通信世界網(wǎng)消息（CWW）當(dāng)前具身智能的發(fā)展正經(jīng)歷從“淺層執(zhí)行”到“深度賦能”的關(guān)鍵轉(zhuǎn)型，而空間智能、世界模型與5G、6G技術(shù)的協(xié)同，將重塑萬物互聯(lián)的底層邏輯，推動(dòng)智能體互聯(lián)邁向新階段。

工信智媒體(通信世界)記者采訪了北京郵電大學(xué)教授呂廷杰，他強(qiáng)調(diào)：“我國(guó)具身智能的發(fā)展仍處于‘嬰幼兒時(shí)代’，核心表現(xiàn)為‘小腦智能’的成熟與‘大腦智能’的缺失，而具身智能要實(shí)現(xiàn)質(zhì)的飛躍，必須突破‘大腦智能’的瓶頸，而其核心技術(shù)基礎(chǔ)正是空間智能與世界模型”。

具身智能的發(fā)展仍處于“嬰幼兒時(shí)期”

“我國(guó)具身智能的發(fā)展已呈現(xiàn)出鮮明的實(shí)用化轉(zhuǎn)向。以往具身智能相關(guān)應(yīng)用多集中在個(gè)人娛樂、才藝展示等領(lǐng)域，而如今，越來越多的設(shè)備開始滲透到生產(chǎn)制造、物流運(yùn)輸?shù)群诵墓I(yè)場(chǎng)景，成為高端制造業(yè)升級(jí)的重要支撐。”呂廷杰認(rèn)為，這一變化并非偶然，2025年是“十四五”收官之年，我國(guó)高端制造業(yè)已取得矚目成就，2025年前11個(gè)月出口貿(mào)易順差突破1萬億美元，其中80%來自高端工業(yè)制品，這一數(shù)據(jù)背后，是具身智能設(shè)備在提升生產(chǎn)效率、保障生產(chǎn)安全等方面的持續(xù)賦能，也印證了其工業(yè)滲透率的不斷提升。在他看來，這一趨勢(shì)既是對(duì)過往技術(shù)積累的成果檢驗(yàn)，更是未來產(chǎn)業(yè)升級(jí)的重要開端。

呂廷杰坦言，當(dāng)前全球具身智能的發(fā)展仍處于“嬰幼兒時(shí)期”，核心表現(xiàn)為“小腦智能”的成熟與“大腦智能”的缺失。他舉例說明，如今的機(jī)器人能靈活跳舞、快速攀爬、負(fù)重前行，甚至被踹翻后能迅速起身繼續(xù)運(yùn)行，這些平衡與執(zhí)行能力在國(guó)際上屢獲佳績(jī)，但本質(zhì)上只是基于預(yù)設(shè)程序的自動(dòng)化或由人遙控，而非智能化，原因就在于尚缺乏對(duì)復(fù)雜物理世界的自主感知與決策能力�！熬拖窈⒆訉W(xué)步，小腦平衡能力和關(guān)節(jié)的柔韌性不斷提高，但卻不懂判斷環(huán)境、靈活應(yīng)變”，他這樣比喻。

“具身智能要實(shí)現(xiàn)質(zhì)的飛躍，必須突破‘大腦智能’的瓶頸，而這一核心的關(guān)鍵正是空間智能與世界模型�！痹谒磥恚Z言模型基于人類已知的主觀世界，模擬的是文字邏輯、心智表達(dá)等能力，能寫出漂亮的文章、畫出抽象派的畫作，卻無法理解“被風(fēng)吹起的空塑料袋或報(bào)紙等并不會(huì)砸壞汽車”等物理世界規(guī)律——因?yàn)榭陀^世界要遠(yuǎn)遠(yuǎn)大于人類的主觀世界。

世界模型與5G、6G協(xié)同共建“萬物智聯(lián)”

世界模型聚焦的是物理世界的客觀規(guī)律，是多模態(tài)的感知與決策系統(tǒng)。呂廷杰解釋，人類通過“眼耳鼻舌身意”六根來感知世界，世界模型正是要模擬這種多維度感知能力，整合視覺、聽覺、觸覺等信息，讓機(jī)器理解空間關(guān)系、因果邏輯。他舉例，自動(dòng)駕駛走到L3級(jí)便止步不前，核心問題就是缺乏世界模型的賦能。很多人說，特斯拉的自動(dòng)駕駛FSD做得比較好，主要因?yàn)槠湟恢睆?qiáng)調(diào)“看得懂”，而不只基于是語言模型的“讀得懂”。

“5G、6G的核心價(jià)值是‘物與物的通信’，但當(dāng)前5G應(yīng)用場(chǎng)景不足的關(guān)鍵在于‘物尚未智能化’”。當(dāng)世界模型賦能具身智能，機(jī)器人、自動(dòng)駕駛設(shè)備等成為具備感知、自主決策能力的“智能體”，它們就需要通過低時(shí)延、高可靠的5G、6G網(wǎng)絡(luò)獲取數(shù)據(jù)、協(xié)同工作，這正是通信技術(shù)的核心應(yīng)用場(chǎng)景。

他特別提到，華為等深耕通信設(shè)備的的企業(yè)，無需過度卷入大語言模型的內(nèi)卷，其優(yōu)勢(shì)更契合聚焦世界模型研發(fā)。當(dāng)“物”具備智能，5G、6G的通信價(jià)值才能真正釋放，萬物互聯(lián)才能從“簡(jiǎn)單連接”走向“智能協(xié)同”。比如物流機(jī)器人通過6G網(wǎng)絡(luò)與倉庫系統(tǒng)實(shí)時(shí)聯(lián)動(dòng)，自主規(guī)劃路線、規(guī)避障礙；家庭護(hù)理機(jī)器人感知老人身體狀態(tài)后，通過網(wǎng)絡(luò)對(duì)接醫(yī)療資源，這些場(chǎng)景的實(shí)現(xiàn)，都離不開世界模型與5G、6G的雙向賦能，也就是正在浮現(xiàn)中的“智能體互聯(lián)網(wǎng)”。有機(jī)構(gòu)預(yù)測(cè)，到2030年，全球智能體的數(shù)量將達(dá)到90億，這是一個(gè)潛在的巨大通信市場(chǎng)。

對(duì)于產(chǎn)業(yè)發(fā)展方向，呂廷杰建議，國(guó)內(nèi)企業(yè)應(yīng)跳出大語言模型的內(nèi)卷，聚焦空間智能與世界模型的底層技術(shù)突破。他判斷，未來國(guó)內(nèi)能站穩(wěn)腳跟的大語言模型企業(yè)不會(huì)超過5家。而世界模型與語言模型的基礎(chǔ)數(shù)據(jù)、算法架構(gòu)完全不同，前者需要多模態(tài)數(shù)據(jù)與CNN卷積算法等技術(shù)，是全新的賽道。我國(guó)在具身智能的“小腦能力”上已有扎實(shí)基礎(chǔ)，物流、醫(yī)療、家庭護(hù)理等領(lǐng)域應(yīng)用場(chǎng)景豐富，接下來更應(yīng)鼓勵(lì)龍頭企業(yè)搭建開源的世界模型底座，讓中小企業(yè)能在此基礎(chǔ)上開發(fā)垂直場(chǎng)景應(yīng)用，形成“底座+應(yīng)用”的產(chǎn)業(yè)生態(tài)。

他預(yù)測(cè)，基于世界模型的文創(chuàng)產(chǎn)業(yè)將成為新的就業(yè)藍(lán)海。根據(jù)谷歌DeepMind團(tuán)隊(duì)負(fù)責(zé)人哈撒比斯的觀點(diǎn)，當(dāng)前大語言模型只能生成1～2分鐘符合物理規(guī)律的視頻，而世界模型成熟后，將至少能生成1～2小時(shí)的數(shù)字孿生物理世界，這將徹底顛覆動(dòng)漫、游戲、電影等產(chǎn)業(yè)的運(yùn)作模式。為此，谷歌在剛剛發(fā)布的“2026年行動(dòng)計(jì)劃”中，明確提出要打造既有語言模型、又有強(qiáng)大世界模型的全能模型。

總之，“人工智能的終極目標(biāo)是幫助人類探索未知的物理世界規(guī)律，走向超人工智能（ASI），而空間智能、世界模型與5G、6G的協(xié)同發(fā)展，正是這條道路上的關(guān)鍵一步�！�