中國信息通信研究院總工程師 敖立

近年來，隨著人工智能技術與實體經濟的深度融合，工業智能正從傳統自動化邁向能感知、會思考、可自主執行的“具身智能”新階段。本期我們特邀中國信息通信研究院總工程師敖立，圍繞“工業具身智能”的內涵、根本突破與產業化路徑展開深入探討。他指出，工業具身智能正推動制造業在生產過程、生產關系與生產體系三個維度發生深刻變革，而跨學科協同與產業生態構建將是其規模化落地的關鍵。

記者：近年來，工業智能正從傳統預編程的機械自動化，邁向能夠感知、理解并自主適應物理環境的具身智能。您如何理解“工業具身智能”？

敖立：工業具身智能是在工業環境下，以自主完成生產任務為目標導向，將人工智能、工業物理實體和環境三者深度融合，形成一個主動認知、自主決策、實時執行、高效交互、持續學習并優化的智能系統。工業具身智能的核心特征包括：一是自感知、自決策、自執行的完整閉環，實現物理感知到行動執行的耦合。工業具身智能系統通過傳感設備感知和理解環境信息，自主選擇最佳執行方案，并通過實時執行結果反饋進一步決策未來行動，從而形成一個高效、持續的反饋循環。二是環境適配性與任務定制化。工業具身智能能夠適應各類生產場景，并能根據新的動態需求進行任務調整和切換，支持多場景動態需求下的柔性生產與快速響應。三是持續學習與進化能力，實現從“執行”到“進化”的范式突破。具身智能體能夠在工作中通過與環境的反復交互，持續進行知識更新，實現自我學習與進化，從而逐步學習適應環境并優化決策和行動，實現智能水平的持續提升。

記者：在您看來，工業智能的這一轉變最根本的突破在于什么？您認為這將對制造業的底層邏輯帶來怎樣的重塑？

敖立：工業具身智能最根本的突破在于打破了傳統機器人和AGV等裝備“感知-認知-決策-執行”割裂的局限，通過多模態感知、大模型決策和感知-執行閉環三方面，實現了工業智能從“數據輸入-規則輸出”到“環境交互-智能涌現”的轉變。一是多模態感知與認知的革命，工業具身智能實現了主動、全方位、多模態融合感知，使智能裝備能夠利用從實際動作中采集和融合數據進行訓練優化，不斷完善對物理世界規律的認知，形成能夠全面、精準、實時理解物理世界的“超級感官”。二是大模型驅動的泛化與自主決策能力突破，大模型賦予了工業具身智能系統強大的泛化和決策能力，例如大語言模型可將人類指令轉化為機器具體可執行的技能，使機器轉變為能夠自主學習并執行各類復雜任務的“通用平臺”。三是軟硬件深度融合的“知行合一”，工業具身智能將高級的認知模型（“大腦”）與底層的運動控制（“小腦”）及物理身體無縫集成，依賴于軟硬件的深度融合實現“感知-認知-規劃-驅動-執行”的緊密閉環。

工業具身智能正從生產過程、生產關系和生產體系三個維度重塑制造業的底層邏輯，推動制造業從效率驅動向柔性驅動、從流程驅動向認知驅動的轉變。一是生產過程的重塑，加速制造業從“剛性生產”邁向“柔性制造”。工業具身智能的泛化和快速切換能力，使裝備能更靈活地適應高頻次、小批量、定制化生產需求，使企業能以更低成本、更高效率響應消費者的定制需求，打破了傳統自動化為追求生產效率而犧牲柔性能力的缺陷，實現了生產的高效率和高柔性。二是生產關系的重塑，重塑了生產要素與人機關系。工業具身智能重新定義了人與機器的邊界，將機器從被動接收指令的工具轉變為具備適應性配合默契的“員工”，人類將越來越多地以“老師”和“協同者”的新身份出現，負責指導機器實現學習與完成任務。三是生產體系的重塑，構建了一個自組織化的全新智能生產體系。工業具身智能將生產過程從被動的“數字/事件驅動”轉變為主動的“模型驅動”，使生產體系能夠對外部環境的變化和需求進行實時響應和調整，構建了一個“感知自調節、任務自組織”的全新制造業生態。

記者：目前，工業具身智能在實驗室或特定場景中已展示出巨大潛力，但在大規模工業部署中仍面臨可靠性、成本與柔性平衡等挑戰。您認為，當前最主要的產業化瓶頸是什么？

敖立：工業具身智能主要面臨著技術不收斂、高質量數據匱乏、標準體系不完善、產業生態不健全四大產業化瓶頸。

一是技術路線仍未收斂，軟硬件性能仍未突破。目前，具身智能的基礎理論和技術路徑仍處在探索階段，基于學習路徑（learning-based）的分層式模型、端到端和世界模型等方案均未實現收斂，導致產業無法集中資源進行突破。同時，具身智能“大腦”與“身體”的協同與可靠性、本體的穩定性、安全性以及能耗等工程化技術瓶頸依然存在。

二是高質量數據嚴重匱乏，流通與應用障礙重重。不同于大語言模型可通過互聯網低成本獲取大規模存量數據，當前具身智能數據采集、處理和標注技術門檻和隱性成本極高，導致數據規模難以滿足產業需求，產業存在嚴重的“數據孤島”現象，缺乏數據流通共享機制，企業“閉門造車”和“重復造輪”現象嚴重，導致重復建設和資源浪費。

三是安全與標準化體系滯后，推高成本與風險。工業具身智能缺乏統一技術標準和安全評估體系，導致產品間互操作性差，系統集成難度大，進一步推高了研發和部署成本，障礙了大規模推廣。同時，具身智能的安全問題是物理安全和信息安全的緊密耦合，如數據投毒等攻擊可導致機器人產生更大的現實危險。

四是產業生態協同不足，商業化閉環未形成。工業具身智能產業鏈涉及零部件供應商、本體制造商、算法公司、系統集成商以及用戶，各方尚未形成有效的協同機制，缺乏能夠整合技術、產品、解決方案和售后服務的完備產業生態。同時，當前工業具身智能多以定制化開發為主，無法通過標準化產品實現邊際成本下降，導致企業難以盈利，商業閉環難以形成。

記者：您認為行業應如何構建跨學科的合作生態來加速具身智能相關技術/產業落地？

敖立：為了加速工業具身智能的落地應用，需要從場景依托、數據牽引、平臺基礎和政策資本四方面構建“政產學研用金”深度協同、“技術-數據-標準-產業”開放融合的產業生態。

一是以工業場景為依托，實施“分級突破”“以點帶面”策略。行業應優先集中資源，選擇標準化程度高、任務相對聚焦、泛化能力要求不高的場景（如分揀、搬運等）作為“試驗田”，聯合高校、設備商、龍頭企業等開展技術攻關，通過打造行業“燈塔項目”形成示范引領，再逐步向復雜場景和制造核心環節延伸，向重點產業集群進行推廣，降低技術落地的不確定性，實現行業的生態擴散。

二是以高質量數據集為牽引，構建“共建-共享-交易”體系。加快構建安全可控的數據開放共享生態和流通體系，探索建立工業具身智能可信數據空間，探索數據交易市場的建設路徑，鼓勵多方主體開展數據共享與增值應用，以商業價值實現為牽引促進企業供數用數，形成可持續的數據供給閉環。

三是以通用平臺建設為基礎，打造“共性技術+開源生態”賦能載體。聯合產學研用多方推動“大腦、小腦、肢體”具身智能技術架構的標準化，建設工業具身智能公共服務型平臺，為開發者提供基礎工具和平臺。積極培育開源生態，推動建立數據開放社區和開源數據集，通過開源開放吸引全球開發者與合作伙伴，加速技術創新與迭代，降低小型企業和研究者的研發門檻。

四是以政策與資本為紐帶，構建“需求牽引-技術攻關-商業落地”的生態閉環。通過政策與資本的雙輪驅動形成發展合力。政策端加強頂層規劃，通過政策引導和支持創造初始市場，鼓勵應用驗證，牽引技術迭代，避免產業同質化發展和重復建設，營造良好創新環境。資本端引導“耐心資本”支持底層技術的長期研發，鼓勵產業資本通過戰略投資引入場景、市場等核心資源，助力技術創新公司跨越技術“死亡之谷”，保障產業健康可持續發展。

工業具身智能不僅是技術的演進，更是制造業思維與邏輯的深刻變革。最后，敖總強調，只有通過“政產學研用金”多方深度協同，構建開放融合的產業生態，才能讓具身智能真正扎根工業現場，為中國制造業的高質量發展與智能化轉型注入新動能。

摘自《自動化博覽》2025年11月刊