从央视春晚翩翩起舞的人形机器人到街头巷尾送货的机器狗，具身智能已逐渐从人工智能的前沿领域进入实际应用。2025年《政府工作报告》首次提到具身智能，将其纳入今年培育的未来产业。自人工智能诞生以来，不论是以前的机器学习，还是现在流行的语言大模型，均属于数字智能，不与物理世界发生直接联系。具身智能通过赋予机械仿生物数字智能，并借助“感知—决策—行动”的模式，使其具备和人类相似的“思维—行为”能力，从而弥合数字世界与物理世界的边界。这将对人工智能和社会发展产生深远影响。
具身智能的哲学基础
人工智能这一概念的出现与计算技术的发展有密切关系，它预设人类感知世界的方式是在大脑接受外部世界的刺激后把刺激信息转换为符号表征，然后对符号表征进行计算操作，最后输出各种行为。这被称为符号计算主义，其核心概念是表征和推理。它假定智能就是表征，表征是一种计算，所以智能等于计算。这是认知科学中主流的经典理论。这便是以大脑为中心、以神经计算为手段的离身智能。具身认知理论则认为，人类的认知不局限于大脑，是“大脑—身体—环境”深度交互的产物。哲学家海德格尔在其著作《存在与时间》中提出人类的“此在”本质上是“在世界之中存在”，个体的存在离不开其所处的世界和环境，存在通过与世界的互动而得以体现。哲学家梅洛-庞蒂认为身体不是意识的附属物，而是主体与世界互动的基础，知觉是通过身体在世界中的活动实现的，身体的经验构成了我们对世界理解的基础。这都表明身体与智能不是等同关系也不是平行关系，二者相伴相生，彼此在彼此之中，共同构成了一个身心统一的智能体。智能使身体成为智能体的质料，身体使智能成为智能体的形式。
当前的生成式人工智能在对话、翻译等方面表现出色，但其局限性也很明显，它把智能等同于语言推理，物理世界等同于语言知识。其原因在于作为生成式人工智能载体的语言大模型以互联网知识为资源库，凭借强大算法对资源库的知识进行排列组合，并输出遵循规则约定的结果。然而，人的智能远大于语言表征，人的感官信息也远大于语言信息，主要表现就是人与人之间存在大量无以言传的隐性知识。隐性知识难以用语言或文字表达、不能明确传授给他人，它必须通过体验、实践等方式获得。具身智能将突破基于互联网的离身智能，摆脱过度依赖语言的形态，借助身体的机械模拟获得在环境中的行动能力，进而透过环境对身体的反馈提高智能体的社会适应性，在一定程度上更加接近人类的认知方式。环境和身体参与智能的塑造，将为人工智能的发展开辟广阔的前景。
具身智能的身体交互特征
具身智能虽然相对于离身智能具有物质上的身体对应性，但和生物智能的身体相比则是截然不同的。人类身体是生物进化的有机体系统，具身智能的身体是机械制造的肉身模拟物。即使把它们都当作智能的载体，构成要素也不是相同的物质。具身认知理论把认知看作由身体和世界的互动结构所决定，遵循生命原理；具身智能把肢体行为加入人工智能的动作链条中，遵循机械原理。
人的身体有一个统一的原则和一个非物质的标准，以维持其作为有机体的完整性。人的身体不是由各个器官简单相加而形成的，也不能通过删减而缩小；具身智能的身体尚处于一种初级的仿生式加减状态，侧重于某一个特殊肢体行为的模拟，比如机械臂等。具身智能的身体与人类身体的差别决定了其与环境交互的方式不同。人类与世界的互动通过感官直接获取感知信息，丰富多变；具身智能与外界进行交互必须通过物理模拟的感知器，其感知程度取决于仿生技术的水平。智能体的身体形态不仅限制了其在环境中的行动能力，也在一定程度上塑造了智能体的认知方式。也就是说，具身智能要具备和人类一样的具身认知，就必须具有生物学意义上的身体。机械物理学和数学手段实现的具身智能仍然是基于离身智能的大脑表征和计算主义，其通过身体与环境的反馈交互表现出的智能也只是在计算之后产生的间接结果，和直接生成于日常生活世界的人类智慧相距甚远。
因此，具身智能的深度发展必然要面临：如何缩小其机械身体和人类生物身体之间的差距。不论是原理还是构造，在具身程度上哪怕微小的进步都将极大地提升人工智能的智能水平和环境适应性。
具身智能与人类生活
离身智能主要用于完成数据分析、语言生成、知识管理等任务。若需让离身智能具备自主适应环境的能力，如实现机器人助理、自动驾驶、灾难救援等场景，就要使之具备肢体的行动能力。这就需要在具身学习和数据学习之间找到最佳结合点，来提升智能水平，应对复杂的社会应用场景。在技术进步和社会需求的双向促动下，具身智能的发展趋势已不可逆转，人机共生的混合场景将成为常态。技术不只是一种工具，当人们使用技术时，技术会与应用的场域相结合而生成新的社会现实，从而深刻改变人自身。具身智能的目标不是为了让机器做出炫酷的动作，也不是创造完美的人形机器，而是让人工智能成为可用、可靠、可控的行动者，从而安全地进入人类的行动网络。从人类的智能特征来看，真正的智能从来不是冰冷的计算，而是身体与环境的互动、经验以及情感的交织。当机器能够感知疼痛、学习共情，它预示着人工智能将从“计算”走向“交互”，从“数字孤岛”迈向“物理共生”。人类生活的进步始终伴随着技术工具的进步，技术是人类智慧的产物，而非反过来。同样，在人类与具身智能的双向塑造中，人类将始终是主导者和创造者。
总的来看，人类认识和改造世界有两个特点。首先，人们总是通过一套预设的概念系统来把握这个世界。比如物质和精神、主观与客观。其次，在预设的概念基础上，赋予概念所指称的对象以特定属性。譬如，把物质看作客观而无生命的，把精神看作内在而无广延的。在人类文明的进程中，经常存在着把人的肢体功能或意识功能转移到外部载体上，比如轮子、算盘等。当代，各种机械设备和计算工具承载着人类重要的身体和精神功能。也可以说，人类发明的各种技术产品皆是人类身体或意识的衍生物。由于具身智能把身体要素融入智能体，将使未来的人工智能从身心分离的形式走向身心一体。
在人工智能与人类智能协作日益紧密的时代，我们需要从理论上回答具身智能面临的基础性问题。第一，具身智能的本体论基础：具身智能是人类具身认知模式“大脑—身体—环境”的数字化模拟，而非复制。第二，具身智能的认识论基础：具身智能是对人类认知功能的技术化建构，它并不必然也不必一定是人类认知真理的模仿，具身智能和人类智能或许会在不同道路上最终走向双向互动的融合共进。第三，具身智能的方法论基础：具身智能通过数字表征与机械仿生模仿人类具身认知，前者依据力学规则，后者遵循生命规则。第四，具身智能的价值论基础：具身智能的价值对齐标准是人类，而非独立于人类之外的特殊价值。
总之，在本体论上，对人类智能的科学界定为人工智能奠定了概念框架；在认识论上，具身智能始终没有脱离人类认识世界的物质与精神维度；在方法论上，对人类智能的技术化建构实现了人工智能对人类智能的功能模拟；在价值论上，人工智能对意义的理解需要借鉴人类智能的情感欲望和意向性机制，实现与人类的价值对齐。作为人类与世界之中介的知觉范畴是整合人类智能与人工智能的认知基础。从技术史的角度也可以说人工智能是人类生产力发展和技术进步的自然结果，具身智能反映了人类运用现有技术和知识对自身智能的技术呈现深度，是人类智慧的产物，而非让具身智能反客为主。人工智能的深度发展应当从“拟脑”向“拟人”过渡，弥合数字世界与物理世界的分离，使人工智能从基于算法的“逻辑地思考与行动”向“像人一样地思考与行动”转变。所以，构建合理的人机关系，让人工智能更好地服务人类，是发展具身智能需要不断探索的重要课题。
【作者柳海涛、缪言分别系上海交通大学马克思主义学院科学史与科学文化研究院教授、博士生导师和该院硕士研究生。本文系国家社科基金项目“数字化时代背景下身心问题研究”（22BZX022）研究成果】
