当前位置:首页 > 文章列表 > 科技周边 > 人工智能 > 两会看“新”|具身智能未来展望

两会看“新”|具身智能未来展望

2025-04-08 15:34:13 0浏览 收藏

两会政府工作报告中,未来产业“具身智能”成为焦点,引发广泛关注。 具身智能融合AI与物理实体,赋予机器人类感知和交互能力,人形机器人、无人驾驶等均为其应用载体。 大模型技术是其核心驱动力,推动具身智能向物理世界交互进化,拓展至养老、家庭安防等消费领域,潜力巨大。 北京市已发布发展规划,力争在未来三年取得关键技术突破,打造国际领先产品,预计未来十年,具身智能将深刻改变人们生活。

政府工作报告中提及的未来产业,其中具身智能作为人工智能领域的前沿方向,备受关注,被视为新一轮AI浪潮的核心。

具身智能的核心在于将AI与物理实体(如机器人)融合,使其具备类似人类的感知、学习和环境交互能力。除了备受瞩目的人形机器人外,无人驾驶和可穿戴设备等交互式硬件也成为具身智能的重要应用载体。 北京市机器人产业园(亦庄)的“天工”人形机器人,便展现了具身智能的奔跑能力。(2月24日拍摄)

两会看“新”|具身智能,前景几何?

大模型是推动具身智能持续发展的重要因素。360集团创始人周鸿祎指出,当前大模型主要通过视觉、听觉和语言理解来感知世界,未来需要向具备物理世界感知和探知能力的方向进化,从而实现物理世界的交互,而非仅仅局限于虚拟空间。

北京智源人工智能研究院正致力于研发“一脑多体”的具身大模型,并积极联合高校和产业链企业构建具身智能创新平台,推动技术产业化和产学研协同发展。

具身智能的进步,加速了AI陪伴机器人进入家庭的步伐。周鸿祎认为,养老机器人市场潜力巨大,未来可有效缓解养老护工短缺问题。此外,具身智能在消费端的应用场景广泛,涵盖家庭安防、教育和娱乐等领域,有望提升家庭生活便捷性、智能化和安全性。

两会看“新”|具身智能,前景几何?

具身智能作为通用人工智能的重要途径,正成为科技竞争的新焦点、未来产业的新赛道和经济发展的新动力。

北京市已发布未来三年具身智能发展规划,将重点发展多模态融合感知技术、“大脑”大模型、“小脑”模型技能库以及机器人运动控制等关键技术,并力争到2027年底突破百余项关键技术,推出至少10项国际领先的软硬件产品。

清华大学智能产业研究院院长张亚勤院士预测,未来十年,物理机器人和虚拟助手将逐步进入家庭,成为人们的贴身管家和朋友,从而深刻改变生活方式、社会结构、就业模式和经济体系。

今天关于《两会看“新”|具身智能未来展望》的内容就介绍到这里了,是不是学起来一目了然!想要了解更多关于无人驾驶,人形机器人,​大模型,具身智能,养老的内容请关注golang学习网公众号!

WangEditor插入请求头图片的详细攻略WangEditor插入请求头图片的详细攻略
上一篇
WangEditor插入请求头图片的详细攻略
Go语言中如何共享数据库连接并确保goroutine安全关闭?
下一篇
Go语言中如何共享数据库连接并确保goroutine安全关闭?
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    374次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    443次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    451次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    397次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    221次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码