从南京车间码货到给老人喂饭：具身智能真不是给大模型装手脚

9月23号我在南京溧水的一个自动化车间蹲了大半天，本来是帮朋友做项目调研，看新上线的分拣线。本来以为又是满眼的固定路径机械臂，按流程走一遍就完事。结果撞见个有意思的事儿。

一个工人搬原料的时候慌慌张张，胳膊肘碰掉了半箱打包好的元器件，箱子歪歪扭扭卡在了传送带和码垛区的缝隙边。换做以前的旧机器人，要么直接触发安全锁卡死停线，要么不管不顾直接往上撞，轻则撞歪箱子，重则把自己关节干错位。

那天这个新机器不一样。

它走到离箱子半米远突然停下来，机械臂转了小半圈，摄像头扫了两秒，然后慢慢挪了下底座，绕到侧面，伸出抓手轻轻把箱子扶回传送带，摆正，接着按原来的计划继续码垛。整套动作下来，没停线，没喊人，没人教过它遇到这种情况该怎么办。

这就是我第一次线下见能用的具身智能，不是PPT里的概念，不是发布会的演示视频，是真的在车间干活的玩意儿。

别被“长手脚”的说法骗了，核心根本不是硬件

说实话，我之前看了好多创投圈的PPT，十个里有九个把具身智能画成“ChatGPT装机械臂”，搞得好多人以为就是给大模型接几个关节就能卖钱。完全不对。

ChatGPT这类大模型，是在存量的文本、图像数据里找规律生成答案，它所有的“认知”都来自人类已经整理好的虚拟世界信息。它知道箱子要摆正，但是它不知道“摆正一个歪了的箱子需要用多大的力”，不知道“箱子卡在缝隙里我要转多少度才能绕过去”，更不知道“我现在的重心会不会歪，会不会自己摔了”。

具身智能的核心，是让AI能在物理世界里自主感知、试错、调整，它的学习场景不是云端的数据集，是真刀真枪的现实环境。就像我们人类，你学走路不是靠看别人走路的视频学会的，是摔了好几跤，自己感觉到“脚这么抬会摔，那么踩能站稳”，才学会的。具身智能干的就是这么回事。

我那天跟调试的工程师聊天，他说最磨人的不是写算法，是调力反馈。你码纸箱子，抓力大了捏瘪，抓力小了掉地上；你做护理机器人给老人喂水，温度不对烫着，力度大了戳着，全是在虚拟世界里学不会的细节。以前的机器人是“人类教一步，它走一步”，具身智能是“人类告诉它要把箱子码好，它自己想办法应对各种意外”，这才是本质区别。

说人话，能用的具身智能就靠三件事转起来

很多科普喜欢说一大堆术语，什么大模型联动、运动控制规划，听得人头大。其实拆解开，就是三件事，一环套一环跑。

第一件是感知。不是装个摄像头就叫感知了，要把摄像头拍到的画面、力传感器感受到的压力、关节的位置、环境的温度湿度这些乱七八糟的信息，揉到一起，转成AI能读懂的信号。它得先搞清楚“我现在在哪，我面前是什么东西，我自己的身体是什么状态”，才能往下走。

第二件是决策。现在大多会用大模型当“大脑”，但是不是直接把摄像头画面丢给大模型就行，要把感知到的信息转成大模型能理解的语言，告诉它“现在有个箱子歪在路边，我该怎么办”，大模型给出方案之后，还要再把方案转成每个关节能听懂的动作指令：底座向左挪10厘米，机械臂抬5度，抓手力度调到3牛……一步都不能错。

第三件是反馈闭环。动作做出去了，不对怎么办？箱子滑了一下，抓手没抓稳，得马上调整力度和位置，一毫秒都不能等。这个实时反馈，比大模型生成一篇几千字的文章难多了。虚拟世界错了可以删了重写，物理世界错了就是撞车摔箱，搞不好要出事故。

你看波士顿动力的机器人能翻跟斗能跑酷，大家都觉得外形酷，其实最值钱的就是这个毫秒级的反馈闭环。它每跳一步，重心调整几十次，不然早就摔了。

不过话说回来，现在能落地的具身智能，都只敢在特定场景里待着。我那天见的这个，就是专门训过来码垛分拣的，你让它转去给你泡杯茶，它肯定懵，换个环境变量一变，它那点经验就不够用了。

火爆背后的坑，别被PPT吹得晕头转向

这两年具身智能火得一塌糊涂，好像明天就能家家户户都有个机器人保姆了。我蹲完车间最大的感受就是，路还长着呢，好多坑还没填。

第一个误区，就是觉得大模型参数越大，具身智能就越强。不对，大模型给了它做决策的脑子，但是物理世界的变量比虚拟世界多一万倍。你在家放个拖鞋在门口，训了一万次客厅环境的机器人，说不定就因为多了这双拖鞋卡壳。大模型再强，也不可能把物理世界所有可能的意外都训一遍，这个适配的问题，现在还没好的解法。

第二个误区，就是说具身智能要抢所有人的饭碗。我那天跟车间主任聊天，他说现在招年轻人来干码垛，开多少钱都招不到，都是干了十几年的老工人，腰都累坏了，实在干不动。现在机器人干的，都是没人愿意干的重体力、高重复的活，真说要抢复杂工序的活，十年内都未必能实现。倒是能把人从最累的活里解放出来，这是真的。

再说风险，真往生活里走，安全问题绕不开。一个能自由活动的机器人，小到家里帮你拿快递的，大到工厂里几吨重的机械臂，程序出问题了怎么办？撞到人谁负责？它到处走到处扫，收集了一堆家里、工厂的环境信息，这些数据存在哪，会不会泄露？

还有大家没怎么提的，情感的边界。以后要是真的有护理机器人，能帮独居老人喂饭穿衣擦身子，能陪老人说话，老人会不会对机器人产生依赖，反而更疏远了和人的连接？这些问题，现在都没人能说清楚答案，要等走一步看一步。

那天从车间出来，开车回市区，秋天的风从车窗吹进来，南京城外的稻子都黄了，晃得人眼晕。我就在想，之前这么多年的AI，大多都活在屏幕里，给你推广告，帮你写稿子，识别个图片，都是在虚拟世界打转。这回具身智能不一样，它是真的要踩进我们的物理世界里，和我们共享同一个空间了。

它不是什么改变人类命运的黑魔法，也不是骗投资的风口概念，就是一群工程师在车间里一点点调参数，一个个场景试错，慢慢磨出来的东西。今天能码好一个箱子，明天能分好一个快递，后天说不定就能帮老人换个灯泡扶个楼梯。

别着急。慢慢来。