圖片來源：網絡

　　具身智能（Embodied Artificial Intelligence，簡稱EAI）作為AI領域的一個重要分支，正逐漸從實驗室走向商業應用，那么，它對物流的智慧化將產生什么樣的影響呢？

　　一、基本原則

　　所謂具身，指的是依附于真實世界的物理實體，類似于人或者動物需要一個肉體，去認識世界、探索世界，并通過與環境的交互去影響世界；所謂智能，指的是具備感知、認知、推理、決策、持續迭代的能力。

　　具身智能行為可以直接從自主機器與其環境的簡單物理交互中產生，不依賴于預先設定的復雜算法，核心在于，智能系統不應該首先處理抽象的內部世界表征，而是應該能夠直接響應外部環境刺激。

　　具身智能技術是什么？它不是單純的程序或算法，而是與實體的身體緊密結合，通過身體與環境的互動來不斷學習和提升智能水平，也就是說，智能行為來自智能體身體與周圍環境的交互，而不僅僅是大腦的功能。

　　具身智能可以形象地說，是“長了身體的智能”，其獨特的自主感知、學習和多模態融合等特點，使其成為人工智能發展新方向，也使其成為未來科技發展的重要方向。

　　由于具身智能認為思考和身體、環境是不可分離的，而傳統人工智能沒有考慮思考、感知與身體的關系，所以屬于離身智能。具身智能認為智能行為不僅依賴大腦的思考，還需要通過與物理環境的交互來進行學習和決策，最后通過感知將執行的結果反饋到大腦，形成閉環，構成一個智能體。

　　離身智能提出數據驅動的模型，通過基于大數據的機器學習，實現對人類感性和情感行為的模擬，有很大的局限性，而且只針對特定領域、利用特定模型去解決特定任務，而具身智能則強調物理身體、環境感知與反饋的重要性，并通過它們實現與外部世界的交互，這就是新的學習范式——強化學習。

　　具身智能最突的兩大特點是自主學習能力與多模態融合，前者突出自主感知物理世界，通過與環境的互動不斷學習和積累經驗，而不是被動地等待數據投喂；后者強調實現視覺、聽覺、觸覺等多種感知能力的深度融合，提升其在復雜環境中的適應性和交互體驗。

　　具身智能的自主學習，也可以這樣理解，是自主感知物理世界，用擬人化的思維路徑去學習，從而做出人類期待的行為反饋，而不是被動的執行，因此，具身智能才是真正的智能。

　　人具有大腦與小腦，大腦長于思維，而小腦長于行動，具身智能就是配備了足夠智能的大腦和小腦，以適應不同形態的需求，根據英偉達創始人黃仁勛的描述，新型人工智能-——“具身人工智能”，即能夠理解、推理并與物理世界互動的智能系統。

　　具身智能在包含AI大模型驅動任務規劃的具身“大腦”之外，還擁有以數據驅動的端到端技能執行具身“小腦”，能夠靈活應對多變的環境，而不是僅僅執行固定的、預設的程序。

　　具身智能機器人的種類多種多樣，需要到逼真的環境中去驗證各類算法，而一些仿真平臺為此提供了虛擬的仿真場景。具身智能機器人產品可以同時結合場景幾何信息與物體的語義信息，完成高數據效率的行為學習訓練——相對于傳統的算法，數據效率提升20倍以上。

　　不可否認，“人工智能的下一個浪潮是具身智能”，具身智能正朝著一個宏偉的目標邁進——開發出具備超越人類智能的機器人，使其理解并完成一定復雜度的長序列任務。

　　從圖靈的理論提出，到如今的技術不斷發展，具身智能走過了漫長的道路，然而今天，最核心的關卡：攻克軟件與硬件的耦合還沒有完全突破，為了攻克這一關卡，具身智能領域的不同團隊也有差異化思考：是選擇端到端或者分層決策的「大小腦」？基于模型，還是基于學習更好？模仿學習與強化學習，哪一派更勝一籌？

　　二、商業價值

　　早在1950年，具身智能的概念就已提出，由于相關技術不成熟，該概念被擱置，隨著技術的進步，具身智能作為人工智能與機器人技術深度結合的產物，近年來備受關注，正逐漸從實驗室走向商業應用。

　　具身智能自主學習能力，使其能夠更好地適應不同的環境和任務。具備理解力、交互力、規劃能力等，能夠更好地理解人類的意圖和需求，從而更高效地完成各種任務。

　　具身智能應用，可歸納為B端與C端兩類，技術的突破與多樣性帶來了豐富的視角，但是，只有擁有強大的泛化能力，具身智能技術才能適應各種任務場景，具備真正的“可用性”。從技術角度說，須以大量數據支撐具身智能模型泛化能力，未來將設計數據集的系列標準，為模型泛化保駕護航。

　　從去年以來，具身智能是繼大模型之后人工智能行業內討論熱度較高的議題，各大車企、科技公司紛紛布局具身智能領域，推動了這一產業的快速發展，而資本市場的青睞，更使具身智能發展錦上添花。

　　近日，美國具身智能機器人初創公司Physical Intelligence宣布，已成功籌集4億美元資金，融資后估值達24億美元（約合170億人民幣），國內投資圈也是趨之若鶩，初創公司輕易就可拿到融資。

　　我國在AI方面有深厚的技術底子以及相當積極的創業氛圍，適合具身智能初創企業發展。國內自動駕駛等幾輪AI技術浪潮的創業經驗，可以給具身智能創業公司提供借鑒，還有供應鏈、產業鏈完整成熟，制造優勢領先，都滿足了具身智能初創企業的成長需求，許多龍頭企業也在布局具身智能，寧德時代聯創就出手了一家具身智能公司。

　　過去20年，我國在新能源智能車上投入了幾萬億的資本，孵化了一條很完整的智能供應鏈，據說，具身智能和新能源智能車在供應鏈的重合度有80%左右，所以這些供應鏈可外溢到具身智能。

　　北京亦莊的國家地方共建具身智能機器人創新中心，作為引領具身智能技術突破與產業協同的關鍵平臺，專注于解決發展具身智能機器人關鍵共性技術問題，創建繁榮的具身智能產業生態體系。

　　創新中心牽頭立項《人工智能、具身智能數據采集規范》工信部行業標準，這是國內第一個具身智能數據集的行業標準，標準規范了具身智能數據集采集的格式，不同公司采集的數據可以互相共享開源，能夠加速模型“涌現”。

　　目前，具身智能領域還沒有任何公司絕對領先，玩家們各自為營，嘗試著不同的路徑和方法，具有百家爭鳴的態勢。

　　人形機器人是具身智能的重要應用場景，成為了具身智能落地的核心研發方向，但絕不是實現具身智能的終極形態，只是具身智能的一種形態，也是眾多具身智能賽道中最火熱的一個。

　　具身智能人形機器人與自動駕駛的整體技術棧趨同，可借鑒，具身智能人形機器人比過往的機器人操作場景的復雜性和多樣性更高，今天大多數機器人95%的算力用在了基礎功能上，而具身智能則要實現將20%的算力用于基礎工作，預留出80%的算力給智能和應用層面。

　　目前的挑戰是我們現在對數據的運用并不充分，沒有很好的數據收集方法，導致很多廠商把數據扔掉，完全用不起來，因此，怎樣設計一個數據收集的計劃，對未來智能的衍生將起到重要作用。

　　從技術角度，目前機器人大腦層面的技術已經趨向成熟，能進行任務理解及規劃，而以小腦為核心的具身模型技術路徑尚未定型，為此，全球有近百家人形機器人公司，商業化均未取得實質突破。

　　具身智能需要依靠智能體進行信息交換與學習，這就突出硬件的重要性，并且就目前來說，還沒有形成較完善的供應鏈。在具身智能的應用落地上，場景門類存在跨度，所以相關技術和經驗無法進行復用，要堅持與產業深度結合，技術創新和產業落地雙輪驅動。

　　從應用角度說，純軟件的路徑很難跑通，因為涉及和主機廠的復雜交互，以及數據層面的隔閡，導致模型優化受限，因此，特斯拉、理想等主機廠自己下場實現具身智能應用的落地，總體發展的相對較快。

　　目前，具身智能的通用泛化距要求還有距離，整個賽道處于萌芽期，可以首先以單一場景，單一任務為主，在單一場景中率先優化泛化能力，后續降維切入其他場景，先落地，形成正向數據反饋優化產品功能。

　　汽車及其上游供應鏈產線是勞動力密集型產業，汽車工業場景是具身智能機器人走出實驗室之后，一項關鍵落地場景，2024年以來，大部分具身智能廠商都把產品投放至汽車工廠里做驗證，比如馬斯克也把Optimus送進了特斯拉產線搬運電池，當然，車企對具身智能的熱情也在持續高漲。

　　工廠是具身智能B端應用的主力，但還有一個適配的問題，在效率和精確度優先的工廠中，在限定時間到達確定位置完成給定的任務，對智能化的要求并不是特別高。工業制造安全性及重復性要求高，容錯率極低，選擇人形機器人替代人或者工業機器人存在很大挑戰，一旦產線上操作失誤，造成的損失巨大。

　　其實工業場景相對封閉，任務單一，對通用泛化的要求低，很難在這個場景里形成數據迭代。具身智能商業化是一個循序漸進的過程，必須先進入到實際應用場景中，收集高質量的數據，再持續迭代。以頭部客戶的高價值場景需求為指引，開發整合技能，實現商業落地，并快速迭代硬件，算法，數據系統，不斷提升具身智能整體解決方案的泛化性才是出路

　　還有，具身智能機器人想要真正產業化，真正進入生產、生活場景，必須大幅降低成本，并且具有完全的可擴展性，成本過高一直是阻礙具身智能人形機器人落地汽車產線的一項關鍵掣肘，目前一臺完整的人形機器人售價基本高達百萬甚至數百萬，

　　具身智能企業需要在控制落地成本的同時，做出滿足工業級要求的產品。讓一個模型能在多種不同的具身載體上實現遷移，有利于降低產線的成本，滿足工廠實際應用時的不同訴求。

　　毫無疑問，具身智能的應用前景廣闊，但深入產業觀察，理想和現實仍有相當大的差距，技術上的難題仍然存在，倫理和安全問題還需要研究，未來行業的挑戰是量產和交付。

　　三、物流應用

　　總體上來說，具身智能技術需要豐富的應用場景，而物流，特別是快遞的終端應用市場龐大，無論是人口基數、快遞件量、還是場景豐富度，乃至購買力，都在全球領先。具身智能初創公司要找準商業化場景，并和模型及數據優勢匹配，物流是一個不可多得的選擇。

　　具身智能技術的商業化落地，包括量產，處于初期階段，需要和合作伙伴、和C端、B端的用戶一起去共創場景和生態的。智慧物流是其理想的合作伙伴，如上所述，具身智能的關鍵詞是“通用”和“泛化”，要在高訓練效率的基礎上，實現更高的泛化性，而物流具備豐富多樣的，龐大的場景，數據價值大，從而形成以更高效的訓練效率去完成較復雜的任務。

　　也就是說具身智能一個重要任務是要把產品搬到場景里去，解決上一代機器人解決不了的事情，物流領域有能力，也有需求提供支持。快遞物流頭部企業可與具身智能企業共創一些功能，訓練其學習一些高度非標場景的操作，從而極大提升具身智能技術的泛化性。

　　具身智能硬件的開發與完善，需要通過用戶場景落地方面的反饋，從而迭代，如果數據收集受限，端口不能完全開放，限制硬件創新的空間。物流，特別是快遞行業，對于機器人都有資深的積累，具有硬件量產操盤的經驗，可以幫助其快速搭建產業鏈。

　　快遞物流中，分揀是十分重要的環節，目前自動分揀已完成布局，但對于易碎，柔軟的物體的分揀還不理想，具身智能更注重觸覺模型，這就可解決物流分揀中對易碎件、超薄件、柔性物體的處理問題。

　　大多數模型主要依靠視覺，但光靠視覺是無法適應末端執行的多樣性的，這時候觸覺的數據反饋就極其重要。而具身智能中，觸覺大模型可以處理更加精細的任務，如何在分揀中使易碎品，易變形品，讓機器人既能抓起來，又不破壞的外形，這就是觸角模型要完成的任務。

　　擁有具身智能的產品，利用觸覺、力覺、力矩覺等多傳感器的融合，可在復雜環境下實現復雜操作，接觸后，執行器對力學會做出的精準反饋。

　　如果應用了具身智能技術，可以適配夾起雞蛋、豆腐等需要精細力控的場景，還可以完美復制五指靈巧人手功能，從而更像人手一樣對倉儲中各式各樣的物體進行穩定、精準抓取，當然，觸覺還會彌補視覺在被遮擋、在盲區操作以及抓取柔性物體的困難，這是不難理解的。

　　對具身智能領域的深刻洞察，前瞻性思考，融入物流的智慧化都是不錯的選擇。具身智能對機器人的影響很重要，而機器人，是倉儲物流，快遞物流，工廠物流的重要基礎。

　　我們相信，物流快遞行業對具身智能的熱情肯定會高漲，就目前來說，快遞的智能化最高，頭部快遞企業都創建有研發機構，各色機器人是其主要研發方向，而具身智能技術的引入，將使這一研發擴大應用范用，達到更高水平。龍頭物流企業，包括物流裝備企業可通過通過自研機器人方式，切入具身智能賽道。

　　結語：具身智能技術的發展應用，將使一個在視覺、學習、決策等多維度擁有更高智能水平的新物種，正在硬件與智能的交互中誕生，雖然困難重重，但我們對具身智能保持樂觀的態度，肯定其對物流智慧化的正面影響。