5 月 14 号到 22 号，中国信通院在北京朝阳那个具身智能测试实验室，搞了一周的「开放周」，第一次把门完全敞开。这是国内第一个专门给「 AI+机器人」做标准化测试的平台，从技术支持、测试验证一直管到场景对接，全链条。
听着像是机器人圈的新闻，对吧。
跟测试人有什么关系？关系大了。具身智能不再是 PPT 概念，信通院已经把测试标准、测试方法、任务库都立起来了。对软件测试人来说，这意味着一件残酷的事——只会点界面、跑接口的那套，在「带身体的 AI 」面前不够用了。这篇说清楚 4 个具体动作：软硬一体的测试观、虚实结合的方法、扎进封闭场景、守住安全伦理底线。
我打个不太精确的比方。过去十几年，互联网软件测试像是给一栋楼做「装修验收」——墙刷得平不平、灯亮不亮、水电通不通。功能、界面、接口，都在屋子里。
现在来了个会自己走路、会爬楼梯、会拿手术刀的东西。你还能只验装修吗？
不能。你得懂承重墙，懂地基，懂这栋楼会不会塌。
第一步：别再当装修工，要当结构工程师
具身智能跟传统软件最大的不一样，就一个字：它有「身体」。
代码和界面只是它的一部分。剩下那部分——关节、电机、传感器、续航——全是物理的，会磨损、会发热、会没电的真实硬件。
信通院的测试标准里，给机器人的「身体素质」定了硬指标。自由度、步行速度、跌倒之后多久能自己爬起来，还有续航：家用版不能低于 4 小时，工业版不能低于 6 小时。
这些数字意味着什么？意味着你手里多了一票「物理性能」要验。一台关节精度差、撑不过半天就没电的原型机，在这套标准面前直接淘汰，跟界面好不好看半毛钱关系没有。
更麻烦的是，机械结构本身会「参与」智能的生成。
举个例子。柔性关节的自由度，会直接影响运动控制算法的复杂度。身体设计得不一样，算法的难度就不一样。这意味着你不能再把硬件和软件当两摊事——它们是咬合在一起的齿轮。
所以测试人得补课。机械工程、传感器、控制理论——这些以前觉得「跟我没关系」的东西，现在得知道个大概，至少要能判断「这个结构参数配这套算法，到底搭不搭」。
信通院 AI 研究所那个具身智能与机器人部，牵头建了个叫 EAI-bench 的基准测试体系。你去看它的测试维度，早就不是纯软件那一套了。
说白了，验收标准变了。你的知识结构也得跟着变。
第二步：虚拟世界里先练一万遍
光会在真机上测，太慢，也太贵。
信通院的实验室里，明确了四种测试方法：静态仿真、动态仿真、真实环境测试、组合式测试。前两种，都在虚拟世界里。
这背后有个现在很火的范式，叫 Real2Sim2Real——先从真实世界采数据，搭一个数字孪生的仿真环境，让机器人在虚拟世界里把各种场景跑个几千上万遍，再把训练好的能力迁回现实。
为什么非得这么干？
因为真机太脆了。一台几十万的机器人，测跌倒恢复，真摔几百次试试？摔散架了。可在仿真里，它摔一万次都不心疼，还能把每一次的数据全留下来。
这就给测试人提了个新要求：你得会搭、会用虚拟测试环境。数字孪生、仿真平台，这些以前是研发那头的玩具，现在成了测试的主战场之一。
而且测试的重点也变了。不再是「这个功能好不好使」，而是「从头到尾这一整条链路，跑不跑得通」。
我觉得这一点最要命。
你得设计端到端的用例——覆盖基础能力、认知推理、最后到任务执行。比方说，一个服务机器人，扔进一个又乱又动的真实场景，它能不能自己感知到障碍、规划出路线、再把活儿干完？感知、决策、执行，一环扣一环，中间断一环，整条就废了。
爬楼梯、穿针引线，这种动作以前在测试用例里根本不会出现。现在它就是核心场景。
第三步：别贪开放场景，扎进封闭场景
这一步是给方向的，听好。
具身智能现在落地最实在的地方，不是马路上、不是家家户户的客厅，是工厂、医院、仓库——这些任务边界清清楚楚的 B 端封闭场景。
信通院那个实验室的服务方向里，专门强调了「场景对接」。这四个字翻译过来就是：通用测试不值钱了，懂某个具体行业的测试经验，才值钱。
为啥是封闭场景？
因为开放场景的变量是无穷的，现在的技术压根兜不住。而封闭场景任务明确、环境可控，是当下唯一靠谱的方向。信通院联合清华出的《具身智能发展报告（ 2025 ）》里说得很直白——整个行业还在从「实验室验证」往「规模化商用」爬，国内建成或在建的训练场已经接近 30 家，但商业化落地仍处在早期。
早期，意味着窗口期。意味着现在扎进去，你就是第一批懂行的人。
具体扎哪儿？拿两个场景说。
医疗机器人，你得懂手术器械的定位精度、力反馈真不真实、还有那一堆医学操作规范——测错一毫米都是出人命的事。工业巡检，你得会模拟高温、高压这些鬼环境，验它扛不扛得住、电耗稳不稳。
这些东西，没有任何一本测试教程会教你。只能扎进行业里，一点点啃。
还有个抓手是测试用例库。行业已经攒出了上万条测试任务，针对不同的自主等级——比如从 L2 的部分自主，往 L3 的条件自主爬——你得设计不一样的测试策略。从单纯测功能，慢慢走到测场景、测自适应。
一句话：从「会测软件」，变成「懂这个行业怎么测」。
第四步：当那个敢摁下急停的人
最后这一步，关乎良心，也关乎责任。
机器人离人越近，安全和伦理的事就越大。一台只在屏幕里跑的软件，崩了就崩了。一台在你身边走动、还伸着机械臂的机器人，判断错一次，可能是真出事。
测试人得把伦理风险，正式塞进日常测试的范畴里。
怎么测？设计伦理风险用例。比如，机器人收到两条互相打架的人类指令，它的决策逻辑符不符合人类的伦理？再比如，碰上一个它从没见过的场景，系统有没有那套兜底机制——安全刹车、应急供电切换，按不按得下去？
这不是科幻。这是已经写进测试要求里的东西。
信通院已经启动了「具身智能系统符合性测试」的首轮试评估，还牵头做着 ITU-T 的国际标准——2025 年 3 月发布的那份 F.748.46 ，就是它领头的。标准在立，规矩在定，测试人不参与进去，将来就是被动接规则的人。
在金融、医疗这种较真的领域，机器人每一次误判都可能是大事故。所以你得建一套能量化的质量评价体系，把它在复杂环境下稳不稳、靠不靠谱，变成一个个能打分、能追溯的指标。
