前几天去家楼下的智能奶茶店体验，那台号称全自动化的机器人，对着我点的少冰柠檬茶捣鼓了三分钟，最后把半杯冰倒在了台面上。
这事说起来好笑，其实戳中了当前AI最大的软肋。你看啊，它背后的大模型能写八千字的活动方案，能画三种不同风格的门店宣传海报，就是拿不稳台面上一杯加了冰的柠檬水。为什么？因为它没长对「身体和脑子配合的方式」。这就是今天要聊的，具身智能。
能写论文的AI很多，能弯腰捡垃圾的很少
现在满大街的AI，大多都活在屏幕里。你和大模型聊宇宙起源，它能给你扯俩小时不重样，你让它站起来开个门，它做不到。
原来我们见过的大多数实体机器人，都是预先编死程序的。流水线拧螺丝，位置固定死，偏差一毫米都不行，换个摆放位置直接罢工。
具身智能不一样。它把AI的认知能力，和实体身体的感知运动能力绑在了一起。眼睛能看，爪子能摸，走两步能感知地面平不平，遇到突然跑出来的猫能自己停下来绕开。甚至你说一句模糊的要求，它能自己理解自己调整。
就拿捡垃圾举例子，你说「把走廊上的矿泉水瓶捡起来扔垃圾桶」，传统机器人要提前告诉它矿泉水瓶长什么样，垃圾桶在哪个坐标，少一个信息都动不了。具身智能呢？它自己看，自己认，哪怕瓶子滚到了沙发底下，它也能蹲下去够，不用你额外教。
别被「人形颜值」骗了，核心从来不是脸
我刷短视频，经常刷到各种所谓的具身智能机器人，清一色做得跟真人似的，有鼻子有眼还能对着镜头wink，评论区全在喊颠覆，说马上就要取代人类了。
说实话。全是营销噱头。
具身智能从来不是做一张和人一模一样的脸，而是让AI学会在真实物理世界里学东西。之前大模型的学习材料，全是网上爬来的二手信息，都是别人整理好的文字、图片，没有真实世界的触感反馈。具身智能不一样，它是自己摸，自己碰，攒的全是一手经验。
就像你教小孩认识杯子，你不用背百科定义，你让他自己拿几次，摔两次，他自然就知道玻璃杯子凉，装了热水不能碰杯壁，空杯子轻满杯子重，拿的时候要握杯柄才稳。
具身智能干的就是这个事。我之前看一个高校实验室的公开测试，让机器人抓生鸡蛋，传统机器人写了几千行代码调力度，还是十次碎八次。换了具身智能的方案，第一次抓滑了，第二次力度不对捏裂了，第三次就稳稳拿起来了。这不就是人学东西的样子吗？
你品品这个逻辑。原来我们让AI适应我们给它设定好的规则，现在我们让AI自己出来，适应这个乱糟糟的真实世界。这才是具身智能最核心的改变。不是长得像人，是学习和思考的方式像人。
离我们的日常，到底还有多远
现在网上吹得凶，说再过十年，每家每户都会有一个机器人保姆，能做饭能拖地能陪你聊天。你信吗？我反正是不信。
实话实说，现在能落地赚钱的具身智能，大多都在封闭的工业场景里。比如仓库拣货，工厂搬箱子，这些地方环境简单，需求明确，机器出错了也不会出大问题，赚的钱能覆盖成本。真要进普通人的家，坑还多着呢。
你家地上一会儿放着孩子的玩具，一会儿铺了地毯晾着衣服，餐桌堆着半吃的外卖，沙发缝掉了几根耳机，这么乱糟糟的环境，机器人进去分分钟就懵。还有价格，现在一台能打一点的人形具身机器人，造价几百万，哪怕批量生产降到几十万，哪个普通家庭会掏这个钱买个回家拖地？还有电池，满电能跑三个小时就不错了，做顿饭做到一半没电关机了，你说闹心不闹心？
不过话说回来，也没必要一口否定说这是骗局。十年前谁能想到大模型能普及到今天这个程度？二十年前谁能想到我们出门买个菜都不用带钱包？技术迭代的速度，往往比我们预期的要快。
现在确实有很多资本炒概念，把十年前的旧机器人换个标签就叫具身智能，圈一波钱就跑，吃相真的难看。但去掉这些泡沫，方向是对的。AI活了几十年，一直困在屏幕里困在服务器里，现在终于要走出来，走到我们真实的物理世界里来了。
昨天我又路过那家奶茶店，进门就看见机器人在安安稳稳倒冰，半杯冰完完整整进了杯子，没撒出来一点。听说就是换了一套具身智能的算法调整抓取逻辑。我买了一杯，味道和之前没差，价格也没涨。
挺好的。技术改变生活，本来就是这样，悄无声息的，先从一杯不撒冰的柠檬茶开始。
作者|科技
排版|科技
审核|阿辰