具身智能概述 - 具身智能是通往通用人工智能的关键方向，强调智能体与物理环境的交互与适应，使其具备感知、理解、执行和反馈学习的能力 [1] - 具身智能的核心模块类比于人脑，分为负责思考感知与任务规划的“大脑”，以及负责高精度运动执行的“小脑” [1] 产业发展与竞争格局 - 近2年，星海图、银河通用、逐际动力等明星团队从实验室走向商业和工业界，推动技术进步 [3] - 国内大厂积极布局：华为于2024年底启动“全球具身智能产业创新中心”并与乐聚机器人、大族机器人等合作；京东自2025年5月以来连续投资智元机器人、千寻智能、逐际动力等公司；腾讯、蚂蚁集团、小米等也通过战略投资与合作加快构建产业生态 [5] - 国外企业侧重基础模型与原型研发：Tesla/Figure AI推进工业与物流机器人应用；美国投资机构支持Wayve、Apptronik等公司落地自动驾驶与仓储机器人 [5] - 国内外企业在该领域正加速进入关键竞赛阶段，国内以产业链投资与综合平台驱动落地，国外侧重基础模型、模拟环境与类人机器人原型研发 [5] 技术演进路径 - 第一阶段：聚焦抓取位姿检测，通过点云或图像预测末端执行器姿态，实现静态物体抓取，但策略多为单步决策，缺乏任务上下文和动作序列建模 [6] - 第二阶段：进入行为克隆阶段，机器人借助专家演示数据学习端到端映射，模仿人类完成复杂任务，但存在泛化能力弱、误差累积等问题 [6] - 第三阶段：2023年兴起的Diffusion Policy方法通过扩散模型生成整个动作轨迹，提升了策略的稳定性与泛化能力；2024年进入Vision-Language-Action模型阶段，代表性工作如OpenVLA、RT-2、PIO，融合视觉、语言与动作生成，支持零样本或小样本快速泛化，实现从“感知+控制”向“感知+推理+行动”的范式跃迁 [6][7] - 第四阶段：2025年以来，业界探索VLA模型与强化学习、世界模型、触觉感知等模块的融合，以弥补现有局限 [9] - VLA与强化学习结合提升机器人在长时任务中的试错与自我改进能力；VLA与世界模型结合引入环境动态预测，使机器人具备“想象未来”的能力；VLA与触觉信息融合拓展了“看+触”的多模态感知边界 [11][12] - 技术演进从“低层感知->中层策略->高层理解”链条上补齐能力短板，迈向通用任务和开放环境的智能体时代 [14] 市场应用与人才需求 - 技术发展推动了人形机器人、机械臂、四足机器人等产品在工业、家居、餐饮、医疗康复等领域的落地，相关产品和融资络绎不绝 [14] - 行业岗位呈现爆发式增长，导致许多人员转入具身智能领域进行研究 [14] - 从研究走向落地，对工程与系统能力需求激增，产业界更重视从“论文”到“部署”的工程能力 [17]