具身智能 50 年：从 Shakey 到 Figure 01 的机器人进化史

一、1966-1980：摇摇晃晃的婴儿期

具身智能的起点是 1966 年 Stanford Research Institute（SRI）的 Shakey 机器人——这是历史上第一个能用 AI 自主导航、规划任务的移动机器人。Shakey 装有电视摄像机、测距仪和碰撞传感器，能在简单环境里识别物体、规划路径、执行”把箱子从 A 推到 B”这样的指令。

但 Shakey 慢得离谱——完成一个简单动作可能需要数小时计算。原因在于当时的 AI 是基于符号推理的 STRIPS 规划系统，每一步都要逻辑演绎。1969 年的经典论文《Shakey the Robot》详细记录了这一过程，成为 AI 史上的重要里程碑。

同期，MIT 的 Marvin Minsky 也在做”复制人手”的尝试。1970 年代初，MIT AI 实验室的机械手研究小组（Marc Raibert 早期工作的雏形）开始探索机器人抓取与操控。这一时期最重要的洞察是：”手”和”眼”必须协同——单纯的视觉识别或单纯的机械控制都无法完成真实任务。

1979 年，Stanford Cart 自主车完成了横穿房间的实验，这是第一个用立体视觉导航的机器人系统。它展示了”感知-行动”闭环的可行性，也为后来的自动驾驶研究埋下种子。

二、1980s-1990s：行为主义与波士顿动力

1980 年代，AI 编程的专家系统浪潮也波及机器人领域。但 1986 年，MIT 的 Rodney Brooks 发表经典论文《大象不下棋》（Elephants Don’t Play Chess），提出完全不同的思路——他认为应该抛弃符号 AI，从底层行为开始构建机器人，像昆虫一样从简单反应逐步进化到复杂智能。

这一思想催生了”行为机器人学”（Behavior-based Robotics）。Brooks 自己做了一系列标志性机器人：Allen（1987）、Herbert（1988）、Genghis（1989）——这些机器人没有中央规划器，而是由多个并行行为模块（如避障、跟踪、聚集）协同工作。

1989 年，Brooks 联合创始人之一的 Marc Raibert 离开 MIT，创办了 Boston Dynamics。这家公司后来成为机器人领域最具影响力的名字之一，但 Raibert 最初的研究方向是跳跃机器人——1980 年代他在 MIT 做出了第一个能单腿跳跃的 3D 平衡机器人。

1990 年代，机器人开始走向实用。1996 年，Honda 公布了 P2 步行机器人——这是第一个能稳定双足行走的类人机器人。Honda 用了 10 年秘密研发，最终在 2000 年发布 Asimo，成为人形机器人商业化的标志。

同期，Stanford 的 Victor Scheinman 发明了 PUMA 机械臂，这一发明成为后来全球工业机器人（如 KUKA、ABB）的原型。1973 年就诞生的 PUMA 到 1990 年代已是汽车装配线上的标准设备。

三、2000s-2010s：自动驾驶与强化学习复兴

2000 年代，具身智能最显著的进展在自动驾驶。2004-2007 年，DARPA 举办了三届 Grand Challenge——这是自动驾驶领域的”登月计划”。第一届全军覆没，第二届 Stanley 夺冠（Stanford，2005），第三届 Urban Challenge 在城市环境完成（CMU Tartan Racing，2007）。这些挑战直接孵化出 Google 自驾项目（2009，后来的 Waymo）、特斯拉 Autopilot（2014+）等产业成果。

2005 年后，强化学习开始在机器人领域复兴。2013 年，DeepMind 发表《Playing Atari with Deep RL》，证明深度强化学习能从零开始学会玩 Atari 游戏。2015 年，DeepMind 的 AlphaGo 击败人类围棋冠军，背后的”策略网络+价值网络”双网络架构直接被移植到机器人控制——这成为后来机器人学习的基础方法论。

2017-2019 年，机器人学习进入 sim-to-real 时代。研究者先用物理仿真（如 MuJoCo、PyBullet）训练机器人策略，再迁移到真实硬件——这大幅降低了训练成本。2018 年，OpenAI 发布 Dactyl，展示了机械手在仿真中学会翻魔方（虽然训练算力巨大）。

2019 年，CoRL（Conference on Robot Learning）首次举办，标志着机器人学习成为 AI 主流研究方向之一。

四、2020-2023：基础模型与具身智能爆发

2020 年代初，Transformer 架构横扫 NLP 和 CV，机器人领域也开始把基础模型用于操控任务。2022 年，Google 发布 RT-1（Robotics Transformer 1），证明用大规模机器人轨迹数据训练的 Transformer 能学会通用操控策略。

2022-2023 年，具身智能迎来三件标志性事件：

2022 年 9 月，特斯拉在 AI Day 公布 Optimus（擎天柱）人形机器人原型
2022 年 10 月，波士顿动力 Atlas 完成高难度跑酷视频（跳箱、跑酷）
2023 年 5 月，Figure AI 拿到 7000 万美元融资，发布 Figure 01 概念视频

Figure 01 是这一波浪潮的典型代表。它由 Brett Adcock 创办的 Figure AI 公司开发，目标是”通用人形机器人”，能在工厂、家居场景执行任务。Figure 01 用 OpenAI 的 GPT 模型作为”大脑”，用自研的端到端神经网络控制”小脑”。

与此同时，1X Technologies（挪威，原 Halodi Robotics）发布 NEO Beta，Apptronik（奥斯汀）发布 Apollo——整个人形机器人赛道在 2023 年融资金额突破 20 亿美元。

五、2024-2026：量产与商业化竞争

2024 年，具身智能进入”量产元年”。Figure AI 在 1 月获得英伟达、微软、OpenAI 等 6.75 亿美元投资，估值达到 26 亿美元。2 月，Figure 01 在 BMW 工厂完成首次真实部署演示。8 月，Figure 02 发布，外观更接近商用形态。

同期竞争白热化：

Tesla Optimus 2024 年开始在特斯拉超级工厂内部署执行简单搬运任务
Apptronik Apollo 与奔驰达成合作，在工厂测试
1X NEO 拿到瑞典最大养老基金投资，主攻家庭场景
宇树科技（Unitree）发布 H1，售价 9 万美元，成为最便宜的”可买”人形机器人

2025 年关键突破是”基础模型 + 机器人”的深度融合。Google DeepMind 发布 RT-2、RT-H 等新一代机器人模型，能直接用互联网规模视觉-语言数据预训练，再在机器人轨迹数据上微调——这彻底打破了”机器人必须靠昂贵遥操作数据训练”的瓶颈。

中国具身智能产业也快速崛起。2025 年，宇树 H1、智元 A1、银河通用 Galbot 等本土人形机器人相继发布。小鹏 IronX、奇瑞 Mornine、比亚迪等车企也宣布自研人形机器人计划。

六、未来：通用物理智能的临界点

到 2026 年，具身智能站在”通用物理智能”的临界点上。Figure、Apptronik、Tesla、1X 等头部企业的人形机器人已进入工厂实测阶段。但真正的拐点还没到——目前的机器人只能执行高度结构化的任务，离”通用家务助手”还有距离。

短期看，2026-2027 年的瓶颈是”数据”。人形机器人需要海量真实场景的轨迹数据，但采集成本极高。中期看，多家头部公司正在搭建”机器人大数据工厂”（如 Tesla 的 Dojo 数据收集），预计 2027-2028 年会出现数据拐点。长期看，具身智能可能成为继大语言模型之后，下一个 AGI 的关键拼图。