报告概述
本白皮书由CCF YOCSEF长三角系列论坛成果整理而成，面向教育工作者、学科建设部门与政府/行业管理者。报告将具身智能定位为“物理交互中的智能行为”这一新兴交叉学科问题域，提出三大基本问题：智能行动能力如何生成、物理交互经验如何获得与验证、安全可信的开放物理交互如何建立，以及一个应用需求维度。报告详细阐述了每一基本问题的概念体系、方法体系、评价标准，并讨论了工业制造、文旅服务、警务与公共治理等应用场景的验证作用。在此基础上，报告提出了人才培养体系（T型、π型、团队型人才）和学科建设建议（研究议程、平台基础设施、标准评价、共同体、课程教材与分阶段推进路径）。读者可通过阅读本报告，系统理解具身智能的学科内涵、研究框架与建设路径。
报告的核心结论
具身智能应作为新兴交叉学科问题域来建设
报告指出，具身智能的研究对象是物理交互中的智能行为，这一对象决定了它不能由单一学科独自回答，而是需要融合人工智能、机器人学、控制、图形学、安全、设计、法律等多学科。十一场论坛反复显示，模型、身体、环境、数据、安全、价值和制度必须同时融入同一个行动系统，因此具身智能具备作为新兴交叉学科问题域进行系统建设的现实需求和基本条件。
行动能力、物理经验、安全可信是三大基本问题
报告将具身智能的组织框架提炼为三个基本问题和一个应用需求。智能行动能力如何生成关注从模型训练到物理行动闭环；物理交互经验如何获得与验证关注数据来源与虚实协同；安全可信的开放物理交互如何建立关注物理域风险与责任链。这三个问题平行且相互依赖，共同构成学科建设的核心研究载体。
真实操作数据与仿真协同是经验获取的关键
报告强调，具身智能所需的关键经验并非现成语料，而是在行动过程中产生的过程数据。合成数据、仿真和数字孪生可以低成本扩展数据空间，但真实操作数据、失败记录和现场反馈仍然不可替代。虚实协同的数据闭环是建立可迁移、可校准、可复现经验体系的核心路径，也是学科建设中数据平台和评测体系的基础。
安全可信是独立于行动能力的平行基本问题
报告论证，具身智能安全具有独立研究对象（物理攻击面、传感器欺骗、执行器失控等）、独立方法体系（红队测试、分级评估、日志审计等）和独立评价标准（可审计、可回滚、可追责等）。它不是行动能力的附属约束，而是决定具身系统能否进入真实场景的前提条件。安全必须从课程设计初期就进入核心能力框架。
学科建设需要从研究议程、平台、标准、共同体、课程和制度六方面同步推进
报告提出，具身智能学科建设不能依赖单一专业或项目，而应围绕三大基本问题建立研究课题群，建设开放数据平台、仿真与真实联动平台、测试场等基础设施，建立面向行动、经验、安全和价值的评价体系，并通过共同体建设、课程教材开发和分阶段推进路径实现。当前教育部将具身智能列入本科专业目录、工信部成立标准化技术委员会等制度信号为系统建设提供了窗口。
报告回答的关键问题
具身智能与人工智能、传统机器人学有何本质区别？
具身智能的研究对象是物理交互中的智能行为，核心是“身体、行动、环境、反馈、安全”的闭环。与人工智能偏重离身表征不同，具身智能必须处理物理世界的重量、惯性、摩擦和后果；与传统机器人学在预设流程中执行预设任务不同，具身智能要求在开放场景中理解自然语言指令、处理不确定性、持续学习和安全负责。报告强调这不是学科拼盘，而是形成新问题边界。
为什么具身智能需要建设新兴交叉学科？
报告指出，具身智能的关键问题无法由单一学科独立回答：算法、控制、仿真、安全、法律等领域必须在同一个行动系统中协同作用。仅仅将计算机和机器人课程相加无法培养真正应对开放物理世界的人才。教育部2026年本科专业目录已将其列入交叉学科门类新专业，标志着学科建设进入制度窗口，需要围绕行动能力、物理经验、安全可信和应用价值重新组织课程、平台与评价。
具身智能安全与传统AI安全有何不同？
传统AI安全主要关注数字空间的数据泄露、模型攻击、偏见等；具身智能安全扩展至物理空间，包括传感器欺骗（声、光、力信号误导）、执行器失控、人机物理碰撞、责任链等。报告提出了“带外脆弱性”概念，说明物理信号可绕过传统数字安全边界直接影响系统行为。安全可信由此成为独立基本问题，需要红队测试、安全分级、日志审计等新方法。
具身智能落地工业场景需要哪些条件？
报告基于苏州和上海论坛指出，工业场景要求机器人不仅演示成功，还要长期稳定运行、处理异常、满足节拍和质量追溯。具身智能在工业中的核心价值在于柔性（环境适应性、跨任务泛用性、快速学习迁移），主要应用于自动化流水线上下两端和离散制造。落地需解决真实现场长尾问题（物料形变、夹具磨损、光照变化等），并需要真实操作数据闭环、系统集成人才和ROI评价体系。
完整报告包含什么
- 完整报告包含为期两天半的论坛素材整理，涵盖产业化路径、概念边界、图形学与仿真、安全、工业制造、警务、文旅、Scaling Law、后Scaling大模型、教育人才和机器人下工厂等11场专题讨论，以及每场论坛的新闻链接和专家观点摘要。
- 详细阐述了“三个基本问题+一个应用需求”的学科框架：智能行动能力如何生成、物理交互经验如何获得与验证、安全可信的开放物理交互如何建立，以及工业制造、文旅服务、警务与公共治理等应用场景的分析。
- 包含学科要素地图：研究对象、核心问题、概念体系、方法体系、评价标准、人才体系、共同体与制度等七类要素的详细说明。
- 深入讨论行动能力生成的五层方法栈（感知与语义理解、任务规划与结构约束、动作策略学习、控制执行与本体适配、反馈评估与恢复）和评价标准（可泛化、可恢复、可追溯、可部署）。
- 物理交互经验部分详细分析了合成数据、仿真、数字孪生与真实操作数据的分工，以及具身数据工程、可校准世界模型、数据责任等概念。
- 安全可信部分包含带外脆弱性的具体案例（DolphinAttack、对抗补丁等），以及L1-L5安全分级、日志审计、人工接管机制等全套方法体系。
- 人才培养体系提供T型、π型、团队型人才的具体定义，以及工程翻译者、数据与评测翻译者、安全与治理翻译者、场景价值翻译者四类“翻译人才”的培养路径。
- 学科建设建议共八节，包括建立研究议程、建设平台基础设施（开放数据平台、仿真与真实联动平台、操作系统与框架、测试场）、建立标准与评价体系、建设学科共同体、建设课程教材与联合培养机制、分阶段推进路径（1-2年、3-5年、5年以上）以及风险缓解策略。
- 附录列出全部论坛素材、重点政策标准与行业资料（包括教育部专业目录、工信部指导意见、学会机制、国际会议、行业报告、地方政策等），以及资料边界说明和特别鸣谢列表。
本页内容由川海智库整理，用于帮助读者快速了解报告主题、核心观点和主要内容。由于报告量大、人工能力有限，部分观点、数据、统计口径或表述可能存在偏差，具体内容请以完整报告原文为准。
