⽚中，轮式双臂机器⼈Galbot G1 展示了包括"叠⾐服"在内的多项贴近真实⽣活的操作能⼒。⾐物作为典型柔 性物体，形变复杂、状态多变，被业内普遍视为检验机器⼈灵巧操作与泛化能⼒的⾼难度任务， 也被称为机 器⼈操作领域的"圣杯"。 《我最难忘的今宵》之银河通用机器人技术揭秘视频-叠衣服｜视频来自银河通用 这类能⼒的实现，离不开⼤规模、⾼可信度的柔性物体数据⽀撑。围绕柔性物体操作这⼀⻓期难题，银河通⽤ 通过其自主研发的"⼤脑–⼩脑–神经控制"端到端具身智能大模型"银河星脑"AstraBrain，在仿真环境中⽣成数 以万计的形变数据，让机器⼈得以在虚拟世界中进⾏⾼频、可控的反复训练。 在这⼀过程中， 凌迪科技的⾼保真形变体仿真与⼯业级闭环验证技术，赋能银河的物理仿真技术中对于衣料 的仿真求解， 提升其对衣料的仿真效果，未来也将为银河通⽤提供关键的数据建模与仿真⽀撑，加速具身智 能在复杂操作场景中的落地。 近期，凌迪科技将基于其⾼保真形变体仿真与⼯业级闭环验证技术，与银河通⽤正式达成合作。 作为"2026 年春节联欢晚会指定具身⼤模型机器⼈"，银河通⽤通过贺岁微电影《我最难忘的今宵》，集中呈 现了其具身⼤模型在感 ...

文章核心观点 - 当前主流的大语言模型和视觉语言模型因依赖互联网静态数据而缺乏物理基础，难以直接应用于物理机器人，存在操作与导航割裂或灾难性遗忘等问题 [1] - 原力灵机与阶跃星辰联合提出的DM0模型是一种“具身原生”的视觉-语言-动作模型，其核心是从训练初期就将物理传感器与运动数据视为与语言、视觉同等重要的一等公民，旨在构建真正通用的机器人策略 [3][30] - DM0通过其创新的架构和训练方法，在RoboChallenge真实世界基准测试中，无论是单任务还是多任务设置，均以显著优势超越了现有的SOTA开源模型，展示了强大的物理世界泛化与执行能力 [3][24][27] 模型架构与方法论 - **核心架构**：DM0由两个主要组件构成：1）基于Qwen3-1.7B构建的VLM主干网络，配备高分辨率（728×728）感知编码器；2）基于流匹配的连续控制动作专家模块，它接收VLM的键值缓存作为条件输入以生成精确动作 [11][12] - **多源混合训练**：采用受“知识隔离”启发的混合梯度策略，在训练具身数据时，动作专家的梯度不会回传给VLM主干，从而防止机器人数据侵蚀VLM的通用语义知识，同时VLM继续使用非具身数据更新 [8] - **具身空间脚手架**：创新性地提出分层预测框架，通过顺序执行子任务预测、目标边界框预测、末端执行器轨迹预测和离散动作预测等辅助任务，构建空间维度的思维链，引导模型从抽象语义逐步过渡到底层控制 [9][13] 训练流程与数据 - **三阶段训练**：DM0的训练流程总计消耗高达1.2T Token的数据，分为预训练、中期训练和后期训练三个阶段 [16] - **预训练阶段**：在包含网页文本、教育文献、OCR、VQA、GUI界面、自动驾驶深度检测及大量具身数据的异构语料库上进行联合优化，数据规模达1.13T Token，使模型在获得语义知识的同时隐式掌握物理先验 [17] - **中期训练阶段**：引入动作预测模块，数据规模约200M样本，混合了跨形态的单臂/双臂机器人轨迹、仿真数据及视觉-语言指令微调数据，并专门构建了具身推理数据集以增强长程规划能力 [18] - **后期训练阶段**：使用约50M样本，将模型对齐到少数特定的真实机器人平台，减少不同机器人的分布方差，以建立稳定的视觉-运动映射 [19] 性能表现与实验结果 - **单任务评估**：在RoboChallenge Table30基准测试中，参数量仅为2.4B的DM0-Specialist模型取得了62.00%的平均成功率，全面超越了参数量更大的Spirit-v1.5 (4B, 51.00%)、GigaBrain-0.1 (3B, 51.67%) 和 pi0.5 (3B, 42.67%) 等SOTA开源模型 [23][24] - **多任务评估**：在跨任务适应能力的测试中，DM0-Generalist模型取得了37.3%的平均成功率和49.08的任务得分，大幅超越了之前最强的pi0.5模型的17.67%和31.27，在多个高精度空间理解任务中表现出色 [26][27] - **具体任务优势**：在“arrange fruits in basket”、“plug in network cable”、“sweep the rubbish”等长时序、强交互的复杂任务中，DM0取得了100%或80%的接近完美成绩，而其他基准模型在这些任务上经常彻底失败（0%） [24] 模型特点与能力 - **端到端统一**：DM0作为一个端到端模型，可以无缝统一机器人的精细操作与移动导航 [3] - **保留通用能力**：由于实施了知识隔离，DM0在获得强大动作执行能力的同时，完美保留了多模态对话能力，能在具身场景的物体检测、复杂图表OCR识别等任务中对答如流 [28] - **具备推理能力**：模型支持两种推理模式，既可直接预测连续动作，也可先通过VLM生成文本形式的具身推理过程（思维链），再引导动作专家输出动作 [7][28] 未来发展方向 - **模型规模扩展**：计划将DM0从目前的2B级别轻量化模型扩展至7B甚至30B规模，并吞吐更庞大的仿真与真实混合数据集，以探索物理推理层面的涌现能力 [32] - **多模态感知融合**：未来预训练阶段有望整合触觉反馈、音频以及纯深度信息，让机器人在视野受限的动态环境中也能游刃有余 [32] - **整合世界模型**：考虑将世界模型整合进DM0，赋予机器人预演动作后果并进行长期规划的能力，以解决跨越超长时间维度的任务难题 [32]

企业级AI应用发展现状 - 行业重心从“百模大战”的技术探索期全面转向规模化应用期 [1] - 新一代AI应用已在智能客服、知识库问答、内容生成等知识密集且交互开放的场景中率先取得规模化突破 [1][21] - 企业面临的核心挑战从单点技术突破转向构建系统性、端到端的落地能力 [1][27] 核心驱动因素 - **政策驱动**：2025年8月《国务院关于深入实施“人工智能+”行动的意见》将AI定位为新质生产力核心引擎，目标到2027年与6大重点领域深度融合、新一代智能终端/智能体应用普及率超70%，2030年普及率超90% [6][8] - **技术驱动**：技术路线从模型中心转向Agent驱动，AI-Ready数据和AI Agents是当前发展最快的两项技术 [10] - **需求与资本驱动**：企业因经济与竞争压力，需求从可行性验证转向商业价值验证 [14]；2025年中国AI产业融资事件772起，应用层融资事件数量占比超50%，AI+医疗成为热门吸金赛道 [12] 核心价值与落地痛点 - **三大核心价值方向**：流程增效（直接降本）、知识增幅（激活知识资产）、价值创新（重塑产品与商业模式） [17] - **规模化落地三大瓶颈**：数据基础薄弱与治理缺失、业务价值缺乏可量化度量体系、缺乏兼具技术与业务洞察的复合型人才 [23] 落地框架与关键载体 - **总体框架**：从应用层、支撑层、基础设施层和组织层四个维度构建端到端落地能力 [27] - **核心载体**：AI Agent成为企业级AI应用落地的核心载体，通过Function Call、MCP、Skills等方式与企业业务流程深度整合 [1][29] - **Agent落地关键**：构建“AI技术+软件工程+人工干预”三元体系，将复杂流程切分为可验证的最小任务单元以保障可靠性 [31] - **Agent能力进化**：从模型绑定的Function Calling向模块化、可复用的Agent Skills演进，提升复杂任务中的确定性 [37] 模型、数据与算力基础设施 - **模型选型**：以场景需求为导向，在多维度权衡模型效果、性能与成本，并可将GenAI与决策式AI结合以提升可用性 [39] - **数据底座**：AI-Ready的高质量数据集是构建企业独特AI竞争力的关键，其特征是高价值应用、高知识密度和高技术含量 [42] - **数据平台与安全**：需构建多模态、实时响应的Data+AI一体化平台 [45]，并建立覆盖数据输入、处理、输出全生命周期的主动安全治理体系 [47] - **算力基建**：GPU仍占据AI芯片主导地位，国内厂商在互联带宽、集群规模、推理优化等方面寻求差异化突破 [51]；AI Infra通过软硬一体协同优化提升国产算力可用性，是AI时代竞争关键要素 [53] 组织与人才转型 - **高层领导**：AI高绩效组织中，高达48%的高层管理者展现出对AI战略的强烈承诺，是普通组织的三倍，管理层投入深度直接决定AI应用成败 [56] - **员工赋能**：需从“以技术为中心的项目交付”转向“以员工为中心的价值运营”，通过提升用户采纳度释放AI实际价值 [57][59] - **角色升级**：业务人员需向能精准转化业务痛点的AI协作者转型；技术团队需从开发交付角色转向深度融入业务场景的价值赋能者 [60][62] 产业格局与商业模式 - **厂商格局**：主要有应用软件、技术服务及解决方案、云服务和AI模型四类厂商，形成分层协作、动态竞合格局 [2][65] - **商业模式**：厂商主要成本为算力与研发，两者合计占比通常可达70%及以上；收费模式以订阅制为主，效果付费模式仅在营销、运营等少数场景中应用 [67] 未来发展趋势 - **模型架构**：大模型由单一的Transformer架构向多架构（如新型RNN、CNN）并行迭代演进，以实现效率与性能的平衡 [2][71] - **流程重构**：AI将深度介入并重构企业流程，从任务自动向流程自主演进，人机协作模式发生根本转变 [2][74] - **AI for Science**：AI在科研领域形成技术底座、核心能力、科研流程、价值输出的闭环，通过降本、提速与跨界融合重塑企业研发竞争力 [2][76][77] - **物理AI**：从数字AI（信息处理）迈向物理AI（物理交互），连接数字智能与实体业务闭环，拓宽AI应用价值边界 [2][79] - **AI原生应用**：向全新的流量入口、交互方式、应用架构和业务逻辑演变，推动企业级AI应用价值重构 [2][82]

国产算力芯片厂商2025年业绩表现 - 寒武纪2025年实现营业总收入64.97亿元，同比增长453.21%，并首次实现年度扭亏为盈，归母净利润为20.59亿元，上年同期为亏损4.52亿元 [2][3] - 寒武纪2025年第四季度营业收入为18.9亿元，环比增长9.4%，但单季净利润为4.55亿元，环比下滑19.8%，为连续第二个季度净利润环比下滑 [3][4] - 寒武纪2025年收入大幅增长主要受益于人工智能行业算力需求持续攀升，以及公司云端产品线（含思元590、思元690及思元370等加速卡）的竞争力与市场拓展 [4] - 摩尔线程2025年实现营业总收入15.05亿元，同比增长243.37%，归母净利润为亏损10.24亿元，较上年同期的亏损16.18亿元收窄36.70% [6] - 沐曦股份2025年实现营业总收入16.44亿元，同比增长121.26%，归母净利润为-7.81亿元，较上年同期的-14.09亿元减亏44.53% [9] 国产算力芯片厂商业务与技术进展 - 寒武纪2017年至2025年上半年累计研发费用约为71亿元，截至2025年6月30日，研发人员数量为792名 [5] - 摩尔线程2012年至2025年上半年累计研发投入超过43亿元，其主力产品MTT S5000训推一体GPU智算卡已实现规模量产 [6] - 摩尔线程MTT S5000单卡AI稠密算力最高达1000 TFLOPS，配备80GB显存，显存带宽为1.6TB/s，卡间互联带宽为784GB/s [6] - 摩尔线程在2026年2月完成了对阿里开源大模型Qwen3.5系列的底层适配，此前MTT S5000已完成对GLM-5、MiniMax M2.5及Kimi K2.5等国产大模型的适配 [7][8] 英伟达2026财年第四季度及全年业绩 - 英伟达2026财年第四季度总营收为681.27亿美元，同比增长73%，环比增长20%，GAAP净利润为429.6亿美元，同比增长94%，环比增长35% [11] - 英伟达2026财年全年总营收为2159.38亿美元，同比增长65%，GAAP净利润为1200.7亿美元 [11] - 第四财季数据中心业务营收为623.14亿美元，占总营收比例超过91%，同比增长75%，其中数据中心计算收入为513.34亿美元，数据中心网络收入为109.80亿美元 [11][12] - 英伟达CFO将网络收入增长归因于面向GB200与GB300系统的NVLink交换机及Spectrum-X以太网平台的交付放量 [13] - 主权AI业务在2026财年为英伟达贡献了超过300亿美元收入，物理AI业务贡献了超过60亿美元收入 [14][16] 行业趋势与市场动态 - 算力芯片领域的国产厂商正从技术验证转向商业上的规模替代，与英伟达面向中国客户的H200产品尚未产生营收形成对比 [2] - 全球超大规模数据中心资本开支维持高位运行，英伟达CEO黄仁勋认为智能体AI已到达拐点，生成的Token驱动计算需求，使资本支出转化为算力并最终转化为收入 [10][15][16] - 英伟达在供应链端的“采购义务”在报告期末飙升至950亿美元，而一年前同期约为160亿美元 [15] - 英伟达给出的2027财年第一财季业绩指引为总营收780亿美元，并明确该预测未包含对中国数据中心市场收入的假设 [17]

机器人及自动化行业迎来新时代 - 机器人及自动化市场仍处于商业化相对早期阶段，但有多重积极信号值得关注 [1] 行业发展的核心驱动因素 - **物理AI的突破加速现实场景落地**：视觉-语言-动作模型及算力方面的进展使机器人能够理解感官输入和自然语言指令，从而可靠完成复杂任务，随着模型能力提升，自主系统和人形机器人有望从试点阶段逐步进入制造和物流等实际应用场景 [1] - **制造业回流驱动需求提升**：制造业回流趋势正在加速自动化需求增长，人形机器人有望弥补生产环节对灵活性和适应性的关键需求 [1] - **生产力提升与供应链动能增强** [1] 市场前景与供应链动态 - 据IDC预计，2025年全球人形机器人出货量将激增至1.8万台，同比增长近500% [1] - 中国零部件供应商正加紧扩产，海外厂商也在积极开发新产品 [1] - 汽车制造巨头及中国新兴电动车企业都在计划大规模扩充生产线 [1] 行业未来竞争格局 - 尽管行业仍处于早期阶段，未来格局可能变化较大 [1] - 随着市场逐步成熟，生态系统主导地位和供应链整合能力将成为核心竞争力 [1] 看好的具体投资领域 - 看好具身AI的垂直应用领域，包括人形机器人、先进驾驶辅助系统和工业自动化 [2] - AI的加速进步正为这些板块打开新的增长空间 [2] 投资标的选择标准 - 尤其关注那些拥有可扩展平台、强大研发能力和清晰商业化路径的企业 [2] - 随着商业模式和技术风险不断演变，精选优质标的将成为投资关键 [2] 对中国科技行业的整体看法 - 对中国科技行业整体持积极态度 [2] - 高水平资本支出和强劲的商业变现能力将为中国AI相关企业带来持续动力 [2]

文章核心观点 - 2026年将是具身智能机器人行业从实验室研发和概念展示，迈向规模化量产和全场景渗透的关键转折点，其社会角色将从吸引眼球的“表演者”转变为被依赖的“参与者”[2][9] 核心技术突破 - 行业突破将从单纯的动作升级，转变为“大脑进化+身体迭代”的双轮驱动格局，实现“物理AI ChatGPT时刻”，使机器人能像人类一样理解物理世界[2] - 具身智能与大模型深度融合，实现“感知—决策—执行”全流程自主化，摆脱传统预设程序局限，“任务型AI智能体”将成为竞争核心[3] - 机器人将发展出“情境智能”，不仅能识别物体，还能理解用户情绪状态，标志着从工具向伙伴的转变[3] 应用场景拓展 - 应用场景将从当前的“单点试点”向“全场景渗透”转变，在工业、家庭、商业、特种、医疗等领域实现多元化突破[3] - 工业领域应用将从搬运、巡检向柔性生产、精密装配、质量检测、设备维护等全流程延伸，整体应用渗透率预计突破15%[3] - 在城市服务领域，机器人将参与垃圾分类、管道检修、绿化养护等市政服务，显著提升城市管理效率[7] 产业化与成本 - 2026年将成为规模化量产元年，特斯拉、Figure、智元、优必选等企业将实现规模化交付，全年全球人形机器人量产规模预计突破5万台[6] - 随着核心零部件国产化率提升和生产规模扩大，机器人整机成本预计较2025年下降35%—45%，形成“量产—成本下降—需求提升”的正向循环[6] 基础设施与协同 - 新加坡、杭州等智慧城市将率先部署“机器人专用通道”与充电桩网络，支持配送、巡检、清洁类机器人全天候运行[7] - 在城市试点中，各类机器人共享统一的城市数字孪生平台，能够协调行动，避免资源冲突[7] 性能与续航 - 新型固态电池与能量回收系统结合，将使主流人形机器人续航时间提升至16小时以上[5] - 部分产品采用太阳能辅助充电面板，实现“工作—休眠”循环，边缘计算架构优化也将进一步降低能耗、延长待机时间[5] 安全与标准 - 安全性成为监管重点，国际电工委员会（IEC）已发布针对家用机器人的性能评估国际标准[4] - 柔性材料与仿生结构的应用使机器人外壳具备自愈合特性，降低碰撞伤害风险[4] - 在敏感场景，机器人通过毫米波雷达与红外传感器实现“零接触监控”，在保障安全的同时避免侵犯隐私[4] 社会接受度挑战 - 行业面临的最大挑战是社会接受度和信任建立，隐私担忧是首要障碍[8] - 领先企业采用“边缘智能”范式，敏感数据在本地处理，只上传必要的匿名化元数据，并提供透明的数据使用控制面板供用户管理[8] - 责任界定问题推动着机器人保险和伦理标准发展，行业正在形成分层责任体系[8]

纪要涉及的行业与公司 * **行业**：人工智能算力行业、具身智能/机器人行业[1][2] * **公司**：智微智能及其子公司腾云智算[1] 核心观点与论据 行业趋势：算力需求强劲，Agent与物理AI是核心驱动力 * **Agent拐点已至，驱动算力需求飞增**：英伟达业绩会明确表示已进入Agent拐点，OpenRouter的token调用量斜率明显提升，带动算力需求，具体表现为云计算与H200租赁价格上涨，以及智谱AI因算力紧张开启算力合伙人计划[1] * **国内算力需求Beta向上**：以阿里巴巴、字节跳动为代表的互联网大厂正在大幅增加算力资本开支，Agent催化预计将贯穿全年[1][2] * **物理AI被视为下一个浪潮**：英伟达在业绩会中提到物理AI是继智能体之后的下一个浪潮，并预计在GTC大会重点强调[2] 公司业务：算力与机器人业务双轮驱动，预期差大 * **算力服务器业务快速拓展**：公司子公司腾云智算主要为客户提供高性能AI算力服务器，是2024年拓展的新业务，预计2025年快速放量[1] * **在手订单充沛，业绩动能强**：公司目前在手订单充沛，2026年算力业务业绩动能极强，并有望凭借渠道优势切入更多算力客户，进一步向算力租赁与云业务转型[2] * **机器人（具身智能）业务快速拓展**：公司是英伟达Thor芯片的官方合作厂商，基于该芯片开发机器人大小脑控制器，已与比亚迪汽车、海康机器人、汇川技术、云迹机器人等多家具身智能头部企业建立合作，有望切入更多头部机器人供应链，看好2026年相关业绩释放[2][3] 其他重要信息 * **公司提供全链路整合解决方案**：基于英伟达提出的“三台计算机”（对应机器人开发中的训练、仿真渲染与控制）理念，智微智能提供了覆盖全链路的整合解决方案[2][3]

行业趋势：从概念到商业部署 - 人工智能正从基于屏幕的生产力工具演进为在实体经济中运行的物理系统，进入具身智能新阶段 [2] - 具身智能强调AI与物理实体结合，实现感知、认知、决策和行动一体化，人形机器人被视为新一代超级终端 [2] - AI正越来越多地融入实体系统，利用传感器、电机及自然语言处理技术在真实世界中感知、推理与行动 [2] - 2026年初，具身智能已开始从研究阶段转向产业落地阶段，进入规模化商业部署的历史性转折 [3] - 物理AI已经准备好进行主流部署，业界期待其“ChatGPT时刻”即将到来 [3] 市场规模与增长 - 具身智能全球市场规模2025年约为44.4亿美元，预计2030年将达230亿美元，年复合增长率约为39% [3] - 中国具身智能产业市场规模有望在2035年突破万亿元 [6] - 2025年全球人形机器人出货量达约1.8万台，中国占主要份额 [6] 中国产业发展与优势 - 中国凭借政策支持、技术创新、产业链完善、应用场景丰富等优势，成为全球具身智能产业变革的重要推动力量 [1][6] - 2025年，具身智能首次写入中国政府工作报告，北京、上海、深圳等地推出系列举措，产业正从技术概念升级为国家战略和地方重点布局方向 [6] - 中国在技术演进度、场景开放度、行业关注度、人才聚集度等多方面形成科技创新优势，准备充分 [6] - 中国多家人形机器人企业的产品和应用在2026年初通过CES、春晚、工业大单、租赁模式、体育赛事等实现“破圈”和“走红” [1][5] - 中国科技创新速度令欧美媒体惊叹，中国将成为全球具身智能行业发展的重要驱动 [7] 技术挑战与未来展望 - 具身智能仍面临机器人大模型不成熟、优质AI训练数据缺乏等挑战，在技术路线、商业化模式、应用场景等方面尚未完全成熟 [4] - 行业仍处在起步阶段，若未来几年出现具备大规模应用能力的技术突破，其热度“会远超移动互联网” [4] - 具身智能产业的蓬勃发展将带动交通物流、工业制造、商业服务等多个领域新质生产力跃升，并更快进入家庭和社区 [7]

文章核心观点 - 人工智能正通过载体嵌入物理世界，具身智能加速迈入应用时代，中国凭借政策、技术、产业链和应用场景优势，正成为全球该前沿产业变革的重要推动力量 [1] 行业趋势与定义 - 21世纪20年代中期可能被铭记为AI开始作为物理系统在实体经济中运行的时期 [2] - 具身智能被视为AI发展的下一个阶段，即物理AI的到来，它强调AI与物理实体的结合，是实现感知、认知、决策和行动一体化的智能体 [2] - 人形机器人被视为具身智能的最佳形态，有望成为继智能手机、新能源汽车之后的新一代超级终端 [2] - 具身智能和嵌入式AI的崛起被列为2026年度最值得关注的技术趋势之一，AI正越来越多地融入实体系统 [2] 市场发展与商业部署 - 2026年具身智能发展的首要趋势是从实验室演示向规模化商业落地的范式转移 [3] - 物理AI已经准备好进行主流部署，并已开始从研究阶段转向产业落地阶段 [3] - 具身智能全球市场规模2025年约为44.4亿美元，年复合增长率约为39%，预计2030年将达230亿美元 [3] - 英伟达CEO黄仁勋认为物理AI的“ChatGPT时刻”即将到来 [3] 中国产业发展现状 - 2026年初，中国自主研发的人形机器人从美国CES到中国春晚频频“破圈”，产品和应用在全球引发热议 [1][5] - 中国在技术演进度、场景开放度、行业关注度和人才聚集度等多个方面形成科技创新优势 [6] - 2025年，具身智能首次写入中国政府工作报告，北京、上海、深圳等地推出设立千亿级产业基金、聚焦核心技术攻关等一系列举措 [6] - 国务院发展研究中心报告显示，中国具身智能产业市场规模有望在2035年突破万亿元 [6] - 据IDC报告，2025年全球人形机器人出货量达约1.8万台，其中中国占主要份额 [6] 技术挑战与未来展望 - 具身智能当前面临机器人大模型不成熟、优质AI训练数据缺乏等挑战，在技术路线、商业化模式、应用场景等方面尚未完全成熟 [4] - 行业观点认为，如果未来几年出现具备大规模应用能力的具身智能AI大模型和机器人技术突破，其热度“会远超移动互联网” [4] - 中国具身智能产业的蓬勃发展，预计将带动交通物流、工业制造、商业服务等多个领域新质生产力跃升，并让技术更快进入家庭和社区 [7]

行业趋势与市场前景 - 人工智能正从基于屏幕的生产力工具向作为物理系统在实体经济中运行的“物理AI”或“具身智能”演进，这被视为AI发展的下一个阶段 [1] - 业界普遍认为，2026年具身智能正从研究阶段转向产业落地阶段，经历从实验室演示向规模化商业落地的历史性范式转移 [3] - 全球具身智能市场规模2025年约为44.4亿美元，年复合增长率约为39%，预计2030年将达230亿美元 [3] - 中国具身智能产业市场规模有望在2035年突破万亿元 [5] 技术定义与核心形态 - 具身智能是实现感知、认知、决策和行动一体化的智能体，强调AI“大脑”与物理实体的结合 [1] - 人形机器人被视为具身智能的最佳形态，并有望成为继智能手机、新能源汽车之后的新一代超级终端 [1] - 具身智能利用传感器、电机及自然语言处理等技术，使机器人、无人机和自动驾驶汽车能在真实世界中感知、推理与行动 [2] 行业驱动力与市场预期 - 新兴技术和用户需求的演变是驱动具身智能市场经历变革性转型的重要因素 [3] - 行业领袖认为物理AI的“ChatGPT时刻”即将到来，AI的演进将最终发展到能理解物理世界的物理AI [3] - 英国艾伦·图灵研究所将“具身智能和嵌入式AI的崛起”列为2026年度最值得关注的技术趋势之一 [2] 中国产业发展现状 - 中国自主研发的人形机器人在2026年初于国际展会及国内大型活动中频繁亮相，引发全球业界及媒体广泛关注 [1][4] - 中国在技术演进度、场景开放度、行业关注度及人才聚集度等多方面形成科技创新优势，被认为在新一轮技术革命中准备充分 [4] - 中国对科技创新的政策支持持续加码，2025年具身智能首次写入中国政府工作报告，北京、上海、深圳等地推出系列举措助推产业发展 [5] 产业影响与未来展望 - 中国具身智能产业的蓬勃发展，预计将带动交通物流、工业制造、商业服务等多个领域新质生产力进一步跃升 [5] - 新兴技术将更多更快地进入家庭和社区，为普通人的生活带来更多便利和实惠 [5] - 国际观察认为中国将成为全球具身智能行业发展的重要驱动 [5] 当前挑战与发展阶段 - 具身智能目前仍面临机器人大模型不成熟、优质AI训练数据缺乏等挑战，在技术路线、商业化模式及应用场景等方面尚未完全成熟 [4] - 行业观点认为具身智能仍处在起步阶段，若未来几年出现具备大规模应用能力的技术突破，其热度将远超移动互联网 [4]