1.中国电子学会近日组织座谈会，探讨具身智能、智能机器人和人形机器人的发展趋势与挑战。
2.专家表示，具身智能是人工智能的分支，智能机器人是具身智能的一种形式，人形机器人是智能机器人的最高形态。
3.具身智能发展面临人才短缺、数据集规模有限和创新理论不足等挑战。
4.为此，专家建议引进国际人才、建立国家级智能训练体系，以及加强产学研协同育人。
5.同时，推进人形机器人产业化落地，赋能千行百业。
以上内容由腾讯混元大模型生成，仅供参考
央广网北京3月23日消息（记者 黄昂瑾）今年全国两会期间，“具身智能”“智能机器人”等概念首次出现在政府工作报告，引发各界高度关注。这些概念的提出，传递出哪些新机遇、展现了哪些新趋势？近日，中国电子学会组织召开“贯彻落实全国两会精神—推动具身智能和人形机器人创新发展座谈会”。多位具身智能和人形机器人领域专家、企业代表，围绕产业发展趋势、行业难点及建议展开讨论。
概念：
具身智能是人工智能的分支，
最终要实现通用智能
座谈会上，多位专家首先围绕具身智能、智能机器人、人形机器人的概念，以及三者之间的关系进行了阐述。从概念范围来看，具身智能是人工智能的分支，智能机器人是具身智能的一种形式，人形机器人是智能机器人的最高形态。从功能和应用场景的角度表示，具身智能的发展目标是实现通用智能，以物理实体为载体，并能与物理世界进行感知、交互，最终能赋能千行百业，帮助人类解决实际问题。
国家地方共建具身智能机器人创新中心熊友军表示，相关概念在学术领域暂未得到没完全统一，随着技术的发展，概念仍在持续更新。“具身智能应该是人工智能的一个分支，它主要是基于物理实体，能够与物理世界进行感知和交互，并具备行动智能系统。”熊友军补充称，“具身智能要能构成智能体对物理世界的感知、决策、思考和行动的闭环。”
“现在的智能可能是‘动嘴皮子’，具身智能是要实干的，是一个‘实干’。”熊友军认为，智能机器人应该是具身智能的一种形式，它有物理的身体，能够与物理世界构成感知、交互和思考行动的能力。它区别于传统的智能化的设备。“人形机器人，除了长得像人，应该是功能和思考行为，模拟人的一种机器人。”
国家地方共建人形机器人创新中心总经理许彬围绕具身智能机器人提出三个基础认识和两个判断。他表示，第一，具身智能是人工智能的重要分支。第二，人形机器人是智能机器人的最高形态。第三，具身智能是智能机器人走向更高阶应用的主要途径。“还有两个基本判断，一是基于数据逻辑，只有人形机器人才能实现通用人工智能，二是基于模型逻辑，具身智能是通往通用人工智能的必由之路。”
清华大学交叉信息研究院助理教授、星动纪元创始人陈建宇表示，“我们希望做出通用机器人，真正能赋能千行百业，让它走进千家万户。通用机器人一定是两部分组成，一部分是通用智能，一部分是通用本体。”
“我认为通用机器人属于智能机器人的一部分，智能机器人既包含智能，又包含机器人，它应该是不限定机器人的形态。具身智能是比较通用的智能，未来具身智能应该也包含了语言的智能、视觉的智能、行动的智能，应该可以和各种各样不同的本体相结合。人形机器人是属于通用本体或者通用机器人本体的一类。”陈建宇解释道。
挑战：
发展具身智能亟需人才，
协同数据集、创新理论是关键
具身智能作为未来产业尚处于发展初期，仍面临诸多挑战。
人才方面，熊友军指出，现阶段人形机器人研发人才较为稀缺，“比如人形机器人数据集方面的人才，我们是通过从行业中找到相近领域的人才，再进行培养。”对此，他建议引进国际人才，为海外人才科研项目提供资金支持。
谈及人才短缺的问题，宇树科技副总经理王启舟也呼吁国内高等院校注重培养具身智能、人形机器人等前沿科技领域的人才。
北京理工大学教授岳裕丰指出，具身智能是一个强交叉的学科，涉及到人工智能、机器人、自动控制等。围绕一体化人才培养，他提出，“具身智能是与场景和硬件载体紧耦合的领域，不像DeepSeek等大模型，可以‘秀才不出门全知天下事’，要做这个领域，学生必须扑到一线，结合具体的场景进行研发实践。”
“具身智能特别需要产学的协同育人，因为企业界有大量的数据、算力和场景，学校有密集的人才和智力资源，最终做到人才的自主培养，使学生们既具有掌握前沿大模型的前沿的能力，又能够脚踏实地去设计具身智能机器人系统。”岳裕丰补充道。
除了人才培养，建立数据集是发展具身智能过程中的关键一环。座谈会上，多位专家围绕扩大数据集规模、提升数据集使用效率等提出了建议。
熊友军表示：“现在很多单位已经开始开源一些数据集，建立了数据收集厂，收集数据、开源数据，但是数据集的规模还较小，任务比较单一。目前我们在训练机器人的大脑，训练机器人智能体方面，仍存在训练效率较低，成本偏高等问题。”
对此，熊友军建议，把各家数据集打通，实现协作，从而支持全国的具身智能机器人训练。“因为数据集收集起来成本太高，如果只有一家企业用，不足以充分发挥它的价值。
许彬也呼吁建立国家级的智能训练体系，“现在靠单一的企业很难形成规模化的异构的、高质量的数据。”
此外，许彬认为，当前数据训练各个路径都已经比较清晰了，未来更多需要理论上的突破。“很多企业已经训练出了不少模型，但像DeepSeek这样实现跨越式发展的还是非常少，大部分的模型成功率在60%至80%，而机器人要真正落地应用，需要成功率达99.9%以上。因此人工智能亟待理论上的突破，才能得以进一步发展。理论突破需要进一步加强研究机构的协同。”
应用：
推进人形机器人产业化落地，
赋能千行百业
乐聚（深圳）机器人技术有限公司董事长冷晓琨指出，探索人形机器人的产业化应用，怎么更好地服务于人，服务于产业，这才是研发人形机器人的本质要求。
“人形机器人最终的爆发，期望的都是它最终进入到家庭。”冷晓琨介绍，地方政府负责人在公司调研期间十分关心人形机器人什么时候能养老、什么时候能进家庭。对此，他表示，“我的判断是三到五年人形机器人能用起来，可以在身边真正用起来，但真正批量地进入家庭（还需要更长的时间），因为不光涉及到技术，还涉及到安全问题、伦理问题、准入机制问题。目前我们正重点围绕科研和工业两大场景推动机器人产业化。”
谈及人形机器人应用，上海交通大学博士生导师、智元新创联合创始人兼首席创新官闫维新表示，他看好危险替代场景。“我们很关注在危险场景下的操作，而危险场景下的操作具备一定自主性。”
“人形机器人我建议借鉴医疗器械分类界定的模式，将人形机器人和人之间的交互，分为零交互、弱交互、中交互、强交互，以人形机器人所从事的行业作为分类界定的依据，来判别其交互性以及安全性和伦理性。”闫维新补充道。