中国工程院外籍院士张建伟：具身智能三大挑战与破局路径

36氪重庆获悉，9月5日，2025世界智能产业博览会（以下简称“智博会”）开幕。在当天下午举行的2025数字产业生态大会上，中国工程院外籍院士张建伟表示，具身智能架起了物理世界和数字世界的桥梁，当下以及未来具身智能正推动人工智能进入感知行动“双轮驱动”的时代。但是，具身智能发展仍面临三大挑战。

张建伟介绍，具身智能的核心优势在于通过视觉、语言、触觉、运动、感知等多模态技术和材料、形体以及环境的交互的深度融合，让机器从被动的感知走向主动的理解和自主的决策。它不再是局限于屏幕的数字世界的算法工具，而是能走进工厂、车间、医院、病房、农场、田地、家庭等场景的通用实体伙伴。

但是，他也提出具身智能发展仍面临感知与操作复杂性、高质量多模态数据稀缺、数据技术生态的开放性三大挑战。

张建伟表示，在感知与操作复杂性方面，从静态的二维图像到多模态的动态场景的感知和理解，从二维平面的抓取到三维空间的精准操作，机器对真实环境的感知和语义理解，仍需底层技术突破瓶颈。

其次是高质量多模态数据的稀缺性。具身智能需要的数据不仅是海量的单模型数据，更是融合了物理交互环境反馈的异构数据。其数据的需求可能是自动驾驶的上千倍、大语言模型的上百万倍。而现有的数据和数据模型的协同方法，以及算力的架构尚未完成这样的匹配。

第三是数据技术生态的开放性。张建伟表示，在当今全球合作的背景下，具身智能的核心算法、感知技术操作系统等发展，必须依赖开放的技术协作和生态共建。

在看到挑战的同时，张建伟也提出具身智能发展的机遇，“如果说具身智能是数字产业的前沿领域，那么数字产业的生态就是坚实的支撑基础，数字产业生态关键在于从‘单点突破’到‘融合共生’。”

对于重庆具身智能发展建议，他表示，重庆可以以创新研发为源头，场景落地为牵引，集群扩张为支撑，构建了从技术到产业的完整闭环。

他认为，数字产业的未来不在于谁做得最“专”，而在于谁“融”得最深最广。重庆正以开放的姿态汇聚全球数据产业的智慧和力量，当下正是各方携手共建全球数字产业生态的良好窗口期。为此，他建议各方应积极突破技术瓶颈，汇聚生态合力，让数字技术真正成为驱动全球协同高质量发展、创造人类生活的美好动力。