“我们需要思考两个问题。一个问题是，现在人工智能的技术是什么？我们怎么样来实现它？另一个事情就是，我们人的智能到底是什么？它是从哪儿来的？机器到底能不能模仿它或者重建它？而具身智能非常值得作为一个参照体来思考这些问题。”日前，中国科学院大学“拔尖计划2.0”计算机科学与技术学科国际暑期学校开班，CAAI（中国人工智能学会）具身智能专委会主任、中国科学院大学特聘教授、中国科学院计算技术研究所研究员蒋树强围绕具身智能的内涵、技术与进展与同学们进行探讨。
中国科学院研究员蒋树强（国科大供图）
具身智能是指通过身体与环境互动来实现的智能，具有主动性、交互性和情境化的特点，是人工智能走向物理世界的核心关键，当前受到学术界和产业界的广泛关注。
关于具身智能，蒋树强认为有三个关键词：第一个是身体，第二个是和环境进行互动，第三个就是智能。
“顾名思义，具身智能要具身化，要有一个身体。它还要情境化，和真实世界相结合。要具有一定的主动性，能够相对自主地去完成一个任务，而不只是被动去接收一个指令然后去完成。在这个指令下面，它需要去完成一个它更想要的、更理想的结果。此外，它还要具有一定的交互性，和环境进行交互，就像人类一样和这个世界有各种各样的交互，不管是和环境还是和人。”蒋树强表示。
2025年7月26日，上海世博展览馆，最具产业想象力的场景藏在“智造车间坊”，身着工装的人形机器人化身“产业工人”，在绿色传送带上有序搬运物料、模拟装配流程。澎湃新闻记者 朱伟辉 图
蒋树强报告中提到，人类在肌肉和骨骼方面并没有什么特别，但人类的大脑把人类与其他所有物种区别开来。人类的智能有一定的独特性，所有认知的形成都是和环境交互有很大关系。
“关于具身智能，现在经常讲的是大脑、小脑和本体。本体的话，现在的机器人发展非常快，为具身智能的研究提供了很好的支撑。而具身智能的大脑、小脑、本体是紧密耦合、互相支撑的。具身智能不是只在大脑中完成的事情，它一定是要和小脑和身体联合在一起去做一些事情，脱离开身体的纯粹的大脑能力不一定能够很好完成具身智能的任务。”蒋树强表示，具身智能一方面要有身体的一些能力，包括运动系统、感觉系统还有控制器等。另一方面，还要有人工智能的算法，包括机器学习、推理、自然语言对话等等。
此外，蒋树强指出，在训练数据的时候，身体非常重要。身体的结构、形态、感知器与行为能力共同构成智能的一部分，对智能的实现具有重要影响。身高、肢体结构、感官分布等决定了智能体如何感知和理解世界。如果要训练一个模型，一米七的机器人和一米八的机器人，数据是不一样的，摄像头图像是不一样的，抓取的姿势不一样，抓取的三维空间位置都是不一样的。
蒋树强指出，具身问答也是当前具身智能一个非常重要的研究内容。
具身智能就像人类一样，可以在环境中走来走去，可以去感知环境，可以和环境进行交互。与具身智能相对的是离身智能。离身智能是有一个输入，有一个输出，实际上是和真实世界脱节的。
“在具身智能之下，有了具身问答。就是在环境中走一走，然后问一下这个房间里到底有没有一把雨伞。可能一开始并不知道有没有雨伞，但是这样逛一逛，找到了答案。或者问这个房间里是穿蓝色衣服的人多还是穿白色衣服的人多，类似这类问题，它可能不一定直接回答，要走一走看一看可能才能回答。”此外，蒋树强表示，具身智能还有非常重要的一件事情，就是它会在环境中不断进行学习来提高能力。机器的学习和人类的学习机制是非常不一样的。人是在试错中去进行学习的，在环境的交互中来进行学习的，在不断尝试过程中进行学习的。
蒋树强
互联网上的数据能不能直接应用在具身智能中？蒋树强认为它肯定是可以借鉴的，可以做支持的，但是还不能直接用在具身智能中，“因为网络空间和真实世界还是有很大的一个区别”。
“有人讲，到了十年之后也就是21世纪30年代的时候，地球上会有几百亿个机器人，比人类的数量还要多，这件事情是可以值得去期待的。但是，它一定是能够在真实世界中帮我们去完成一定的任务的。这些任务是复杂的、多变的，它不像下棋一样，只是在一个有限空间中去做这样一件事情就行了。”蒋树强表示，现在的具身智能看起来很酷很炫，但是还是要反思一件事：它有没有真正使用到我们的生活中？答案是还没有。
蒋树强认为，从技术的demo到它形成产品还有比较长的路要走。现在有很多机器人的演示都是可以通过摇操实现的，一旦让它在真实环境中，就没有那么容易了。所以，需要付出大量的劳动去开展工作。
“人类是生活在一个物理世界中，我们也希望人工智能能够在这个三维的物理世界中真正为我们服务，所以具身智能是非常值得我们去期待的。”蒋树强说。