具身智能标准及评测体系构建原则 具身智能作为具备感知、认知、决策、执行能力的 复杂系统，其标准及评测体系建设应保障系统性、演 化性与实践适应性的统一，确保既能全面刻画具身智 能的核心能力，又具备面向未来技术演进的开放性。 结合当前具身智能标准化研究与典型测评框架，可归 纳以下5类构建原则。 a）全面性与针对性并重。评估框架需覆盖具身 智能的关键能力维度，包括感知、认知、决策、行为控 制、人机交互与通信协作等方面，确保体系结构的完 法应严格遵循安全保护、数据隐私、公平性原则等伦 理与合规要求，避免诱发系统行为产生的不良影响， 特别是在交互、协作等场景下，应确保行为合法、安全 可控。 3.2 具身智能核心技术与关键评估维度 具身智能系统作为融合了“感知—认知—行动— 反馈”闭环的新一代智能体，其标准化建设应以核心 能力为基础，系统梳理关键技术维度，为标准及评测 体系构建提供结构化支撑。结合当前主流研究成果 与具身智能系统演化趋势，标准及评测工作可聚焦以 Monthly Topic 49 2025/07/DTPT 处理来自视觉、语音、触觉、惯性等多模态传感器的异 构数据，并实现跨模态融合与语义抽取，以构建环境 语义图与认知场景表示。该能力是实现环境建模、自 主认知与语言交互的前提，代表性研究路径包括视觉 —语言模型、空间语义建图、跨模态对齐机制等 ［16］。 该核心技术的代表性标准及评测指标包括视觉识别 率、深度建图精度、语义地图一致性、多模态融合响应

到端供应链流程（“虚拟库存” SC ）的现 状。 通过“一键式”扩展使用高级分析，将提高 5 个关键领域的绩效——商品定价和风险管理、产品成本管理、质量和可靠性、规划和 协作以及合规。 机器人和认知系统（“虚拟代理”）将接管常规的、手工的工作，通过自动化实现成本节约、提高质量、合规性，并增强更快更好 的决策。资源将集中在项目和异常处理上 数字颠覆正通过快速、持续的多波变化进入。组织需要在精通 实现这一数字抱负的推动因素和主题是什么？ 问题 2 18 2. 实现这一数字愿景的推动因素和主题是什么？ 数字“推动者” 分析 分析业务数据、识别模式、预测未来和模拟行动过程的技术 机器人 / 认知计算 在计算机模型中模拟人类的智力和思维过程 社交 允许虚拟创建和共享信息以及进行交互的交流的技术 基于移动的解决方案 使员工能够通过移动设备执行业务任务 基于云的解决方案 基于因特网的计算，按需向其网络提供共享的计算机处理资 个数字平台组成的数字采购套件 2. 实现这一数字愿景的推动因素和主题是什么？ § 一套预先批准的私人和公共“商店”，用于购买合同货物和服务 § 符合公司政策的高级业务规则，以指导采购行为 § 虚拟助手和认知计算接管日常服务 § 及时地并以端到端（端到端可视性）方式了解关键 KPI 和指标 § 深入挖掘能力，以确定根本原因并支持决策 § 预测不确定条件下可能结果的模拟 § 丰富的视觉用户体验，与设备无关（移动

的行动。您应该分享分析的结果 ， 让他们仍然做出决定。 他们的知识 员工 ， 他们的同理心 ， 他们对团 队运作方式的了解对于做出最佳决 策至关重要。 艾米 · 赖特, IBM 全球业务服务管理合作伙伴认知人才和绩效 人力资源中的 AI 业务案例 20 “在整个员工旅程中 ， 它是通过 NPS 衡量来推动正确的体验 ， 并通过 ROI 衡量来推动正确的业务成果。 ” — — Anshul Sheopuri 程序或购买现成的 AI 应用程序。除非您的 组织在 AI 方面拥有丰富的经验，通常最好利用已经开发解决方案的公司 的努力。如果你决定构建自己的解决方案，一个很好的开始方法是从员 工那里征求想法。IBM 在认知构建竞赛中采用了这种方法。员工被要求 为人工智能应用提出想法，并选择最好的 (通过员工众包) 并资助。上面 描述的 Watso Career Coach 是由此过程产生的 AI 应用程序的示例。这 人力资源中的 AI 业务案例 29 “我相信人工智能正在推动不同类型的工作 ， 以及更具吸引力的工作和职业 ， 包括人力资源职能。 — Obed Louissaint ， IBM Watson 认知解决方案与研究人力资源副总裁 AI 和更广泛的社会考虑 如果要实现 AI 的承诺 ， 同时减轻潜在风险 ， 则需要以道德上合理的方 式开发 AI 系统。因此 ， IBM 通过涉及 AI 和道德的政策流来补充其在

、理解问题、做出决策，并实现行动，从而产生 智能行为和适应性。 > 具身智能是人工智能与机器人学交叉的前沿领域，其核心在于将感知、行动与认知深度融合。 ■ 具身智能的基本概念 □ 什么是“具身” >“ 具身“是一个很小众的名词，通常都出现在哲学、认知科学领域。 >“ 具身”的英文叫 Embodied , 是 embody 的过去式和过去分词。 em- 表示 进入，使 … … ” , -body Al 对比 ■ 具身智能的基本概念 □ 具身智能、离身智能、反身智能 > 具身智能 (Embodied Inte ligence) : Ⅱ 强调智能体通过物理身体与环境的直接交互来产生认知和行动。其 核心在于“感知 - 行动 闭环，智能通过身体与世界的互动动态形成。 > 离身智能 (Disembodied Intelligence) : 指不依赖物理身体，主要在虚拟或符号空间中通过计算和算法 提出通过感知和动作驱动的环境交互来设 计 智能机器。智能体可以通过与环境进行直接的物理交互，以一种更加简单、有效的方式产生智能亍为。 > 1991 年，麻省理工学院 (MIT) 的 Cog 项目开始研究仿人形机器人的认知能力。 > 1991 年，罗德尼 · 布鲁克斯发表论文《 intelligence:Without RepΓesentation ( 无表征智能 ) 》 , 认为智能可以通 过行动与环境的交互而自然涌现

实时分配测试任务，动态采集跨平台数据；同步监控缺陷状态，实现 流程追踪与报告同步生成。同时，融合多模态时序理解（视频/语音/ 传感器数据流分析）与具身智能（物理世界交互与反馈学习）的技术 体系，标志着测试执行从“工具自动化”迈向“认知自主化”。这不 软件工程智能化标准体系建设指南（2025 年） 22 仅解决了“最后一公里”问题，更重新定义质量工程的本质——构建 可自我进化、物理世界可感知的智能验证生命体。 （4） 因 年） 23 住质量底线，形成“变更-测试-修复-验证”的持续闭环，确保软件 交付的稳定性与敏捷性双提升。 Testing for AI过程中，理解、归纳和执行是其核心能力的基础。 通过对认知能力、规划能力、表达能力和记忆能力的综合评测，深入 分析智能体如何有效理解用户意图、制定合理的响应计划、进行清晰 的交流，以及在多次交互中保持对用户信息的记忆，以提升用户体验 和系统的智能化水平。 的基础。效果评测维度，通过对认知能力、规划能力、表达能力和记 忆能力的综合评测。深入分析智能体如何有效理解用户意图、制定合 理的响应计划、进行清晰的交流，以及在多次交互中保持对用户信息 的记忆，以提升用户体验和系统的智能化水平。效果评测工具，利用 大模型（LLM）或者自然语言处理（NLP）模型，从结构化或非结构化 的知识源中提取信息，并自动构造问答对。 表 2 智能体评测维度表 指标 描述 认知能力 智

一般会计，应收账款，应付账款、收款， 会计业务、资产、税务 战略  认知学习 ( 智能自动化 )  认知学习技 术 能够从历史经验中学习并扩展其知 识库，最终实现 以最少的人为干预处理和自动化 不同的需求  认知学习技 术 未来将定义人性化的财务流程，即 分析、战略制定和决策  虽然并非所有公司都开始使用认知技 术 来实现财 务流程的自动化，但我们相信，其在未来具有巨 大的市场潜力

www.3dvfa.com 第 6 页 共 21 页 2.1 系统整体结构设计 智慧电厂可视化设备运维管理系统是一个对生产设备生产线的可视化的、科学的精益设 备管理系统，不仅能快速提升员工认知水平和技术能力，还将帮助企业快速走向智能化精益 生产的标志性进阶，预示着信息可视化阶段的来临，并基于此向智能化运营方向迈进。 该系统主要应用于行业生产设备生产线。利用三维虚拟可视化技术，实现设备状态动态 全面实现设备运行管理中相关内容的可量化管理，保持设备与装置处于最佳状态。 (10) 大幅度提高生产效率，减少工序品质慢性不良，定制的专家库系统的建立和使用成 为可能。 (11) 培养员工对设备综合管理的认知水平，提高设备综合指标的提取,设备综合效率评 估，扩大设备运行信息的录入的范围,提高信息的客观性准确性。 5、总结及远期规划 系统主要应用了可视化技术和增强现实技术，利用这样一个可以完全独立运行于控制的

型必然，而具身智能 正是这一战略升级的底层支撑。 具身智能引领“自动化→智能化”的范式跃迁。传统机器人依赖 硬件与固定编程，而具身智能融合 AI 大模型、多模态感知、端到端 控制，实现感知—认知—决策—执行的动态闭环。应用场景有望从商 用、工业扩展到医疗、家庭、教育等，推动“软件定义硬件，硬件产 品承载软件剩余价值”的产业趋势发展。 国家逻辑×市场逻辑双轮驱动，开启 20-30 年黄金期。具身智能 传统机器人产业以机械自动化为核心，强调高精度、高安全性、 高可靠性，以及标准化任务的重复执行，整体呈现出技术驱动、应用 场景集中、产业链结构清晰等特点；具身智能作为人工智能与物理实 6 体的深度融合，强调通过感知、认知、决策和行动闭环实现与环境的 动态交互，呈现出技术融合驱动、场景多元化、产业链复杂化等特点。 图表 3：传统机器人产业特点 序号 特点 描述 1 技术驱动 以机械结构、伺服电机、减速器等硬件为核心，软件多为控制系统，AI 人对“低成本、低功耗” 的端侧芯片、小型化电池需求较旺盛，推动这类具有拓展赛道能力的 核心部件的量产与成本下降。这种“场景需求定义部件价值”的逻辑， 打破了传统产业链中“技术先进即核心”的单一认知，使供应链的资源 分配更贴合实际落地需求，避免技术与市场脱节。 2. 头部企业作为链主，带动供应链规模化 应用，是推动产业玩家从技术验证走向量产成熟的关键，也是催 生细分场景头部企业的关键。比如，在商用场景，餐厅配送、酒店清

和直接上级之间合理的薪酬差距比例 分析： • 员 工 基 本上认可本岗位与上级薪酬的差距； 有四成以上的员 工 认为本岗位与上级之间的 薪酬比例应为 1:1.2 ； • 不同岗位类别的员 工 对薪酬的 认知较为一致， 但营销人员倾向于更大的薪酬差距，而访谈 高中层岗位人员表示应当适当再拉开差距； • 借鉴外部市场通用层级差距，一般的差异比 例在 1:2 左右。 无差距 1 ： 1.2 1 ： 同意 不确定 不同意 非常不同意 0% 20% 40% 6.7% 21.5% 34.1% 31.8% 5.8% 您认为目前薪酬体系对员 工 有激励作 用 薪酬激励性 - 员 工 认知：员 工 认为目前公司的薪酬激励性不佳，原因在于激励 导向不明，需要从薪酬结构上来进行分析 分析： 1 、左图表明， 70% 以上员 工 认为目前公司的 薪酬体系激励作 用不 明显，而公司基层员 其他 0% 10% 20% 30% 24.2% 21.1% 20.2% 17.9% 16.1% 0.4% 您对公司 / 部门对员 工 实施绩效考核 效果的满 意 程 度 员 工 认知：多数员 工 基 本上认可现行绩效考核 ， 认为考核 实施的问题比 较突 出，实施效果不够明显，有待从内容体系和管理体系两个方面进行深入分析 • 员 工 对绩效考核 整体同 尚可，但仍有一半 以上的人员

和直接上级之间合理的薪酬差距比例 分析： • 员 工 基 本上认可本岗位与上级薪酬的差距； 有四成以上的员 工 认为本岗位与上级之间的 薪酬比例应为 1:1.2 ； • 不同岗位类别的员 工 对薪酬的 认知较为一致， 但营销人员倾向于更大的薪酬差距，而访谈 高中层岗位人员表示应当适当再拉开差距； • 借鉴外部市场通用层级差距，一般的差异比 例在 1:2 左右。 无差距 1 ： 1.2 1 ： 同意 不确定 不同意 非常不同意 0% 20% 40% 6.7% 21.5% 34.1% 31.8% 5.8% 您认为目前薪酬体系对员 工 有激励作 用 薪酬激励性 - 员 工 认知：员 工 认为目前公司的薪酬激励性不佳，原因在于激励 导向不明，需要从薪酬结构上来进行分析 分析： 1 、左图表明， 70% 以上员 工 认为目前公司的 薪酬体系激励作 用不 明显，而公司基层员 其他 0% 10% 20% 30% 24.2% 21.1% 20.2% 17.9% 16.1% 0.4% 您对公司 / 部门对员 工 实施绩效考核 效果的满 意 程 度 员 工 认知：多数员 工 基 本上认可现行绩效考核 ， 认为考核 实施的问题比 较突 出，实施效果不够明显，有待从内容体系和管理体系两个方面进行深入分析 • 员 工 对绩效考核 整体同 尚可，但仍有一半 以上的人员