产业观察·具身智能01｜物理 AI的ChatGPT时刻：机器人终于开始“理解任务”

（来源：）

大约四年前，ChatGPT 还未发布时，很少有人会想到今天的我们会用大语言模型处理信息分析、写文案，甚至写代码。一个指令又一个指令，它们逐渐成为我们的"另一个大脑"。

过去十年，人工智能（AI）的核心突破主要集中在数字世界。大语言模型让机器第一次展现出接近人类的语言理解、知识整合和推理能力。但无论它多么聪明，它仍然停留在屏幕之内，却无法真正触碰现实世界。

问题在于，真正的智能并不只发生在大脑里。人类理解"烫"，不是因为读过关于温度的定义，而是因为身体经历过真实体验，并形成了对世界的理解。这正是认知科学中"具身认知"的核心观点：人的认知，并非只来自大脑的信息处理，也来自身体与环境的互动。

这个逻辑放到AI上意味着：一个只活在服务器里的模型，仍然无法真正进入物理世界并完成任务。它需要一个身体——能够感知环境、执行动作，并在真实世界中完成任务的载体。

在众多可能的物理载体中，机器人被认为是当前最重要的探索方向，其中人形机器人因其接近人类工作环境而受到高度关注。

具身智能 · Embodied AI

而这种让AI进入物理世界、理解任务并采取行动的技术路径，就是"具身智能"（Embodied AI）。

与传统机器人依赖预先编写的程序不同，具身智能试图让机器从“执行指令”走向“理解任务”。

如果说ChatGPT让AI广泛进入大众视野，那么具身智能正在尝试让AI第一次真正进入现实世界。这也是为什么，当大模型能力快速突破之后，科技产业开始将目光重新投向机器人领域。

这是诺亚产业观察·具身智能系列的第一篇。我们将用三篇文章，依次梳理这个行业的技术逻辑、产业格局与竞争态势，为希望看懂这一赛道的读者提供一个完整的观察框架。

PART 01

机器会动，但不会想

人类期待机器像人一样行动，已经持续了近百年。但现实中的机器人，长期停留在"会动"的阶段。

工厂里有了机械臂，家里有了扫地机器人。但它们和真正意义上的具身智能机器人，距离比看起来要远得多。

扫地机器人

规划路线、避障、充电。理解的是预设场景中的任务，无法完成整理房间等开放任务。

工业机械臂

精度超越人类，连续运转数万小时。但依靠预设程序，知道下一步做什么，却不知道为何这样做。

它们的共性是能执行，但不能理解。

一边是只在数字世界运行的 AI，一边是只在物理世界执行任务的机器人。两者各有所长，却长期没有真正连接在一起。

改变这一局面的，是大语言模型带来的语义理解能力。当这种能力与机器人的视觉感知和动作执行结合在一起，机器人才第一次有了理解任务的可能——不再需要工程师将每一个任务预先翻译成坐标和参数。

因此，具身智能并不是简单地给机器人增加传感器，也不是让机械臂动作更精准，或者将其做成人形，它试图解决的是一个更基础但更重要的问题：如果人工智能拥有了身体，它能不能真正进入现实世界？

PART 02

理解任务的机器人来了

案例

北京 · 银河通用 Galbot

在北京，一家9平方米的便利店，每天服务数千名顾客，只有一名"特殊员工"——银河通用自研的机器人Galbot。它自主处理订单，从识别货架、找商品到交付，全程无需人工干预。

目前已在全国20余个城市落地超过100家"太空舱"便利店

便利店的场景看起来简单，因为当中从移动、抓取到识别物体的每一个动作都并非革命性的突破，这些能力在过去已经逐渐成熟。真正的挑战在于：当环境变化，当任务没有被提前写入程序，机器人还能不能理解目标，并自主完成任务。

例如，一家便利店中，商品位置会变化，顾客表达可能不同，现场环境也可能随时改变。机器人需要的不只是按步骤执行，还要能够应对未被预设的变化。

核心技术 · VLA模型

Vision-Language-Action

让机器人不再依赖预设程序，而是通过理解语言指令，自主感知环境、判断动作、完成任务。

传统机器人

"杯子在X坐标，手臂移动Y距离，施力Z牛顿"

VLA机器人

"请把桌上的杯子拿过来。"

过去让机器人"拿起桌上的杯子"，工程师需要提前告诉它：杯子在哪、形状如何、手臂移动多少、使用多大力度。而基于VLA的机器人，只需要理解一句话。

从执行程序到理解任务，这是机器人能力逻辑的根本变化。近年来，从谷歌DeepMind到Figure AI，这一方向已从实验室验证走向面向真实机器人的连续控制。技术的演进速度，超出了大多数人的预期。

PART 03

变局已经开始

今天，具身智能机器人已经开始出现在工厂产线、物流仓库和商业服务场景中。在美国，Figure AI、Agility Robotics等企业正将人形机器人推向真实工业场景；在中国，宇树、智元等头部企业的年度交付量在2025年进入千台级别，技术路线各有侧重——有的深耕本体硬件与运动控制，有的押注具身大模型与场景落地的一体化布局。

当前稳定落地场景

仓储搬运

环境可控

工业辅助

任务边界清晰

商业服务

场景标准化

但当前能稳定落地的场景，仍集中在环境相对可控、任务边界相对清晰的领域。距离真正进入家庭，成为像智能手机一样的通用设备，还有不短的距离。

原因在于，现实世界远比实验环境复杂。物品位置可能变化；人的表达可能模糊；动作可能带来无法预测的结果。如何在开放环境中稳定完成任务，是具身智能下一阶段真正需要解决的问题。

具身智能的真正门槛，从来不是机器人能不能动。而是它能不能走进一个从未见过的房间，完成一件没有人教过它的事。

而我们距离这一问题的答案，或许越来越接近了——模型能力在突破，硬件成本下降，产业资本在加速入场。几个关键变量，正在同一时间窗口发生。

下期预告

但为什么偏偏是现在？谁在这场变革里占据位置？钱又流向了哪里？

故事才刚开始。接下来的几篇，我们逐一展开。

ABOUT NOAH HOLDINGS

诺亚控股（NYSE: NOAH | HKEX: 6686）是一家总部位于新加坡的AI-Native财富管理机构，连接全球华人的财富世界。23+年持续稳健经营，累计配置规模超USD 153 Billion，服务来自9个国家、30+地区的全球高净值家族和机构客户。

ARK

Wealth Management

OLIVE

Asset Management

GLORY

Family Heritage

免责声明

本文内容仅供参考，不构成任何投资建议。所涉产业内容来源于公开资料，具体以最新公开披露为准。

向下滑动查看所有内容

【免责声明】

1、本文所有观点不构成任何投资建议，您仍需根据您的独立判断做出您的投资决策，本公众号不对投资后果承担任何法律责任。

3、本公众号包含前瞻性陈述。前瞻性陈述的标志性词语包括"预期"、"应"、“估计”、"可能"、"会"、“将”、“相信”、“将来”、“计划”以及类似表达。前瞻性陈述通常涉及不受本公众号控制的风险及不确定性因素，可能导致实际结果与前瞻性陈述的预期结果完全不符。任何人需审慎考虑风险及不确定性因素，不可完全依赖本公众号的“前瞻性陈述”。本公众号声明，无论是否出现最新信息、未来事件或其它情况，本公众号均无义务对任何前瞻性陈述进行更新或修改。