报告指出，具身智能与离身智能相互补充、协作发展共同促进了对智能得到理解、模拟与扩展。具身认知理论最早可追溯到20世纪40年代，当时一些哲学家和心理学家开始关注身体在认知过程中的作用。如法国哲学家梅洛-庞蒂在其著作中强调身体经验是认知的基础。此后，具身认知理论不断发展，为具身智能的出现奠定了理论基础。
具身智能发展历程
从人工智能视角来看，1950s-1980s为早期理论探索阶段；1950年艾伦·图灵在其论文《计算机器与智能》中提出了“学习机器”的概念，并讨论了机器能否思考的问题。然而，这些早期的人工智能系统缺乏物理身体，无法直接与环境互动，因此属于离身智能。在认知科学、心理学、神经科学等领域，学者们对人类感知、运动控制、情感等方面的研究不断深入。例如，心理学家霍华德·加德纳于1983年提出多元智能理论，其中涉及到空间智能和运动智能等内容，与具身智能的理念有一定的相通之处。
技术探索与初步发展阶段
机器人技术的起步：20世纪中叶以来，随着计算机技术和自动化技术的发展，机器人技术逐渐兴起。早期的机器人主要以工业机器人为代表，它们能够在特定的生产环境中完成一些简单的重复性任务，但这些机器人缺乏自主智能，主要依赖预设的程序来运行。
人工智能的初步融合：在人工智能发展的早期阶段，人们开始尝试将一些简单的智能算法应用于机器人中，使机器人能够具备一定的感知和决策能力。例如，一些机器人能够通过传感器感知环境信息，并根据简单的规则进行路径规划和避障等操作。
图：具身智能发展历程
深度融合与快速发展阶段
深度学习技术的推动：21世纪以来，深度学习技术取得了重大突破，为具身智能的发展提供了强大的技术支持。深度学习算法能够使机器人更好地理解和处理视觉、听觉等多模态信息，从而实现更自然的人机交互和更复杂的任务执行。
多模态感知与交互的发展：随着传感器技术的不断进步，机器人能够获取到更加丰富和准确的环境信息。例如，通过视觉传感器、听觉传感器、触觉传感器等多种传感器的融合，机器人可以像人类一样感知周围的世界，并做出相应的反应。
强化学习的应用：强化学习在具身智能中的应用也越来越广泛。通过强化学习，机器人能够在与环境的交互中不断学习和优化自己的行为策略，从而更好地适应复杂多变的环境。
从机器人视角来看，早期机器人研究主要集中在机械工程和运动能力方面，无需与人协同，应用场景主要集中在替代人力和工业场景自动化上。
随着人工智能技术的发展，机器人开始与具身智能相结合，如特斯拉路径，主张将人形机器人的发展与具身智能相结合，强调 AI 基础设施的支持。2023 年，人形机器人在第七届世界智能大会智能科技展上逐步完善，为具身智能的落地提供了方向。2024 年，Figure 01 机器人亮相，中科源码服务机器人研究院发布全国首个 “温江造” 基于物流场景的具身智能机器人，优必选的 Walker S1 机器人在汽车工厂等场景进行实训，乐聚机器人 “夸父” 开始探索工业场景应用。这些机器人在不同场景的应用，推动了具身智能在实际任务中的发展，使其从实验室走向现实应用。
2024 年，人形机器人领域融资活跃，整机公司数量增加。2025 年，政府工作报告提出培育具身智能产业，各地也出台政策支持，推动具身智能产业发展。同时，市场对具身智能产品和服务的需求持续增长，包括智能制造、医疗服务、居家养老等领域的应用场景不断拓展，促使机器人企业不断研发和改进具身智能机器人，以满足市场需求。
相关阅读：
