清华AIR曹婷：具身智能最大盲区是物理智能体

引言：具身智能浪潮下的冷思考

2025年，具身智能赛道持续火热，从人形机器人到自动驾驶，资本和技术力量不断涌入。然而，在一片热潮之中，清华大学智能产业研究院（AIR）教授曹婷却提出了一个发人深省的观点——具身智能领域最被忽视的问题，恰恰是「物理智能体」本身。

近日，在与曹婷教授的独家对话中，她系统性地阐述了对具身智能发展路径的深度思考，并首次透露了其团队正在筹备孵化一家新公司的计划，方向直指「可持续进化的物理智能体」。

核心观点：行业过度关注算法，忽略了物理世界的本质

曹婷教授在对话中直言，当前具身智能领域存在一个显著的认知偏差：大量研究资源集中在大模型、感知算法和规划决策层面，却对智能体在物理世界中的真实交互能力关注不足。

「我们花了太多精力让机器人'思考'，却忘了让它真正'活'在物理世界里。」曹婷表示，物理智能体不仅仅是一个硬件载体，更应该是一个能够感知环境变化、适应未知场景、并在持续交互中不断进化的完整系统。

她进一步解释道，当前许多具身智能系统在实验室环境中表现优异，但一旦部署到真实的非结构化场景中，性能便急剧下降。根本原因在于，这些系统缺乏对物理世界复杂性的深层理解，也缺乏在真实环境中自我迭代的能力。

「一个真正的物理智能体，应该像生物一样，能够在与环境的持续交互中积累经验、修正行为、甚至重构自身的能力边界。」曹婷强调，这种「持续进化」的能力，才是具身智能走向大规模落地的关键瓶颈。

深度分析：为什么物理智能体如此重要？

从技术角度来看，物理智能体的核心挑战至少包含三个层面：

第一，物理交互的不确定性。 与数字世界不同，物理世界充满了摩擦力变化、材质差异、光照波动等不可预测因素。传统的端到端学习方法很难完全覆盖这些长尾场景，智能体需要具备在线学习和实时适应的能力。

第二，身体与智能的协同演化。 曹婷指出，当前的研究往往将「身体」和「大脑」割裂开来——硬件团队做硬件，算法团队做算法。但在自然界中，生物的身体结构和智能是协同进化的。物理智能体的设计也应当遵循这一原则，让形态、感知和决策形成统一的进化闭环。

第三，持续学习与安全性的平衡。 一个能够持续进化的智能体，必然面临如何在学习新能力的同时保证行为安全的问题。这不仅是技术难题，更涉及工程实践中的系统可靠性设计。

从产业角度来看，物理智能体的成熟度直接决定了具身智能的商业化天花板。无论是家庭服务机器人、工业协作机器人，还是特种作业机器人，最终比拼的都不是单一任务的峰值表现，而是在复杂真实环境中的长期稳定运行能力和自主适应能力。

新公司筹备：从学术洞察到产业实践

值得关注的是，曹婷教授及其团队并未止步于学术讨论，而是正在将这一核心理念付诸产业实践。据了解，团队目前正在计划孵化一家新公司，专注于「可以持续进化的物理智能体」方向。

虽然新公司仍处于筹备阶段，具体的产品形态和商业模式尚未公开，但从曹婷教授的研究脉络来看，这家公司很可能会聚焦于物理智能体的核心系统架构——包括具备在线适应能力的感知-决策-执行一体化框架，以及支撑智能体在真实环境中持续学习和进化的基础平台。

清华AIR作为国内顶尖的智能产业研究机构，在具身智能、自动驾驶、AI系统等方向积累深厚。此次从AIR孵化创业项目，也体现了学术成果向产业转化的加速趋势。

展望：物理智能体或成具身智能下一个主战场

曹婷教授的观点为行业提供了一个重要的思考方向。当大模型的能力边界不断拓展，当算法层面的差距逐渐缩小，具身智能的竞争焦点或将从「谁的模型更强」转向「谁的智能体更能适应真实世界」。

物理智能体这一概念的提出，本质上是在呼唤一种更加系统化、更加尊重物理规律的具身智能发展范式。它要求研究者和创业者不仅关注算法的精度，更要关注智能体作为一个完整物理存在的生存能力和进化潜力。

随着曹婷教授团队新公司的逐步落地，物理智能体这一方向有望获得更多关注与资源投入。在具身智能从实验室走向真实世界的关键阶段，这或许正是行业最需要的一剂清醒认知。