具身智能是什么——2026年机器人为什么突然变聪明了

去年看机器人视频，还是实验室里摇摇晃晃地走路。今年再看，机器人已经能叠衣服、搬箱子、在工厂里自己找活干。变化这么大，背后是一个叫具身智能的方向，我试着用大白话讲讲。

具身智能，说白了就是让AI不只在电脑里回答问题，而是有个身体，能看、能听、能动手。以前机器人靠程序员把每一步动作写死，换个环境就废。现在靠大模型，机器人看到什么、听到什么，自己决定下一步干什么，不用人教每个细节。

关键变化是2025到2026年出来的VLA模型，也就是视觉-语言-动作模型。它把摄像头画面和人类指令直接变成机器人的动作指令，相当于给机器人装了个会干活的大脑。特斯拉的Optimus、宇树的G1、智元的远征A2，用的都是这个思路。

价格也在往下掉。宇树G1的量产价已经到十几万人民币一台，比两年前同类产品便宜了一个数量级。国内一些工厂开始小批量试用，主要干搬运、分拣这种重复活。杭州一家物流仓的负责人跟我说，两台机器人顶三个夜班工人，一年回本。

现在最大的瓶颈是数据。机器人不像大模型可以拿互联网文本训练，动作数据要靠真机采集，慢而且贵。行业里都在搞遥操作采集：人戴着设备操作一遍，机器人把动作记下来当训练数据。这个环节谁效率高，谁就能跑在前面。

我的判断是，2027年具身智能会从能演示走到能干活，但离进普通家庭还早。想跟的可以从开源项目入手，宇树和智元都开放了开发套件，自己动手跑一遍，比看一百篇科普都明白。

标签： 具身智能 人形机器人 VLA模型 AI科普