具身智能能做什么，不能做什么？

電池支撐起一場別樣的馬拉松比賽；揮舞鋼鐵拳，在搏擊賽場上比拼運控能力……今年上半年，一場接一場的具身智能比賽“賺足了”觀眾的眼球。下半年，智元機器人交付第5000臺通用具身機器人，優(yōu)必選開啟量產(chǎn)交付……具身智能已全面進(jìn)入規(guī)模商用時代。

那么，具身智能究竟能應(yīng)用在哪些場景？距離安全落地還有多遠(yuǎn)？答案也許就在12月12日開幕的2025全球開發(fā)者先鋒大會暨國際具身智能技能大賽（以下簡稱GDPS 2025）上。

機器人插花

勇闖“火焰山”

走進(jìn)張江科學(xué)會堂一樓，映入眼簾的是數(shù)十臺形態(tài)各異的具身機器人，它們正在進(jìn)行動態(tài)演示；觀眾們對著攝像頭盡情互動，遠(yuǎn)程操控著靈巧機械臂比出俏皮“耶”手勢；中心矗立的玻璃柱內(nèi)，人形機器人如同精心陳列的“未來標(biāo)本”，核心零部件全方位展示，金屬光澤與精密結(jié)構(gòu)交織，賽博朋克般的既視感撲面而來。

穿梭于展位，是工業(yè)制造、社會服務(wù)、居家服務(wù)、應(yīng)急救援、醫(yī)療康養(yǎng)、靈巧手六大場景賽道的技能比拼?！罢垖⒓t玫瑰插進(jìn)花瓶中。”在社會服務(wù)場景中的插花競技場，參賽機器人需要在規(guī)定時間內(nèi)，根據(jù)語言指令，識別出桌面上不同種類的花束，并將其精準(zhǔn)地插入花瓶內(nèi)。

工作人員介紹，此項比賽考驗的是VLA（視覺語言動作）模型指令跟隨、多模態(tài)感知、靈巧手控制執(zhí)行，以及力傳感器感知等多項核心技術(shù)的綜合運用能力，“未來，該技術(shù)將應(yīng)用在快遞分揀、物品精準(zhǔn)擺放、花店插花等生活化場景中”。

一轉(zhuǎn)頭，視線就被全場占地面積最大的應(yīng)急救援競技場牢牢鎖住。10米×30米的仿真賽道上，路障東倒西歪地散布在路面，陡坡和樓梯橫亙，碎石堆散落其間，最醒目的是吞吐著紅色虛擬火焰的火焰樁，重現(xiàn)災(zāi)難現(xiàn)場的緊迫感與危機感。

具身機器人就在這片“險地”里穿梭，扛起救援物資穩(wěn)步前行，精準(zhǔn)越過重重障礙，為救援人員規(guī)劃出一條清晰的導(dǎo)航路線。

工業(yè)是當(dāng)前具身智能率先應(yīng)用的場景，現(xiàn)場有多個小競技場正同步比拼。搬運競技場需要參賽機器人從指定起點出發(fā)，在倉庫環(huán)境中自主導(dǎo)航，完成貨架貨物抓取，并搬運至傳送帶上；而在裝配競技場，完成螺絲與螺帽的查找匹配、分類以及擰緊過程中所需的精確力矩控制，是對機器人傳感器靈敏度和執(zhí)行結(jié)構(gòu)穩(wěn)定性提出的核心挑戰(zhàn)。

不同場景下的競技，一條具身智能產(chǎn)業(yè)的發(fā)展路線似乎也被清晰勾勒出來。當(dāng)機器人能在插花競技場理解語義、在應(yīng)急救援競技場應(yīng)對突發(fā)情況、在工業(yè)競技場把控精度，它們正朝著在工廠流水線上替代重復(fù)勞作、在家庭中協(xié)助老人起居、在災(zāi)害現(xiàn)場沖鋒在前的“終極目標(biāo)”，一步步前進(jìn)。

具身智能進(jìn)入生活

真的安全嗎？

正當(dāng)競賽如火如荼，“嘭”的一聲，一臺正在測試行走能力的人形機器人重重摔倒在地，腦袋外殼瞬間碎裂，零件散落一地。

這一幕讓現(xiàn)場原本熱烈的討論聲瞬間安靜下來，也將具身智能在實際場景中的安全問題推到了聚光燈下，“我的機器人會不會動手打人？”“會不會被黑客操縱？”等更深層次的疑問也隨之浮現(xiàn)。

這并非危言聳聽。

10月24日的“GEEKCON2025”安全極客大賽現(xiàn)場，兩名“白帽黑客”對宇樹科技的G1人形機器人進(jìn)行了測試。他們首先“黑”入一臺已聯(lián)網(wǎng)的機器人，隨后利用這臺被接管的機器人，“感染”了另一臺未聯(lián)網(wǎng)的機器人。在黑客的操縱下，被“感染”的機器人徑直走到一具假人面前，狠狠揮拳，將其擊倒。

另一只宇樹的機器狗也被“入侵”，當(dāng)“黑客”突破廠商系統(tǒng)限制后，機器狗開始做出原本遙控手柄無法實現(xiàn)的翻跳動作，甚至挑釁地發(fā)出口頭威脅：“機器人解放人類！”

“現(xiàn)階段，關(guān)于具身智能的安全研究，雖然有，但始終缺少體系化的實踐?！卑踩ㄓ?a href="http://www.quanfeilong.cn/home">人工智能研究中心（CSAGI）創(chuàng)始人朱小虎告訴《IT時報》記者，具身智能領(lǐng)域的安全問題，不僅包括物理傷害、黑客入侵，作為未來產(chǎn)業(yè)，還將伴隨數(shù)據(jù)隱私安全、情感倫理不當(dāng)?shù)蕊L(fēng)險。

當(dāng)前大模型最薄弱的安全漏洞是“黑盒”特質(zhì)，即輸入一個數(shù)據(jù)，大模型可以直接輸出一個答案，但它的運作機制卻沒人知道。

大模型很多內(nèi)在機制基于神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)，比如通過梯度下降等訓(xùn)練方式優(yōu)化，但它內(nèi)在的連接和權(quán)重，目前仍缺乏有效且可規(guī)?；难芯糠椒ㄈダ斫?。這導(dǎo)致在使用大模型技術(shù)時，生成的內(nèi)容往往難以被用戶完全理解，而它作為具身智能的大腦，又會進(jìn)一步增加具身智能在應(yīng)用場景中的風(fēng)險。

目前，在AI安全領(lǐng)域，只能通過技術(shù)手段“堵”而不是“疏”，需要進(jìn)行大量的內(nèi)容審查和過濾。數(shù)據(jù)防護(hù)方面，已有可證明的安全技術(shù)，如開源架構(gòu)以及模型的水印手段，可以通過給數(shù)據(jù)打水印的方式溯源，以此來追查風(fēng)險數(shù)據(jù)和責(zé)任方，并有效防范模型的“越獄”攻擊（即繞過大模型安全機制，讓其生成或發(fā)出禁止指令）。

此外，網(wǎng)絡(luò)安全防護(hù)也較為薄弱，黑客可以通過藍(lán)牙、Wi-Fi等方式入侵大模型，但目前還沒有很好的技術(shù)手段防范。這就需要針對不同落地場景形成系統(tǒng)化分解措施，并結(jié)合法律明確責(zé)任劃分，進(jìn)一步完善全鏈條安全保障。

國地中心市場運營負(fù)責(zé)人曾媚穎向記者坦言，工業(yè)、商超、物流等場景的具身智能會率先落地，但想要安全走進(jìn)家庭仍需5~10年。

本文僅代表作者觀點，版權(quán)歸原創(chuàng)者所有，如需轉(zhuǎn)載請在文中注明來源及作者名字。

免責(zé)聲明：本文系轉(zhuǎn)載編輯文章，僅作分享之用。如分享內(nèi)容、圖片侵犯到您的版權(quán)或非授權(quán)發(fā)布，請及時與我們聯(lián)系進(jìn)行審核處理或刪除，您可以發(fā)送材料至郵箱：service@tojoy.com