[首發于智駕最前沿微信公眾號]每當提到具身智能，第一反應可能就是一個人型機器人，擁有和人類一樣的外貌，可以行走、奔跑，甚至可以承擔人類的一些簡單的重復工作，那具身智能就一定要像人嗎？

什么是具身智能？

具身智能強調的不僅是大模型思考的能力，還包括用身體去感知、去試錯、去碰環境的過程。舉個簡單的例子，你擰瓶蓋、用筷子夾菜、在擁擠的人群里穿行，這些動作背后不僅有腦子在算，手指的形狀、皮膚的觸覺、關節的可動范圍這些“身體屬性”也在幫忙，具身智能要實現的，也是這些能力。這種把身體和認知綁在一起的想法叫做“具身認知”，在機器人領域便被稱作“具身智能”。

圖片源自：網絡

具身智能的關注點比傳統的“把大腦搬上機器”更高些。傳統機械的功能實現是將傳感器數據傳給中央算法，再輸出動作；而具身智能強調的是感知和動作是一個聯動的閉環。比如機器人下樓梯的一個動作，它的相機、腳感傳感器、控制器和腿的機械結構將共同決定它能不能安全下臺階。腿的長度、彈性、腳底形狀這些“物理細節”會顯著影響控制策略和學習效率。把這些因素當作整體來考慮，能省掉很多計算量，讓系統更穩健、更高效。

身體為什么會影響智能？

了解了具身智能是個啥，相信一定會有人覺得奇怪，既然身體只是執行工具，又怎么會影響智能呢？其實對于具身智能來說，身體本身就能做一部分“計算”，這也是具身智能領域常說的“形態學計算”。比方說帶彈簧的腿在跑步時會把能量部分存起來再釋放，減少控制器需要實時調節的幅度；軟體機器人可用被動變形來適應復雜地形，靠材料的特性來完成一部分感知和調節工作。這些都是身體用物理法則在替模型“算”事情，從而讓高層控制和學習的負擔減輕。

人類和動物的行為邏輯并不是先把世界看清楚再決定做什么，而是在不斷試探中感知世界。一個抓取動作會在觸覺到來的一瞬間修正手指的位置和力度。機器人如果能把感知和動作緊密耦合，就能用更少的感知數據、用更簡單的模型完成復雜任務。具身智能的設計中一定要把傳感器布局、機械結構和控制算法一起設計，而不是先決定“大腦”再把身體套進去，這就是所謂的身體與控制協同設計。

圖片源自：網絡

由于不同的任務和環境天然適合不同的身體形態。在平整地面上做巡檢，輪式平臺既省能又可靠；在復雜的野外環境里，四足或多足機器人因為腿能夠跨越障礙而更合適；在狹窄復雜的管道內部，軟體蛇形機器人更容易通過，這都會決定具身智能的外貌。而在廚房、辦公室等場景的很多工具和家具都是為人設計的，這時候如果機器有類似人的手部和活動范圍，就能更方便地使用現成工具。

具身智能一定要像人嗎？

其實說到這里，對于具身智能是否要像人這個問題的答案就已經很明確了，那便是“不一定”。具身智能是否要做成人形，取決于任務、環境、交互對象和成本效益等因素。在很多實際應用里，非人形的設計會更簡單、更可靠、更經濟，也更能滿足需求。掃地機器人只要能在地上移動、避障、吸塵就行，完全不需要兩條腿或者一張臉。倉庫里搬箱子的機械臂、港口的自動化堆高機、農業里的植保無人機，這些都是具身智能的應用場景，但它們的形態各異，且都不需要模仿人的外貌。

既如此，相信又會有很多小伙伴會問，為什么現在很多發布會一直偏好做“像人”的機器人？其實這有幾方面原因。社會交互的便利性。當機器人要承擔陪伴、接待或醫療輔助手段時，人類習慣用人的交流方式理解和評價對方。面部表情、語言、手勢這些社交信號如果被機器人部分復現，會讓非專業用戶更容易接受和信任。

圖片源自：網絡

現有的人類環境本身也對“人形”有天然偏好，門把手、臺階、座椅這些東西是以人的身體尺度和操作習慣設計的。如果希望機器人直接在現有環境里工作，模仿人的手和臂會更具適應性。此外，這也有一定的文化和審美驅動，研究團隊或公司可能以“機器人像人”為產品賣點，從而吸引更多人的討論。

雖然很多企業都崇尚仿人的具身智能，但這樣的設計會帶來很多問題。仿人設計在力學控制、穩定性、能耗和可靠性上都有更高要求。雙足行走的平衡控制本身就很難，制造出一個既靈活又耐用的仿人關節需要復雜的傳感器和高性能執行器，整體成本很高，這也是為何在小鵬的“IRON”人形機器人在發布會上走了一圈后，被大家廣泛討論的原因。

再者，仿人外形如果行為不夠協調，就容易觸發“恐怖谷”效應，反而讓人感到不舒服。而且仿人設計需要非常復雜的機構設計，越復雜的機構、越多的自由度，意味著越多的潛在故障點，這會讓維護成本大幅上升。

反觀人類的設計，很多產品外觀都是由大自然的動物提供的靈感，自然界中的動物外形是各異的。章魚的柔軟身體解決了復雜環境下的抓握問題，鳥類的空中機動性給飛行提供了不同的方案，魚類的流線形適合水下推進。這也說明模仿某種生物的特性可以帶來優勢，但不必非得模仿人類。具身智能的外觀設計也應如此，要從功能出發，而不是僅以“像人”這一審美目標去設計。

最后的話

回到一開始的問題，具身智能一定要像人嗎？可以肯定地回答：不一定。具身智能的形態應由任務和使用場景決定，而不是由對“像人”的偏好主導。很多情況下，非人形的設計會更節能、更可靠、更易落地。當然，當交互和社會接受度成為關鍵因素時，有選擇地做一些擬人化的特征（比如更容易理解的面部顯示或語音交互）是有價值的，但那不等于要做一個全功能的擬人機體。