中国信息通信研究院总工程师 敖立

近年来，随着人工智能技术与实体经济的深度融合，工业智能正从传统自动化迈向能感知、会思考、可自主执行的“具身智能”新阶段。本期我们特邀中国信息通信研究院总工程师敖立，围绕“工业具身智能”的内涵、根本突破与产业化路径展开深入探讨。他指出，工业具身智能正推动制造业在生产过程、生产关系与生产体系三个维度发生深刻变革，而跨学科协同与产业生态构建将是其规模化落地的关键。

记者：近年来，工业智能正从传统预编程的机械自动化，迈向能够感知、理解并自主适应物理环境的具身智能。您如何理解“工业具身智能”？

敖立：工业具身智能是在工业环境下，以自主完成生产任务为目标导向，将人工智能、工业物理实体和环境三者深度融合，形成一个主动认知、自主决策、实时执行、高效交互、持续学习并优化的智能系统。工业具身智能的核心特征包括：一是自感知、自决策、自执行的完整闭环，实现物理感知到行动执行的耦合。工业具身智能系统通过传感设备感知和理解环境信息，自主选择最佳执行方案，并通过实时执行结果反馈进一步决策未来行动，从而形成一个高效、持续的反馈循环。二是环境适配性与任务定制化。工业具身智能能够适应各类生产场景，并能根据新的动态需求进行任务调整和切换，支持多场景动态需求下的柔性生产与快速响应。三是持续学习与进化能力，实现从“执行”到“进化”的范式突破。具身智能体能够在工作中通过与环境的反复交互，持续进行知识更新，实现自我学习与进化，从而逐步学习适应环境并优化决策和行动，实现智能水平的持续提升。

记者：在您看来，工业智能的这一转变最根本的突破在于什么？您认为这将对制造业的底层逻辑带来怎样的重塑？

敖立：工业具身智能最根本的突破在于打破了传统机器人和AGV等装备“感知-认知-决策-执行”割裂的局限，通过多模态感知、大模型决策和感知-执行闭环三方面，实现了工业智能从“数据输入-规则输出”到“环境交互-智能涌现”的转变。一是多模态感知与认知的革命，工业具身智能实现了主动、全方位、多模态融合感知，使智能装备能够利用从实际动作中采集和融合数据进行训练优化，不断完善对物理世界规律的认知，形成能够全面、精准、实时理解物理世界的“超级感官”。二是大模型驱动的泛化与自主决策能力突破，大模型赋予了工业具身智能系统强大的泛化和决策能力，例如大语言模型可将人类指令转化为机器具体可执行的技能，使机器转变为能够自主学习并执行各类复杂任务的“通用平台”。三是软硬件深度融合的“知行合一”，工业具身智能将高级的认知模型（“大脑”）与底层的运动控制（“小脑”）及物理身体无缝集成，依赖于软硬件的深度融合实现“感知-认知-规划-驱动-执行”的紧密闭环。

工业具身智能正从生产过程、生产关系和生产体系三个维度重塑制造业的底层逻辑，推动制造业从效率驱动向柔性驱动、从流程驱动向认知驱动的转变。一是生产过程的重塑，加速制造业从“刚性生产”迈向“柔性制造”。工业具身智能的泛化和快速切换能力，使装备能更灵活地适应高频次、小批量、定制化生产需求，使企业能以更低成本、更高效率响应消费者的定制需求，打破了传统自动化为追求生产效率而牺牲柔性能力的缺陷，实现了生产的高效率和高柔性。二是生产关系的重塑，重塑了生产要素与人机关系。工业具身智能重新定义了人与机器的边界，将机器从被动接收指令的工具转变为具备适应性配合默契的“员工”，人类将越来越多地以“老师”和“协同者”的新身份出现，负责指导机器实现学习与完成任务。三是生产体系的重塑，构建了一个自组织化的全新智能生产体系。工业具身智能将生产过程从被动的“数字/事件驱动”转变为主动的“模型驱动”，使生产体系能够对外部环境的变化和需求进行实时响应和调整，构建了一个“感知自调节、任务自组织”的全新制造业生态。

记者：目前，工业具身智能在实验室或特定场景中已展示出巨大潜力，但在大规模工业部署中仍面临可靠性、成本与柔性平衡等挑战。您认为，当前最主要的产业化瓶颈是什么？

敖立：工业具身智能主要面临着技术不收敛、高质量数据匮乏、标准体系不完善、产业生态不健全四大产业化瓶颈。

一是技术路线仍未收敛，软硬件性能仍未突破。目前，具身智能的基础理论和技术路径仍处在探索阶段，基于学习路径（learning-based）的分层式模型、端到端和世界模型等方案均未实现收敛，导致产业无法集中资源进行突破。同时，具身智能“大脑”与“身体”的协同与可靠性、本体的稳定性、安全性以及能耗等工程化技术瓶颈依然存在。

二是高质量数据严重匮乏，流通与应用障碍重重。不同于大语言模型可通过互联网低成本获取大规模存量数据，当前具身智能数据采集、处理和标注技术门槛和隐性成本极高，导致数据规模难以满足产业需求，产业存在严重的“数据孤岛”现象，缺乏数据流通共享机制，企业“闭门造车”和“重复造轮”现象严重，导致重复建设和资源浪费。

三是安全与标准化体系滞后，推高成本与风险。工业具身智能缺乏统一技术标准和安全评估体系，导致产品间互操作性差，系统集成难度大，进一步推高了研发和部署成本，障碍了大规模推广。同时，具身智能的安全问题是物理安全和信息安全的紧密耦合，如数据投毒等攻击可导致机器人产生更大的现实危险。

四是产业生态协同不足，商业化闭环未形成。工业具身智能产业链涉及零部件供应商、本体制造商、算法公司、系统集成商以及用户，各方尚未形成有效的协同机制，缺乏能够整合技术、产品、解决方案和售后服务的完备产业生态。同时，当前工业具身智能多以定制化开发为主，无法通过标准化产品实现边际成本下降，导致企业难以盈利，商业闭环难以形成。

记者：您认为行业应如何构建跨学科的合作生态来加速具身智能相关技术/产业落地？

敖立：为了加速工业具身智能的落地应用，需要从场景依托、数据牵引、平台基础和政策资本四方面构建“政产学研用金”深度协同、“技术-数据-标准-产业”开放融合的产业生态。

一是以工业场景为依托，实施“分级突破”“以点带面”策略。行业应优先集中资源，选择标准化程度高、任务相对聚焦、泛化能力要求不高的场景（如分拣、搬运等）作为“试验田”，联合高校、设备商、龙头企业等开展技术攻关，通过打造行业“灯塔项目”形成示范引领，再逐步向复杂场景和制造核心环节延伸，向重点产业集群进行推广，降低技术落地的不确定性，实现行业的生态扩散。

二是以高质量数据集为牵引，构建“共建-共享-交易”体系。加快构建安全可控的数据开放共享生态和流通体系，探索建立工业具身智能可信数据空间，探索数据交易市场的建设路径，鼓励多方主体开展数据共享与增值应用，以商业价值实现为牵引促进企业供数用数，形成可持续的数据供给闭环。

三是以通用平台建设为基础，打造“共性技术+开源生态”赋能载体。联合产学研用多方推动“大脑、小脑、肢体”具身智能技术架构的标准化，建设工业具身智能公共服务型平台，为开发者提供基础工具和平台。积极培育开源生态，推动建立数据开放社区和开源数据集，通过开源开放吸引全球开发者与合作伙伴，加速技术创新与迭代，降低小型企业和研究者的研发门槛。

四是以政策与资本为纽带，构建“需求牵引-技术攻关-商业落地”的生态闭环。通过政策与资本的双轮驱动形成发展合力。政策端加强顶层规划，通过政策引导和支持创造初始市场，鼓励应用验证，牵引技术迭代，避免产业同质化发展和重复建设，营造良好创新环境。资本端引导“耐心资本”支持底层技术的长期研发，鼓励产业资本通过战略投资引入场景、市场等核心资源，助力技术创新公司跨越技术“死亡之谷”，保障产业健康可持续发展。

工业具身智能不仅是技术的演进，更是制造业思维与逻辑的深刻变革。最后，敖总强调，只有通过“政产学研用金”多方深度协同，构建开放融合的产业生态，才能让具身智能真正扎根工业现场，为中国制造业的高质量发展与智能化转型注入新动能。

摘自《自动化博览》2025年11月刊