报告行业投资评级 - 报告未明确给出具体的行业投资评级 [1] 报告的核心观点 - 具身智能正从实验室转向商业化探索 在各行业场景开启试点应用 [2] - 2025年全球具身智能已逐步从实验室走向场景落地 但商用化进展低于预期 [4] - 未来五年具身智能在各场景落地将遵循"从简单到复杂"、"先专后通"原则 2030年前核心在工业专用场景 [4] - 技术挑战包括缺乏自主意图生成能力 难以完成环境理解到任务执行的闭环 真实数据量不足 合成数据质量低 软件生态割裂 [8][34] - 应用挑战包括市场需求模糊 用户接受度低 产品形态合理性限制场景适配性 产业链条不完善 [8][39] 具身智能行业综述 基本定义与关键特征 - 具身智能是人工智能与机器人学交叉的前沿领域 核心在于通过物理实体与环境的动态交互实现智能行为 [13][17] - "本体+环境+智能"是具身智能的核心三要素 本体是物理载体 智能是算法模型和决策能力 环境是交互的物理世界 [13][17] - 形成"感知-决策-行动-反馈"循环系统 [17] 具身智能 vs 离身智能 - 核心差异在于是否依赖物理载体与环境交互 具身智能通过身体与物理世界实时交互 离身智能依赖虚拟环境数据和算法 [19] - 具身智能优势：动态环境适应性强 高泛化能力 精准物理交互 [19] - 具身智能劣势：硬件成本高 开发复杂度高 能耗大 [19] - 离身智能优势：高效计算 低成本部署 跨领域通用性 [19] - 离身智能劣势：缺乏物理反馈 场景局限性 动态环境适应差 [19] 发展历程 - 1945年梅洛-庞蒂提出"身体是认知的主体"为具身认知理论奠定基础 [20] - 1950年图灵首次提出具身智能概念 [20] - 1977年吉布森提出"可供性"理论 [20] - 1986年罗德尼・布鲁克斯提出"包容架构" [20] - 1980年代末日本早稻田大学研发首个人形机器人WABOT-1 [20] - 1994年MIT启动Cog项目模拟人类婴儿认知发展 [20] - 2013年波士顿动力Atlas展示复杂物理环境适应性 [20] - 2016年谷歌DeepMind AlphaGo展示强化学习框架 [20] - 2018年OpenAI Dactyl项目展示具身学习潜力 [20] - 2022年ChatGPT推动具身智能向"认知-行动"一体化演进 [20] - 2023年中国工信部发布《人形机器人创新发展指导意见》 [20] - 2024年OpenAI与Figure合作推出Figure 01 [20] - 2025年中关村论坛发布"具身智能十五大重点方向" [20] 技术体系 - 演进趋势由分模块化AI算法整合向基于大模型的统一技术框架转型 [21][23] - 技术体系以"感知-决策-行动-反馈"四大核心模块构建闭环系统架构 [21][23] - 感知模块是多模态传感器实时采集环境数据 [23] - 决策模块基于感知信息进行任务规划和动态决策 [23] - 行动模块将决策结果转化为物理动作 [23] - 反馈模块构建闭环学习机制持续优化性能 [23] 核心技术层面 - 商业化落地本质是将认知智能与物理执行系统深度融合 [24] - 涉及算法演化 数据来源和硬件演进三大层面 [24] - 算法层面：上层控制负责任务定义与行为决策 下层控制负责操作执行与运动控制 [25][26][28] - 数据层面：真实数据依赖动作捕捉 合成数据通过域随机化模拟 网络视频数据补充长尾行为 [29] - 硬件层面：以SoC芯片为基础 形成AI决策与实时控制的双层控制器架构 [25][26][28] 应用现状 - 工业制造案例：优必选Walker尝试物流分拣 特斯拉Optimus尝试汽车总装线搬运 [32] - 工业制造挑战：效率低下（Walker搬运箱子需2-4分钟 工人仅需1分钟） 成本极高（单机价格40-60万元 回收周期3-4年） [32] - 服务与零售案例：软银Pepper在商场引导 松下"松松"在家电零售导购 [32] - 服务与零售挑战：交互生硬难以应对复杂需求 短期内难以提升销售额 [32] - 医疗与养老案例：日本Robear协助老人移动 傅利叶康复机器人帮助患者下肢康复 [32] - 医疗与养老挑战：高准入门槛需药监局审批 成本高昂医保未纳入报销 [32] - 特种与高危案例：NASA Valkyrie用于太空任务 波士顿动力Spot在核电站巡检 [32] - 特种与高危挑战：成本高应用限于高预算场景 特种场景下故障难以现场维修 [32] 面临的挑战 - 算法层面：缺乏自主意图生成能力 仍需人类智能介入 [35] - 算法层面：感知与行动存在"认知断层" 难以完成感知到任务执行的闭环 [35] - 数据层面：真实数据稀缺 合成数据质量低 数据标准化缺失 [36] - 软件层面：软件生态割裂 开发工具链不完善 [37] - 硬件层面：硬件成本高 能源效率低 核心部件自主化不足 [39] - 商业层面：市场需求模糊 用户接受度滞后 [40] - 产品层面：产品形态合理性影响性能和场景适配性 [41] - 产业链层面：产业链条不完善 协同效率低下 [42] 国家层面相关政策 - 2025年政府工作报告首次将"具身智能"纳入未来产业培育体系 [44] - 2023年工信部《人形机器人创新发展指导意见》提出到2025年初步建立创新体系 [44] - 2023年工信部等十七部门《"机器人+"应用行动实施方案》推动机器人规模化应用 [44] - 2021年工信部等十五部门《"十四五"机器人产业发展规划》提出机器人产业营业收入年均增速超过20% [44] - 2021年工信部等八部门《"十四五"智能制造发展规划》提出到2025年70%规模以上制造业企业基本实现数字化网络化 [44] 地方层面相关政策 - 2025年上海浦东新区《具身智能产业支持16条政策》对关键技术攻关给予最高2000万元资金支持 [45] - 2025年浙江《关于支持人工智能创新发展的若干措施》建设具身智能产业基地 [45] - 2025年天津《天津市促进人工智能创新发展行动方案》推动人形机器人关键领域研究 [45] - 2025年重庆产业攻关项目需求征集包括具身智能领域 [45] - 2025年四川推动具身智能等技术交叉融合创新 [45] - 2025年江苏推动具身智能等新一代人工智能技术创新 [45] - 2025年河南建立未来产业投入增长机制聚焦具身智能 [45] - 2025年山东对年销售额突破5000万元的人形机器人企业给予最高800万元奖励 [45] - 2025年深圳计划新增培育估值过百亿企业10家以上 营收超十亿企业20家以上 [45]