今年具身智能非常火熱。從宇樹的人形機(jī)器人登上春晚之后，掀起了新一輪的投資熱潮，一些企業(yè)拿到了多輪投資。具身智能也成為AI 可能落地的一個(gè)場(chǎng)景。具身智能的核心之一是大小腦技術(shù)，而下一代的具身神經(jīng)智能有望實(shí)現(xiàn)真正的全腦，使機(jī)器人具備人類大腦一樣的計(jì)算能力。

那么，具身智能當(dāng)前的發(fā)展態(tài)勢(shì)如何？為何下一步需要具身神經(jīng)智能？2025 年 9 月底，“ IC WORLD 2025”在北京經(jīng)濟(jì)技術(shù)開發(fā)區(qū)舉行，會(huì)上，北京大學(xué)博雅特聘教授、集成電路學(xué)院黨委書記王源做了主題報(bào)告——具身神經(jīng)智能的發(fā)展與趨勢(shì)，分享了他的觀點(diǎn)。王教授長(zhǎng)期從事類腦計(jì)算、存內(nèi)計(jì)算等新范式計(jì)算架構(gòu)和芯片的設(shè)計(jì)研究，研制了多款新型AI 芯片。

1   機(jī)器人的歷史及啟示

具身智能的一種載體是人形機(jī)器人。對(duì)于人形機(jī)器人，我們的祖先賦予了無(wú)數(shù)想象。例如先秦時(shí)期，《列子. 湯問》記錄了一個(gè)故事：驗(yàn)尸獻(xiàn)計(jì)。巧匠偃師給周穆王送了一個(gè)人偶，這個(gè)人偶非常好玩，周穆王很驚奇。為什么要講這個(gè)話題？其中有幾句話現(xiàn)在還很應(yīng)景，這個(gè)人偶有五臟六腑，如果去其心，它就不能言；如果去其肝，它就看不見；如果取其腎，就不能行走。所以古代的機(jī)器人/ 人偶與現(xiàn)在的具身智能是有所區(qū)別的：現(xiàn)在的具身智能或者機(jī)器人，頭是頭，眼是眼——是完全分離的；而古代的是一個(gè)從里到外、從上到下完整的系統(tǒng)，這也給我們一點(diǎn)啟示。

近50年來(lái)人形機(jī)器人發(fā)展很快。1972年日本早稻田大學(xué)研發(fā)了全球第一個(gè)全尺寸的人形機(jī)器人。2000年，日本本田公司研制了在運(yùn)動(dòng)能力上有重大進(jìn)步的機(jī)器人，可以做雙足奔跑、上下樓梯等。2008年法國(guó)阿爾德巴蘭機(jī)器人公司研發(fā)了NAO機(jī)器人，是第一款商業(yè)落地的機(jī)器人，是一個(gè)小型的教學(xué)陪伴機(jī)器人，值得一提的是，具身智能一個(gè)很大的潛力市場(chǎng)就是教育領(lǐng)域。另一家有代表性的企業(yè)是美國(guó)的波士頓動(dòng)力，2005 年發(fā)布四足狗BigDog，2013 年推出Atlas 系列人形機(jī)器人，到2021 年有了快速的發(fā)展。

眾所周知，近幾十年來(lái)人形機(jī)器人的發(fā)展非常迅速，特別是我國(guó)這幾年，例如2025 年春晚上，1.5 歲的宇樹H1 機(jī)器人登臺(tái)表演，引爆了公眾對(duì)具身智能市場(chǎng)的關(guān)注。

2   具身智能的市場(chǎng)規(guī)模

根據(jù)摩根士丹利2025年6月發(fā)布的《Robotics Unleashed, A New Era》報(bào)告，隨著大模型的出現(xiàn)，以及VLA（視覺、語(yǔ)言和動(dòng)作模型）技術(shù)的發(fā)展，機(jī)器人技術(shù)已經(jīng)從單一、原有的自動(dòng)化，逐漸向通用智能不斷演進(jìn)，逐漸進(jìn)入智能時(shí)代。

根據(jù)這份報(bào)告指出，泛機(jī)器人市場(chǎng)呈快速增長(zhǎng)的勢(shì)頭。尤其中國(guó)市場(chǎng)增長(zhǎng)快，2024 年中國(guó)機(jī)器人的市場(chǎng)規(guī)模大概占到全球總量的40%，達(dá)到470 億美元；預(yù)計(jì)到2028 年，按照年復(fù)合增長(zhǎng)率23% 測(cè)算，市場(chǎng)規(guī)模將會(huì)增加到1080 億美元。

泛機(jī)器人市場(chǎng)包含了很多產(chǎn)品形態(tài)，不僅有人形機(jī)器人，還有工業(yè)機(jī)器人、協(xié)作機(jī)器人、移動(dòng)機(jī)器人、服務(wù)機(jī)器人，另外把無(wú)人機(jī)也歸入進(jìn)來(lái)（圖1）。

圖1 泛機(jī)器人市場(chǎng)

3   具身智能的定義、分類與特點(diǎn)

具身智能是一種基于物理身體進(jìn)行感知和行動(dòng)的智能系統(tǒng)。基于智能體和環(huán)境的交互來(lái)獲取信息，然后理解問題，做出決策，最后采取行動(dòng)，是一個(gè)典型的閉環(huán)。

本質(zhì)上，它強(qiáng)調(diào)了物理身體、智能體。智能體的形狀可以很多，例如可以是固定式，也可以是移動(dòng)式（包括自動(dòng)駕駛車），還可以是仿生式，例如殺人蜂。當(dāng)然，現(xiàn)在市場(chǎng)上最火爆的是人形機(jī)器人。

具身智能系統(tǒng)可以分為三個(gè)層次。

●   第一個(gè)層次是應(yīng)用與感知層，主要是各種傳感器的集成，包括視覺、語(yǔ)義（聽懂自然語(yǔ)言）、聽覺、觸覺等。這一層的計(jì)算頻率/ 應(yīng)用頻率大概在10~30 Hz。

●   第二個(gè)層次是任務(wù)分析和規(guī)劃層。目前具身智能的解決方案大部分采用的是大小腦結(jié)合的方案。具身大腦（1~10 Hz）主要是做環(huán)境分析、頂層規(guī)劃和記憶構(gòu)建，相對(duì)算力要求更高；具身小腦（30~100 Hz）主要做抓取動(dòng)作的預(yù)測(cè)、導(dǎo)航軌跡的規(guī)劃，特別對(duì)于人形機(jī)器人場(chǎng)景。

大小腦的處理速度、頻率的要求是不同的。目前業(yè)界主要采用大小腦的協(xié)同方式。

值得一提的是，前面感知層、大小腦層甚至人的大腦分成兩個(gè)腦，但人腦沒有具體的哪個(gè)腦是專門控制哪個(gè)位置的，特別是感知層面，沒有說(shuō)若挖掉了某個(gè)部位，人就不能干某件事情——它們是互補(bǔ)的。

●   第三個(gè)層次是本體運(yùn)動(dòng)和執(zhí)行層（500~2000 Hz）。

本體運(yùn)動(dòng)包括了信息反饋和本體控制兩部分，后者/本體控制包括了運(yùn)動(dòng)避障、平衡控制。現(xiàn)在有很多具身智能機(jī)器人，例如人形機(jī)器人運(yùn)動(dòng)會(huì)上，人們可能更多的是關(guān)注本體控制，是否能做各種動(dòng)作，諸如跑步/ 馬拉松，跑馬拉松時(shí)原來(lái)會(huì)摔倒，現(xiàn)在跑得更好；包括打拳等，都是本體執(zhí)行非常好的一種體現(xiàn)。

但是從長(zhǎng)期角度看，推進(jìn)智能的發(fā)展還是核心，即具身大腦和具身小腦的發(fā)展。

4   大小腦結(jié)構(gòu)的挑戰(zhàn)

●   大腦。具身大腦通常基于多模態(tài)的大模型，從單一任務(wù)向復(fù)雜多任務(wù)的方向發(fā)展。

關(guān)于多模態(tài)大模型，如果面向單一任務(wù)，計(jì)算特點(diǎn)是基于圖像和文字的多模態(tài)輸入，會(huì)造成輸入的令牌較多，但是實(shí)際輸出的令牌較少。面臨的主要挑戰(zhàn)包括如何基于預(yù)訓(xùn)練的多模態(tài)大模型在真正應(yīng)用環(huán)境中實(shí)現(xiàn)高效的多模態(tài)融合，以及如何降低令牌計(jì)算的延遲等。

具身智能的大腦逐漸從單一任務(wù)轉(zhuǎn)向復(fù)雜多樣的融合、深度推理的模式，包括一些記憶能力。計(jì)算特點(diǎn)主要是要記憶信息造成上下文之間的需求，深度思考，增加推理解碼的長(zhǎng)度。而且處于復(fù)雜環(huán)境，特別是人形機(jī)器人是在一個(gè)動(dòng)態(tài)多變的環(huán)境下，就提出了高響應(yīng)的需求。

主要挑戰(zhàn)包括前述的上下文的問題，深度推理的問題，各個(gè)階段的算力不同，仿真、存儲(chǔ)的需求。

●   小腦。由于小腦主要負(fù)責(zé)控制。傳統(tǒng)的具身智能小腦往往采用固定規(guī)則，包括一些小模型。

大腦是大模型，小腦做小模型。大模型計(jì)算頻率會(huì)較高，小腦的計(jì)算實(shí)時(shí)性要求會(huì)非常高。

但是問題在于，如果是模型很小的情況下，很明顯沒有像大模型那么好的泛化能力，也就意味著一旦給小腦燒好了一個(gè)模型，它能執(zhí)行的任務(wù)就是這么多。因此會(huì)經(jīng)常看到一些機(jī)器人，例如它本來(lái)想打拳擊，但是往后退兩步可能會(huì)摔倒，因?yàn)樗哪Ｐ筒皇蔷劢乖诜浪さ摹Ｋ苑夯芰Σ皇侨酰欠浅Ｈ酢O弱。

當(dāng)然現(xiàn)在也有基于大模型的具身智能小腦的路線，主要聚焦在兩個(gè)方面：VLA（視覺、語(yǔ)言和動(dòng)作模型），快慢系統(tǒng)。

●   VLA是基于預(yù)訓(xùn)練完成視覺、語(yǔ)言大模型的初始化，然后在具身的數(shù)據(jù)上進(jìn)行微調(diào)，因此這個(gè)閉環(huán)顯著提升了泛化性。但是問題在于它本身是基于大模型初始化的，所以對(duì)算力和緩存的需求量非常高，所以可能小腦變成大腦，這就使小腦/ 端測(cè)原有的小算力芯片對(duì)算力的需求越來(lái)越大。

王源教授團(tuán)隊(duì)調(diào)研了市面上的一些具身智能公司，發(fā)現(xiàn)小腦的算力目前很難滿足需求。

●   快慢系統(tǒng)。快慢雙系統(tǒng)顧名思義就是要實(shí)時(shí)處理的，快系統(tǒng)對(duì)指定的場(chǎng)景進(jìn)行現(xiàn)場(chǎng)理解，慢系統(tǒng)再進(jìn)行快速動(dòng)作的生成。可見有一個(gè)先理解、后生成的過程，二者是異步的計(jì)算，并不是同步完成的。但是很明顯，快慢系統(tǒng)如果是異步的，它的模型應(yīng)該也是異構(gòu)的，所以需要平衡計(jì)算資源。對(duì)于小腦，到底是滿足慢系統(tǒng)——模型相對(duì)大一點(diǎn)，但是時(shí)間/ 周期稍長(zhǎng)；還是滿足快系統(tǒng)？

這兩年，快慢雙系統(tǒng)的發(fā)展非常快，從2024 年開始到2025/ 今年，時(shí)間迭代非常快。包括前述的VLA也是如此快。

前面分析了目前大小腦本身的一些問題，會(huì)看到目前具身面臨的挑戰(zhàn)主要體現(xiàn)在下面幾個(gè)方面。

第一，泛化能力不足。只能在單一場(chǎng)景中表現(xiàn)得較好，但別指望像人一樣可以在不同的場(chǎng)景里去學(xué)習(xí)，可能換一個(gè)場(chǎng)景就變成了傻子。所以在新環(huán)境中它很容易失效，所以我們現(xiàn)在不能對(duì)現(xiàn)有的具身智能或人形機(jī)器人的期望太高，特別是它缺乏像人一樣的遷移和學(xué)習(xí)的抽象能力。

第二，目前很多具身智能的模擬是在仿真模擬環(huán)境下完成的，而應(yīng)用場(chǎng)景是現(xiàn)實(shí)的物理世界。怎樣把現(xiàn)實(shí)的物理世界和賽博空間做很好的聯(lián)系？這方面還有很大的差距。如果仿真環(huán)境和現(xiàn)實(shí)之間差距太大，往往訓(xùn)練出來(lái)的模型難以直接部署。

第三，大模型和小模型有各自的算力要求，而且算力之間又存在兼容的問題，所以成本很高，還有在真實(shí)環(huán)境中，做小樣本學(xué)習(xí)或者在線學(xué)習(xí)的普遍效率是較低的。

5   具身神經(jīng)智能的優(yōu)勢(shì)

5.1 具身智能的局限

據(jù)調(diào)研，目前具身智能公司的主要解決方案還是基于英偉達(dá)平臺(tái)，是典型的GPU 架構(gòu)，即基于深度學(xué)習(xí)方式來(lái)做，以提供足夠的算力來(lái)解決。

但是實(shí)際上，具身智能是物理世界和虛擬世界交互的，人最擅長(zhǎng)做這件事，但是目前所有的具身智能在神經(jīng)機(jī)制方面是有缺失的，缺乏對(duì)人/ 生物系統(tǒng)的借鑒。

所以王源教授的報(bào)告叫具身神經(jīng)智能。“神經(jīng)”指神經(jīng)系統(tǒng)。希望能夠把具身智能和神經(jīng)形態(tài)計(jì)算或神經(jīng)系統(tǒng)相結(jié)合，能夠讓具身人形機(jī)器人真的像人一樣。當(dāng)然人也有很多不擅長(zhǎng)的地方，例如看不遠(yuǎn)、聽不清，因此除了發(fā)揮人的優(yōu)勢(shì)外，也可以通過傳感器來(lái)彌補(bǔ)人的劣勢(shì)。

人能很好的自學(xué)習(xí)或在線學(xué)習(xí)，這種學(xué)習(xí)方式能夠?qū)崿F(xiàn)智能計(jì)算的可適應(yīng)性、可配置性，在靈活性方面有很大的優(yōu)勢(shì)，但現(xiàn)在的具身智能很明顯存在一些問題。

具身智能是大小腦結(jié)構(gòu)，但人不是大小腦結(jié)構(gòu)，是一個(gè)全腦。具身智能的大小腦有異構(gòu)性的特點(diǎn)，從算力、速度、存儲(chǔ)等角度看，大腦和小腦的需求是不一樣的，這也就意味著很難把不同的算力平臺(tái)進(jìn)行融合；而人腦不是這樣，人腦是一個(gè)完整的結(jié)構(gòu)。

5.2 如何從具身智能邁向具身神經(jīng)智能？

●   讓AI不僅會(huì)感知和行動(dòng)

我們現(xiàn)在的認(rèn)知是基于大模型的認(rèn)知，并不是人的真正意義上的認(rèn)知。人的認(rèn)知范圍是很復(fù)雜的，除了學(xué)習(xí)之外，還有情感、思維等。所以希望具身智能不僅會(huì)感知和行動(dòng)，而且會(huì)像人的神經(jīng)系統(tǒng)一樣自組織、學(xué)習(xí)和適應(yīng)。

所謂的具身神經(jīng)智能就是把類腦智能和具身智能相結(jié)合，使智能體具備感知、決策和應(yīng)用能力，同時(shí)利用類腦架構(gòu)的高效率和自適應(yīng)性，實(shí)現(xiàn)端到端的高等級(jí)具身神經(jīng)智能。

它有幾個(gè)基本的特點(diǎn)。

第一，感知和行動(dòng)。我們可以參考現(xiàn)在的神經(jīng)具身智能本身的特點(diǎn)，我們通過多種感官系統(tǒng)獲取外部的信息，并通過動(dòng)作系統(tǒng)與環(huán)境互動(dòng)。但是它的計(jì)算平臺(tái)可能就不是簡(jiǎn)單的GPU。實(shí)際上，我們目前也只有GPU平臺(tái)可選。

神經(jīng)計(jì)算平臺(tái)通俗地講是把一個(gè)生物腦怎樣盡可能地拷貝成一個(gè)電子腦。即我們用現(xiàn)在的大規(guī)模集成的硅技術(shù)，怎樣盡可能地去復(fù)制我們的生物腦。當(dāng)然生物腦里的各種事件觸發(fā)的機(jī)制是超低功耗的，同時(shí)抗噪特性優(yōu)異，具有在線學(xué)習(xí)的能力，它集各種低功耗、超高能效為一體。人腦是一個(gè)超低能耗的載體，人一天只吃三頓飯，整個(gè)功耗約20 W，但實(shí)時(shí)計(jì)算能力能達(dá)到1TOPS，比現(xiàn)在的各種硅平臺(tái)高很多。但怎樣通過電子計(jì)算手段實(shí)現(xiàn)這種能力？是非常有挑戰(zhàn)性的。

王源教授團(tuán)隊(duì)給出了一個(gè)方案，在傳感器與執(zhí)行器方面，與現(xiàn)在的方案沒有什么太大的區(qū)別：傳感器可以是視覺的、聲學(xué)的、定位的；執(zhí)行器也可以是各種各樣的，例如人形機(jī)器人等移動(dòng)平臺(tái)。核心是中間的類腦計(jì)算平臺(tái)。需要說(shuō)明的是，類腦計(jì)算平臺(tái)不是替代現(xiàn)在的GPU平臺(tái)，因?yàn)镚PU 有密集計(jì)算的優(yōu)勢(shì)，所以類腦計(jì)算平臺(tái)大概率是一個(gè)結(jié)合了生物啟發(fā)的類腦平臺(tái)，再加上GPU的密集計(jì)算平臺(tái)，它是一個(gè)融合的平臺(tái)。所以這種方案不再區(qū)分大小腦，實(shí)現(xiàn)一個(gè)全腦式的操作。

●   類腦平臺(tái)的發(fā)展概況

類腦計(jì)算平臺(tái)不是新事物，其實(shí)也做了很多年。如圖2是個(gè)典型的4 家平臺(tái), 從2014年IBM 的TrueNorth，到2018年英特爾Loihi，2019年清華推出了天機(jī)，2023年王源教授團(tuán)隊(duì)做了PAICORE。

圖2 部分類腦芯片廠商

一些機(jī)構(gòu)公司做了基于類腦計(jì)算的機(jī)器人，例如英特爾的無(wú)人機(jī)，清華的基于天機(jī)的無(wú)人駕駛自行車、天機(jī)貓等。

北大王源團(tuán)隊(duì)做的是基于PAICORE類腦芯片的研究。PAICORE是全球最大的類腦芯片，有191 萬(wàn)個(gè)神經(jīng)元和47億個(gè)突觸，集成了1024個(gè)處理核心。王源團(tuán)隊(duì)推出了基于小車的無(wú)人車硬件平臺(tái)PAICar，有兩款車，分別為雙驅(qū)和四驅(qū)車，有一個(gè)在復(fù)雜環(huán)境下的小車的演示，是在室內(nèi)環(huán)境情況下的追蹤任務(wù)， 自己的四輪車去追雙驅(qū)車。還有一些暗光場(chǎng)景下怎樣去完成的演示。

6   未來(lái)預(yù)測(cè)

具身神經(jīng)智能還是要兩條腿走路：一方面是神經(jīng)形態(tài)的硬件，即上述的核心，它是一個(gè)融合了GPU 和生物啟發(fā)的類腦芯片平臺(tái)，是神經(jīng)形態(tài)的硬件；另一塊是具身的機(jī)器人，是載體，包括前后兩端（傳感器和執(zhí)行器）。

●   近期人們主要聚焦在多核并行計(jì)算和低功耗上，因?yàn)檫@是剛需——現(xiàn)在機(jī)器人的短板是續(xù)航時(shí)間不長(zhǎng)，移動(dòng)能力及反應(yīng)能力偏弱。當(dāng)然機(jī)器人本身主要聚焦在多模態(tài)、多任務(wù)的執(zhí)行上。

●   中期要顯著提高計(jì)算密度，實(shí)際上還是提升算力/處理能力。在機(jī)器人方面，主要是把神經(jīng)計(jì)算技術(shù)和具身智能進(jìn)行深度融合，真正做到全腦，而不是大小腦。

●   遠(yuǎn)期(2030-2035) 希望具身神經(jīng)智能具備人類大腦的計(jì)算能力。實(shí)際上，人類大腦的長(zhǎng)時(shí)間精確計(jì)算能力是不足的，但是實(shí)時(shí)計(jì)算能力非常高，可達(dá)1 TOPS，所以在快速反應(yīng)和實(shí)時(shí)計(jì)算方面的能力是非常強(qiáng)的。所以在芯片算力的突破（圖3）之后，期望具身神經(jīng)智能能夠具備近乎人腦的計(jì)算能力。

圖3 芯片架構(gòu)的展望

當(dāng)然，人腦還有學(xué)習(xí)方面及其他方面很多優(yōu)勢(shì)，期望最后能夠達(dá)到人類能力的高度，實(shí)現(xiàn)真正智能化的機(jī)器人。

（本文來(lái)源于《EEPW》202511）