“我觉得AI的方向搞错了。我们大家都希望机器人帮人类扫地、洗碗，人类去写诗、画画；结果现在AI都去写诗和画画了，我们人类还在扫地、洗碗。”这是不久前网上流行过的一个段子，让人莞尔一笑的同时，忍不住发问：AI已经如此发达了，何时才会有更灵活、更智能、全心全意为人类服务的机器人呢？

　　就在为这样的一个问题感到困惑时，一份来自美国的惊喜让我豁然开朗。当地时间3月13日，机器人公司Figure展示了一段令人惊叹的机器人操作视频。视频中，机器人与人的对话流畅、行动准确，似乎真的拥有了思维。比如测试人员问：“你看到了什么？”机器人能详细描述它所看到的一切，分毫不差；测试人员要求给食物，机器人竟然拿起面前的苹果给了测试人员，还解释说因为这是桌上唯一能吃的东西；测试人员让机器人根据现在情况，重新摆放杯子和盘子，机器人就把它们分类收纳到沥水篮里……

　　看到这一幕的时候我目瞪口呆，简直太神奇了！这几个指令可不像表面看上去那么简单，总结起来：Figure 01能够最终靠视觉感知、描述周围环境、物置和关系；理解物体的定义和用途，可以基于常识做出推理和决策；可以将模糊的指令转化为符合情境的适当行为，还能解释自己的行为逻辑。除此之外，它与人类的对话自然流畅，身体动作也非常协调，十分贴近“具身智能”（Embodied Artificial Intelligence）的理想状态。

　　具身智能，具体点说，就是像人一样能与环境交互感知，自主规划、决策、行动、有执行能力的机器人/仿真人，是AI的终极形态。与传统机器人相比，具身智能的机器人更灵活、适应性更强，它们应该能与人类直接沟通，更像是我们生活中的一部分，而不单单是一台机械设备。

　　早在20世纪80年代，研究者们就意识到，单纯地让机器执行任务并不是理想的机器人形态。他们追求的是一种更为智能的存在—“聪明的机器人”。为实现这一目标，研究者们开始探索将人工智能技术与物理设备相结合。但如何让机器人理解并适应环境，成为一个巨大的挑战。

　　比如，从桌子上拿起一个苹果，对机器人来说，必须先了解什么是桌子、桌子的形状和尺寸，以及苹果的形状、尺寸和在桌子上的位置等等信息。这仅仅是开始，因为真实世界充满了各种复杂的变化。一旦环境中的任何因素稍有不同，比如苹果换成杯子，或者位置稍有变动，机器人就可能没办法完成任务。

　　随着时间的推移，传感器技术的快速的提升为具身智能输入了更多信息，也带来了新的机会。如今，智能家居能够准确的通过人的行为调整设备状态，无人驾驶汽车已经上路行驶，无人机能自动跟拍。这一切都证明了具身智能的无限可能性。

　　而ChatGPT的出现，更是为具身智能的发展注入了前所未有的新动力。比如前文中提到的这家Figure机器人公司，2022年才刚刚成立，先后拿下了英伟达和亚马逊的投资、Open AI和微软的技术上的支持，还挖走了苹果、谷歌和波士顿动力的大量员工，因此进展速度超快，只用了12个月就造出了第一台机器人。在AI大脑的加持下，机器人用了10小时就学会了使用咖啡机冲咖啡，可以像人一样，通过多模态技术，也就是声音、图片、视频等去实现自我学习、自我提升。

　　最令人震撼的是，ChatGPT作为机器人的大脑，正在真正地感知和学习物理世界。预计未来将有更多机器人公司利用Open AI的技术，而机器人所学习的大量数据又会回馈到大数据中，这无疑将加速AGI（通用AI）的实现。

　　想象一下，在不远的未来，人形机器人走进千家万户、融入人类社会，这将对所有行业产生深远的影响。比如：在工业制造领域，具身智能体能帮助工人完成更高难度、更高强度、更复杂的工作；在医疗卫生领域，它能帮助医生进行手术、护理，监测病人生命体征甚至参与急救；在农业领域，它有助于提升种植、施肥、收割等工作的效率；在物流领域，具身智能体则能帮助快递员完成快递分拣、送货等等。

　　就我个人来说，最期待的当然就是家庭式的机器人保姆了，尤其是在整个世界人口增长放缓、老龄化比例上升的未来，机器人可能会成为养老刚需。如果真有这样的产品，我是肯定会买一个的，这毫无疑问。