随着 AI 的发展，“智能”一词已经变得不再陌生，具身（Embodied）指的是依附于真实世界的物理实体，就像人或者动物需要肉体一样，去认识世界、探索世界，并通过与环境的互动去影响世界。人形机器人就是具身智能的“高级形态”了！
而人形机器人至少需要机械系统、控制系统、驱动系统、感知系统、人机交互系统和环境交互系统等 6 大系统才能实现。
因为涉及学科广、软硬件不成熟等诸多因素的限制，直到计算机视觉、自然语言处理、认知和推理、机器人学、博弈和伦理、机器学习等人工智能所涵盖学科不断发展到今天，具身智能才有了进一步系统发展的可能。
更聪明地认识世界
依靠语言大模型、视觉大模型等通用大模型，人形机器人可以理解文本，还能处理视觉信息，就像“大脑”，让它们能够更好地理解周围的世界。
区别于传统机器学习，通用大模型的发展，为人形机器人的理解力、连续决策力、人机交互能力等提供了全新的解决思路。以大语言模型为例，它可以帮助人形机器人更好理解并运用到高级语义知识，自动化地将自己的任务拆分成具体的动作，不再需要工程师或使用者一步步地指导。
最近多模态 AI 的发展也为具身智能的快速发展与落地应用提供了更多可能，通过跨模态学习，大模型能够更好地理解和处理不同类型的信息，从而提高其智能和适应能力，同时也对数据与算力提出了更高的要求。这也是青云智算产品与服务陆续服务通用大模型、互联网企业发挥出重要优势——有效提升资源使用率。
部署到一个具体环境中时，具身智能面对的是相对狭小的空间和特定的用户需求，可能需要基于通用大模型来训练并建立场景化的小模型。
对于小型场景化模型的训练，所需的算力通常远低于通用大模型，具体数量取决于模型的复杂度以及训练数据集的规模，自建小型 GPU 数据中心，提升GPU的资源利用率是个好选择。
更多维地探索世界
现在普遍认为，人形智能机器人是具身智能体发展的通用形态和终极形态，这对于人类情感上可能更容易接受，除了为人类提供服务、提高生产力、节省体力，还可以在情感陪伴方面发挥重要作用。
然而这也充满了挑战性，从感知、运动控制再到行为操作，具身智能体必须更多维地探索世界，实现“智能的自动化”，就像人类的“大小脑”与躯干的配合。为了加速这一进程，提高用于控制机器人的具身智能模型的迭代与开发效率，也至关重要。
除了大规模 AI 算力支撑下的大模型训练，快速完成端侧迭代与开发，简化对外服务应用的部署也很重要。青云为人形机器人的实际业务部署提供了一个全面而灵活的框架。通过云边协同架构，根据任务需求和实时负载动态调整资源分配，优化云端和边缘的资源使用。在边缘节点部署轻量级模型和推理引擎，减少对云端资源的依赖，降低延迟。
老龄化趋势加剧等现实因素已经展现出对人形机器人的强烈需求，现在已经有简单的可以完成帮助老年人去卫生间、辅助吃药等任务的智能设备，只是可能在精细化、广泛应用上还都有待提升。在持续演进中，人形机器人作为人工智能的载体，具备人类的操作能力需要相当的推理能力，对于边缘算力的系统能力要求也会持续提升，云边协同也恰恰是青云所擅长的。
马斯克曾预测机器人的数量和人类的数量至少是 1:1，人形机器人数量甚至可能会超过人类，随着具身智能的不断进步，我们离这一天的到来可能越来越近。青云期待与更多合作伙伴携手前行，探索更多创新场景，共同拥抱一个更加智能的未来。
编辑：rwzh4
