基于大模型的具身智能系统综述 王文晟 1 谭 宁 1 黄 凯 1 张雨浓 1 郑伟诗 1 孙富春 2 摘 要 得益于近期具有世界知识的大规模预训练模型的迅速发展, 基于大模型的具身智能在各类任务中取得了良好的 效果, 展现出强大的泛化能力与在各领域内广阔的应用前景. 鉴于此, 对基于大模型的具身智能的工作进行了综述, 首先, 介绍大模型在具身智能系统中起到的感知与理解作用; 且可以与物理环境进行信 息、能量交换的智能系统[2]. 虽然在过去的几十年 间, 离身智能取得了令人瞩目的成就, 但对于解决 真实世界的问题来说, “具身”的实现仍然是必要的, 与强调从经验中学习并泛化的离身智能方法相比, 具身智能更强调与环境的交互, 只有拥有物理身体 才能与世界进行互动, 更好地解决现实问题[3]. 当 前, 随着机器人技术和计算机科学的发展, 具身智 能受到更多的关注, 逐渐从概念走向实际应用 克风等传感器接受原始数据, 并解析数据信息, 形 成对环境的认知. 在处理此类信息时, 大模型有着 强大的优势, 能有效处理整合多模态的输入数据, 捕获各模态之间的关系, 提取为统一的高维特征, 形成对世界的理解. 如对大量无标签的互联网文本 和图像进行预训练的视觉模型, 能将图像与文本编 码到同样的向量空间中, 这种对齐不仅有利于对环 境的感知, 也有利于对用户自然语言指令的理解, 利于完成复杂的任务

具有跨模态知识挖掘和创新的潜能。如图 1 所示， 现实世界的信息、状态和变化通过不同的媒介和技 术手段，可以转化为文本、图片、音频、视频、信号 等符号描述，如果说文本数据是对现实世界在文字 符号规则下的一个投影，那么图片、视频、传感器信 号等不同数据都可以看作是现实世界在不同符号规 则下的多个投影，大语言模型技术具有在高维数字 空间融合不同符号世界信息的潜能，利用高维空间 的多模态知识表示，能促进不同符号世界信息的理 解、交流和融合，提供在一个更全面、完整、系统的 认知结构下对现实世界的事物，及其规律的新发现和 深入理解，从而推动知识结构的不断迭代与演进。 图1 基于大语言模型技术的多模态数据挖掘 Fig. 1 Multi-modal data mining based on large language models technologies 1.2.3 人机协同创新 大语言模型在获取语言知识的同时，也获得了语 言描述的关于世界的知识，从而让机器具有理解和生 成自然语言的能力，让人与机器在知识层面的有效交 互成为可能。基于大语言模型技术的人机协同创新 模式，将人的认知优势与计算机的计算与存储优势整 合起来，让人可以在更高层次、更广泛视角研究外部 环境，加深对客观世界规律的认识，并在人机交互中 将知识转移到机器上，提高机器智能 [18]。 2 智慧应急面临的挑战 应急管理信息化建设通过促进信息技术与应急 管理业务深度融合，为应急管理实战提供支撑保障。 一个典型的应急管理系统架构如图

埃森哲报告：AI 赋能保险，三大应用场 景如何重构价值链？ 人工智能(AI)使机器能够模拟和增强人类智能，它的出现正值保险和其他行业 数字化转型之际。尽管人工智能技术仍处于发展阶段，但在现实世界中，它 已应用于不同行业。人工智能正被用来解决各种各样的挑战，它使机器和系 统之间的交互更智能、更简单。 保险公司也逐渐进入这一领域，新一代人工智能技术有望帮助保险公司重新 定义其工作方式 三大应用场景：人力资源+流程管理+数据分析 “人工智能”一词包含许多不同的技术和能力。我们可以将人工智能定义为：能 够感知、理解、行动和学习的计算机系统。换句话说，一个系统可以感知它 周围的世界，分析和理解它接收到的信息，并在此基础上采取行动，通过学 习改进自己的性能。 通过利用机器与环境、人以及数据进行交互，这项技术可以提高人类和机器 的能力，使之远远超出了它们各自工作时的能力。

著 突破。合成数据的应用，有效克服了现实世界数据在获取难度、规模限制及多样性不足等 方面的挑战；图形处理单元（GPU）和张量处理单元（TPU）等高性能计算硬件的飞速发展， 为算力提升提供了强有力的保障；多模态模型的突破性进展，打破了传统人工智能（AI）技 术界限，实现了信息处理能力的全面升级；视频生成模型的显著进步，更是让创意与想象 在数字世界中自由翱翔；而混合专家系统（MoE）架构的广泛应用，则进一步提升了模型的 相关大模型， 排名不分先后 图1 大模型产业图谱 �� 大模型训练数据通常来自网络获取数据、外部付费/开源数据集、企业自有数据以及AI 合成数据。大模型训练和微调所需数据量快速增长，真实世界数据将在数年内被用尽。研 究机构Epoch估计，机器学习可能会在2026年前耗尽所有“高质量语言数据”。据Gartner 预测，2024年用于训练AI的数据中有60%将是合成数据。以Meta今年7月发布的 高质量的真实数据已逐渐无法满足大模型训练与精细微调的需要，这促使合成数据 作为真实数据的重要补充，在人工智能领域扮演着日益关键的角色。合成数据作为算法、 生成模型及模拟技术的产物，能够模仿现实世界数据的特征与模式，为大模型的训练与优 化提供丰富的数据资源。 以AlphaGeometry项目为例，该项目通过生成高达一亿个精准合成的数据点，为解决 复杂几何问题提供了强大的数据支撑，展现了合成数据在特定领域应用的巨大潜力。

未来规划 Nacos MCP Registry未来规划 05 Part 1 MCP & MCP Registry MCP 协议 和 MCP Registry MCP 协议浅析 模型与外部世界的标准化交互 通过统一的标准为模型提供 更加简单，可靠的数据交互 能力。 Official MCP Registry 的取舍 要解决的问题 1. 三方的registry无法提供完全的 MCP

： 用大模型写邮件 大语言模型（ LLM ） 可以接受输入 ， 可以分析 & 推理、 规划任务、 输 出文字 \ 代码 \ 媒体。 然而 ， 其无法像人类一样 ， 拥有运用各种 工具与物 理世界互动 ， 以及拥有人类的记忆能力。 智能体 (AI Agent) • LLM ：接受输入、思考、规划任务、输出 • 人类： LLM （接受输入、思考、规划任务、输出） + 记忆 + 工具 Reflection

2025埃森哲版权所有。 埃森哲及其标识均为埃森哲公司的商标。 扫码阅读埃森哲小程序 “智能制造与供应链”系列洞察报告 关于埃森哲 埃森哲注册于爱尔兰，是一家全球领先的专业服务公司，致力于帮助世界领先的企业、政府和其他组织构 建数字核心、优化运营、加速营收增长、提升社会服务，快速且广泛地创造切实的价值。作为一家以人才和创新 驱动的企业，我们拥有约79.1万名员工，为120多个国家的客户提

决策的信任度和接受度。 通过上述策略，可以在有效治理生态问题的同时，推动生态环 保领域的快速发展，促进人与自然的和谐共生。 2.1 环境污染现状 当前，环境污染问题日益严重，成为制约可持续发展的重要瓶 颈。根据世界卫生组织的统计，全球每年因空气污染导致的死亡人 数高达 700 万。大气污染来源主要包括工业排放、汽车尾气、建筑 扬尘等，而水污染则主要源于农业面源污染和工业废水排放。此 外，固体废物的无序处置和塑料污染也在不断加剧环境负担。目 健康。 再者，过度开发自然资源也是不可忽视的原因之一。森林砍 伐、过度捕捞、矿产资源开采等活动，使得自然资源快速枯竭。这 不仅减少了自然资源的可持续利用，还进一步加剧了生物多样性的 丧失。根据世界自然基金会（WWF）的报告，全球森林覆盖率从 1990 年的 31%下降到 2020 年的占地 27%。这一变化意味着生物 栖息地的减小，导致了许多物种的灭绝。 此外，气候变化正成为生态破坏的重要驱动因素。全球气温的 些极端气候 事件对生态系统的稳定性造成了严重威胁。各类植物和动物面临生 存环境的急剧变化，生态平衡受到破坏。国际气候变化委员会 （IPCC）指出，如果不采取有效的减排措施，到 2050 年，全世界 将有数百万生物面临灭绝风险。 最后，公众意识和政策支持不足也是导致生态破坏的重要原 因。尽管环保理念逐渐被接受，但在实际操作中，许多企业和个人 仍存在环境保护意识淡薄、缺乏有效执行机制等问题。此外，相关

中提取出关键的信息，进行智能分析与判别。这种能力不仅能够提 高监控视频的利用效率，还能在发生风险时提供及时的预警，快速 制定应对策略。结合大数据和机器学习技术，我们能够实现对公共 场所和重要设施的实时监控与反应。 近年来，世界范围内发生的多起安全事件引发了政府以及企业 对公共安全的高度重视。据统计，自 2010 年以来，城市公共安全 事件的发生率呈逐年上升趋势，尤其是在大型城市，受众多因素的 影响，导致社会治安形势日益复杂。为应对这一挑战，各地纷纷加 。 3. 刘七. (2022).《智能视频内容分析技术现状与未来发展》. 信 息安全与技术. 该研究评述了市场上现存的智能视频分析技术 及其发展趋势，为本方案的前瞻性规划提供了参考。 4. 世界卫生组织. (2023).《城市公共安全与智能技术的交汇》. WHO Publications. 本出版物探讨了智能技术在提升城市公共 安全方面的潜力，强调了与 AI 结合的必要性。 5. 交通部

 智能体（Agent）：指能够感知环境并采取行动以实现特定 目标的计算实体。智能体可以是简单的规则系统，也可以是复 杂的基于机器学习的模型。  环境（Environment）：智能体所处的世界或情境，智能体 通过感知环境中的数据并采取行动来影响环境。  状态（State）：环境在某一时刻的具体描述，通常由一组变 量或特征表示。  动作（Action）：智能体在某一状态下可以执行的操作，动