图灵奖得主杨立昆对当下火热的人形机器人热潮提出了尖锐批判，指出其缺乏常识，更像是“电子表演”。本文系统梳理了他对具身智能的深刻反思，揭示了构建真正智能的关键在于发展能理解物理因果的“世界模型”，为行业提供了回归科学理性的新视角。
智能速览
当前人形机器人缺乏常识，本质是高级电子动画表演。
机器在物理直觉上的缺陷根源于莫拉维克悖论，常识是巨大鸿沟。
真正的具身智能需要构建能预测、推理的“世界模型”。
大语言模型无法理解物理因果，知识必须源于对世界的观察。
具身智能将率先在工业场景落地，家用场景仍需十年以上。
精华内容
杨立昆的批判并非否定技术，而是要引领一场从“表演”到“理解”的深刻变革，其核心直指智能的本质。
“电子动画”幻象
许多先进的人形机器人并非基于物理世界的理解进行自主决策，而是高级的电子动画。它们能完成后空翻等高难度动作，是工程师花费数千小时编写脚本的结果，而非对动作的真正理解。一旦环境稍有变化，如椅子移动十厘米，它们就可能立即失败。这种“演示驱动”而非“价值驱动”的模式，是对行业资源的巨大浪费。相比之下，在工厂和物流中心，非人形机器人通过交互学习，已在仓储、装配等封闭场景中展现出真正的实用价值。
常识的鸿沟
杨立昆用“常识不如猫”的比喻，揭示了当前机器人的根本困境——莫拉维克悖论。人类视为本能的物理直觉，对AI而言却是难以逾越的鸿沟。一只小猫能通过一次摔倒学会判断距离和稳定性，而机器人需在仿真中经历数百万次尝试。问题根源在于现有AI系统缺乏“世界模型”，它们能“看见”像素，但不“理解”物体；能执行指令，却不知“为何如此”。一个智能体应在行动前在脑中模拟后果，这是当前机器人无法做到的。
世界模型之路
杨立昆认为，大语言模型学习的是词语间的统计关联，而非物理世界的因果机制。真正的突破在于构建以世界模型为核心的新一代AI架构。该架构通过JEPA等技术，在抽象空间中预测信息，并通过自监督学习，让智能体在与环境的交互中自主构建对世界的内部表征。智能必须源于身体与世界的互动，它不是云端大模型的附属品，而是具身系统涌现的属性，能让机器像儿童一样通过试错积累物理常识。
回归科学理性
杨立昆呼吁行业从炒作中冷静下来，指出当前人形机器人市场正处于“期望膨胀顶峰”。具身智能的商业化将遵循“工业先行、消费滞后”的路径，首批真实应用将在工厂、仓库等结构化环境中出现，乐观估计家用机器人仍需10到15年。同时，他强调安全机制必须内嵌于世界模型的架构底层，作为一条物理定律而非事后添加的软件规则，以确保机器人行为符合人类价值观。
杨立昆的思考是对“何为智能”的哲学追问，主张从“无理解的胜任力”转向具备理解能力的系统。当行业沉迷于炫技与估值时，这份理性回归提醒我们，通往通用智能的征途，唯有对世界本质的敬畏与探索，别无捷径。
