今年的政府工作报告明确提出，要“培育壮大新兴产业和未来产业”，建立未来产业投入增长和风险分担机制，培育发展未来能源、量子科技、具身智能、脑机接口、6G等未来产业。这是“具身智能”连续第二年被写入政府工作报告。

未来哪些技术突破可能为具身智能产业化按下加速键？具身智能的人才缺口如何补？以及面对急剧变化的人工智能产业，高校与计算机专业的学生应该如何应对？对于这些问题，全国政协委员、中国科学院自动化研究所多模态人工智能系统全国重点实验室副主任王亮分享了他对具身智能产业的洞察。

“我对这个领域的前景是非常乐观的，但产业化会是一个渐进的过程，把基础打扎实比急于追求短期成果可能更为重要。”王亮说。

身在高校，王亮特别强调产教融合的重要性。他认为，对具身智能来说，高校与产业的深度融合不是可选项，而是学科本身的内在要求。具身智能的研究对象是在真实物理环境中工作的智能系统，学生如果接触不到真实的硬件平台和工程约束，研究就很难具备实际价值。

人才瓶颈：纵向打不通，横向铺不开

虽然具身智能的产业规模在加速扩张，有望在2035年突破万亿元。但数据显示，具身智能行业正面临着严峻的复合型技术人才短缺问题，甚至出现了百万年薪难解具身智能“人才荒”的局面。猎聘大数据研究院发布的《2025三季度人才供需洞察报告》显示，具身智能平均招聘年薪高达33.34万元，明显高于人工智能行业的29.09万元。北京理工大学表示，根据调研，当前各行业和单位具身智能人才缺口约100万。根据您的观察和研究，当前具身智能领域的人才缺口和困局体现在哪些方面？

王亮：人才问题是我在教学和研究中感受非常直接的瓶颈问题。个人认为可以从两个维度来理解。一个是纵向的技术深度，也就是软硬件贯通的能力。传统AI人才的培养大多在纯数字环境中完成，但具身智能要求算法最终落在真实的物理实体上运行。现实情况是，做算法的同学往往缺乏对硬件约束的体感，做硬件的同学对最新AI技术又不够熟悉，能在这条链条上贯通的人非常稀缺。

另一个是横向的场景宽度，也就是技术与行业深度结合的能力。具身智能的价值要在制造、医疗、家庭服务等具体行业中兑现，但每个行业都有独特的流程逻辑和安全规范。缺乏对行业纵深的理解，技术方案往往只能停留在“能演示”的阶段，很难真正通过客户的验收。这类复合型人才成长周期长，很难完全靠校内培养完成。这两个维度的人才缺口是相互关联的：纵向打不通，技术出不了实验室；横向铺不开，产品进不了行业。

为加快适应产业发展，不少高校近一年增设“具身智能”专业。2025年，教育部陆续公布了申请增设“具身智能”“具身智能工程”新专业的9所高校，其中包括北京航空航天大学、北京理工大学、上海交通大学等。其中，上海交通大学设立具身智能四年制工学本科专业，依托人工智能学院计算机类学科体系。从人才培养角度来看，具身智能与人工智能在知识体系构建和能力要求上有哪些共通之处？又有哪些本质上的不同？

王亮：二者在数理基础、编程能力、深度学习等核心理论与方法上都是共享的，二者的核心差异在于思维模式的转变。人工智能的思维习惯是“数据进、数据出”，关注离线指标的表现；具身智能则要求学生时刻意识到算法在真实物理世界中运行，每一个决策都有物理后果，很多时候不可逆。这种从“信息空间思维”到“物理空间思维”的跨越，仅靠课堂讲授很难完成，需要学生在真实的硬件系统中反复历练。

围绕真实工程问题来组织教学，推动产教深度融合

面对巨大的产业需求，高校在具身智能人才培养上应做出哪些调整？

王亮：我认为具身智能的人才培养不能简单地在现有AI课程体系上做加法，而是要围绕真实的工程问题来组织教学，让学生在解决问题的过程中自然地整合不同学科的知识。

高校应通过构建跨学科的培养体系，让学生形成复合型的知识结构；强化学生的工程实践能力，为学生提供更多接触真实具身智能体硬件和实际工程问题的机会，而不仅仅停留在仿真和论文层面；注重人才梯队的合理建设，如本硕博贯通式教育，既要培养能做原始创新的研究型人才，也要培养能把技术落到实处的工程应用型人才。

尤其在推动产教融合方面，对具身智能来说，高校与产业的深度融合不是可选项，而是学科本身的内在要求。

从我的观察来看，很多校企合作仅仅停留在企业出资、高校出论文的阶段，双方在问题定义上并没有真正对齐，有效的合作应该是围绕真实的技术瓶颈共同攻关。

要让学生有实质性进入产业场景的机会，不是参观式的实习，而是深度参与到工程项目的完整周期中。 这种经历对学生的成长价值，远超课堂上的模拟训练。 具身智能的研究对象是在真实物理环境中工作的智能系统，学生如果接触不到真实的硬件平台和工程约束，研究就很难具备实际价值。

在人才培养环节，高校要更加注重激发年轻人的问题意识和独立思考能力，让他们不仅善于跟进学科前沿，更有勇气去定义新的基础问题。在具身智能领域，我们在应用层面积累的大量真实场景经验，实际上正在催生很多新的基础研究问题，这是我们未来提升原始创新能力和攻关关键核心技术的优势所在。

在技术快速迭代的当下，我的建议是，要把AI工具当作能力的放大器而不是替代品，用大模型辅助工作没有问题，但前提是你自己要有判断质量的能力。同时，要有定力在一个方向上持续深耕。真正做出有影响力研究的年轻学者，往往不是追热点的人，而是在一个问题上深耕数年、建立起系统性认知的人。

此外，关注国家在具身智能、人形机器人等方向上的战略部署，把个人的研究兴趣与真实的产业需求结合起来，这样研究的价值根基会更扎实，发展方向也会更清晰。

来源：《中国报道》