吕廷杰：具身智能的飞跃必须突破“大脑智能”瓶颈

通信世界网消息（CWW）当前具身智能的发展正经历从“浅层执行”到“深度赋能”的关键转型，而空间智能、世界模型与5G、6G技术的协同，将重塑万物互联的底层逻辑，推动智能体互联迈向新阶段。

工信智媒体(通信世界)记者采访了北京邮电大学教授吕廷杰，他强调：“我国具身智能的发展仍处于‘婴幼儿时代’，核心表现为‘小脑智能’的成熟与‘大脑智能’的缺失，而具身智能要实现质的飞跃，必须突破‘大脑智能’的瓶颈，而其核心技术基础正是空间智能与世界模型”。

具身智能的发展仍处于“婴幼儿时期”

“我国具身智能的发展已呈现出鲜明的实用化转向。以往具身智能相关应用多集中在个人娱乐、才艺展示等领域，而如今，越来越多的设备开始渗透到生产制造、物流运输等核心工业场景，成为高端制造业升级的重要支撑。”吕廷杰认为，这一变化并非偶然，2025年是“十四五”收官之年，我国高端制造业已取得瞩目成就，2025年前11个月出口贸易顺差突破1万亿美元，其中80%来自高端工业制品，这一数据背后，是具身智能设备在提升生产效率、保障生产安全等方面的持续赋能，也印证了其工业渗透率的不断提升。在他看来，这一趋势既是对过往技术积累的成果检验，更是未来产业升级的重要开端。

吕廷杰坦言，当前全球具身智能的发展仍处于“婴幼儿时期”，核心表现为“小脑智能”的成熟与“大脑智能”的缺失。他举例说明，如今的机器人能灵活跳舞、快速攀爬、负重前行，甚至被踹翻后能迅速起身继续运行，这些平衡与执行能力在国际上屡获佳绩，但本质上只是基于预设程序的自动化或由人遥控，而非智能化，原因就在于尚缺乏对复杂物理世界的自主感知与决策能力。“就像孩子学步，小脑平衡能力和关节的柔韧性不断提高，但却不懂判断环境、灵活应变”，他这样比喻。

“具身智能要实现质的飞跃，必须突破‘大脑智能’的瓶颈，而这一核心的关键正是空间智能与世界模型。”在他看来，语言模型基于人类已知的主观世界，模拟的是文字逻辑、心智表达等能力，能写出漂亮的文章、画出抽象派的画作，却无法理解“被风吹起的空塑料袋或报纸等并不会砸坏汽车”等物理世界规律——因为客观世界要远远大于人类的主观世界。

世界模型与5G、6G协同共建“万物智联”

世界模型聚焦的是物理世界的客观规律，是多模态的感知与决策系统。吕廷杰解释，人类通过“眼耳鼻舌身意”六根来感知世界，世界模型正是要模拟这种多维度感知能力，整合视觉、听觉、触觉等信息，让机器理解空间关系、因果逻辑。他举例，自动驾驶走到L3级便止步不前，核心问题就是缺乏世界模型的赋能。很多人说，特斯拉的自动驾驶FSD做得比较好，主要因为其一直强调“看得懂”，而不只基于是语言模型的“读得懂”。

“5G、6G的核心价值是‘物与物的通信’，但当前5G应用场景不足的关键在于‘物尚未智能化’”。当世界模型赋能具身智能，机器人、自动驾驶设备等成为具备感知、自主决策能力的“智能体”，它们就需要通过低时延、高可靠的5G、6G网络获取数据、协同工作，这正是通信技术的核心应用场景。

他特别提到，华为等深耕通信设备的的企业，无需过度卷入大语言模型的内卷，其优势更契合聚焦世界模型研发。当“物”具备智能，5G、6G的通信价值才能真正释放，万物互联才能从“简单连接”走向“智能协同”。比如物流机器人通过6G网络与仓库系统实时联动，自主规划路线、规避障碍；家庭护理机器人感知老人身体状态后，通过网络对接医疗资源，这些场景的实现，都离不开世界模型与5G、6G的双向赋能，也就是正在浮现中的“智能体互联网”。有机构预测，到2030年，全球智能体的数量将达到90亿，这是一个潜在的巨大通信市场。

对于产业发展方向，吕廷杰建议，国内企业应跳出大语言模型的内卷，聚焦空间智能与世界模型的底层技术突破。他判断，未来国内能站稳脚跟的大语言模型企业不会超过5家。而世界模型与语言模型的基础数据、算法架构完全不同，前者需要多模态数据与CNN卷积算法等技术，是全新的赛道。我国在具身智能的“小脑能力”上已有扎实基础，物流、医疗、家庭护理等领域应用场景丰富，接下来更应鼓励龙头企业搭建开源的世界模型底座，让中小企业能在此基础上开发垂直场景应用，形成“底座+应用”的产业生态。

他预测，基于世界模型的文创产业将成为新的就业蓝海。根据谷歌DeepMind团队负责人哈撒比斯的观点，当前大语言模型只能生成1～2分钟符合物理规律的视频，而世界模型成熟后，将至少能生成1～2小时的数字孪生物理世界，这将彻底颠覆动漫、游戏、电影等产业的运作模式。为此，谷歌在刚刚发布的“2026年行动计划”中，明确提出要打造既有语言模型、又有强大世界模型的全能模型。

总之，“人工智能的终极目标是帮助人类探索未知的物理世界规律，走向超人工智能（ASI），而空间智能、世界模型与5G、6G的协同发展，正是这条道路上的关键一步。”