近日，人工智能智库网络在京举办“推进‘人工智能   +’发展形势及关键路径研讨会”。本次会议汇聚了来自中国信息通信研究院（以下简称“中国信通院”）、北京人形机器人创新中心、阿里云智能集团、蚂蚁集团研究院、腾讯研究院、百度发展研究中心、基础电信运营商、华为、荣耀、小米、理想汽车、高等教育出版社、煤炭科学研究总院、石化盈科等近20个单位的40余位专家学者。会上，北京人形机器人创新中心代表唐剑作了题为《天工开万物：大模型时代的具身智能》的分享，通过总结行业技术进展与产业化探索成果，为具身智能领域的发展提供了前沿思考与实践经验。

一、产业发展现状：技术先行，应用起步 

唐剑指出，尽管人形机器人与具身智能概念热度高涨，但目前产业化、规模化应用仍处于起步阶段，行业更多聚焦于技术研发。今天的机器人可以翻跟头，或者打拳、跳舞，包括跑步、拟人行走，新功能层出不穷。

二、机器人行业痛点：泛化能力亟待提升 

回顾机器人发展历程，唐剑提及“莫拉维克悖论”，即对人类而言复杂的任务，机器人完成起来可能相对容易，反之亦然。以AlphaGo战胜围棋世界冠军，却难以实现机器人稳定开关门为例，凸显AI模型在机器人应用中泛化能力的不足。

唐剑将机器人行业发展痛点归结为三个方面：一是场景化泛化能力弱，现有机器人多局限于特定场景，难以实现跨场景作业；二是任务泛化能力欠佳，面对任务环境和对象的变化，机器人需长时间重新训练；三是本体泛化能力差，传统机器人程序多针对特定本体开发，缺乏通用性。

三、大模型赋能：革新机器人控制模式 

传统机器人控制依赖于数学模型，这种方式虽然可靠性较强，确定性较高，但存在明显的局限性。传统方法需要预编程，导致泛化能力差，并且对环境要求苛刻，依赖结构化环境，难以适应复杂多变的现实场景。唐剑表示，2022年ChatGPT刚出现，那时候他在学校做了很多基于AI的控制方法，最主流的有两类：模仿学习和强化学习。然而，这些方法训练出的模型大多只能掌握单一或少数技能，无法满足实际应用中的多样化需求。

随着2022年底大模型的出现，AI控制方法进一步革新，开启了具身智能时代。唐剑所在团队于2025年3月12日推出了“慧思开物”通用具身智能平台，旨在彻底改变传统机器人应用的开发模式。该平台具备“一脑多能、一脑多机”的显著特性。

“一脑多能”通过构建技能库得以实现。物理世界中的各种任务被拆解为50到100种核心技能，以端到端VLA模型为技术支撑，基于大小脑应用范式，借助分布式多Agent系统，实现高效的任务规划与技能调用。在这个系统中，大脑Agent负责分析用户指令，并将任务拆解为具体的子任务；小脑Agent则承担运控和具身操作的关键职责，紧密连接AI功能与机器人本体，确保指令的精准执行。“一脑多机”则专注于适配各类机器人，极大地降低了开发门槛，使不同类型的机器人都能在该平台上得到有效支持。

唐剑以“烤面包”任务为例，生动展示了平台的工作流程：机器人首先通过视觉感知周围环境，获取面包和烤面包机的位置信息；大脑将“烤面包”任务拆解为多个子任务，如拿起面包、放入面包机、按下面包机按钮等；小脑将这些子任务一一映射为相应技能，调用VLA模型控制机械臂完成精准操作，最终完成烤面包的任务。

四、技术突破：多维度彰显具身智能实力 

（一）通用具身智能平台方面，基于大模型的“慧思开物”具身智能平台，不仅革新了机器人开发模式，还在多个关键技术维度实现了重大突破：

自主学习方面，具身大脑具备独特的快思考推理和慢思考学习能力。它能够通过世界模型模拟各种行动方案，并从中选择最优方案，实现模型的自我迭代和优化。以足球运动员为例，在比赛中运动员需要迅速做出反应，而在赛后则会对比赛中的表现进行反思和总结，具身大脑的这种能力与此类似，能够在实际操作中不断学习和进步。

自动错误处理方面，与传统基于规则的控制方式不同，大模型能够以错误场景为起点重新规划任务。例如，在机器人抓取瓶子的过程中，如果瓶子意外掉落，基于大模型的系统可以迅速识别错误，并重新规划抓取路径，确保机器人能够持续执行任务，大大提高了机器人在复杂环境中的可靠性和适应性。

多技能调用方面，借助Agent系统，平台能够实现多种技能的流畅串联。以往的机器人应用往往局限于单一技能，如单纯的抓取操作。而现在，通过该平台，机器人可以在一个应用中依次完成抓取、扫码、贴标签等多种不同技能的操作，极大地拓展了机器人的应用场景和功能范围。

双臂协同方面，基于VLA模型，平台成功实现了机器人双臂的协同作业。这一突破使得机器人在操作过程中更加灵活高效，能够完成一些需要双手配合的复杂任务。

（二）具身运控方面，创新中心同样取得了令人瞩目的成果。例如，研发的机器人在快速跟跑方面表现出色，峰值速度可达12km/h，甚至计划参加亦庄的半马比赛；还实现了连续攀爬134级台阶的壮举，这在之前是任何机器人都无法做到的，并且能够在雪地、石子地等复杂地形中自如行动，同时具备出色的抗干扰能力，即使受到外界的推搡或球的撞击，依然能够保持稳定运行。

（三）高质量数据方面，为解决具身智能数据匮乏的难题，创新中心开发了全链路数据采集方案，并发布了包含10万条轨迹的高质量开源数据集RoboMIND。该数据集涵盖4种机械臂，覆盖6类操作和479项任务，为行业研究提供了宝贵的数据资源，有力推动了整个行业的发展。针对行业内关于虚拟数据与实采数据的激烈争论，唐剑提出了独到的见解。他认为，虚拟数据和实采数据在具身智能训练中都具有不可或缺的作用。虚拟数据具有采集成本低、数据多样性高的显著优势，能够在虚拟环境中轻松生成各种不同的场景和数据，满足多样化训练的需求。而实采数据则更加贴近真实应用场景，能够为模型训练提供真实可靠的数据支持。通过合理配比两类数据，可以有效提升训练成功率，使机器人在实际应用中表现更加出色。

五、产业展望：结构化场景率先落地 

行业普遍认为2024年是人形机器人元年，北京世界机器人展就发布了约27款人形机器人。2025年则被视为产业化落地元年，目前在汽车制造等工厂已有小规模应用，如优必选机器人在极客工厂、Figure机器人在宝马工厂的协同作业以及机器人搬箱子等应用。创新中心基于慧思开物平台和机器人，包括自研机器人和其他机器人，正探索在科研教育、物流搬运、工业制造等多领域的应用。

唐剑预计，具身智能将率先在结构化、半结构化的工业或泛工业场景落地，随后逐步拓展至商业服务领域，最后进入生活和家庭场景，不过进入生活和家庭场景还需强大的泛化能力提升。

人工智能智库网络简介

人工智能智库网络是以“共商议题、开放研讨、务实推进”为理念，由人工智能领域产学研用领军机构共同发起成立，旨在落实国家顶层设计，凝聚产业发展共识的集智平台，致力于成为人工智能领域创新发展思想引领者。

人工智能智库网络成员单位有中国信息通信研究院、中国新一代人工智能发展战略研究院、清华大学人工智能国际治理研究院、中国电信集团有限公司、中国移动研究院、联通数据智能有限公司、中国电力科学研究院、煤炭科学研究总院、中国中车工业研究院、华为战略研究院、阿里云智能集团、腾讯研究院、百度发展研究中心、蚂蚁科技集团股份有限公司、科大讯飞研究院、北京快手科技有限公司、北京智源人工智能研究院、北京智谱华章科技有限公司。

联系人：

中国信通院

孙老师

sunxin@caict.ac.cn

代老师

daiqiuping@caict.ac.cn