你以为的“智能”，可能连擦桌子都不会
说出来你可能不信，去年我测过某款号称通用能力的大模型，对着“怎么把粘在玻璃上的便利贴撕下来不撕坏”的问题，输出的步骤能写满三页A4纸——从什么角度起边，用多大的力，遇到胶面残留在玻璃上该怎么处理，逻辑顺得像个资深文员。结果接了机械臂实机测试的时候，那胳膊要么把便利贴捅破，要么连带着把玻璃上的浮灰扫得满天飞。
为什么会这样？因为之前的智能，是“活在屏幕里的”。它见过千万张便利贴的图片，读过千万条关于撕便利贴的文字描述，但它从来没有真的碰过便利贴。它不知道便利贴的胶面是软的，玻璃表面是滑的，指尖的力度大一点就会戳穿纸面，小一点就根本勾不起边。就像你从来没吃过柠檬，哪怕读了一万句“柠檬是酸的”，也不会真的明白那种酸到腮帮子收紧的感觉。
身体不是智能的“外套”，是思考的一部分
说实话我之前也觉得“具身智能”这概念玄乎，像个被资本炒起来的新名词，直到亲眼见那台抠奥利奥的机器人。之前测试的时候它用扫的动作，碎渣卡进瓷砖缝出不来，我们在旁边看着都急，等着工程师改代码调整动作参数，结果等了两分钟，它自己换了个角度，把指尖压在瓷砖缝的边缘，蹭了三下就把碎渣带出来了。
它没有提前学过“瓷砖缝里的碎屑要怎么清理”，所有的动作逻辑，都是它在反复碰、反复试的过程中，靠传感器攒出来的经验。
这和我们理解的智能完全不一样。之前我们总觉得，智能是大脑里的运算，身体只是个把运算结果输出的工具——大脑说“抬胳膊”，胳膊就抬，大脑说“用力”，手就使劲。但具身智能的逻辑是反过来的：你对世界的所有认知，都是靠身体摸出来、踩出来、感受出来的。你知道冰的东西不能直接用手攥太久，不是因为课本告诉你冰的温度低，是你小时候摸过冰棒，指尖传来的冻得发麻的感觉，直接刻进了你的认知里。
就像小孩学拿杯子，从来不是先看说明书记住“要握在杯子中间，用三指发力”，是抓，摔几次，知道陶瓷杯子滑，塑料的轻，装了热开水的杯子外壁会烫，要握在下半部分。这些经验没有办法靠喂文字数据学会，必须靠身体和世界的一次次互动，才能攒出来。
现在吹得神乎其神的“具身智能”，大多还在爬
没那么玄。
上次刷到个某品牌的具身智能发布会，视频里机器人端着托盘走得稳稳当当，连洒了半滴水都能精准稳住，姿态优雅得像五星酒店的服务生，配的文案是“即将进入千家万户”。结果没过三天就有人放出后台原片——那机器人每走三步就摔一次，端的托盘要么歪到一边把水全洒在地上，要么胳膊僵得像个稻草人，剪了快一百条才凑出来那三十秒的流畅镜头。
和实验室的张博士聊天的时候他笑，说现在大家对具身智能的期待，就像看着刚学会爬的小孩，就等着他跑着去给你买酱油。其实现在能做到的事，真的很基础：能分清桌上的是可乐还是酱油，能在被椅子腿绊一下的时候站稳，能知道递东西的时候要把瓶盖对着接的人，而不是硬邦邦把瓶子戳到人家脸上。
他说这话的时候，那台抠奥利奥的小机器人慢悠悠蹭到我们桌边，机械臂举着一瓶刚从旁边储物架上摸下来的矿泉水递过来。瓶盖没拧开，但是握的力度刚好，没把瓶身捏变形，甚至还特意把贴了标签的那面对着我。
那瞬间真的有点起鸡皮疙瘩。
你知道它不是提前录好的动作。它刚才在储物架旁边晃了快十分钟，摸过装消毒水的喷壶，摸过装着笔的笔筒，最后选了那瓶矿泉水。它也没人教过它递水要把标签对着人，就是之前看人类递东西的时候，会把有字的那面转过来，它自己跟着学的。
之前总有人问，具身智能到底什么时候能像科幻片里那样，帮你做饭帮你带孩子，帮你处理家里所有的杂事。其实哪有那么快啊。我们现在才刚把它从“只会在屏幕里说漂亮话”的阶段拉出来，让它真的学会用手碰一碰这个世界。
路还长。
但挺有意思的。
作者|科技
排版|科技
审核|柚子