在人工智能（AI）技術(shù)持續(xù)演進的浪潮中，過去 AI 的創(chuàng)新與應用長期聚焦于數(shù)字世界，如算法優(yōu)化、大模型訓練、虛擬場景交互等，雖實現(xiàn)了認知智能的突破，卻難以滿足人類對 AI“進入物理現(xiàn)實、開展實體交互” 的深層需求。而具身智能的興起，正成為推動 AI 從 “虛擬維度” 邁向 “物理維度” 的關(guān)鍵變革力量 —— 它以 “讓智能體具備物理載體，并能與真實環(huán)境進行感知、決策、執(zhí)行一體化互動” 為核心特質(zhì)，為 AI 的產(chǎn)業(yè)化落地開辟了全新賽道。

從產(chǎn)業(yè)發(fā)展脈絡看，具身智能已走過 “概念萌芽 — 技術(shù)突破 — 場景探索” 的關(guān)鍵階段：其概念界定愈發(fā)清晰，“感知 - 決策 - 執(zhí)行” 融合的技術(shù)原理逐步成型，多技術(shù)路線的探索方向日益明確，且在工業(yè)、服務、醫(yī)療等眾多領(lǐng)域展現(xiàn)出商業(yè)化潛力；政策層面，歐美日韓等國家已搶先布局具身智能發(fā)展戰(zhàn)略，中國也通過系列產(chǎn)業(yè)政策為行業(yè)賦能，營造了積極的發(fā)展環(huán)境；產(chǎn)業(yè)鏈維度，從整體生態(tài)概況，到人形機器人的競爭格局，再到芯片、傳感器、AI 算法與大模型等核心環(huán)節(jié)，都已初步構(gòu)建起產(chǎn)業(yè)基礎(chǔ)，為具身智能 “商業(yè)化浪潮” 的到來提供了底層支撐。

在此背景下，深入剖析具身智能產(chǎn)業(yè)鏈的發(fā)展邏輯、全球政策導向與核心環(huán)節(jié)競爭格局，對于把握 “AI 走出數(shù)字世界，向物理現(xiàn)實深度滲透” 的產(chǎn)業(yè)新浪潮，具有重要的研究與實踐意義。

一、具身智能產(chǎn)業(yè)概覽

具身智能是實現(xiàn)未來通用人工智能的核心路徑。當 AI 突破虛擬世界的邊界，擁有實體 “身體” 并具備物理交互能力時，它正推動人工智能掀起第二次革命浪潮。在當前技術(shù)與產(chǎn)業(yè)發(fā)展中，誰能掌握具身智能及人工智能的核心技術(shù)與產(chǎn)業(yè)生態(tài)，誰就有望在未來全球經(jīng)濟格局中占據(jù)主導地位。

2025 年，“具身智能” 首次被納入中國政府工作報告，成為培育未來產(chǎn)業(yè)的重點任務。從全球范圍來看，英偉達、OpenAI 等國際科技巨頭，以及騰訊、阿里、華為等國內(nèi)企業(yè)均在積極布局這一領(lǐng)域；同時，特斯拉、Figure AI、智元機器人、宇樹科技等廠商的人形機器人產(chǎn)品陸續(xù)落地，正式宣告 “AI 具身化” 時代已然來臨。

一、具身智能概念解析

具身智能（Embodied Intelligence）是融合人工智能、機器人技術(shù)等多學科的前沿科技領(lǐng)域，也是人工智能發(fā)展的下一波浪潮。根據(jù)中國計算機學會（CCF）的定義，具身智能是依托物理身體開展感知與行動的智能系統(tǒng)。它通過智能體與環(huán)境的交互獲取信息、理解問題、制定決策并執(zhí)行行動，最終產(chǎn)生智能行為與環(huán)境適應性。

在此之前，人工智能多以數(shù)字形式存在，不具備視覺、觸覺、聽覺等真實感官體驗，無法高效應對現(xiàn)實世界中的各類復雜場景。簡單來說，具身智能的核心就是為 AI 配備 “身體”（如機器人），使其不再局限于計算機系統(tǒng)內(nèi)處理數(shù)據(jù)與文字。借助 “身體” 上的傳感器（類似人類的眼睛、耳朵等），具身智能能感知真實世界，再以類人類的方式理解周邊情況、做出決策，驅(qū)動 “身體” 行動并完成具體任務。正因如此，具身智能被視作邁向更通用、更強大的人工智能（AGI）的關(guān)鍵一步。2024 年被業(yè)內(nèi)稱為具身智能 “元年”，英偉達首席執(zhí)行官黃仁勛也曾明確表示，人工智能的下一波浪潮將是具身智能。

從概念構(gòu)成來看，具身智能可拆解為 “具身” 與 “智能” 兩部分，其中機器人是其主要應用場景?！熬呱怼?意味著擁有實體身體，且能通過交互、感知、行動等能力完成任務；依據(jù)使用用途與場景的差異，具身智能呈現(xiàn)出多種形態(tài)，涵蓋各類智能機器人、自動駕駛等，而人形機器人被認為是具身智能最理想的形態(tài)?！爸悄堋?則指物理實體能夠主動開展感知、理解、推理、決策、行動等一系列任務。

因此，具身智能也可通俗理解為：將 AI 技術(shù)植入各類物理身體（如機器人），讓機器人等實體能夠感知周圍環(huán)境的變化，并據(jù)此做出相應決策。與傳統(tǒng)工業(yè)機器人、協(xié)作機器人相比，具身智能更注重環(huán)境交互能力；相較于傳統(tǒng)機器人，具身智能機器人具有智能化程度高、工作場景限制少、可自主規(guī)劃復雜工作流程等特點。綜上，具身智能體需同時具備三大核心要素：一是可感知、可觸摸的 “身體”（即本體），二是能與周邊環(huán)境互動溝通的能力（即環(huán)境交互），三是具備感知、思考與決策功能的 “大腦”（即智能）。

2、具身智能技術(shù)原理

具身智能的本質(zhì)，是為機器人這類物理實體賦予人工智能能力，使其能夠感知環(huán)境、自主學習，并與環(huán)境實現(xiàn)動態(tài)協(xié)同交互。具身智能技術(shù)的發(fā)展進程中，經(jīng)歷了從早期模塊化 AI 算法集成，到由大模型驅(qū)動的統(tǒng)一技術(shù)框架的轉(zhuǎn)變。在早期階段，技術(shù)主要依靠集成多個 “小模型”，并輔以人工介入，根據(jù)具體場景或用途調(diào)用對應模型來完成任務。例如，在視覺層面，借助目標檢測算法識別物體；在控制層面，運用傳統(tǒng)機器人學習技術(shù)讓機器人實現(xiàn)自主決策，通過這種方式滿足機器人的應用需求，為其增加智能化元素。而隨著大模型的問世，具身智能將各個模塊的功能整合到統(tǒng)一框架中，依托大模型的知識理解與表達能力，實現(xiàn)自然語言交互、多模態(tài)信息的無感處理與轉(zhuǎn)換，能夠統(tǒng)一處理多種感官信息，融合運動經(jīng)驗執(zhí)行操作，在通用性與泛化性上實現(xiàn)了重大突破。

具身智能技術(shù)體系通?？蓜澐譃?“感知 — 決策 — 行動 — 反饋” 四個核心功能模塊，這四個模塊共同構(gòu)成一個動態(tài)閉環(huán)系統(tǒng)。該系統(tǒng)通過與環(huán)境的持續(xù)交互，完成環(huán)境模型的構(gòu)建與更新、自主決策的制定、自適應行為的執(zhí)行，并基于經(jīng)驗反饋實現(xiàn)自我學習與進化。

• 感知模塊：依托視覺、聽覺、觸覺、力覺、本體覺等多模態(tài)傳感器融合技術(shù)采集環(huán)境信息，利用深度學習模型實現(xiàn)跨模態(tài)融合與聯(lián)合表征，構(gòu)建對環(huán)境的時空與語義統(tǒng)一認知。其中，視覺負責目標檢測、場景理解與行為預測；聽覺支持語音指令解析與聲源定位；觸覺與力覺反饋則用于抓取控制、材質(zhì)識別與交互安全。感知模塊輸出的結(jié)果，不僅為系統(tǒng)提供狀態(tài)輸入，還為決策模塊提供可解釋的語義與幾何信息。
• 決策模塊：作為具身智能的 “認知中樞”，主要負責解析感知模塊傳遞的信息，生成高層任務規(guī)劃與低層動作策略。當前，決策模塊的主流技術(shù)路徑正從傳統(tǒng)的規(guī)則引擎與符號規(guī)劃，向基于大模型的數(shù)據(jù)驅(qū)動決策轉(zhuǎn)變。系統(tǒng)會綜合考慮任務目標、環(huán)境約束與歷史經(jīng)驗，通過分層決策架構(gòu)輸出可執(zhí)行策略，并結(jié)合強化學習或模型預測控制技術(shù)實現(xiàn)實時動態(tài)調(diào)整。
• 行動模塊：核心作用是將決策模塊制定的策略轉(zhuǎn)化為物理操作，具體涵蓋移動導航與抓取操作兩大方向。移動系統(tǒng)依靠路徑規(guī)劃與運動控制技術(shù)實現(xiàn)避障與位姿調(diào)整；操作系統(tǒng)則通過軌跡規(guī)劃與柔順控制技術(shù)實現(xiàn)精準交互。同時，系統(tǒng)會結(jié)合視覺伺服、力覺反饋等技術(shù)進行閉環(huán)調(diào)節(jié)，確保動作的精準性、安全性與穩(wěn)定性。
• 反饋模塊：通過閉環(huán)學習驅(qū)動系統(tǒng)不斷進化。該模塊會采集動作執(zhí)行效果、環(huán)境響應等數(shù)據(jù)，利用強化學習、模仿學習或在線微調(diào)技術(shù)優(yōu)化策略參數(shù)、更新模型權(quán)重；同時支持經(jīng)驗回放、技能抽象與遷移，實現(xiàn)系統(tǒng)的持續(xù)自適應迭代，提升任務執(zhí)行的魯棒性與通用性。

3、具身智能技術(shù)路線

具身智能的技術(shù)路線主要包含算法方案、訓練方法、數(shù)據(jù)采集三個維度，具體內(nèi)容如下：

• 算法方案：具身智能的算法方案可分為分層決策模型和端到端模型兩條路線。目前，分層決策模型在業(yè)界更受青睞，但行業(yè)普遍認為，從長遠發(fā)展來看，隨著數(shù)據(jù)積累與算法進步，端到端模型將成為未來實現(xiàn)更高水平通用智能（AGI）的重要方向。
• 分層決策模型：被業(yè)界形象地稱為 “大腦 - 小腦” 架構(gòu)，以與 OpenAI 合作的 Figure 01 為典型代表。該模型將任務劃分為不同層級，運用多個神經(jīng)網(wǎng)絡分別進行訓練，再通過流程管線整合。頂層通常是大型多模態(tài)模型，負責高級認知、任務規(guī)劃與語言理解，扮演 “大腦” 的角色；中間層是更專注于特定功能的策略網(wǎng)絡，負責將高層指令轉(zhuǎn)化為具體運動序列并生成動作指令，類似 “小腦” 的功能；底層則由機器人本體接收指令，執(zhí)行具體的電機控制。分層模型的優(yōu)勢在于各模塊功能明確，可解釋性、可維護性與調(diào)試性相對較好；但傳統(tǒng)模塊化架構(gòu)存在信息傳遞延遲、模塊間耦合度高、算法迭代不同步等缺陷，這些都是分層模型需要重點解決的問題。
• 端到端模型：致力于通過一個統(tǒng)一的神經(jīng)網(wǎng)絡，直接將原始傳感器輸入（如攝像頭圖像）映射到最終輸出（如駕駛軌跡或機器人動作），省去中間獨立的感知、決策、規(guī)劃模塊，實現(xiàn)一體化決策。以谷歌的 RT - 2 為代表，該模型借助一個神經(jīng)網(wǎng)絡完成從任務目標輸入到行為指令輸出的全過程：先在大規(guī)模互聯(lián)網(wǎng)數(shù)據(jù)上對視覺語言模型進行預訓練，再在機器人任務上進行微調(diào)，結(jié)合機器人動作數(shù)據(jù)，打造出 VLA（視覺 - 語言 - 動作）模型。端到端模型的優(yōu)勢是簡化系統(tǒng)架構(gòu)、提高運行效率，還能減少模塊間的誤差積累；但該模型依賴海量高質(zhì)量數(shù)據(jù)對 VLM 大模型進行預訓練，計算資源消耗巨大，且機器人執(zhí)行任務的實時性通常欠佳。
• 訓練方法：具身智能的訓練方法可分為模仿學習和強化學習兩條路線。在實際研發(fā)過程中，單純的模仿學習或強化學習，都難以獨立支撐復雜的具身智能任務。目前，行業(yè)主流趨勢是將兩種方法結(jié)合，實現(xiàn)取長補短，形成更高效的訓練范式。
• 模仿學習：智能體通過觀察、模仿專家（如經(jīng)驗豐富的人類操作者或高性能系統(tǒng)）的行為來學習任務。其優(yōu)勢是能快速掌握專家策略，無需進行復雜探索；劣勢是學習到的行為策略受限于專家數(shù)據(jù)，對于未接觸過的情況，泛化能力較弱。
• 強化學習：智能體通過與環(huán)境交互，以最大化某種累積獎勵的方式學習最佳行為策略。該方法的優(yōu)點是可通過探索環(huán)境學習未知策略，能處理高度不確定、動態(tài)變化的環(huán)境；缺點是需要大量探索與試錯，學習進程較為緩慢，且針對復雜任務，設計合適的獎勵函數(shù)難度較高。
• 數(shù)據(jù)采集：具身智能的數(shù)據(jù)采集可分為基于仿真環(huán)境數(shù)據(jù)、基于真實世界數(shù)據(jù)兩條路線。目前，業(yè)界逐漸形成共識：采用 “仿真數(shù)據(jù)為主，真實數(shù)據(jù)為輔” 的訓練模式。
• 基于仿真環(huán)境的數(shù)據(jù)采集（Sim2Real）：在仿真環(huán)境中讓智能體學習技能和策略，再將其遷移到現(xiàn)實世界。這種方式的優(yōu)勢是可大規(guī)模獲取數(shù)據(jù)，且成本較低；劣勢是對仿真器要求較高，且仿真環(huán)境與真實世界存在差異，在遷移過程中性能會出現(xiàn)下降。
• 基于真實世界數(shù)據(jù)采集：直接從現(xiàn)實世界中獲取數(shù)據(jù)進行學習，具體包括本體采集、遙操作（人類遠程控制機器人執(zhí)行任務）、動態(tài)捕捉、視頻學習等方式。該方式的優(yōu)點是數(shù)據(jù)更真實可靠；缺點是數(shù)據(jù)量較少、泛化性差，且通過機器本體和人類采集數(shù)據(jù)時，成本高、難度大、效率低。

具身智能產(chǎn)業(yè)經(jīng)歷了概念萌芽、理論發(fā)展、技術(shù)突破等階段，目前正逐步邁向產(chǎn)業(yè)應用領(lǐng)域。

• 概念萌芽階段（20 世紀 50 年代 - 90 年代）：1950 年，圖靈在探討 “機器能否思考” 這一問題時，提出了人工智能的兩條發(fā)展路徑，此后逐漸形成離身智能、具身智能兩大方向。1956 年，AI 概念正式誕生，符號主義在早期 AI 發(fā)展中占據(jù)主導地位，隨后連接主義興起，但這兩種理論在處理復雜任務時，局限性逐漸凸顯。20 世紀 80 年代，行為主義 AI 開始發(fā)展，該理論主張通過身體與環(huán)境的交互產(chǎn)生智能。這一時期，“具身” 機器人開展了早期實驗，例如 1954 年麻省理工學院研制出首臺可編程機械臂，1960 年首臺工業(yè)機器人 Unimate 投入使用，拉開了具身智能探索的序幕。
• 理論發(fā)展階段（20 世紀 90 年代 - 2022 年）：AI 三大學派從各自分立研究逐步走向綜合融合，為具身智能的發(fā)展奠定了基礎(chǔ)。行為主義對計算智能的局限進行反思，推動了以 “底層智能” 為核心的研究；底層數(shù)學理論的深入研究使 AI 算法取得突破，深度強化學習、模仿學習、形態(tài)計算等理論及算法模型快速發(fā)展。同時，“具身” 機器人也迎來快速發(fā)展期，例如 1999 年日本索尼發(fā)布犬型機器人愛寶，2002 年丹麥 iRobot 公司推出家用掃地機器人 Roomba，2009 年后波士頓動力 Atlas 機器人亮相，2013 年后無人機、無人駕駛技術(shù)快速發(fā)展，這些都是該階段的代表性產(chǎn)品。
• 技術(shù)突破階段（2022 年 - 至今）：自 2022 年底 ChatGPT 掀起大模型熱潮以來，具身智能領(lǐng)域的技術(shù)實現(xiàn)取得重大突破，展現(xiàn)出巨大發(fā)展?jié)摿Α４竽Ｐ惋@著提升了機器人的語言交互、環(huán)境感知及任務決策等能力。例如，2023 年出現(xiàn)的 VoxPoser 模型利用 ChatGPT 分解任務步驟，而 PaLM-E 則將傳感器模態(tài)融入大語言模型，大幅增強了機器人的高層推理與指令泛化能力。2024 年起，人形機器人開始集中推出落地，特斯拉、Figure AI、優(yōu)必選、宇樹科技、智元機器人等國內(nèi)外重點企業(yè)相繼推出人形機器人產(chǎn)品，并進入汽車工廠、巡檢、物流等場景開展實際測試，這標志著 “大模型 + 機器人本體” 的組合正從實驗室走向生產(chǎn)線，同時其他形態(tài)的機器人本體也呈現(xiàn)出智能化升級的趨勢。

目前，具身智能作為人工智能的重要分支，在多個領(lǐng)域展現(xiàn)出應用潛力，且逐步向產(chǎn)業(yè)化方向推進，受到科技界與產(chǎn)業(yè)界的廣泛關(guān)注。微軟、谷歌、英偉達等科技巨頭以及眾多高等院校均已開展相關(guān)研究。2024 年，具身智能已成為人工智能發(fā)展的重要方向，被視為科技界的新風向標。人形機器人等具身智能產(chǎn)品開始成為市場關(guān)注的明星產(chǎn)品，受到市場追捧，其產(chǎn)業(yè)應用進程正在不斷加快。

5、具身智能應用領(lǐng)域

具身智能從根本上拓展了人工智能的應用邊界。在當前科技驅(qū)動產(chǎn)業(yè)變革的背景下，具身智能有望廣泛滲透到工業(yè)制造、自動駕駛、物流運輸、家庭服務、醫(yī)療康養(yǎng)等多個關(guān)鍵領(lǐng)域，為各行業(yè)的智能化轉(zhuǎn)型提供支撐。

6、具身智能商業(yè)化路徑

數(shù)據(jù)是具身智能發(fā)展的核心，驅(qū)動著整個產(chǎn)業(yè)的發(fā)展。在2022年以前的小模型時代，算法的數(shù)量和質(zhì)量對機器人更為關(guān)鍵，因為模型性能會隨訓練次數(shù)增加而趨于飽和，甚至可能出現(xiàn)過度擬合，需要通過算法調(diào)整找到最佳配置以避免性能下降。然而，進入大模型時代后，縮放定律明確顯示，增加數(shù)據(jù)量能夠持續(xù)驅(qū)動模型性能提升，數(shù)據(jù)的核心地位因此徹底凸顯。

具身智能獲取數(shù)據(jù)的關(guān)鍵在于實現(xiàn)商業(yè)化落地。與大模型可以從網(wǎng)絡獲取數(shù)據(jù)進行訓練不同，具身智能若要具備高泛化性和可靠性，其底層模型的訓練仍需依賴物理世界的精確數(shù)據(jù)。這類數(shù)據(jù)具有獲取困難、成本高昂、標注復雜的特點，這也導致其產(chǎn)業(yè)化進程遠慢于語言模型。獲取真實物理世界數(shù)據(jù)的關(guān)鍵就在于商業(yè)化落地。具身智能企業(yè)普遍將“先把機器人賣出去或用起來”視為破局手段。只有實現(xiàn)商業(yè)化落地，才能形成“銷售設備→現(xiàn)場運行→自動回傳數(shù)據(jù)→模型迭代→性能提升→再次銷售設備”的數(shù)據(jù)閉環(huán)。

根據(jù)1X副總裁Eric Jang在《All Roads Lead to Robotics》一文中的觀點，目前具身智能的商業(yè)化路徑主要包括三種：通用場景軟硬結(jié)合、軟件路徑，以及垂直領(lǐng)域軟硬結(jié)合。

——通用場景軟硬結(jié)合

通用路線在技術(shù)上頗具挑戰(zhàn)性，其商業(yè)模式是向企業(yè)端或消費端出售具備智能功能的完整機器人。此路徑的關(guān)鍵在于運用通用的軟硬件來應對多樣且多變的使用場景。為此，一方面需要開發(fā)可重構(gòu)的硬件，以便快速調(diào)整以適應不同的任務需求；另一方面要設計能夠適配不同硬件配置與外圍設備的通用軟件，確保其在各類硬件上順暢運行。1X、Figure以及特斯拉都采用此路徑。

——軟件路徑

軟件路徑有助于機器人快速部署與迭代，其主流商業(yè)模式是向硬件廠商或綜合型廠商開放API接口。該路徑的關(guān)鍵在于研發(fā)跨實體基礎(chǔ)模型，通過這一模型實現(xiàn)跨硬件平臺的無縫兼容。

這一模式能夠徹底打破傳統(tǒng)機器人開發(fā)的局限：過去各硬件平臺需要單獨搭建軟件開發(fā)流程，而現(xiàn)在開發(fā)者只需編寫一次代碼，便可在多種硬件上部署運行。無論是精密的人形機器人、高效的輪式機器人，還是靈活的無人機，都能共享同一套軟件架構(gòu)，這不僅大幅節(jié)省了開發(fā)時間與成本投入，還能隨著機器人的大規(guī)模部署，使軟件的邊際成本逐步趨近于零。

——垂直領(lǐng)域軟硬結(jié)合

在垂直領(lǐng)域，軟硬一體方案可以將數(shù)據(jù)采集、壓縮、加密、預處理全部集成到ASIC或FPGA芯片中，數(shù)據(jù)僅在片內(nèi)流轉(zhuǎn)，外部API無法讀取原始信號，這有助于在細分數(shù)據(jù)方面積累競爭壁壘。高工機器人產(chǎn)業(yè)研究所所長盧瀚宸在2024年中國人形機器人技術(shù)應用峰會上強調(diào)，從長遠來看，具備高壁壘的核心硬件將極具優(yōu)勢。在機器人領(lǐng)域，硬件與數(shù)據(jù)天然存在強綁定關(guān)系。企業(yè)可通過定制化處理器、專屬通信接口等核心硬件，精準收集并處理對機器人性能起決定性作用的特定數(shù)據(jù)。這類數(shù)據(jù)因與硬件深度適配，往往難以被競爭對手復制。同時，硬件與軟件的緊密集成能形成高度優(yōu)化的協(xié)同系統(tǒng)，既提升了數(shù)據(jù)采集的實時性與精準度，又加快了數(shù)據(jù)處理效率，進一步強化了數(shù)據(jù)壁壘的不可替代性。

7、具身智能市場概況

具身智能市場規(guī)模持續(xù)擴大，其中中國市場占比預計將不斷提升。隨著核心技術(shù)的持續(xù)突破與產(chǎn)業(yè)鏈協(xié)同能力的增強，中國及全球具身智能市場正步入高速增長軌道。根據(jù)第二屆中國人形機器人與具身智能產(chǎn)業(yè)大會發(fā)布的《2025人形機器人與具身智能產(chǎn)業(yè)研究報告》，2025年全球具身智能市場規(guī)模預計達到195.25億元，至2030年預計將攀升至2326.3億元，期間的復合年增長率高達64.18%。其中，中國市場表現(xiàn)尤為突出，2025年規(guī)模預計達52.95億元，占全球總體規(guī)模的27%；到2030年，中國具身智能市場規(guī)模預計將達到1037.52億元，約占全球的44.6%。另據(jù)國務院發(fā)展研究中心發(fā)布的《中國發(fā)展報告2025》，當前中國具身智能產(chǎn)業(yè)處于發(fā)展起步期，在具身智能大模型研發(fā)和產(chǎn)品制造方面具備較好基礎(chǔ)，其市場規(guī)模有望在2030年達到4000億元，并在2035年突破萬億元。

人形機器人已成為具身智能技術(shù)商業(yè)化落地的核心載體，但對其市場規(guī)模的預測存在較大分歧。人形機器人仍處于產(chǎn)業(yè)化初期，技術(shù)突破節(jié)奏與商業(yè)化進程尚不確定。市場規(guī)模取決于產(chǎn)品技術(shù)進步速度、大規(guī)模商業(yè)化進程以及下游應用滲透率，各機構(gòu)對技術(shù)成熟度、量產(chǎn)降本速度及場景落地的判斷有所不同。短期內(nèi)，各機構(gòu)對2030年前市場空間的預測分布在數(shù)十億至千億美元區(qū)間，其中以2030年達到百億美元量級的預測為主流。

據(jù)中國信通院2024年底預測，中國人形機器人市場規(guī)模將從2024年的27.6億元爆發(fā)式增長至2029年的750億元，2035年有望突破3000億元，年復合增長率超過90%。

2025年3月，英偉達發(fā)布了Isaac GROOT N1通用人形機器人基礎(chǔ)模型，有望大幅優(yōu)化機器人AI訓練。在此前提下，國內(nèi)研究機構(gòu)集邦咨詢預測，2028年全球人形機器人市場產(chǎn)值將接近40億美元。

高盛在2025年2月的報告中指出，由于感知、決策與控制執(zhí)行等方面的智能化水平尚未突破技術(shù)瓶頸，預計2027年全球人形機器人出貨量僅為7.6萬臺，到2032年達到50.2萬臺，增速顯著慢于市場預期。對應100萬臺的出貨里程碑，高盛認為在最樂觀的情景下最快也需到2028-2029年才能實現(xiàn)，而在基本情境下則需等到2034-2035年。

摩根士丹利在2025年6月的報告中預測，2025年中國人形機器人市場規(guī)模為3億美元，到2030年將增至34億美元，年復合增長率為63%。預計到2030年，中國將擁有25.2萬臺人形機器人，到2050年將增加到3.02億臺，占全球人形機器人總數(shù)的30%。

二、具身智能產(chǎn)業(yè)政策

具身智能技術(shù)融合了人工智能、高端制造、運動控制、感知決策等多個前沿領(lǐng)域，被認為是實現(xiàn)通用人工智能的關(guān)鍵途徑，也是驅(qū)動未來經(jīng)濟增長的核心引擎。該技術(shù)對于推動全球?qū)嶓w經(jīng)濟向智能化轉(zhuǎn)型、應對人口老齡化帶來的結(jié)構(gòu)性挑戰(zhàn)，以及增強國防安全和戰(zhàn)略自主能力都具有重要意義。

1、歐美日韓具身智能發(fā)展戰(zhàn)略

具身智能正迅速成為全球主要經(jīng)濟體的戰(zhàn)略焦點。早在2010年左右，各工業(yè)強國就已將機器人技術(shù)視為促進經(jīng)濟增長和創(chuàng)新的重點領(lǐng)域，并制定了相應的發(fā)展規(guī)劃。近年來，美國、歐盟、日本、韓國等主要經(jīng)濟體更是將人工智能和具身智能視為贏得全球經(jīng)濟與科技競爭的關(guān)鍵，相繼出臺政策、加大投入，競相布局這一未來產(chǎn)業(yè)。

• 美國：無論是拜登政府還是特朗普政府，都認識到人工智能是維護國家安全和經(jīng)濟競爭力的關(guān)鍵技術(shù)，致力于維持美國的技術(shù)領(lǐng)導地位并贏得AI競爭。自2009年起，美國頂尖高校與研究機構(gòu)聯(lián)合企業(yè)界定期發(fā)布《美國機器人路線圖》，每四年更新一次。2024年的最新版本整合了來自工業(yè)界和學術(shù)界的60份白皮書，旨在為美國機器人技術(shù)未來十年的發(fā)展提供戰(zhàn)略指導，并增強其市場競爭力。2023年5月，美國白宮科技政策辦公室發(fā)布了更新版的《國家人工智能研發(fā)戰(zhàn)略計劃》，對2016年和2019年的版本進行了完善，并提出開發(fā)更強大、更可靠的機器人。2025年3月，以特斯拉、波士頓動力為代表的機器人企業(yè)在美國國會呼吁制定“國家機器人戰(zhàn)略”。2025年7月23日，相關(guān)討論進一步深入，特別提到擴大人工智能的軍事應用規(guī)模，推動美國AI技術(shù)棧對外輸出，從而建立以美國技術(shù)為核心的人工智能生態(tài)系統(tǒng)，并通過強化AI芯片出口管制來限制中國AI技術(shù)的發(fā)展等內(nèi)容。

• 歐盟：2024年8月，歐盟《人工智能法案》正式生效，成為全球首部全面監(jiān)管人工智能的法律。2025年4月，歐盟推出了“人工智能大陸行動計劃”，作為該法案的配套戰(zhàn)略，試圖通過政策松綁、算力基礎(chǔ)設施建設和行業(yè)應用推廣三大支柱，扭轉(zhuǎn)其在AI領(lǐng)域的落后局面。

• 德國：德國于2018年底推出《人工智能戰(zhàn)略》，旨在使德國和歐洲在人工智能技術(shù)的開發(fā)與應用方面占據(jù)領(lǐng)先地位。2020年12月，德國對2018年版的《人工智能戰(zhàn)略》進行了修訂，計劃到2025年，通過經(jīng)濟刺激和未來一攬子計劃，將對人工智能的資助從30億歐元增加到50億歐元。2023年11月，德國聯(lián)邦教研部發(fā)布了“機器人技術(shù)研究行動計劃”，確定了基礎(chǔ)研究、尖端技術(shù)研究、人才培養(yǎng)和智能機器人技術(shù)應用四個行動領(lǐng)域，以落實其《研究與創(chuàng)新未來戰(zhàn)略》（2023年2月發(fā)布）和《人工智能行動計劃》（2023年11月發(fā)布）。

• 英國：英國于2021年9月發(fā)布《國家人工智能戰(zhàn)略》，提出了三個核心行動支柱。2025年1月，英國政府公布了“人工智能機遇行動計劃”，旨在將英國打造為人工智能超級大國，承諾采取有利于創(chuàng)新的監(jiān)管方式，安全可靠地開放公共數(shù)據(jù)，并創(chuàng)建人工智能增長區(qū)等。2025年2月，英國科學、技術(shù)和創(chuàng)新部發(fā)布了《智能機器戰(zhàn)略2035》，概述了英國成為機器人領(lǐng)域全球領(lǐng)導者的路線圖，提出在政府內(nèi)部設立智能機器辦公室，通過公共采購、聯(lián)合工業(yè)項目和財政激勵措施刺激需求，并創(chuàng)建“智能機器風險投資基金”。

• 法國：法國政府于2018年正式啟動《國家AI戰(zhàn)略》，計劃通過三個階段將法國打造成為全球AI領(lǐng)先國家。2025年2月，在巴黎舉行的全球AI行動峰會期間，法國宣布啟動《國家AI戰(zhàn)略》第三階段，旨在以托管全球AI基礎(chǔ)設施為核心，提升法國在AI領(lǐng)域的吸引力，深入?yún)⑴c全球AI競爭。同時，法國發(fā)布了《讓法國成為AI有影響力大國》報告，正式啟動全面促進AI創(chuàng)新的新一輪行動。2021年10月，法國公布了“法國2030”投資計劃，其中撥款8億歐元用于發(fā)展機器人產(chǎn)業(yè)。

• 日本：2025年5月，日本通過了首部針對人工智能的法律《人工智能相關(guān)技術(shù)研究開發(fā)及應用推進法》，設立了以日本首相為首、全體內(nèi)閣成員參加的“AI戰(zhàn)略本部”，計劃制定并推動“AI基本計劃”。2025年9月，日本內(nèi)閣府技術(shù)戰(zhàn)略會議確定了人形機器人的長期開發(fā)方針，將在其“登月型研發(fā)計劃”中開發(fā)通用人形機器人，力爭在2030年前制造出原型機并掌握核心技術(shù)，在2050年前研發(fā)出能夠通過學習進行自主判斷、并具備與人類同等或更高體能的機器人。同月發(fā)布的“AI基本計劃”草案指出“制定國家人工智能戰(zhàn)略比以往任何時候都更加重要”，提出加速推進應用、戰(zhàn)略性地加強開發(fā)能力、主導治理、持續(xù)向AI社會轉(zhuǎn)型，旨在讓日本成為“世界上最容易開發(fā)和應用AI的國家”。

• 韓國：2019年12月，韓國科學技術(shù)信息通信部發(fā)布了《人工智能國家戰(zhàn)略》（初版），支持AI與機器人技術(shù)的融合；該戰(zhàn)略的2023年度修訂版將具身智能列為下一代AI三大前沿方向之一。2024年1月，韓國產(chǎn)業(yè)通商資源部公布了《第四個智能機器人基本計劃（2024-2028年）》，提出了“K-Robot經(jīng)濟”概念，圍繞強化核心競爭力展開布局。該計劃旨在通過公私合作，在計劃期內(nèi)投資超過3萬億韓元，培育150家專業(yè)智能機器人企業(yè)，并在全產(chǎn)業(yè)領(lǐng)域大規(guī)模普及超過100萬臺機器人。2025年4月，韓國“K-人形機器人聯(lián)盟”正式成立，該聯(lián)盟由韓國政府、學界和機器人制造企業(yè)共同參與，集結(jié)了四十多家產(chǎn)學研機構(gòu)，預計開發(fā)總投入超過1萬億韓元（約合50多億人民幣）。該聯(lián)盟計劃在2028年前開發(fā)出機器人AI基礎(chǔ)模型，供聯(lián)盟內(nèi)的機器人制造集團聯(lián)合使用。

2、中國具身智能產(chǎn)業(yè)政策

國家層面正大力支持具身智能發(fā)展。作為“新星”產(chǎn)業(yè)和未來產(chǎn)業(yè)，具身智能產(chǎn)業(yè)正逐漸成為我國推動產(chǎn)業(yè)轉(zhuǎn)型升級、培育新質(zhì)生產(chǎn)力的新賽道。國家層面高度重視其發(fā)展，通過將其寫入政府工作報告、制定專項政策、推進創(chuàng)新機制和應用示范等多種舉措，提供全方位支持。

重點城市也在加強培育和發(fā)展具身智能產(chǎn)業(yè)。隨著“具身智能”首次被寫入政府工作報告，并上升至國家戰(zhàn)略高度，北京、上海、深圳、廣州、杭州、蘇州、寧波、無錫等多個城市在此之前后紛紛發(fā)布了專項規(guī)劃政策。各地根據(jù)自身優(yōu)勢，制定了差異化的具身智能產(chǎn)業(yè)發(fā)展路徑，形成了覆蓋技術(shù)研發(fā)、場景開放、生態(tài)建設的系統(tǒng)性產(chǎn)業(yè)支持體系，旨在搶占這一新興領(lǐng)域的制高點。

三、具身智能產(chǎn)業(yè)鏈

1、產(chǎn)業(yè)鏈概況

具身智能產(chǎn)業(yè)融合了先進技術(shù)、復雜系統(tǒng)集成和多元化應用場景，將推動人類社會進一步邁向智能化新時代。其產(chǎn)業(yè)鏈結(jié)構(gòu)可劃分為上游、中游和下游三個部分。

（一）產(chǎn)業(yè)鏈上游：硬件基礎(chǔ)支撐

產(chǎn)業(yè)鏈上游是具身智能產(chǎn)業(yè)的核心硬件層，涵蓋了芯片、傳感器、控制器、電機（含伺服電機）、通信模組及能源管理系統(tǒng)。芯片作為核心計算單元，提供算力以支持復雜算法運行；傳感器負責采集環(huán)境中的視覺、聽覺、觸覺等多維數(shù)據(jù)，實現(xiàn)智能感知；控制器高效處理數(shù)據(jù)并輸出指令；伺服電機精準執(zhí)行運動控制；通信模組保障設備間的協(xié)同與數(shù)據(jù)流轉(zhuǎn)；能源管理系統(tǒng)則通過高性能電池與電源技術(shù)確保穩(wěn)定供電。上游組件的性能與可靠性直接影響到中下游技術(shù)的實現(xiàn)與應用效果，是產(chǎn)業(yè)鏈的底層基石。

（二）產(chǎn)業(yè)鏈中游：技術(shù)開發(fā)與系統(tǒng)集成

中游環(huán)節(jié)聚焦于技術(shù)整合，通過AI算法、操作系統(tǒng)、云服務及中間件來激活硬件潛能。AI算法作為“智能中樞”，驅(qū)動數(shù)據(jù)分析與自主決策；操作系統(tǒng)提供統(tǒng)一的軟件平臺，支撐應用開發(fā)與管理；云服務擴展了算力與存儲能力，支持大規(guī)模數(shù)據(jù)處理；中間件則連接異構(gòu)系統(tǒng)，實現(xiàn)跨組件的高效協(xié)作。中游通過軟硬件協(xié)同開發(fā)，將上游硬件轉(zhuǎn)化為能夠執(zhí)行復雜任務的智能系統(tǒng)，并為下游應用提供技術(shù)解決方案，是推動產(chǎn)業(yè)鏈創(chuàng)新的技術(shù)引擎。

（三）產(chǎn)業(yè)鏈下游：主要產(chǎn)品與應用場景

下游環(huán)節(jié)是產(chǎn)業(yè)鏈的最終輸出端，也是產(chǎn)業(yè)價值閉環(huán)的最后一環(huán)，涵蓋了機器人、自動駕駛載具等主要產(chǎn)品，以及這些產(chǎn)品在工業(yè)制造、服務業(yè)、醫(yī)療康復、教育娛樂、交通出行、公共安全等領(lǐng)域的多元化應用場景。這一環(huán)節(jié)直接觸達消費市場與企業(yè)端客戶，完成技術(shù)成果向商業(yè)價值的轉(zhuǎn)化，既是產(chǎn)業(yè)生態(tài)鏈的核心價值落腳點，也是驅(qū)動產(chǎn)品迭代與場景創(chuàng)新的關(guān)鍵樞紐。

• 主要產(chǎn)品：具身智能下游的核心產(chǎn)品主要包括機器人和自動駕駛載具兩大類。機器人以服務型、工業(yè)型、醫(yī)療型、人形等類型為主，依托高精度傳感器、智能算法及多模態(tài)控制技術(shù)，能夠執(zhí)行復雜環(huán)境下的精細化作業(yè)，顯著提升服務效率、制造業(yè)自動化水平及醫(yī)療輔助的精準度。自動駕駛載具則聚焦于自動駕駛汽車、無人機與eVTOL（電動垂直起降飛行器），通過自主導航與協(xié)同控制技術(shù)優(yōu)化交通出行、物流配送及城市空間利用效率，推動立體化智能運載體系的發(fā)展。

• 應用場景：具身智能產(chǎn)品深度賦能多個領(lǐng)域：在工業(yè)制造中應用于自動化產(chǎn)線、智能倉儲及質(zhì)量檢測環(huán)節(jié)，驅(qū)動制造業(yè)智能化升級；在服務業(yè)通過部署客服、配送機器人來提升運營效率；在醫(yī)療領(lǐng)域借助康復機器人實現(xiàn)個性化治療；在交通出行領(lǐng)域依托自動駕駛技術(shù)重構(gòu)物流與客運模式；在公共安全領(lǐng)域則利用應急機器人強化災害救援與安防能力，形成全場景協(xié)同的產(chǎn)業(yè)生態(tài)。

2、人形機器人競爭格局

具身智能產(chǎn)品企業(yè)以人形機器人為主，中美兩國占據(jù)主導地位。根據(jù)摩根士丹利近期發(fā)布的人形機器人100強名單（涵蓋整個產(chǎn)業(yè)鏈），中國和北美（包括加拿大）各有35家企業(yè)上榜，亞太地區(qū)（以日韓為主）有18家，歐洲等其他地區(qū)有12家。國外主要人形機器人企業(yè)包括特斯拉、美國的Figure AI（獲微軟、英偉達、亞馬遜、Open AI等投資）、美國的波士頓動力（現(xiàn)被韓國現(xiàn)代收購）、挪威的1X Technologies（獲Open AI投資）、美國的Agility Robotics（獲亞馬遜等投資）、美國的Apptronik、美國加州大學洛杉磯分校的RoMela、英國的Engineered Arts、加拿大的Sanctuary AI、西班牙的PAL Robotics、德國的Neura Robotics、韓國的Rainbow Robotics（獲三星投資）、日本的本田ASIMO、美國的通用汽車等。

我國人形機器人企業(yè)可分為四類。國內(nèi)已有超過80家企業(yè)推出了人形機器人產(chǎn)品，且數(shù)量仍在持續(xù)增加。各廠商根據(jù)自身在結(jié)構(gòu)設計、控制算法、具身大模型等方面的技術(shù)積累，持續(xù)進行創(chuàng)新，并逐步嘗試商業(yè)化落地應用的探索。根據(jù)技術(shù)路徑、行業(yè)背景和產(chǎn)業(yè)鏈定位，國內(nèi)布局人形機器人的企業(yè)可分為初創(chuàng)型企業(yè)、大型科技企業(yè)、整車企業(yè)以及傳統(tǒng)機器人企業(yè)。初創(chuàng)型企業(yè)以宇樹科技、智元機器人等為代表。大型科技企業(yè)包括華為、騰訊、小米、阿里巴巴（螞蟻靈波科技）、字節(jié)跳動、大疆創(chuàng)新、科大訊飛、美的等，其中華為、騰訊主要通過資本、平臺和生態(tài)合作進行布局。整車企業(yè)包括小鵬汽車（鵬行智能）、廣汽集團、比亞迪、奇瑞、理想、長安、上汽等。

其中小鵬、廣汽、比亞迪等已進入量產(chǎn)準備階段，部分企業(yè)同時通過投資和合作來擴展技術(shù)生態(tài)。從傳統(tǒng)機器人領(lǐng)域延伸過來的代表企業(yè)包括節(jié)卡機器人（協(xié)作機器人）、普渡科技（清潔、配送機器人）、越疆科技（工業(yè)機器人）、達闥科技（服務機器人）、傅利葉智能（醫(yī)療康復機器人）、獵戶星空（服務機器人）、追覓科技（掃地機器人）等。

目前，國內(nèi)人形機器人科創(chuàng)企業(yè)（不含大型科技集團和整車企業(yè)）大致可分為三個梯隊，并初步形成了差異化格局：

• 第一梯隊以估值達到10億美元（約合70億元人民幣）以上的企業(yè)為主，包括智元機器人、宇樹科技、傅利葉智能、銀河通用、云深處、普渡科技、非夕科技等。這些企業(yè)均聚焦于高動態(tài)運動控制與仿生交互技術(shù)，其產(chǎn)品已進入迭代測試階段。

• 第二梯隊為目前或年內(nèi)估值超過3億美元、具備量產(chǎn)能力的硬件驅(qū)動企業(yè)，如星動紀元、智平方、逐際動力、星海圖、眾擎機器人、樂聚機器人等，其核心機型已進入小批量交付階段。

此外，潛力層還覆蓋了星空智能、穹徹智能、松延動力等企業(yè)。整體來看，頭部企業(yè)依托資本與研發(fā)優(yōu)勢加速技術(shù)迭代，腰部廠商則通過差異化場景落地爭奪市場空間，行業(yè)競爭正逐步向產(chǎn)品成熟度與商業(yè)化能力傾斜。

3、重點環(huán)節(jié)市場格局

（一）芯片

具身智能產(chǎn)業(yè)的發(fā)展離不開多元化芯片體系的支持，其產(chǎn)業(yè)鏈涵蓋了從云端訓練到終端執(zhí)行的全鏈條硬件需求。所需芯片種類主要包括AI算力芯片、通用計算芯片、傳感器接口芯片、存算一體芯片以及通信與互聯(lián)芯片等。其中，AI算力芯片是支撐具身智能實現(xiàn)“感知-決策-執(zhí)行”閉環(huán)的關(guān)鍵硬件，處于產(chǎn)業(yè)核心地位。根據(jù)部署位置與功能的不同，具身智能AI芯片可劃分為云端訓練芯片、云端推理芯片和端側(cè)推理芯片三類。這三類芯片在設計目標、技術(shù)路線及應用場景方面均存在顯著差異，共同支撐起具身智能系統(tǒng)在不同層級中的算力需求。

（二）傳感器

傳感器是具身智能系統(tǒng)（包括人形機器人）與外界進行感知交互的關(guān)鍵部件。具身智能通過配備多種傳感器來實現(xiàn)對外部環(huán)境的感知和自身狀態(tài)的監(jiān)測，從而完成復雜的交互與操作任務。根據(jù)應用載體的不同，傳感器的功能定位和應用場景存在顯著差異。在機器人領(lǐng)域，傳感器主要用于模擬人類的感知能力，以支持精細化操作和高水平人機交互，例如觸覺傳感器用于檢測接觸力、溫度及物體滑動狀態(tài)，六維力傳感器則協(xié)助實現(xiàn)關(guān)節(jié)力矩的精確控制，從而完成抓取和裝配等復雜任務。而在自動駕駛載具中，傳感器更側(cè)重于環(huán)境建模與動態(tài)障礙物規(guī)避，如激光雷達提供高精度三維點云以識別障礙，毫米波雷達憑借強大的穿透能力適應惡劣環(huán)境，超聲波雷達則常用于近距離泊車檢測。

對于具身智能而言，智能體的力感知能力以及與外部的觸覺、視覺、聽覺交互能力極為關(guān)鍵，其對應的傳感器性能直接決定智能體的環(huán)境適應性與應用邊界。在人形機器人中，力傳感器、電子皮膚、視覺傳感器和慣性傳感器是支撐其邁向高度具身智能的核心元件。這些傳感器不僅單位價值較高，還與人形機器人向智能化、仿生化和高自由度方向的發(fā)展密切相關(guān)，對整體性能起到?jīng)Q定性作用，因此具備顯著的市場潛力與廣闊的應用前景。

在各類機器人傳感器中，六維力傳感器因其能夠同時檢測三個方向的力和力矩，已成為實現(xiàn)高精度操作與力控交互的核心部件。全球領(lǐng)先企業(yè)主要集中在歐美，產(chǎn)業(yè)起步較早。自20世紀70年代初以來，國外便開始了對多維力傳感器的研究。目前，全球機器人用多維力傳感器的主要生產(chǎn)廠商包括美國的ATI、AMTI、JR3和Lord，瑞士的Kistler，德國的Schunk和HBM，以及加拿大的Robotiq和丹麥的OnRobot等。這些公司產(chǎn)品線豐富，定制化能力強，廣泛覆蓋多個下游應用領(lǐng)域。

國內(nèi)對六維力傳感器的研究始于20世紀90年代，近年來入局企業(yè)不斷增多。目前主要廠商包括宇立儀器、坤維科技、鑫精誠、海伯森、藍點觸控、神源生智能及瑞爾特測控等。在協(xié)作機器人領(lǐng)域，六維力傳感器的國產(chǎn)化率已處于較高水平。根據(jù)GGII數(shù)據(jù)，2022年坤維科技在該細分領(lǐng)域出貨量位居第一，市占率約60%，其后分別為ATI、藍點觸控、宇立儀器（已進入特斯拉供應鏈）和鑫精誠等。各家國產(chǎn)廠商在不同下游應用中形成了各自的側(cè)重和優(yōu)勢。

全球及中國六維力傳感器主要企業(yè)如下表所示。

（三）AI 算法與大模型

AI算法是人工智能實現(xiàn)感知、推理與決策的核心方法集合，而大模型則是基于海量參數(shù)和復雜架構(gòu)的算法高級形態(tài)，尤其依托深度學習與Transformer結(jié)構(gòu)實現(xiàn)跨模態(tài)信息融合與通用任務處理。在具身智能領(lǐng)域，大模型作為一類關(guān)鍵的AI算法集成形式，顯著提升了智能體對物理環(huán)境的交互與任務泛化能力，成為實現(xiàn)“感知-決策-行動”閉環(huán)的核心軟件基礎(chǔ)，并持續(xù)推動機器人及泛具身智能系統(tǒng)的發(fā)展。這類模型通?；诙嗄B(tài)架構(gòu)，融合視覺、語言、動作等多種感知與決策模態(tài)，能夠執(zhí)行從高層任務理解到底層運動控制的各種功能。按其核心功能可大致分為感知與場景理解模型、任務與運動規(guī)劃模型以及端到端控制模型三大類。典型應用涵蓋機器人導航與避障、物體抓取與操作、人機交互與協(xié)同作業(yè)等，既支持工業(yè)自動化、倉儲物流等企業(yè)級場景，也逐步滲透至家庭服務、教育陪伴等消費級領(lǐng)域。通過與專用AI芯片協(xié)同優(yōu)化，具身智能大模型正朝著更低延遲、更高能效和更強泛化能力的方向演進。

在國際上，具身智能大模型的研究主要由谷歌、英偉達、Meta等科技巨頭與斯坦福、伯克利等頂尖高校主導，聚焦于多模態(tài)融合、實時運動規(guī)劃與端到端控制等核心能力。與此同時，國內(nèi)也涌現(xiàn)出一批專注于具身智能大模型研發(fā)的企業(yè)與科研團隊，呈現(xiàn)出高校背景團隊與市場化科技公司并進的競爭格局。清華大學TSAIL團隊等科研機構(gòu)在強化學習與仿真訓練方面底蘊深厚；智元機器人、有鹿機器人等企業(yè)側(cè)重服務與家庭機器人產(chǎn)品的系統(tǒng)整合與落地；若愚科技、千識科技等創(chuàng)業(yè)公司則聚焦垂直場景，如工業(yè)巡檢與家庭清潔，推動模型實用化與低成本部署；銀河通用、穹徹智能等新興力量致力于端到端抓取與人形機器人控制等前沿方向，展現(xiàn)出良好的技術(shù)創(chuàng)新能力。整體上，國內(nèi)企業(yè)在模型的多模態(tài)融合、實時響應與場景適應性方面持續(xù)突破，逐步形成差異化競爭力。

? 如欲獲取完整版PDF文件，可以關(guān)注鈦祺汽車官網(wǎng)—>智庫，也可以添加鈦祺小助理微信，回復“報告名稱： 2025具身智能產(chǎn)業(yè)鏈研究報告：AI走出數(shù)字世界，具身智能開啟商業(yè)化浪潮 ”。

點擊下方，查看近期熱門行業(yè)研究報告