行业观察室 | 从“听指令”到“懂你心”，智能机器人如何实现华丽变身？
2026-07-23来源：广发基金
智能机器人眼里的世界，是什么样子的？
在我们人眼中，这是一个红色的苹果。
而在智能机器人的眼里，它可能是一个“坐标值为(480,216)，(1440,972)、RGB值分别为R255、G50、B80，体积参数为 5cm×5cm×6cm 的物体”。
听起来有点复杂，对吧？
但智能机器人要完成的任务，绝不只是能识别苹果这么简单。
当你跟它说你想吃苹果的时候，机器人不仅需要通过声音处理器捕捉、翻译你说的话，还要理解你想吃苹果的需求，从客厅移动到厨房，把苹果从冰箱里拿出来，再返回客厅，把苹果轻轻地递到你的手里。
你有没有想过，是什么魔法，让这个“铁壳子”成为一个能“听”、能“看”、能“想”，还能“动”的智能管家？本期《行业观察室》，今天咱们就来聊一聊，智能机器人是怎么实现从“工具”到“伙伴”的华丽变身的。
什么是“智能机器人”？
在正式介绍智能机器人之前，这有几个听起来很相似的概念（人工智能、具身智能、离身智能、智能机器人、人形机器人），很少有人能说清楚他们的关系。咱们就先来摆一摆他们的位置，免得聊跑偏了。
首先，外面最大的这个圆应该是什么呢？“人工智能”，也就是AI。
人工智能的下一个层级，应该是“具身智能”，相当于给人工智能赋予一个物理上的“身体”，比如机械臂、无人机、无人车、人形机器人等等。与之相对的概念是“离身智能”，ChatGPT、DeepSeek这些在现实世界没有一个实体去承载的大模型，就是最典型的代表。可简单理解为，离身智能干活主要是“动动嘴皮子”，但具身智能得在真实的物理世界里摸爬滚打。
“具身智能”再往下分，就是“智能机器人”了，这类机器人不仅具有物理的身体，还拥有感知、思考、和物理世界交互以及行动的能力。最后一个圆，就是按照人的形态设计出来的人形机器人，也是智能机器人的最高形态。
那现在，咱们就深入探讨一下，智能机器人，它的核心技术和底层逻辑到底是什么样的。
三大模块：感知-决策-执行
要理解智能机器人到底是怎么个“智能”法，首先得要明白它和传统机器人的本质区别。
传统机器人就像一个提线木偶，只会按照人类写入的程序来执行指令，一旦没有指令，就原地罢工。但智能机器人不一样，它能通过和环境的持续互动来学习，具备适应性和自主决策能力。用大白话说就是，就算那条木偶线，啪一声断了，它也还是人工智能，而不是人工智障。
这种智能的实现，其实跟咱人类处理事情的逻辑一样，离不开三个模块：感知、决策、执行。
为了更容易让大家理解，咱们就通过一个具体的任务来展示一下三个模块的作用过程：假设现在桌上有杯牛奶，它被打翻了，咱们对机器人说，“牛奶洒了，帮我擦干净。”
要完成这个任务，机器人要做的第一件事，就是调动“感知”模块，搞清楚桌子在哪、哪杯是牛奶、“洒了”是什么状态。这个过程需要用视觉传感器充当“眼睛”来识别物体，用深度相机、超声波传感器等测量距离……这里面的挑战在于，感知不是光“看见”那么简单，而是要达到“看懂”的程度，把不同传感器收集到的信息集中起来并处理好，从而去理解它所处的环境。
等感知系统搜集完信息之后，就轮到“决策”模块出马了。决策模块相当于智能机器人的“核心科技”，它主要负责处理信息，针对需求生成具体的行动策略。在擦牛奶这个案例里，决策模块会先理解目标，“擦干净”对应着“消除污渍”这一目标，然后它可能会设计出一套行动方案：寻找并抓取抹布-返回并定位污渍-执行擦拭动作。
决策完成后，“行动”模块就要开始驱动“身体”，执行具体的动作了，比如让机器人“迈开腿”“走两步”，走到桌子旁边，“拿起抹布”擦牛奶。
以上这套流程属于一种分层决策模型，就是把感知、决策和行动分解成了三个层级，每一层都彼此分隔，这种模型是目前市场上的主流；后来，有人就突发奇想：三个步骤太麻烦了，能不能想个法子一步到位？于是，人们开始设计一个新的模型，把“感知”“决策”“行动”这三个模块放到同一个盒子里，简化系统的任务流程，提高框架的运行效率，这就是“端到端”。
进化的核心：数据！数据！还是数据！
但新的问题随之而来，“端到端”模型效率确实高，但智能机器人能有多“聪明”，很大程度上取决于它“见过”多少世面。你要给它投喂海量的、高质量的交互数据用于模型的训练，它才能不断向上生长。这正对应了AI届的那句名言：数据是AI时代的“石油”。
搞数据这件事，没有咱想象中的容易。尤其是对具身智能来说，它的训练数据的获取难度、成本和周期，要远远超过一般的语言模型。这就造成了“数据匮乏”这一行业难题。
目前呢，业内用来投喂模型的数据主要分为两种，一种是真实数据，一种是仿真数据。
真实数据是在真实环境里采集到的，比如上期的《行业观察室》提到的，有些智驾车企会通过预埋芯片来采集车主的驾驶数据，这种就属于真实数据。虽然真实数据的保真度很高，但是采集过程的耗时长、成本也高，再加上真实生活里充满了各种意想不到的突发状况——专业点的说法叫Corner Case，这些Corner Case也很难全部采集到。
所以，为了解决这些痛点，现在业内也会使用仿真数据来进行模型训练。你可以理解成我们创造了一个高度逼真的虚拟世界，让智能体在里头随便造，在虚拟交互的过程中采集数据。这种方法效率高且成本低，还能轻松模拟各种极端Corner Case，而且就算人睡觉了，AI还可以24小时不间断地进行海量训练，从而弥补真实世界里数据的匮乏。
背后的支撑：一整条产业链
听到这里，估计很多人都会跟我一样感慨：要搞个智能机器人出来，太难了！
确实，从研发，到制造，再到应用，智能机器人发展到现在，不是小几家公司能搞定的，它的背后，有着一长串的产业链。那么，在这个链条里，都有哪些环节和核心玩家呢？
要把一个机器人造出来并投入使用，总共分三步：第一，做出它的“大脑”和“身体”；第二，把“脑子”“身体”组装起来；第三，给机器人“安排岗位”，投入实际的应用。
而这个过程，恰好就对应了整条产业链的“上-中-下”三层架构。
上游的企业，负责机器人的“大脑”“身体”的研发和制造，这是整个机器人的基石，将决定它性能的上限。这个部分涉及的领域有很多，包括“大脑”部分的AI芯片、算法，“身体”部分的传感器、减速器、伺服电机、灵巧手等等。
当我们有了这些硬件和软件之后，中游的厂商负责集成和组装上游的零部件，把一个完整的机器人给造出来。这个环节的玩家，不仅要有扎实的工程制造根基、卓越的供应链协同能力，还要有强大的机器人设计能力。这类公司往往来自于智驾厂商、互联网巨头、传统机器人制造商，以及新兴的人形机器人专研厂家。
等机器人新鲜出厂之后，那么下游的商家，就负责把它们应用到各种具体的场景里去。比方说工业制造领域，像拧螺丝、物流分拣这些应用场景，机器人就具备极高的劳动替代性；在商业服务和特种作业领域，机器人也可以在餐厅、酒店、电力巡检、应急救援等大量场景中代替人力；还有家庭服务，在家庭场景中投入使用，完成家务助理、老人陪护等工作。这些都是智能机器人，尤其是人形机器人最具想象力的应用图景。
挑战重重，但未来可期！
从整体来看，现在智能机器人行业还是处于发展的早期阶段。工业和服务机器人在特定的场景里，虽然已经实现了商业化，但智能水平有限；人形机器人则还处于技术攻关阶段，平时咱们在网上看到的很多惊艳演示，大多都只是实验室的成果，距离真正大规模量产、走进千家万户，还有很长的一段路要走。
不过，虽然路途遥远、挑战重重，但每一次AI模型的突破、每一次硬件的迭代、每一次技术的精进，都在推动着机器人从冰冷的“工具”向人类的“伙伴”迈进。从投资角度来看，如果您看好智能机器人的发展前景，可以关注与之相关的科创AI指数，该指数就是从科创板中选取业务涉及人工智能基础资源、技术及应用支持的企业作为成份股，目前数字芯片设计在指数中占比近5成，软件开发和 IT服务超过3成，和机器人产业链的上游是直接相关的。另外，大家耳熟能详的恒生科技指数，其成份股中也有不少科技龙头已经在切入具身智能和机器人赛道。可以考虑通过这些指数参与投资，共同加入到这场由AI大脑驱动、由数据洪流滋养的“具身革命”中来。
从只会重复劳作的机械臂，到今天能够在虚拟中学习、在现实中实践的“智能实习生”，再到未来能够游刃有余处理各种事件的“全能管家”，人机协作的新纪元，正在数据与技术的浪潮当中，加速向我们驶来。
来源：广发基金投教基地·投学坊
相关阅读
