Embodied（具身智能/Embodied AI）指让人工智能通过机器人等物理载体感知环境、做出行动并从真实世界反馈中学习的技术方向，被业内普遍视为大语言模型之后 AI 进入物理世界的下一步。与纯数字世界的 AI 不同，Embodied AI 需要同时处理视觉理解、运动控制和长程任务规划，因而对模型能力与真实交互数据都提出了更高要求。
Embodied 模型近期进展
当前焦点与观察点
研究层面的主线正在从单一模型走向"世界模型+行动模型"的融合。arXiv 上近期出现了多项工作：Embodied-BenchForge 提出闭环代理工作流来构建具身评测基准；RoboPIN 尝试通过固定思维链提升具身推理的稳定性；UniWALM 和 World Action Models 相关综述则探讨了将语言、世界建模与机器人控制统一到单一框架的路线图（Embodied-BenchForge、World Action Models到Embodied Brains路线图、UniWALM）。
争议与瓶颈集中在两点：一是数据——真实物理交互数据采集成本高、规模远小于互联网文本，被普遍认为是制约 Embodied AI 落地速度的核心短板；二是评测——目前缺少公认的标准化基准，各家模型报告的指标难以直接比较。未来值得观察的方向包括：小型高效基座模型能否替代大体量模型成为主流、世界模型能否真正支撑长程物理任务，以及教育、商用清洁等低风险场景能否率先跑通商业化闭环。