一、前言
（一）人工智能已经会说话、会画图，下一步是什么
近年来，以ChatGPT、DeepSeek为代表的人工智能技术快速发展，已经能够完成对话、写作、图像生成和辅助分析等任务，但这些能力主要运行在屏幕和数字世界中。人工智能发展的下一步，是进一步走进物理世界，不仅能够回答“怎么做”，还能够感知现实环境、理解任务要求并完成实际操作，推动智能能力由信息处理向现实作业延伸。
（二）什么是具身智能
具身智能，是指智能系统依托一定的物理载体，通过摄像头、触觉传感器等设备感知现实环境，根据任务作出判断，并控制机械臂、灵巧手、轮式底盘或人形本体完成行动，形成“感知—理解—决策—行动—反馈”的完整闭环。其核心在于让人工智能拥有与物理世界交互的“身体”，实现从“知道”向“做到”的跨越。
（三）机器人早已出现，为什么还要发展具身智能
工业机器人早已广泛应用于生产制造领域，但传统机器人通常按照预先编制的程序，在结构化、标准化环境中完成固定任务，一旦作业对象、流程或环境发生变化，往往需要重新调试。具身智能强调提升机器人对环境和任务的理解能力，使其能够根据实际变化自主调整。其发展方向，是推动机器人由“按照程序执行”向“理解环境、自主完成任务”转变，由“环境适应机器”逐步转向“机器适应环境”。
（四）机器人实现规模化应用为什么困难
现实世界具有高度复杂性和不确定性。机器人在实验室中完成一次抓取并不困难，但物体形状、摆放位置、光照条件、人员走动、遮挡情况以及连续工作时间发生变化，都可能影响作业结果。产业化应用要求机器人不仅能够完成单次演示，还要在正常和异常情况下长期、稳定、安全、经济地完成任务。因此，具身智能需要解决的核心问题，是推动机器人从“能走、能演示”进一步走向“能干、能上岗”。
（五）机器人如何持续提升智能水平
机器人能力提升与人类学习技能具有相似之处，需要经历示范、学习、练习、试错和复盘。首先，由人类示范具体任务，系统同步记录视觉信息、动作轨迹、机器人状态和力反馈等数据；其次，模型从大量高质量数据中学习任务规律，并在仿真环境和真机上反复训练验证；最后，通过真实场景测试评估成功率、作业效率和安全性。机器人部署后产生的新问题、新数据还将进入下一轮训练，形成持续迭代的能力提升闭环。
（六）为什么要建设具身智能训练场
如果每家机器人企业都独立建设工业、商业等训练场景，并分别配置数据采集、算力、仿真和测评体系，将面临投入成本高、建设周期长、标准不统一等问题。具身智能训练场通过统筹建设共性基础设施和公共服务能力，为机器人提供真实场景、数据采集、模型训练、仿真验证、中试和检测测评等条件。形象地说，训练场相当于机器人的“学校、实训基地和考场”，既帮助机器人学习和练习，也检验其是否具备进入真实岗位的能力。
（七）广东为什么具备建设训练场的基础条件
具身智能最终必须服务真实产业。广东制造业体系完整，机器人和智能硬件产业基础较好，同时拥有工厂、物流、能源、商业、医疗康养和城市服务等丰富应用场景。这些场景既是机器人未来的“工作岗位”，也是当前开展训练、测试和验证的重要资源。广东有条件将制造业优势、应用场景优势和创新资源优势转化为具身智能训练、验证和规模化落地优势。
（八）广东“1+1+N”训练场体系是什么
具身智能高度依赖真实场景，单一训练场难以覆盖广东各地市、各行业的复杂需求。为此，广东构建“1+1+N”具身智能训练场体系：第一个“1”是广东省具身智能训练场，承担公共能力建设和资源统筹；第二个“1”是深圳示范窗口，发挥创新资源和开放应用优势；“N”是布局在不同地市和行业的垂直分训练场。通过体系化建设，将分散在全省各行业的训练资源和真实场景连接起来，形成协同联动的训练网络。
（九）广东省具身智能训练场主要承担哪些功能
广东省具身智能训练场不是单一的机器人展示场所，而是面向产业发展的综合赋能平台。训练场既为机器人提供真实场景、数据采集、模型训练、仿真验证和检测测评等技术条件，也推动数据、接口、流程和评价标准逐步统一，并连接机器人企业、高校院所、场景单位和技术服务机构，促进产业需求与技术能力高效对接。对外发布的“八大平台”运营体系涵盖数据融通、训练集成、标准构建、检测认证、产业赋能、研学教育、资讯服务和人才发展，核心是推动技术加快走向实际应用。
（十）建设训练场最终要实现什么目标
建设具身智能训练场，目的不是将机器人停留在训练和展示阶段，而是推动其进入制造、园区、能源、物流、商业、医疗康养和公共服务等领域，实现从“能展示”向“能工作”、从“能工作”向“好用、敢用、可复制”转变。随着技术和产业不断成熟，各行业均可通过提出真实需求、开放应用场景、参与联合验证等方式融入具身智能发展进程，一个具体的行业痛点就可能成为技术创新和产业合作的起点。
二、具身智能基本知识
为进一步理解具身智能，可按照3W（What、Why、How）展开：What回答“具身智能是什么”，重点说明其基本概念和运行逻辑；Why回答“为什么需要发展具身智能”，重点说明为什么现在才提机器人由演示走向实际作业；How回答“机器人如何学会干活”，重点说明数据采集、模型训练、仿真验证和持续迭代的基本过程。三个问题层层递进，构成认识具身智能最直观的逻辑主线。
（一）What：从“会思考”到“会行动”——具身智能是什么
生成式人工智能主要解决信息理解和内容生成问题，具身智能则进一步将智能能力与物理载体相结合，使机器能够在现实环境中完成实际行动。具身智能并不等同于人形机器人，人形只是其本体形态之一。机械臂、轮式机器人、四足机器人等，只要能够通过感知、决策和行动与环境形成智能闭环，都可以成为具身智能的载体。
1. 基本运行逻辑：感知、理解、决策、行动和反馈
一是感知，即通过视觉、触觉等方式获取周围环境信息。
二是理解，即识别物体、空间关系和任务要求。
三是决策，即判断下一步应当采取的行动及其实施方式。
四是行动，即将决策结果转化为移动、抓取和操作等实际动作。
五是反馈，即根据行动结果重新感知环境，并持续调整后续行为。
2. 物理载体的重要作用
在数字世界中，一个错误答案可以重新生成；在物理世界中，一次抓取力度不当或路径判断错误，都可能造成物品损坏、设备停机甚至安全事故。具身智能必须综合考虑自身结构、运动能力、环境约束和物理规律，才能将认知与决策转化为安全、可靠的实际行动。
3. 具身智能加快发展的主要原因
具身智能近年来加快发展，是大模型、多模态感知、机器人本体、传感器、算力和数据等多项技术协同进步的结果。大模型提升了任务理解和规划能力，机器人硬件持续迭代，数据与仿真为模型提供更多物理世界经验，多条技术路线加快汇合，推动具身智能由研究探索逐步走向工程实践。
（二）Why：从发展需求到现实挑战——为什么发展具身智能
1. 为什么需要发展具身智能
传统人工智能主要处理数字世界中的信息，而现实生产生活还需要完成移动、抓取、操作等实际任务。传统机器人擅长在结构化环境中执行固定程序，但面对复杂多变的任务和环境时，往往需要重新编程和调试。具身智能旨在提升机器人对环境的感知、理解和自主行动能力，推动机器人由“按照程序执行”向“根据环境自主完成任务”转变。
2. 为什么具身智能近年来加快发展
具身智能的发展是大模型、多模态感知、机器人本体、传感器、算力和数据等多项技术协同进步的结果。大模型提升了任务理解和规划能力，机器人硬件持续迭代，数据与仿真为模型提供更多物理世界经验，共同推动具身智能由研究探索逐步走向工程实践。
3. 为什么具身智能实现起来困难
真实环境具有高度复杂性和不确定性。物体形状、摆放位置、光照条件、人员走动和临时障碍等因素，都可能影响机器人执行任务。机器人不仅需要掌握标准条件下的操作，还必须应对环境变化和陌生情况，具备一定的泛化和自主适应能力。
4. 为什么能演示不等于能上岗
机器人实现规模化应用需要同时满足四项条件：一是做得成，作业成功率达到应用要求；二是做得久，能够长期稳定运行；三是做得安全，将作业风险控制在可接受范围内；四是做得划算，具备经济可行性。只有同时满足技术、可靠性、安全和成本要求，才能真正走向产业应用。
5. 为什么需要完整的训练体系
机器人“会走、会跑、会跳”主要体现本体性能，而真实应用更加关注任务理解、精细操作、环境适应和工程可靠性。具身智能能力的形成不仅依赖机器人本体，还需要高质量数据、模型训练、仿真验证、场景适配和检测测评等环节协同支撑，推动机器人从“能演示”走向“能干活”。
（三）How：从“获取经验”到“完成任务”——机器人怎样学会干活
1. 获取人类示范和任务经验
人类可以通过遥操作、动作捕捉等方式示范任务操作过程，系统同步记录摄像头画面、机器人本体状态、动作轨迹、力反馈等信息。只有将操作过程完整记录，并与任务条件和执行结果准确对应，才能形成可供机器人学习的有效经验。
2. 建设高质量训练数据
具身智能数据通常同时包含视觉、动作、本体状态和其他传感信息，不同模态需要在时间和空间上准确对齐，并覆盖不同物体、位置、光照、干扰和异常情况。数据生产应贯通需求分析、方案规划、数据采集、处理加工、质量测评和训练验证等环节，并根据训练结果持续识别数据缺口、组织补充采集，形成闭环。
3. 通过模型训练学习任务规律
模型训练不是简单记忆动作序列，而是学习在特定环境和任务条件下应当采取的行动。高质量数据为模型提供经验基础，算力提供训练资源，模型和算法则将数据中的规律转化为可执行的任务能力。
4. 通过仿真试错和真机验证提升能力
真实机器人训练成本较高、速度较慢，并存在设备损坏风险，因此可利用仿真环境开展低成本、大规模试错。但仿真无法完全复制真实世界，训练结果最终仍需通过真机和真实场景验证。中试环节发挥连接实验室与实际现场的作用，有助于在正式部署前发现并解决系统适配、运行稳定和安全可靠等问题。
5. 在实际应用中持续迭代
机器人部署后遇到的新物品、新异常和新流程变化，会持续产生新的交互数据。这些数据经治理后再次用于模型训练和能力优化，形成“场景牵引数据、数据驱动模型、模型赋能应用、应用创造价值”的循环。实际应用不是训练的终点，而是下一轮学习和改进的起点。
三、具身智能训练场建设
（一）为什么需要具身智能训练场
机器人企业可以自行采集数据、搭建场景和训练模型，但随着产业从少量研发样机向规模化真实应用发展，真实场景昂贵且分散、高质量真机数据获取困难、算力和仿真投入较大、数据格式和评价口径不统一、实验室与实际现场之间缺少中试验证等共性问题日益突出。训练场的主要作用，是将企业反复需要的共性能力建设成为可共享的基础设施和公共服务。
1. 从数据采集服务向训练基础设施升级
数据采集是机器人进入真实产业场景的重要入口，数据验收是保障训练质量的重要机制。完整的训练场还需衔接模型训练、仿真、回测、真机验证、场景合作和检测测评等环节，检验数据和训练是否真正提升机器人能力。因此，训练场应由单一“数据工厂”逐步发展为支撑机器人能力形成和持续迭代的“能力工厂”。
2. 训练场的基本功能
具身智能训练场可以形象地理解为机器人的“学校、实训基地和考场”：真实场景相当于教室和实训车间，数据相当于教材和训练经验，训练人员相当于动作教练，仿真和中试用于反复练习与试错，检测测评用于检验能力，真实部署则相当于完成训练后进入实际岗位。各环节共同构成从训练到应用的完整链条。
（二）具身智能训练场的主要建设内容
1. 场景与工位建设
机器人最终要在真实行业中工作，训练必须围绕真实任务展开。训练场应面向制造、巡检、商业、能源、康养等领域，建设或还原典型作业场景和工位，优先利用真实生产作业工位、服务操作点位和应急处置站点等资源，以最小干预、利旧复用的方式建设可训练、可测试、可验证的实训空间。训练场建设的重点不是打造展示场馆，而是尽可能接近真实岗位和真实流程。
2. 机器人本体与数据采集设备
机器人本体、遥操作设备、动作捕捉设备以及视觉、力触觉等传感设备，共同承担记录现实交互过程、形成训练数据的任务。真机采集真实性较高但成本较高，动作捕捉和无本体采集有助于提高数据生产效率，合成数据和仿真数据可以补充长尾场景。训练场应根据具体任务科学组合不同采集方式，提升数据质量和采集效益。
3. 网络、存储和云底座
具身智能数据通常包含连续视频、动作轨迹和多类传感信息，具有数据量大、实时性要求高等特点。训练场需要建设稳定的网络、计算、数据库、存储和安全基础设施，保障数据采得进、传得动、存得下、管得住、找得到，为前端场景和机器人数据形成规模化生产体系提供支撑。
4. 算力与仿真能力
算力为模型训练和推理提供资源支撑，仿真则将现实环境部分映射到虚拟空间，使机器人能够以更低成本、更高频率开展练习和试错。训练场应根据任务特点，合理组合互联网数据、无本体数据、仿真数据和高保真真机数据，并通过真实场景验证训练效果。
5. 软件平台建设
拿我所在的训练场来说，广东省具身智能训练场一期技术底座包括数据采集、数据管理、仿真、训练推理、数据评测、机器人协同和统一运维等平台能力，贯通数据获取、治理、训练、验证、协同和运行保障等环节，将分散的技术能力连接为完整训练流程。同时，形成的软件能力也能够供给小型分训练场，减少重复建设，助力分训练场实现能力闭环。
6. 标准、质量和测评体系
训练场不仅要生产数据，还要对数据质量、训练结果和实际应用效果进行验证。统一数据格式、接口规范、质检规则和评价方法，有利于提升数据与能力的可复用性、可比较性和可信度。缺少质量控制和检测测评，可能形成大量表面上规模可观、实际上难以支撑模型训练和应用的数据资产。
（三）广东为什么建设“1+1+N”训练场体系
具身智能高度依赖真实产业场景，单一训练场难以覆盖全部行业。汽车、家电、能源、物流、医疗、康养和商业服务等领域具有不同的作业流程、环境条件和能力要求。广东建设“1+1+N”体系，核心不是将全省场景集中复制到广州，而是发挥各地制造业和应用场景优势，统筹组织不同地区、不同产业的训练资源。
1. “1+1+N”的体系构成
第一个“1”是广东核心中枢，即广东省具身智能训练场，由主训练场和管理中心构成，承担公共能力建设和资源统筹。
第二个“1”是深圳示范窗口，发挥深圳创新资源集聚和开放应用优势，探索具身智能示范应用。
“N”是面向不同地市和重点行业布局的垂直分训练场，依托真实产业场景形成专业化训练能力。
2. 构建全省协同联动的训练网络
“1+1+N”体系建设的重点不在于场馆数量，而在于形成覆盖全省、协同联动的训练网络。通过核心中枢与垂直场景之间共享数据、算力、模型、工具和标准，推动跨地市、跨行业协同训练和联合验证，将广东丰富的产业场景转化为具身智能发展优势。
（四）广东省具身智能训练场和公司重点工作
广东省具身智能科技有限公司承担广东省具身智能训练场建设运营工作，主要职责不是单纯建设一个场地，而是持续组织场景、企业、技术、数据、训练、验证和产业服务。公司发挥训练场运营主体作用，统筹完善机器人从研发走向真实应用所需要的公共基础设施、服务体系和协作机制。
1. 建设支撑完整训练链条的技术底座
围绕真实场景，逐步形成数据采集、数据管理、仿真、训练推理、数据评测、机器人协同和统一运维等技术能力，为机器人从数据生产到模型训练、从仿真试错到真机验证提供全链条支撑。
2. 构建面向产业的综合运营体系
广东省具身智能训练场对外发布数据融通、训练集成、标准构建、检测认证、产业赋能、研学教育、资讯服务和人才发展“八大平台”运营体系。其中，一期七类软件平台属于工程技术底座，“八大平台”属于面向产业的运营服务体系，二者分别从技术建设和产业运营层面支撑训练场发展。
3. 完善以真实需求为牵引的场景机制
训练场应主动深入行业发现真实需求，发挥场景价值发现、需求转化和资源连接作用，将业务单位提出的需求转化为负载、速度、成功率、连续工作时间和安全性等可验证指标，并组织技术方开展攻关、测试和推广，形成“场景出题、技术解题、市场检验”的协同机制。
4. 推动项目成果转化为可复制的行业能力
训练场的产业价值不仅在于完成单个项目，更在于将项目中形成的数据、方法、工具、标准、测评规则和解决方案持续沉淀，并在更多相似场景中推广复制，推动一次技术攻关逐步转化为可复用、可推广的行业能力。
四、具身智能应用展望
机器人训练的最终目的，是走进真实社会和实际产业。随着人工智能加快向“全域、全时、全行业”拓展，具身智能将进一步推动人工智能由数字空间进入物理世界，由辅助信息处理延伸到参与完成真实任务。
（一）从“人工智能+”向“具身智能+”延伸
“具身智能+”是对人工智能赋能实体经济和社会运行的一种面向未来的表达。当人工智能不仅能够分析信息，还能够在现实环境中感知、决策和行动，其与行业融合的方式将由“辅助人作出决策”进一步拓展为“与人协同完成真实任务”，为产业升级和公共服务创新提供新的技术路径。
（二）具身智能可能率先应用的重点领域
现阶段，具身智能较适合率先进入任务边界相对明确、人工成本较高、重复性较强、作业环境危险或者存在明显服务缺口的场景，包括制造业上下料、分拣、装配和巡检，能源和基础设施巡检维护，仓储物流搬运，商业零售理货配送，医疗康养辅助服务，以及应急救援和特种作业等。通过在重点场景持续训练和验证，可逐步积累行业数据、完善技术方案、形成规模化应用基础。
（三）各行业参与具身智能发展的主要方式
各行业参与具身智能发展，并不意味着都要直接研发或制造机器人。更加现实的参与方式包括：提出长期存在的真实业务问题，开放能够开展技术验证的实际场景，提供作业流程和行业知识，与机器人企业共同定义技术指标、验证应用效果，采用成熟解决方案，参与行业标准和安全规则建设。具身智能发展需要用户单位、整机企业、模型算法企业、供应链企业和科研院所等多方协同。
（四）广东省具身智能训练场的支撑作用
面向行业提出的机器人应用需求，广东省具身智能训练场可以发挥公共平台作用，将业务痛点转化为可验证的技术任务，组织机器人、模型和技术服务企业进入真实场景开展训练，提供数据、仿真、测试和测评支撑，并推动成熟经验沉淀推广。训练场既服务机器人“学会干活”，也帮助各行业以更低成本、更低风险认识、验证和应用具身智能。
（五）结语
人工智能正在从“理解世界”走向“进入世界”，机器人也正在从“能走、能演示”走向“能干、能上岗”。广东建设具身智能训练场，旨在将产业优势、场景优势和创新资源优势转化为机器人持续学习、验证和应用的基础条件。随着具身智能加快进入千行百业，各行业都可能成为机器人的新课堂、新考场和新岗位，也将由此形成更多技术创新与产业合作机会。