从扭秧歌到战术动作，具身智能到底走到哪一步了？

前不久春晚舞台上，一段人形机器人的表演点燃了不少观众的热情。流畅的动作、整齐的编排，让很多人直呼“遥遥领先”。

紧接着，一段短视频又在平台上迅速传播：画面里，中国士兵一声令下，春晚“同款”机器人完成机动、交替、掩护、射击、换弹，一气呵成，仿佛已经具备战术能力。

不少人由此得出结论——具身智能已经可以上战场了。

但事实真是如此吗？

今天我们不卖关子：

春晚表演，本质上是基于预设程序的演出编排；

而那段“战术视频”，则是AI生成的合成内容。

不过，问题并没有因此失去意义。

真正值得思考的是：

如果未来AI+人形机器人要走向军事或高复杂场景应用，它还差什么？需要多久？又会在哪个国家率先成熟？

这篇文章，我们把“具身智能”拆开讲清楚。

一、什么是具身智能？

简单说四个字：AI有了身体。

过去几十年，机器人早已存在。工业流水线上的机械臂，就是最典型的代表。它们强壮、精准，但非常“死板”。一旦环境变化，系统就会失效。

而今天的大模型时代，AI拥有了理解能力。

当AI不再只存在于服务器，而是被装进一个物理躯体里，它就从“会说话的软件”，变成“能行动的存在”。

我们可以把具身智能拆解成四部分：

1. 躯体（腿和手）

2. 感知系统（视觉+触觉）

3. 大脑（芯片与算力）

3. 灵魂（大模型）

下面一块一块说。

二、躯体：腿容易，手最难

1）腿部：技术已相对成熟

谈到双足行走，就绕不开Boston Dynamics（一家美国机器人公司）。

它们最新的全电动Atlas拥有50多个自由度，跌倒后可以用非人类方式折叠身体再站起。翻跟头、跳跃都不是问题。

腿部控制，本质是“和地面博弈”。

一旦掌握平衡与重心转移的循环逻辑，就可以在不同地形上复用。

开源社区已经有大量成熟算法。

在行走这一块，软件甚至走在硬件前面。

但——

2）手部：真正的难关

走路是周期任务，

手部操作几乎都是非周期性的。

一只仿生灵巧手通常有15~20个自由度。

自由度一翻倍，控制空间指数级增长。

人类之所以能创造文明，靠的正是双手。

目前的突破方向，是尽量“像人”。

以挪威公司EXOS的腱驱动设计为例（行业常见方案），

电机放在前臂，手指内部只有高强度纤维绳索模拟肌腱。

好处是什么？

• 惯性小
• 可以高频微调
• 出现误差时会“自适应形变”

这让机器人真正有机会进入家庭，而不是只存在于围栏内的工厂。

在军事层面也是一样——

如果没有灵巧手，连“扣扳机”“换弹夹”都做不到。

三、感知：看得见，还要摸得着

光有四肢不够，机器人必须理解环境。

1）视觉系统

目前走纯视觉路线的代表，是Tesla（特斯拉）的 Optimus。

它背后的核心是FSD视觉架构。

不同于依赖激光雷达的路线，特斯拉通过多摄像头数据融合构建3D体素空间，并用占用网络预测遮挡物体。

更重要的是数据规模——

全球数百万辆车每天采集真实世界视频数据。

数据量，就是AI的粮食。

2）触觉系统：最后一块拼图

视觉之外，人类还有一项与生俱来的能力——触觉。

近年出现的新趋势，是全身覆盖数字触觉皮肤。

这种电子织物每平方厘米上千个传感单元，

并通过边缘计算在“皮肤层”先处理90%的数据，只把关键变化传给中枢。

这解决两个关键问题：

• 遮挡环境下的盲操
• 精细力度控制

比如在黑暗环境中维修设备，或者精细焊接。

没有触觉，机器人只是“看着干活”；

有了触觉，它才开始“真正接触世界”。

四、大脑：算力与芯片

这一块的主导者几乎没有悬念——

NVIDIA（英伟达）。

NVIDIA推出的机器人原生芯片平台，强调数字孪生仿真训练。

在虚拟世界中进行高速物理模拟，再把模型直接部署到实体机器人。

这意味着——

未来机器人可能实现“即插即用式学习”。

谁掌握算力，谁就掌握进化速度。

五、灵魂：大模型才是关键

如果说芯片是大脑硬件，那么大模型就是灵魂。

当前主流路径包括：

• Google（谷歌）的 Gemini
• 特斯拉自研模型
• 多家初创公司的人形机器人VLM方案

最前沿的方向，是把感知、决策、控制三段式结构，压缩为端到端神经网络。

不再是“识别—规划—执行”，

而是类似人类的“看到就动”。

这会带来一个关键能力——

在复杂环境中保持连续动作，不抽搐、不报错、不僵死。

如果未来要用于军事或灾害救援，这种连续性至关重要。

六、人形一定是最优解吗？

很多人会问：

既然要军事化，为什么非得人形？

直接给机器人装武器不是更高效？

这个问题看似合理。

但我们忽略了一点——

现有武器系统，几乎全部围绕“人类形态”设计。

枪械、车辆、建筑通道、掩体结构，都是基于人类尺寸与生理构造。

如果不是人形，就需要为每一种武器重构接口。

成本极高。

人形的优势，不在杀伤力，而在泛用性。

它可以：

• 第一阶段持枪
• 第二阶段搬运伤员
• 第三阶段驾驶载具

而不需要更换平台。

七、中国处于什么位置？

很多人会注意到，春晚机器人来自中国企业。

以宇树科技为代表，

中国的人形机器人出货量确实在增加。

但应用场景目前更多集中在：

• 教育
• 展示
• 表演

相比之下，欧美公司更倾向直接瞄准工业和社会生产。

中国真正的优势在哪里？

在供应链。

长三角和珠三角，机器人核心零部件可以在一小时车程内集齐。

谐波减速器、交叉滚子轴承、微电机、力传感器，全产业链密集分布。

规模化能力，可能比单点技术更重要。

历史上，中国在很多行业的胜出，并非最早发明，而是最早实现大规模、低成本。

具身智能，未必例外。

八、真的会走向“终结者”吗？

很多人担心：

机器人会不会抢工作？

会不会变成无人士兵？

从现实来看——

距离科幻电影还很远。

真正的瓶颈并不在“杀伤能力”，

而在泛化能力、能源密度、材料强度与系统稳定性。

更现实的问题是：

当机器人成本低于人工，

谁更有性价比？

那一天到来时，变化才会真正发生。

结语

春晚的机器人，是舞台艺术。

短视频里的战术画面，是AI合成。

但这不妨碍我们正视一个趋势：

AI正在获得身体。

具身智能正在经历百花齐放阶段。

欧洲强调人文与安全，

美国强调突破与野心，

中国强调规模与成本。

未来会如何演变，没有人能给出准确时间表。

但可以确定的是——

真正的革命，不是某一段视频，

而是当AI真正能在现实世界中持续、稳定、低成本地完成复杂任务。

那一刻，变化才算真正开始。

在那之前，

我们既不必盲目兴奋，也不必过度恐惧。

保持理性，比情绪更重要。