具身智能：AI的新风口还是伪命题？

随着继ChatGPT之后的一系列AI聊天机器人的涌现，市场似乎已经开始对这些产品感到审美疲劳。然而，值得注意的是，AI产业正在迎来一个全新的发展方向。

在2023年的ITF World半导体大会上，英伟达的CEO黄仁勋再次发表激动人心的言论，他预测人工智能的下一个浪潮将会是具身智能。

具身智能是一种新型的智能技术，它将人机交互的方式带入了一个全新的境界。随着具身智能技术的不断发展和成熟，未来有望在通信、计算和存储等领域发挥重要作用。据国盛证券分析师宋嘉吉等人的研究，具身智能将成为这些领域的新载体，从而为投资者带来巨大的机会。因此，对于具身智能技术的研究和应用，我们应该给予足够的关注和重视。

什么是具身智能？

具身智能（Embodied Intelligence）是一种将人工智能算法与实体设备的感知、行为及环境互动相结合的技术。这种技术使得机器能够以更加自然、更加智能化的方式去感知和解决问题，从而实现与环境的更好地交互。在机器智能领域中，具身智能正在逐渐成为一种重要的研究方向，它不仅有助于提高机器的自主性，同时也能让机器更好地适应并解决现实世界中的问题。

原人工智能系统主要侧重于处理数据和符号推理，然而，具身智能则将重点放在了机器与环境的直接交互上，通过感知、行动来获取知识和经验，并在不断的实践中自我优化和改进。这种 shift 从数据驱动的处理方式转向了以环境为中心的互动方式，标志着人工智能领域的重大转折。

简单来说，类似GPT-4这样的大模型，对物理世界并不能真的产生影响，而具身智能则多了一个身体，通过传感器收集环境信息，利用机械执行器进行物理操作，或者通过机器人等具体实体与人类和环境进行实时互动。

具身智能旨在实现机器对复杂环境的更深入理解与适应，提升问题解决效率，以及增强行为灵活性。通过整合感知、决策与执行环节，具身智能让机器展现出更为接近人类智能的特点，进而于机器人技术、自动驾驶及智能制造等多个领域发挥关键作用。

国盛证券分析师指出，具身智能可以理解、推理并与物理世界互动：

AIGC的“智能”表现在能够进行上下文理解和情景感知，输出文字、图像、声音，而具身智能能够在物理世界中进行操作和感知，输出各种机械动作。通过对物理环境的感知和实际操作，具身智能可以获得更全面的信息和数据，进一步提高对环境的理解和决策能力。按照具身智能的定义，目前具身智能的实例繁多，其中包括人形机器人、自动驾驶汽车等。

有望催化下一波人工智能应用浪潮

为什么黄仁勋认为，具身智能有望催化下一波人工智能应用浪潮？

分析师认为，具身智能有着物理反馈、物理输出的特性，可以成为成为通信、计算和存储的新载体：

当前物联网模组进入AIoT时代，集成了边缘算力的智能模组正在逐渐成为支撑边缘算力的核心形式。具身智能将边缘算力需求提升到了一个新高度，具身智能的“大脑”不仅要处理视觉信息、生成提示词，更要负责输出指令来执行机械动作，例如特斯拉针对Optimus开发了DOJOD1芯片，充沛的算力（362TFLPOS@FP8）驱动Optimus机器人流畅执行各种任务。

因此我们认为，在移动芯片无法满足所需算力的场景下，边缘IDC将是算力的有效补充措施。

具身智能的通信强调低时延、多连接、连续性能力。例如自动驾驶汽车上，L4级别需要带宽>100Mbps，时延5-10ms。具身智能未来也有望进化成结构复杂、体型庞大或者多点分布的产品，各子模块之间需要信息融合、多维感知、协同运行，本身也会需要稳定高速的无线连接。

我们认为，未来具身智能将会越来越强调边缘通信能力与边缘算力的匹配和耦合。

对于具身智能和GPT这样的非具身智能吾孰优孰劣，我们也专门询问了ChatGPT，它的回答如下：

具身智能和GPT在智能领域中属于不同的概念和应用方向。

具身智能强调机器通过与物理实体的感知和行动交互，以更自然、智能的方式与环境进行交互。它关注于将机器智能与物理世界相结合，通过传感器和执行器与环境进行实时互动，从中学习和适应。具身智能注重于解决实际问题，例如机器人技术、自动驾驶、智能制造等领域，要求机器能够感知周围环境、进行决策和执行相应的物理操作。

相比之下，GPT是一种基于大规模语言模型的自然语言处理技术。它在文本理解、生成和对话等任务上表现出色，可以生成具有语法正确性和一定逻辑连贯性的文本。GPT在处理大量文本数据时具有优势，并可以通过无监督预训练和有监督微调的方式进行训练。它在理解和生成自然语言方面取得了显著的成果，被广泛应用于文本生成、机器翻译、问题回答等领域。

因此，具身智能和GPT在应用范围和技术重点上存在差异。具身智能关注于机器与物理环境的交互和问题解决，而GPT则专注于自然语言处理任务。它们可以在不同领域和应用中发挥各自的优势。