核心观点 - 具身智能是人工智能的重要发展方向，被认为是实现通用人工智能的关键路径，其核心在于智能体通过物理身体与环境进行感知-理解-决策-行动的闭环交互 [1][2] - 行业正处于从实验室走向产业化、大规模商业化的前夜，中美两国在技术、资本和应用上展开激烈角逐，市场预计将迎来指数级增长 [1][11][46] - 商业化落地面临数据、技术、成本等多重瓶颈，但正通过世界模型、数据采集场、混合架构等方式寻求突破，并沿着从高ROI、低复杂度场景向高价值、高复杂度场景渗透的路径演进 [13][19][31] 定义与理解 - 具身智能是机器学习、计算机视觉与机器人技术的综合体现，智能体依托物理身体，通过与环境强交互并持续学习，展现出自主性、泛化性和适应性，是AI走向落地化和实用化的重要标志 [2] 商用场景分类 - 商用具身智能：服务于零售、餐饮、医疗、安防等复杂动态环境，更依赖多模态感知、人机交互和泛化能力，旨在提升服务体验与灵活运营 [4] - 工业具身智能：面向制造、能源、矿山等高度结构化场景，强调高精度、高负载和长周期稳定性，目标是提升效率与保障安全 [4] - 两者能力要求与技能瓶颈差异较大，但共同推动具身智能在不同维度的落地发展 [4] 战略与政策 - 具身智能是推动科技产业链升级和培育新兴产业的重要力量，有助于先进芯片、传感器、AI大模型等产业链环节的协同创新，并带动制造、交通、零售等场景转型升级 [6] - 具身智能是中美科技竞争的关键战役，关乎中国科技自立自强与国家竞争力的提升，是未来十年“弯道超车”的关键赛点 [6] - 中国已将具身智能纳入国家战略，中央层面密集出台行动方案、发展指导意见与资金支持，地方政府也发布专项规划、设立基金并建立产业联盟，推动行业加速发展 [8][9] 发展阶段与全球格局 - 发展历程分为三阶段：1950年起的哲学思辨与概念萌芽、2000–2020年的技术积累期、2020年以来大模型驱动与应用拓展期 [11] - 全球进入快速演进新拐点，美国凭借算力基础、顶尖模型与资本生态实现先发优势；中国则依托政策支持、场景驱动与产业链协同加速追赶 [11] - 未来五年，中美将在基础模型、算力和应用落地上展开比拼 [11] 发展瓶颈与突破 - 数据瓶颈：高质量多模态实操数据稀缺，仿真数据存在缺陷，且缺乏数据评价机制，数据获取主要依赖遥操作、仿真合成、动作捕捉及互联网视频图像 [13][15][16] - 技术瓶颈：灵巧手、泛化能力与Sim2Real（从仿真到现实）迁移等技术尚未成熟 [13] - 成本瓶颈：核心部件与算力投入居高不下 [13] - 商业瓶颈：投资回报周期长，伦理安全问题仍待解决 [13] - 突破路径：业界正通过构建“世界模型”、建设数据采集训练场（如2025年起北京、上海加快建设）、开发便携化工具和优化仿真等方式探索解决方案，以降低成本并获取高质量数据 [19] 模型技术演进 - 核心主线：通过多模态统一框架，将大型语言模型的推理能力与真实世界的感知、行动能力深度融合，催生能跨场景自主学习的“机器人大脑” [21] - VLA模型成为共识：视觉-语言-动作模型持续迭代，正逼近类似GPT-3的智能爆发临界点，其演进方向包括融合更多模态信息（视觉、语言、力觉等）以及生成适配不同机器人的泛化动作指令 [21][22] - 关键里程碑：2022年Google RT-1和Saycan初步验证范式；2023年Google RT-2和PaLM-E实现能力跃迁，正式提出VLA概念；2024-2025年进入生态开放阶段，如Google开源OpenVLA，英伟达推出开源基础模型Isaac GROOT及配套平台 [22] - 架构融合趋势：单一模型无法满足复杂现实场景，混合模型架构成为必然，即通过高层大模型（大脑）进行认知与规划，结合底层成熟算法（小脑）实现可靠执行，兼顾泛化性与可靠性 [23] 核心部件与自主化程度 - 灵巧手：是实现人机交互与精细操作的核心部件，面临小型化设计、敏捷控制和成本可靠性的“三难困境”，是技术工艺难度最大的环节之一 [25] - 自主化程度：类比自动驾驶，目前处于L2（初步自主移动）向L3（低技能操作探索）的过渡阶段；类比大语言模型，则已达到GPT-2水平，验证了规模定律的可行性，未来2-3年或达到能力质变的关键临界点 [27] 商业化路径与趋势 - 商业化突破点：大规模应用拐点需在续航、延迟、执行、可靠性与经济效益五大维度均跨过可用门槛，并形成正向增强的价值飞轮 [29] - 渗透路径：商业化正沿价值阶梯演进，初期集中在高投资回报率、低复杂度的确定性场景（如工业制造、仓储自动化、餐饮零售基础场景），随后向高复杂度、高价值的战略性场景渗透，最终实现通用化服务 [31][34] - 付费模式演进：从当前的一次性整机销售为主，辅以软件服务，未来可能向降低客户前期投入的“机器人即服务”模式演进，并最终发展至与客户业务价值深度绑定的“按任务完成效果付费” [35] 市场规模预测 - 全球市场：2025年全球具身智能规模预计达192亿元人民币，未来五年复合增长率达73%，预计十年左右达到年万亿级市场需求，关键变量是机器人售价从目前的百万级人民币在十年左右降至20多万元 [46] - 中国市场：需求已初步显现，凭借完善的工业体系和供应链，预计五年左右进入快速降本通道，5-10年率先触及经济性拐点，保守估计市场规模将从2025年的21亿元人民币增长至2035年的超过2800亿元人民币，实现十年百余倍增长 [49][50] 产业链与竞争格局 - 产业链复杂度：不亚于汽车制造业，涵盖执行器、传感、计算、机身、电池、基础模型等漫长链条，中国企业在产业环节覆盖度上已占显著优势，并在下游整机集成和应用场景上展现巨大潜力 [41] - 三路核心玩家：1)以Figure为代表的AI原生技术挑战者；2)以ABB、擎朗为代表的传统工业/商业机器人头部玩家；3)以特斯拉、亚马逊为代表的跨界需求巨头 [55] - 中期整合趋势：产品同质化已现，高昂的研发投入、复杂的供应链管理等挑战将导致行业在未来三年面临第一轮洗牌，最终格局将是少数玩家的市场 [57] - 初创企业策略：需比巨头看得更准、行动更快、人效更高，并找到能带来长期赋能价值的战略伙伴和投资人，以应对资源紧张和巨头夹击的挑战 [59][60] 资本动态 - 全球资本市场高度关注，中美企业单轮融资额不断创新高，A轮融资额1-3亿美元已是常态 [43] - 例如，2025年9月Figure完成C轮超10亿美元融资，估值达390亿美元；同期1X也启动新一轮10亿美元融资；2025年上半年中国具身智能企业近亿美元融资达4笔以上 [43][44] 出海加速 - 2024-2025年中国具身智能产业进入出海加速期，商业服务与工业机器人出口同比增长显著，中国已成为全球第二大工业机器人出口市场 [53][54] - 典型路径：1)技术出海：如宇树科技人形机器人凭借自研关节电机与算法，切入沙特智慧工厂等场景；2)本地化运营出海：如擎朗智能通过产品本地化改造及在日本建立密集服务网络，成功打开高标准市场 [53][54] 重点公司案例 - 特斯拉Optimus：从2021年概念发布，历经原型机迭代，2023年底Gen 2展示更轻、更快、更灵巧的动作能力，采用全套自研执行器与传感器，目标最早2025年底对外销售，2026年批量生产，长期目标百万级年产量 [62] - Figure AI：全球通用人形机器人代表企业，估值390亿美元，产品快速迭代，并引入自研通用VLA模型Helix，采用“大脑”（低频规划）与“小脑”（高频执行）协同的系统架构，旨在打造具备跨场景泛化能力的类人劳动力 [64][65] - 擎朗智能：实现人形与轮式机器人双线布局，构建覆盖多场景的完整产品生态，其综合技术力在场景理解、数据库规模、定制能力等六大维度显著高于行业平均，2024年在上海虹桥机场盛贸酒店落地全球首个“通用+专用”机器人协同运营的智慧酒店案例 [66][71][73] - 节卡机器人：拥有从灵巧协作整机到数据训练系统的多元产品生态，依托在汽车、电子等工业场景的大规模部署获取海量高质量数据，并通过分层混合架构平衡AI模型创新与工业稳定性需求 [77][79][81] - 因时机器人：作为微型伺服电缸领导者，通过垂直整合自研核心部件，突破灵巧手在性能、尺寸和成本上的“不可能三角”，其产品已在工业制造、人形机器人、科研算法训练等关键领域实现规模化落地 [83][85][88]