摘要：AI的未来不仅仅取决于算力的无限增长，更取决于我们能否从“碎片化AI”的片面认识论回归到“知行合一”的智能形成逻辑，即“知行统一”的实践认识论或知行观。具身智能将真正的智能理解为不是静态的知识集合，而是动态的实践能力，基于这种知行观而构建“认知与行动”“主体与环境”协同进化的智能系统，才有可能实现更卓越的通用AI与类人AI，从而真正走出“离身智能”的困境，使AI迈向更具适应性、创造性与人文性的光明前景。
作者：肖峰，上海大学智能时代的马克思主义研究中心暨智能哲学与文化研究院教授
摘自：《科学技术哲学研究》2026年第1期
本文载《社会科学文摘》2026年第4期
与传统AI仅强调智能中的认知维度不同，具身智能关注智能体通过物理实体与环境互动，实现从“解释世界”到“改变世界”的跨越，对传统AI中形成的知行关系具有颠覆性意义，以至于深刻地重构了AI认识论中的知行关系观。
传统AI范式中的知行关系
“知”与“行”的关系是哲学认识论的基本命题，千百年来哲学家们围绕认知（或知识）与行动（或实践）之间孰轻孰重、孰先孰后、孰难孰易等问题争论不休，这些问题在人工智能的发展中同样也鲜活地呈现出来。人工智能自诞生之初便面临一个根本问题：智能的实现应从认知出发，还是从行动切入？由此延展到对待知行关系一系列问题的立场和理解。考察AI的实际发展的历程，可以看到一幅“知先行后”“知重于行”“知易行难”和“知行分离”的知行关系图景。
（一）“知先行后”：AI技术演进的时序逻辑
目前兴起的具身智能是模拟人的行动功能的AI，而先前占统治地位的AI均是模拟人的认知功能，可简称为“认知AI”。人工智能的发展历程，是认知AI先行，具身智能后发，由此形成了AI发展史的“知先行后”序列。
传统AI，无论是符号AI还是连接主义AI，它们的核心活动场域都局限于抽象的符号世界，使得作为认知AI的传统人工智能是卓越的“思考者”，而丝毫不具备直接改变物理世界的行动能力。
能够行动的具身智能比认知AI的出现晚得多。直到21世纪初深度学习推动感知技术突破（如计算机视觉、触觉传感器），以及强化学习解决复杂决策问题（如AlphaGo的策略优化），具身智能才逐渐成为AI研发的主流之一。“知先行后”成为AI发展序列的一种事实和现状。
（二）“知重于行”：AI研发的价值偏向
人工智能发展中的“知先行后”，也表明了在知行之间孰轻孰重的选择。先行的传统人工智能，均以认知为核心，形成了人工智能学科自诞生以来长期都是以“认知主义”为主导范式。这种技术现状折射出的，正是人工智能领域根深蒂固的“知重于行”价值取向。这种倾向本质上源于对“智能本质”的传统理解：将智能简化为逻辑推理或语言操作的抽象能力，而忽视行动与环境交互对智能形成的关键作用。这种范式下，“知”被视为智能的起点与核心，“行”则沦为对既定目标的机械执行，或将“行”视为不需要太多智能的活动，所以将其置于关注的视野之外。
对人工智能在能力上的“重知轻行”或“厚知薄行”的偏向，也表现为人们更关注智能机器“能说什么”（语言智能），而非“能做什么”（物理行动），这种偏见导致AI发展长期陷入“重脑轻身”的困境：认知AI解决了“理解世界”的问题，却难以将理解转化为有效的行动。
（三）“知易行难”：“莫拉维克悖论”的写照
人工智能在知行的难易问题上，具有与人相反的表现，这就是“莫拉维克悖论”所揭示的现象：对计算机来说困难的事情，对人来说容易；对人来说困难的事情，对计算机来说容易。具体来说，对人类而言需要复杂思维训练的高等数学运算、抽象逻辑推理等认知任务，人工智能往往能高效完成（知易）；反之，那些对人类而言与生俱来、看似简单几乎无需思考甚至不费吹灰之力的行走平衡、物体抓取、环境感知等基础行动能力，却成为人工智能难以突破的瓶颈（行难）。
从技术实现看，AI的认知任务之所以“易”，是因为这样的任务往往是在一些封闭条件下可形式化的理想任务，这类任务可以转化为数字计算机所擅长的逻辑推理、数学计算、语言语法分析等过程去加以高效地完成。而AI面对行动任务时的“难”，是因为这类任务往往是在开放条件下所要进行的与非结构化环境的交互，需要有随机应变的能力去灵活应对各种动态变化的复杂因素。
“莫拉维克悖论”的深层原因在于：人类的认知能力通过与物理世界的具身交互逐步形成，而当前人工智能往往绕过这种具身化的学习过程，依赖从符号推导或海量数据中直接“习得”抽象知识，无法真正理解知识背后的物理意义与情境关联，并由于“知”与“行”的脱节或割裂而不能有效地发挥以“知”导“行”的功效。
（四）“知行分离”：分而治之的发展困境
AI发展史上，认知与行动的“分离”不仅体现在时间顺序与价值权重上，更表现为技术路线的长期割裂。认知AI长期以来是在排斥行动功能的背景下孤立发展的，知行分离发展的后果是：认知AI与具身AI难以形成闭环反馈，认知模块无法从行动中获取环境交互的细节知识，行动模块也无法通过认知来优化动作的策略。直到近年来“具身智能+多模态大模型”的融合尝试才开始打破这一壁垒，但和真正的“知行合一”仍有距离。
具身智能对AI领域中知行关系的重构
当前，人工智能的发展正经历一场从“认知”到“行动”的范式转移，其标志便是具身智能的兴起。具身智能将“身体”重新纳入智能系统的核心，强调智能体必须通过传感器感知环境、通过执行器改变环境，并在与环境的动态反馈中建构认知。这一转向从根本上重构了AI领域的知行关系：从“知先行后”的线性逻辑和“重知轻行”的价值取向，演变为“行重于知”“知行融合”的共生系统。
（一）“行重于知”：身体与环境互动作为认知的基石
具身智能正推动人工智能从“以认知为中心”的“知重于行”范式转向“以行动为中心”的“行重于知”范式，使得人工智能的研究议程从“如何更准确地表征世界”转向“如何更有效地在世界中行动”。这一转变所彰显的“行动优先”在一定程度上是对实践哲学强调的“实践第一”原则的回归，与马克思关于“哲学家们只是用不同的方式解释世界，问题在于改变世界”和毛泽东关于“辩证唯物论的认识论把实践提到第一的地位，认为人的认识一点也不能离开实践”高度契合。因此，具身智能在哲学上标志着AI向实践认识论的“知行观”回归，有力地印证了“行重于知”的基本立场。
知行重心的这种转移是对传统AI的“知先行后”逻辑的颠覆。传统AI遵循“先获取知识，再应用知识指导行动”的线性逻辑，而具身智能则证明行动本身就是认知的起点：智能体通过行动来了解自身的无知，再通过调整行动、验证新的假设来形成稳定的认知。因此，在具身智能中，“行”不仅是认知的手段，更是认知的本体：“知”从行动中涌现，而非相反，由此印证了行动作为认知基础的“行先知后”的逻辑关系。
（二）“行中习知”对“行难”的攻克
“莫拉维克悖论”揭示了AI与人类在知行能力上的难易反差。可以说，AI的“行难”从本质上是技术路径选择与人类认知规律错配的结果。破解这一困局需要回到“具身认知”或“实践出真知”的轨道之上，将智能真正视为身体与环境持续互动中涌现的属性。只有从行动中习得知识，才能取得对真实世界的知识，如此再回到行动时就必然丝滑而连贯。具身智能对认知路径的这种根本性颠覆，从根基上解决了传统AI“行难”的障碍，为更加类人的AI的研发指引了航向。
具身智能的“知”，是在与环境的互动中生成的、与身体经验紧密相连的“具身之知”。对于具身智能而言，“行”就是“学”。它通过在物理世界中的探索、试错、成功与失败，来构建和修正其内部的世界模型，并直接将此模型用于指导行动。这是一个在行中获知、以知促行、知行融合的动态过程，正是在这种“干中学”或“做中学”的过程中，具身智能体实现了认知与行动的同步演化，其行动能力不再像传统AI那样严重滞后，并成为后续的“难关”。克服了“莫拉维克悖论”后，人工智能就实现从“像人一样思考”到“像人一样行动”。
具身智能形成认知的过程明显复现了人类智能活动中的“实践出真知”，与实践认识论关于“切身体验”“亲身感知”“直接经验”“第一手知识”等无形吻合。具身智能通过世界模型把握了真实世界的因果关系和物理规律，将知识纳入以行动为基础并与行动融为一体，可以有效地避免大模型将知识与行动分离后导致的知识与真实世界的脱节，进而克服对AI来说“行难”之困局。
（三）具身智能中的“知行合一”
从认知AI到具身智能的转变，本质上是对知行关系的重构。可以说，传统的认知AI强调对世界的解释和推理能力，而知行关系在这种范式中往往被割裂为认知与行动的二元对立。相比之下，具身智能通过物理实体与环境的直接交互，将认知嵌入行动中，打破了传统AI范式中知行分离的局限，将知行关系重新整合为一个动态统一的过程。
具身智能通过其独特的“感知—行动”闭环、环境嵌入性以及任务导向性，对传统的知行关系进行了深刻的重构。传统AI系统往往将感知与行动视为分离的模块，而具身智能则通过实时反馈机制将两者紧密结合，使智能体能够在与环境交互的过程中不断调整和优化行为，从而实现更高水平的适应性和自主性。
可以说，从传统认知AI的“重知轻行”“知主行从”“知行分离”到具身智能的“行重于知”“知行合一”，AI领域的知行关系正在经历一场根本性的重构。基于具身智能充分发展的未来AI系统，需要打破认知与行动的二元对立，构建“感知—认知—行动”的闭环，让机器在真实世界的交互中学习，在解决问题的过程中同时提升认知深度与行动灵活性。在这种知行关系中我们可以看到：知识不再是脱离实践的抽象符号，而是源于行动的经验总结；行动不再是认知的被动执行，而是推动认知深化的动力源泉。这种“知行合一”的AI形态，是“知”与“行”的共生共进。唯有如此，AI才能真正逼近人类智能的本质：一种根植于身体、嵌入于环境、动态演化的知行统一体，这也是人类理解自身智能本质的一面镜子。
（四）具身智能+大模型：“知”与“行”的高阶融合
尽管具身智能已在“行重于知”与“知行合一”层面取得突破，但其当前的能力仍局限于特定任务场景（如单一物体的操作或简单环境导航），“行”的水平和能力还较低；而且，纯依赖具身路径的智能往往发展缓慢，难以抽象和泛化。要迈向更加卓越的人工智能，在认知和行动上协调地达到类人的水平，需进一步解决“认知广度”与“行动灵活性”的矛盾。而将具身智能与大语言模型相结合，可以成为解决这一矛盾的有效途径。
如果说大模型将认知AI发展到极致，已成为AI演进的里程碑，那么具身智能使认知AI缺少的行动智能得以弥补和光大，势必成为下一个AI里程碑：它和大模型互补结合而融为一体后，可走向知行融合、能力更强、更加类人的AI。一个既能深刻地认识世界，也能有效地改造世界的智能主体，无疑重塑了人工智能领域中的知行关系。
认识论启示
将不同的AI范式相比较，也可以看到：AI的发展历程深刻嵌入了人类对知行关系的认识论立场，甚至可以说有什么样的知行观，就会对智能的本质做出什么样的理解，从而按这种理解择取相应的方法去人工地模拟这种智能，由此就会有什么样的AI发展方向和路径。理性主义知行观深刻影响了早期AI的研究路径，催生了以符号逻辑、专家系统为代表的“认知中心主义”路径。这一路径因忽视行动、身体与环境的作用而屡陷瓶颈。与理性主义相伴的，是将认知与行动视为独立存在的二元论的“知行分治”，尽管这种分工推动了AI在单一任务上的突破，却导致整体系统的“知行割裂”，各子系统如同“盲人摸象”，难以协同形成对复杂任务的统一应对。
与理性主义和知行二元论相反，具身认知理论主张人的认知或智能是源于一个拥有特定形态的身体与环境进行持续的“感知—行动循环”，知识并非先验存在的符号系统，而是主体在与环境的互动中通过行动不断生成与修正的经验；智能的本质不是“存储知识”，而是“通过行动适应环境、解决问题”的能力。这一知行观可以说必然催生人工智能领域的革命性转变，使AI的重心从纯粹的“认知”转向了具体的“行动”。
具身智能正是实践认识论在AI领域的具体化，使AI系统不再被束缚于“先知后行”的理性主义框架，而是通过身体与环境的具体互动生成知识，这本质上是实践认识论“知行合一”原则的技术实现。
要突破当前AI的局限，必须将“知行合一”的人类智能逻辑转化为AI的研发原则。要实现人工智能的可持续发展，需以科学认识论（尤其是实践认识论）为指导，建立“知识—行动—环境”协同进化的范式：在本体论层面，承认智能主体的“具身性”，将身体与环境视为智能不可分割的组成部分，未来的AI系统不应是“无身体的大脑”，而应是“嵌入环境的行动者”。在方法论层面，以“行动中学习”取代“先验知识注入”，让AI在与真实世界的互动中自主生成知识。在认识论层面，打破“知先行后”的线性逻辑，建立“知行循环”的动态模型：行动产生感知数据→数据驱动知识更新→新知识指导更优行动→行动进一步丰富感知。这一过程与人类认知发展的“实践—认识—再实践”机制高度一致。
总之，从知行关系的视角可以看到，AI的未来不仅仅取决于算力的无限增长，更取决于我们能否从“碎片化AI”的片面认识论回归到“知行合一”的智能形成逻辑，即“知行统一”的实践认识论或知行观。具身智能将真正的智能理解为不是静态的知识集合，而是动态的实践能力，基于这种知行观而构建“认知与行动”“主体与环境”协同进化的智能系统，才有可能实现更卓越的通用AI与类人AI，从而真正走出“离身智能”的困境，使AI迈向更具适应性、创造性与人文性的光明前景。
