核心观点 - 工业具身智能正处于从任务闭环向工程交付过渡的早期商业化阶段，少数场景已形成稳定闭环并开始复制，但距离大规模跨场景复制和持续运营仍有明显距离 [30] - 行业主要矛盾是技术能力提升快于复制能力，产品供给完整度高于商业成熟度 [31] - 判断框架为短期看闭环、中期看复制、长期看运营 [33] 工业面临的难题 - 制造业正从大批量固定流程生产走向多品种、小批量、快换型生产，产线换型适应成本越来越高 [2] - 2025年中国总人口降至14.04亿，较上年减少339万，出生人口仅792万，出生率降至5.63‰，60岁及以上人口占比已达23%，老龄化导致技能工紧缺、用工成本上升 [3] 工业具身智能定义与核心 - 工业具身智能是智能系统在真实工业场景中，围绕具体任务目标，在工艺、质量、节拍和安全约束下，形成感知、理解、决策、执行、验证的任务闭环，并通过数据回流持续优化能力 [5] - 工业具身智能对任务的结果负责，载体长成什么样并不重要 [6] - 判断标准包括：是否在真实工业现场持续运行、是否以任务结果为导向、是否能形成闭环、是否会越干越好 [8][12] - 大模型并非工业具身智能的必要前提，当前工业场景中很多任务仍以规则、流程编排、传统控制和专用模型为主 [12] 系统架构与载体分类 - 系统包含两个闭环：在线运行闭环（任务输入、感知与状态理解、任务理解与规划、策略与控制、执行与结果验证、异常处理）和离线迭代闭环（数据采集、数据治理、仿真与训练、评测与发布、部署回流） [9] - 两个闭环靠数据回流连接，判断系统价值依据是能否积累经验、越跑越稳 [10] - 按任务闭环划分载体分为五类：固定操作型（协作机械臂、双臂工作站）、厂内物流型（无人叉车、配送AMR）、移动感知型（四足、轮式巡检机器人）、产线流转型（智能磁驱、柔性输送）、移动操作型（复合机器人、人形机器人） [13] - 核心难点包括：高质量任务数据供给不足、长时间运行后成功率与稳定性下降、不同工厂差异巨大导致规模复制难 [15][18] 产业链与商业模式 - 产业链是围绕任务结果组织的网络：上游为执行底座与能力模块，中游为载体平台、场景方案与集成交付，下游为工业客户与真实任务场景 [16] - 中游玩家高度重叠，本体厂商、集成商、方案商都在争系统定义权、运行主控权和持续运营能力 [17] - 当前盈利模式以项目制、方案制和组合收费为主，中长期利润池将从硬件和项目收入后移至平台软件、任务编排、仿真训练、数据闭环和持续运营 [17] 市场信号与战略窗口 - 2026年6月Agility Robotics以25亿美元估值通过SPAC上市，募资超过6亿美元，其机器人Digit已在丰田、舍弗勒等客户侧商业运行 [18] - 2025年2月Apptronik完成3.5亿美元A轮融资 [26] - Figure AI的Figure 02进入宝马工厂测试 [26] - Google DeepMind发布Gemini Robotics，英伟达发布GR00T N1及Halos for Robotics安全套件 [26] - 供给端加速入场、需求端开始形成真实牵引、技术底座进入可工程化阶段，领先者优势尚未固化 [19] 场景商业化进展 - 成熟场景（物流流转、固定工位作业）：任务边界清晰、ROI好算，已进入复制阶段 [23][24] - 海康机器人与纬创合作中，AMR从昆山工厂复制到成都、重庆等地，累计投入百余台，运营成本下降26% [27] - 库卡与哈雷工厂合作中，AMR覆盖全流程，配送准确率99%，生产效率提升100% [27] - 优傲与Toolcraft合作中，吞吐量提升43%、生产成本下降23%，ROI约12个月 [27] - 优傲与Midgard合作中，ROI约500个运行小时，单件成本节省约30%，废品率从10%降到1%-2% [27] - ABB的YuMi装配单元导入后，单机8小时产量从5000套提升到6000套，回收期约2年 [27] - 过渡场景（感知识别、产线流转、半结构化作业）：价值已验证，但复制条件不成熟 [25][28] - 优傲ActiNav在舍弗勒实现无序抓取、满足12秒节拍、投资回收期低于1年 [28] - 远期场景（复杂装配、异常处置、通用多任务作业）：想象力最大，人形机器人集中亮相 [29] - Figure AI的Figure 02在宝马斯帕坦堡工厂累计完成1250+小时真实产线部署、搬运90000+个零件 [29] - 奔驰与Apptronik合作，在柏林和匈牙利工厂测试Apollo执行搬运和质检 [36] - 宝马莱比锡工厂与Hexagon合作，用AEON机器人参与高压电池组装 [36] - 工业人形已从演示视频走进真实产线，但尚未证明可低成本、低接管率地规模复制 [29] 未来路径 - 扩张路径为单点任务跑通、同任务簇复制、单工厂多点、多工厂推广 [32] - 工厂决策者应为运行指标买单，关注成功率、节拍、接管率、连续运行时长、二次部署成本、回本周期 [34] - 供给者应把项目经验沉淀为任务模板、交付标准、运维体系和数据闭环 [34] - 观察者应关注真实订单、客户验收、连续运行、复购扩点和二次部署成本 [34]