近年来，人工智能在文本生成、图像识别等领域进展迅速，但应用仍主要停留在数字化任务上；一旦进入复杂多变的物理环境，现有技术往往难以发挥。例如，智能手机可以拍出高清照片，却未必能理解画面背后的情绪、意图或行为动机。这也暴露出数字技术与现实世界之间的落差。
热度会退，难题不会自行消失。跨越物理世界与数字世界的鸿沟，考验的不只是一次话题爆发，而是能否把感知、理解与行动连接成可长期运行的能力体系。当智能终端持续把现实世界转化为可计算的数据，并在安全可控的前提下完成决策与执行，具身智能才会从概念走向生活与产业现场，成为推动新一轮技术应用深化的重要支点。