每經記者｜孔澤思    每經編輯｜張益銘    

當前，具身智能機器人技術加速演進，但相關技術瓶頸也制約著產業進一步發展。

6月25日，“活力中國調研行”采訪團走進深圳市人工智能與機器人研究院（AIRS），常務副院長丁寧在接受《每日經濟新聞》記者現場采訪時，解答了如何提升機器人的大腦計算能力、如何增加續航等熱點問題。

AIRS常務副院長丁寧 圖片來源：每經記者 孔澤思 攝

丁寧表示，人類智能的核心在于“從變化中尋找不變規律”的能力，即用極其簡約的語言邏輯或是數理模型描述真實物理世界紛繁復雜現象背后的共性規律，“具身智能機器人借鑒人類跨任務、跨場景理解和運用共性規律的能力，從而實現以最小的算力代價，應對環境和任務變化”。

以多種應用場景為例，機器人掃地、刷墻是兩類完全不同的作業任務，它們面對的作業對象分別是2D平面、多個平面空間組合而成的3D空間，上述任務的共性在于都需要對空間進行理解，并在作業對象表面進行最優路徑遍歷。

丁寧認為，提升機器人認知智能的水平，關鍵在于提煉這些底層規律并靈活運用。“科學是人類認知世界的過程，用工具發現世界的物理規律，AI（人工智能）的本質也是去發現物理規律，并通過學習人類認知范式，逐步掌握世界運轉中那些簡約而確定的根本法則，從而實現真正的場景適應性突破，所以AI is Science（人工智能就是科學）。”

當前，具身智能機器人在感知、分析環境，以及對環境實時做出識別、理解和動作時，需要端側算力支持，也對機器人續航造成一定負擔。丁寧向記者指出，能耗問題仍是具身智能機器人發展的重大瓶頸，現有條件下固態電池等技術只能帶來小幅改進，如果實現計算架構和算法代際的跨越，可以大幅降低計算所需能耗。

丁寧進一步分析稱，人類大腦能耗低的原因在于信息處理過程中沒有采用數字化環節，當前智能感知系統首先需要將真實物理世界數字化，決策時又需將數據重新整合并尋找共性，這一過程消耗大量算力，也帶來能耗問題。“下一代計算架構是不是能跳過這一過程，這還是很前沿的話題，至少現有的計算架構需要大幅代際革新，才可能降低能耗。”

在算法層面，丁寧提出了具身智能的潛力。他表示，傳統語言模型能耗高源于其對海量文本數據的依賴，而具身智能則通過多模態感知的融合（如觸覺、視覺等多感官結合）可以大幅降低對算力和數據的要求。他舉例稱，用語言描述水的溫度往往需要復雜表達，而具身智能的傳感器可直接測量溫度，減少語言描述的數據量，這種模態升維有助于簡化系統。