近年来，“具身智能”一词在投资领域备受关注，许多人向浩哥咨询：为何此前并未出现“具身智能”这一概念，而近期却突然变得热门起来？
机器人这一概念并非新近提出，然而，过往的机器人大多局限于特定场景和单一任务。相较之下，具身智能追求的是跨场景和多任务的能力，这构成了其核心区别，同时也带来了巨大的技术难题。那么，为何如今我们有理由相信这一挑战能够被攻克呢？关键在于大型语言模型的问世。
大语言模型赋予了机器人两项颠覆性的新技能：首先，它们能够深刻领会物理世界的运作规律；其次，它们具备了卓越的广泛适用性。
具体而言，尽管过去的机器人配备有诸如深度相机和激光雷达等各式传感器，具备“观察”乃至“辨识”现实世界的能力，例如在家庭场景中，它们能够识别出地上的垃圾和孩子的玩具。然而，问题在于：它们并不懂得这些物体在现实生活中的真正含义。他并未意识到垃圾需要被清理，玩具则需整理妥当并妥善保存，以便下次孩子再次玩耍，然而，这个机器人却缺少了物理世界中的某些基本常识。
大语言模型使机器人具备了洞察现实世界和应对复杂事务的能力，这相当于为机器人配备了一颗“大脑”。实际上，辨别何为垃圾、何非垃圾的过程远比我们预想的要复杂。在现实生活中，每个人对垃圾的定义都有所差异，因此常常会出现妻子误将丈夫的珍爱之物当作垃圾丢弃的尴尬局面。所以，这样的判断并无确切的标准可言，这表明了具身智能需要拥有较高的智能水平与理解力，方能在错综复杂的现实环境中得以适用。
第二个要点在于其泛化能力。大家对于大语言模型的这一特性都相当了解，例如，它不仅能够撰写新闻，还能进行作文创作；它既能够使用汉语交流，亦能运用英语对话，无需对各种场景、不同语言及语法进行特定训练，这正是泛化能力的体现。在现实世界的应用中，这就像是“学会了如何拿杯子之后，自然也就能够独立拿起盘子”，无需对每一个具体动作逐一进行教学。
自然，在特定的场合中，例如我所在的这个机器人在工厂拧螺丝，对它的泛化能力要求并不突出。然而，在家庭、服务等领域这样的通用场景中，这种能力变得至关重要。你不能简单地认为，今天我教会了机器人拿水杯，到了明天水杯换成咖啡杯，它就不再能拿。每次更换物品都需要重新进行训练，这显然是不现实的。这样的机器人将失去其实用价值。
概括而言，得益于大语言模型赋予机器人的理解和泛化能力，我们得以见证具身智能的实现，这也正是近年来具身智能领域为何会迅猛发展的原因。至于“具身智能是否必须以人形呈现”，这又是一个引人入胜的话题，待下次浩哥将为大家深入探讨。
