从幻想到现实：具身智能的发展史

AI科技 2025年07月27日 06:10 0 aa

题记

"机器将不再是工具，而成为我们的伙伴。"——控制论之父维纳

“世界是它自己最好的模型。”——罗德尼·布鲁克斯

具身智能的概念可以追溯到1950年，当时艾伦·图灵提出了机器是否能够思考的问题。然而，直到1986年，罗德尼·布鲁克斯提出了包容式架构，具身智能的发展才开始加速。包容式架构强调智能来源于身体与环境的互动，而不是纯粹的符号推理。

自那时起，具身智能已经发展成为AI和机器人技术领域的一个重要研究方向。

具身智能的发展大致经历了三个阶段：早期萌芽阶段、技术积累阶段和技术突破阶段。

（时间线发展）

1.早期萌芽阶段（1950s-1990s）

在这一阶段，具身智能的概念尚未形成，但相关的研究和尝试已经开始。

（1） 1950年理论萌芽：图灵的“机器人梦想”

└─ 图灵提出"机器智能"设想 → 符号主义AI（纯逻辑推理）遇瓶颈

具身智能的故事，要从75年前讲起。计算机之父艾伦·图灵在1950年提出"机器需要身体"的猜想，但受限于材料与算力，早期机器人只能完成机械动作。

图灵在论文《Computing Machinery and Intelligence》中预言：未来的AI不仅要会计算，还要“配备最好的传感器，像婴儿一样通过身体学习”。这是人类首次提出“具身智能”的设想，但当时连计算机都还是庞然大物，这个想法只能停留在纸面上。

人工智能的黎明，始于一群天才数学家和计算机科学家的伟大构想。在那个时代，大家普遍认为“智能”等同于“逻辑推理”。于是，早期的 AI 研究，几乎都聚焦于如何让机器在虚拟世界里下棋、解数学题、做逻辑证明。这催生了所谓的“符号主义 AI”，也叫“老式人工智能”（GOFAI）。

这就像是创造了一个个被囚禁在计算机里的“缸中之脑”。它们拥有超凡的计算和推理能力，比如 IBM 的“深蓝”能在国际象棋上击败世界冠军。但这些“大脑”有一个致命弱点：它们对物理世界一无所知。你告诉它“杯子”，它只知道这是一个符号，却无法理解“杯子是易碎的”、“装满水的杯子很重”、“倾斜杯子水会洒出来”这些我们人类凭本能就知道的常识。这种脱离物理现实的智能，在解决真实世界问题时，显得脆弱而不堪一击。

本阶段主要成就：

1954年，麻省理工学院生产了第一台能够预先编程的机械臂；

1960年，首台工业机器人Unimate投入使用。

（2）1986年身体觉醒：布鲁克斯的“行为革命”

└─ 麻省理工Rodney Brooks提出：智能必须依赖身体与环境互动

到了上世纪 80 年代，一些科学家开始反思。他们认为，智能并非源于复杂的中央大脑，而是源于身体与环境的简单互动。其中，最具代表性的人物是麻省理工学院的教授罗德尼·布鲁克斯（Rodney Brooks）。

传统AI沉迷于“符号推理”（比如用代码模拟逻辑），就像教机器人背菜谱却不让它进厨房。罗德尼·布鲁克斯看不下去了，他造出一台没有复杂程序、仅靠传感器和简单规则就能避障的机器人“成吉思”。

他提出了一个颠覆性的观点：智能是“涌现”出来的。智能不是坐在电脑里算出来的，而是在身体与环境的碰撞中“长”出来的——这就是具身智能的核心思想。

他认为，我们应该像建造一只昆虫那样去建造智能体。一只蚂蚁没有复杂的全局地图，它只遵循一些简单的规则，比如“遇到障碍物就绕开”、“闻到信息素就跟上”。但正是这些简单的、基于身体感知的规则，让蚁群表现出了惊人的集体智慧。布鲁克斯的机器人，正是基于这种“自下而上”的理念，通过传感器直接感知环境，并做出反应。身体不再是大脑的附属品，而成为了智能产生和思考过程的一部分。

这场“身体”的反叛，为人工智能打开了一扇全新的大门。它告诉我们，真正的智能，必须扎根于物理世界的土壤，通过感知和行动的闭环来学习和成长。这正是具身智能思想的觉醒。

本阶段主要成就：

1985年，Epson公司推出了第一款家庭机器人。

1990年代：开发出能够导航和避开障碍物的移动机器人。

1990年，麻省理工学院推出了一款模仿人头部的机器人Kismet，具有视觉和本体感受能力。这些早期的尝试为具身智能的发展奠定了基础。

2. 技术积累阶段（1990s-2022）

随着人工智能理论的完善，具身智能进入了技术积累阶段。行为主义学派、符号主义学派和连接主义学派逐步走向融合，取长补短。深度强化学习、模仿学习、形态计算等技术得到了很大的发展，推动了具身智能的飞速发展。在这一阶段，出现了许多消费级具身智能产品，如扫地机器人、智能音箱等。同时，无人驾驶技术也取得了显著的进步。

2010s 感知突破

└─ 深度学习让机器看懂世界（如AlphaGo）

深度相机、柔性材料、边缘计算芯片的出现，让机器人获得"感知-决策-执行"的闭环能力。

时间快进到 21 世纪。随着大数据和计算能力的爆炸式增长，深度学习掀起了人工智能的第三次浪潮。神经网络让 AI 拥有了前所未有的“感知”能力——它能看懂图片（计算机视觉）、听懂语言（自然语言处理）。

此时，一个伟大的交汇发生了：强大的深度学习“大脑”，终于可以和具身智能的“身体”完美结合了。曾经困扰机器人的环境感知问题，被强大的神经网络轻松化解。机器人不仅能“动”，更能“看懂”和“听懂”这个世界了。

本阶段主要成就：

1996年索尼推出的AIBO机器狗，展示了物理互动带来的情感连接可能。

2000年代：引入了更先进的传感器和执行器，使机器人能够执行更复杂的任务，如抓取和操作物体。

2010年代：随着深度学习的兴起，具身智能体获得了从经验中学习的能力，提高了它们的适应性和自主性。

2018年波士顿动力Atlas实现雪地奔跑，标志着硬件突破临界点。

3. 技术突破阶段（2022年至今）

2022年以来，以ChatGPT为代表的通用大模型表现出强大的能力，为具身智能的发展带来了新的突破。大模型让具身智能的关键能力，如语言交互、环境感知和任务决策等得到了大幅提升。谷歌的PaLM-E具身多模态模型、NaviLLM等技术的出现，进一步推动了具身智能在实际应用中的发展。

（1）2023年爆发元年

└─ ChatGPT接入机器人：OpenAI发布RT-2模型，让机械臂听懂指令"把可乐给流泪的人"

如果说过去的机器人是“四肢发达、头脑简单”，2023年大语言模型的爆发则给了它们“开窍”的机会，大模型与具身智能结合产生奇效。作为关键转折，大语言模型赋予机器人"常识"，比如知道"苹果放在桌上"比"苹果在桌上"更易拿取。

英伟达CEO黄仁勋一语中的：“具身智能是AI的下一波浪潮。”OpenAI与Figure合作的人形机器人Figure 01，能听懂“把红色杯子放到餐桌上”这样的模糊指令，还会自己调整姿势避免打翻盘子——这在以前需要工程师写几千行代码，现在靠大模型“举一反三”就能实现。

（2）2024年落地狂奔

└─ 中国"慧思开物"平台实现同套系统控制机械臂/人形机器人

2024年人形机器人集中爆发，其他形态的本体如协作机械臂、移动操作机器人、仿生灵巧手等也出现了智能升级的趋势。特斯拉Optimus-Gen3在工厂完成98%无人化装配。

（3）2025年从实验室到菜市场

近年来，开发出越来越复杂的人形机器人，能够执行类似于人类的任务，如行走、说话和操作物体。浙大研发的"绝影"机器狗已能自主完成变电站巡检。

今年春天，深圳街头出现了搭载“端到端具身大模型”的机器人，能在菜市场帮老人挑菜、砍价；上海医院里，傅利叶智能的“康复港”让偏瘫患者通过外骨骼机器人重新学走路，误差精度不到1毫米。这些场景背后，是中国210家相关企业的技术突破，以及深圳“18条”行动计划等政策的强力推动。

我们今天看到的波士顿动力机器狗，能灵活地在复杂地形上奔跑跳跃；特斯拉的自动驾驶汽车，能在瞬息万变的城市交通中做出决策；工厂里的机械臂，可以通过“试错”（强化学习）学会抓取各种奇形怪状的零件。这些都是深度学习与具身智能理念结合的产物。AI 不再仅仅是一个软件，它正在变成一个看得见、摸得着、能在物理世界完成任务的“实体”。