来源：高校人工智能与大数据创新联盟
2026年3月28日，在2026吴文俊人工智能创新大会AI院长联盟专题会议上，清华大学计算机科学与技术系孙富春教授以《具身智能：理论透视、技术突破与制造业创新应用》为题作首场报告，系统梳理了具身智能作为人工智能从符号主义、连接主义迈向物理世界闭环学习的新范式的核心内涵，分析了具身智能在机器人与人工智能深度融合中的关键技术瓶颈，探讨了其在制造业转型升级中的创新应用路径。在报告最后，孙富春教授以一首原创现代诗《奔腾的时代》抒发了自己对民族伟大复兴的坚定自信。
分析认为，孙富春教授强调具身智能在机器人与人工智能深度融合中的关键技术瓶颈，主要源于其作为衡量国家科技创新水平的关键标尺和驱动新质生产力发展的核心引擎的战略地位，以及当前技术发展面临的多重非平稳性挑战与跨学科理论体系构建需求。具体分析如下：
一、具身智能的战略定位：技术融合的制高点
孙富春教授指出，具身智能是人工智能从符号主义、连接主义迈向物理世界闭环学习的新范式，是机器人与人工智能深度融合的产物。这一融合不仅突破了传统AI的“离身计算”局限（如仅依赖预设指令或静态数据），更通过“身体-环境-认知”的深度交互，赋予机器人自主感知、决策和行动的能力。例如，人形机器人需通过触觉、力觉等感知实时捕捉环境变化，并自主调整策略，而非仅依赖预设程序。这种能力是应对复杂、多变任务的关键，也是衡量国家科技创新水平的核心指标。
二、关键技术瓶颈：多重非平稳性挑战
孙富春教授系统梳理了具身智能面临的三重相互关联的非平稳性挑战，这些挑战直接制约了机器人与AI的深度融合：
（一）数据分布非平稳：机器人学习更关注动作生成，而动作的实施会直接改变环境状态，进而影响后续数据的采集。例如，机器人抓取物体时，物体的位置变化会导致后续感知数据的分布发生改变，传统机器学习“独立同分布”的假设在此失效。
（二）环境动力学非平稳：物理交互（如摩擦、碰撞）会导致环境动力学参数（如摩擦系数、材料形变）的动态变化。例如，仿真环境中训练的抓取成功率可能比真实场景高31%，因仿真难以完全还原现实细节。
（三）跨智能体差异引起的域偏移非平稳：不同机器人（如工业机械臂与服务机器人）的硬件差异（如传感器精度、执行器力控能力）会导致数据域偏移，进一步增加模型泛化难度。
三、跨学科理论体系构建：从“脑”到“身心合一”的突破
孙富春教授强调，具身智能的发展需构建以“环境交互与智能发育的正相关性”为科学依据的跨学科交叉理论体系，具体包括：
（一）世界模型与物理数字系统：
通过全要素建模和基于世界模型的预测与推演，构建包含物理属性的沉浸式数字训练环境，提高虚实训练的泛化能力与鲁棒性。例如，谷歌“大世界模型”通过三维物理空间建模，将环境交互效率提升40%。
（二）大小模型分层协同架构：
云端大模型负责高阶认知（如任务规划、逻辑推理），边缘小模型负责实时控制（如精确力控、轨迹规划），形成“认知高度”与“执行效率”的平衡。例如，辉羲智能研发的大算力芯片已支撑“感知-决策-执行”三系统协同。
（三）具身认知理论与形态计算理论：
融合机器人学、神经科学与认知科学，阐明智能如何在与物理世界的持续“碰撞”中涌现。例如，类脑算法可替代传统控制器，使人形机器人从运动控制向视觉决策升级。
四、产业应用与未来方向：从“工具”到“生命体”的演进
孙富春教授指出，具身智能的终极目标是让机器人成为能在真实物理世界中自主思考、学习和进化的“生命体”。例如：
（一）工业场景：2027年汽车制造中具身机器人渗透率预计达30%，替代高危岗位（如焊接、危化品处理）。
（二）家庭场景：2035年家庭机器人或将普及，但需将成本压至10万元以内（现均价超百万），并解决隐私安全、人机权责界定问题。
（三）技术路径：未来研究将围绕发育理论、社会理论与形态计算理论三大方向持续深入，推动具身智能向通用人工智能（AGI）演进。
孙富春，1964年出生于江苏，中国自动化学会会士，中国人工智能学会会士，电气与电子工程师协会会士，清华大学计算机科学与技术系教授，智能技术与系统国家重点实验室（清华大学）副主任。孙富春于1986年获得海军航空工程学院自动化系工学学士学位；1989年3月获得海军航空工程学院自动控制专业工学硕士学位，后留校任教；1998年3月获得清华大学计算机应用专业博士学位；1998年1月—2000年1月在清华大学自动化系从事博士后研究工作；2000年3月任教于智能技术与系统国家重点实验室（清华大学）；2004年入选教育部“新世纪优秀人才支持计划” ；2018年当选为电气与电子工程师协会会士；2019年当选为中国人工智能学会会士；2020年当选为中国自动化学会会士。孙富春主要研究领域为智能控制、机器人与飞行器的导航与控制，网络控制系统，人工认知系统的信息感知和处理。
热门跟贴