驱动的研发模式，中国的产业界在强调“训练场+标准+架构”的三重结合，力求在可控成本下实现规模化复制。

03

未来趋势：

开源、生态与算力支撑

如果说产业逻辑和技术突破回答了“为什么”和“怎么做”，那么生态与算力则决定了“能否走远”。

生态共建正在成为具身智能发展的新趋势。中国信通院的张明钟介绍，开放社区“鲸智”已汇聚300多家企业和多模态数据集，探索用开源的方式降低开发门槛。对于硬件昂贵、数据稀缺的具身智能来说，开源不仅是技术共享，更是降低试错成本、加快场景普及的重要手段。正如互联网早期的开源运动一样，只有更多开发者和企业参与进来，生态才能真正做大。

算力则是“隐形地基”。具身智能的实时感知与决策，对延时和稳定性提出了极高要求。以中国电信“智能云”为例，其通过“算力+平台+数据+模型+应用”的一体化能力，为具身智能提供类似人类神经中枢的支撑。未来，边缘算力也将扮演关键角色——只有把算力下沉到靠近机器人的一端，才能实现低时延的控制，确保机器人在复杂环境下的实时反应。