具身智能“高考”難瘋了，人類100分，最強模型12.8

一場被稱為「具身智能高考」的評測近期在科技圈引發熱議，結果顯示人類與當前最先進的AI模型之間存在巨大鴻溝。人類參與者在這項針對機器人與環境互動能力的測試中，能夠輕鬆拿下滿分100分，然而表現最好的AI模型僅獲得12.8分，差距極為懸殊。這場「考試」幾乎讓所有現階段的具身智能模型都「考砸了」，凸顯出該領域在真實世界認知與動態適應上的顯著瓶頸。所謂具身智能（Embodied Intelligence），指的是具備在物理世界中感知、推理並執行操作能力的AI系統，最常見的應用載體便是自主機器人。

與單純處理文字或圖像的語言模型不同，具身智能系統必須同時處理視覺、觸覺、運動控制等多模態資訊，並在開放且不可預測的真實環境中做出即時決策。這對模型的綜合能力提出了極高要求，也使得評測的設計格外具有挑戰性。據了解，這項評測的題目模擬了真實環境中的各種挑戰，從簡單的物體抓取與放置，到需要多步驟規劃的移動與操作任務。人類可以憑藉直覺與經驗輕鬆應對，例如判斷一張桌子是否能承受重物、在狹窄空間內避開障礙物，或根據場景變化調整動作順序。然而對於當前AI模型而言，理解場景語義、規劃合理動作序列，並適應隨機出現的干擾因素，依然是極難跨越的門檻。12.8分的成績雖然看似微不足道，但其實已經是當前最先進水平。

這背後反映出一個核心問題：即便AI在特定受控環境（例如工廠產線或實驗室平台）中已能展現出驚人能力，一旦脫離這些邊界條件，面對開放式場景中的「物理常識」與「動態變化」，模型便容易失靈。例如，一個能精準抓取同款杯子的機械臂，若杯子被移動到不同位置、或被輕微遮擋，其成功率就會大幅下降。專家分析指出，這場「高考」突顯了具身智能當前的兩大瓶頸：一是對物理世界常識的理解不足，例如無法判斷物體的材質、重心或摩擦力，導致夾取力度不當；二是動態適應能力薄弱，無法像人類一樣在行動中隨時調整策略，而是依賴固定的規劃路徑。這些瓶頸使得機器人在面對家庭、醫療或救援等非結構化環境時，表現往往遠遠不如預期。

值得注意的是，評測中的「人類100分」並非誇張表述，而是經過標準化設計的基準。人類參與者只需按照日常邏輯完成任務，例如開門、推車、疊毛巾等，便能輕鬆滿分。而AI模型則需要在未知環境中，僅依靠感測器數據和內部演算法，自行完成從感知到執行的閉環。目前多數模型在單一環節已能達到不錯水準，但在全鏈路整合上仍存在嚴重斷裂。即便如此，這場評測並非唱衰具身智能，而是為整個行業提供了一個極為明確的進步標尺。過去，各家團隊往往使用自訂的環境與任務進行對比，難以橫向比較真實能力。透過這種統一且與人類表現直接掛鉤的測試，研究人員能夠更清楚知道自己的模型在哪裡卡關，從而集中資源突破關鍵技術節點。

事實上，近兩年全球主要AI實驗室與機器人公司都已將具身智能視為下一波重要賽道。從Google的RT系列到特斯拉的Optimus，再到中國本土多家新創團隊，無不投入大量資源提升機器人在真實世界的泛化能力。然而這場「高考」結果清楚表明，理論框架雖然進展迅速，實際落地距離人類水準仍有非常遙遠的距離。不少業內人士認為，未來幾年的關鍵突破點可能在於「模擬到真實的遷移能力」。目前許多模型是在高保真模擬器中訓練的，但模擬與真實世界之間始終存在「細節鴻溝」。如何讓模型在實際場景中依然保持穩定表現，已成為研究熱點。此外，強化學習與大模型結合也被視為可能路徑，透過大量試錯讓機器人學會類人的感知與決策。從12.

8分到100分，看似是一道無法跨越的鴻溝，但也正因為基準如此清晰，後續的每一次進步都將極具說服力。可以預見，未來將有更多團隊以這場「高考」作為衡量自身技術水平的標準，並持續縮小機器與人類在真實世界認知上的差距。雖然現階段的成績難看，但這正是推動產業突破的必要過程。對於大眾而言，這場評測也提供了一面鏡子：AI在語言與圖像領域的飛速進步，容易讓人對機器人能力產生過度期待。事實上，要在真實世界中像人類一樣靈活行動，遠比寫詩、畫圖或回答問題來得困難。具身智能的「高考」才剛剛開始，而人類依然在絕大多數任務上擁有壓倒性優勢。