作为人工智能发展的重要分支，具身智能近年来频繁出现在大众视野中。简单来说，传统人工智能系统侧重于数据处理和算法优化，类似于人类的大脑功能；而具身智能则更强调机器与物理环境的互动与交流，堪称大脑与身体的紧密结合。自2022年底大模型技术爆发以来，具身智能终端迎来了全新发展机遇——通过将大模型接入机器人，赋予机器人常识性知识，使其能够应对复杂的物理世界任务。本文将从具身智能终端的类型、大模型与机器人的融合现状、以及机器人对芯片的特殊需求三个维度，为你提供一份完整的技术指南。

一、具身智能终端有哪些？

在日前举办的芯原AI专题技术研讨会上，神顶科技（南京）有限公司董事长兼CEO袁帝文展示了多个典型的具身智能终端实例，主要包括以下类别：

• 工业机器人：用于制造、装配、搬运等工业场景。
• 人形机器人：模仿人类形态，可执行更复杂的任务，如特斯拉Optimus。
• 自动驾驶：让车辆在真实道路环境中自主行驶。
• 低空飞行：如无人机、飞行汽车等。
• MR/AR：混合现实/增强现实设备，实现数字与物理世界的交互。
• AGV/AMR：自动导引车/自主移动机器人，常用于仓储物流。

重点提示：具身智能终端的发展离不开两大核心技术支撑——大模型和3D空间计算。大模型提供常识推理能力，而3D空间计算则让机器人能够精准感知并操作物理空间。

二、国内外科技企业致力于将大模型接入机器人

自2022年底大模型技术进入公众视野以来，国内外科技企业纷纷加速大模型的应用落地，而将大模型接入机器人已成为各大科技公司、机器人企业的重点研究方向。

2.1 早期突破：VoxPoser系统

早在2023年7月，AI科学家李飞飞带领的团队发布了具身智能的最新成果——VoxPoser系统。该系统将大模型接入机器人，能将复杂指令转化为具体的行动规划。人类可以轻松地用自然语言向机器人下达指令，机器人无需额外数据和训练。与传统方法需要额外预训练不同，VoxPoser直接利用大模型指导机器人与环境交互，有效解决了机器人训练数据稀缺的难题。

2.2 大型科技公司的布局

从OpenAI到Google DeepMind，几乎所有掌握人工智能技术的大型科技公司，都在致力于将支持聊天机器人的多功能学习算法接入机器人中。其核心目标是让机器人具备常识性知识，从而能够处理多样化的任务。

• OpenAI重启机器人业务：有消息称，随着人工智能机器人投资热度持续升温，OpenAI将重启其机器人业务，目前正在积极招募研究工程师，以重建此前解散的机器人团队。
• 特斯拉Optimus人形机器人：2024年6月14日凌晨，特斯拉在美国得克萨斯州总部举行2024年股东大会。马斯克表示，特斯拉将于2025年开始“限量生产”人形机器人Optimus，并于明年在自有工厂测试类人机器人。他预测，明年特斯拉将拥有“超过1000个，甚至数千个在运行的Optimus机器人”。
• 国产机器人进展：近期国产机器人领域动作频频——全球首例纯电驱全尺寸人形机器人“天工”首次在北京人形机器人创新中心实现“拟人奔跑”；宇树科技发布瞄准老年人陪护市场的新型人形机器人Unitree G1；工业版人形机器人Walker S进入蔚来总装车间“实训”，当起“见习厂工”。
• 科大讯飞：公司已于2023年全球“1024开发者节”上正式发布了“大模型+具身智能”的人形机器人技术原型。2024年5月31日，公司启动讯飞机器人超脑平台2.0项目，以视听融合的多模感知交互和基于大模型的机器人大脑，通过软硬件一体的方式构建机器人新交互，将讯飞星火大模型进一步赋能机器人领域。

2.3 手机和PC大模型对机器人的促进作用

过去大半年时间，手机和PC大模型发展迅猛，通过大语言模型可以提供智能办公助手、个性化推荐系统、图像与视频处理、健康监测与管理、教育与学习、创意写作与内容创作等多种服务。袁帝文在日前的大会上谈到，大模型在手机和PC上的发展，实际上也有助于机器人大模型的发展。因为机器人本身就是一个终端，它所需要的基本功能往往涵盖了手机和PC的核心能力。

2.4 机器人大模型的独特挑战

不过，袁帝文认为，机器人大模型面临的挑战远高于手机和PC。具体体现在以下四个方面：

• 多模态数据处理：使机器人综合利用多种感知信息，全面理解环境和任务需求。
• 自主导航和定位需求：机器人需要自主移动，进行路径规划和障碍物避让。
• 物理空间交互：机器人不仅处理信息，还要能与物理环境交互，执行搬运、组装、清洁等物理任务。
• 实时性要求：机器人执行任务时需要低延迟的控制系统，确保动作的准确性和及时性，特别是在高速移动或精细操作时。