行业定义与核心特征 - 具身智能是人工智能的重要发展方向，被普遍认为是实现人工通用智能的重要路径，其核心特征在于智能体依托物理身体，通过感知—理解—决策—行动的闭环与环境交互并持续学习 [2] - 全球专家强调，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，更是AI走向落地化和实用化的重要标志 [2] 商用场景分类与要求 - 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] - 工业具身智能主要面向制造、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] 全球市场格局与战略意义 - 具身智能是中美科技竞争的关键战役，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 [6][11] - 行业预计未来五年复合增长率达73%，十年左右时间达到年万亿级市场需求，2025年全球规模预计达192亿元人民币 [46] - 中国市场预计从2025年21亿元增长至2035年超过2,800亿元，实现十年百余倍增长 [50] 技术演进与模型发展 - 视觉语言动作模型成为发展共识，模型正经历端到端的范式演进，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 [21] - 技术演进方向包括融合更多模态信息（视觉、语言、力觉等）以及生成适配不同构型机器人本体的动作指令以增强泛化能力 [21] - 单一模型无法满足复杂现实场景，混合模型架构是必然趋势，通过高层大模型进行认知规划，结合底层成熟算法实现可靠执行，形成“大脑”与“小脑”协同模式 [23] - 类比自动驾驶，行业自主程度处于L2-L3的过渡阶段，类比LLM则达GPT-2水平，未来2-3年或实现质变性飞跃 [27] 商业化进展与趋势 - 商业化正沿着价值阶梯演进，当前以高ROI、低复杂度的工业制造、仓储自动化和餐饮零售等“确定性”场景为核心突破口 [31][34] - 付费模式或将从一次性整机销售逐步过渡到“机器人即服务”模式，最终发展至“按任务完成效果付费” [35] - 行业处于S曲线早期阶段，预计5年左右进入爆发临界点，类似历史科技浪潮 [37] 核心挑战与瓶颈 - 行业面临四大瓶颈制约大规模商用：高质量多模态数据稀缺、灵巧手与泛化等技术未成熟、核心部件与算力成本高、ROI周期长及伦理安全问题 [13] - 数据获取依赖遥操作、仿真合成等方式，但高质量数据依然高度稀缺，成为关键瓶颈 [15][16] - 灵巧手是核心部件关键一环，面临小型化设计、敏捷控制和成本可靠性的“三难困境” [25] 产业链与竞争格局 - 产业链复杂度不亚于汽车制造业，涵盖从执行器硬件、传感感知到基础模型等漫长链条，中国企业在产业环节覆盖度和下游整机集成上已占优势 [41] - 全球竞争格局显现三股核心力量：以Figure为代表的AI原生挑战者、以ABB和擎朗智能为代表的传统机器人头部玩家、以及以特斯拉和亚马逊为代表的跨界巨头 [55] - 产品同质化已初现，未来三年整合趋势不可避免，第一轮洗牌不会太远，最终格局将是少数玩家的市场 [57] 代表性企业分析 - **Figure AI**: 估值达390亿美元，产品快速迭代，引入自研通用VLA模型Helix，致力于打造通用自主人形机器人 [1][64][65] - **擎朗智能**: 形成人形与轮式机器人双线布局，构建完整产品生态矩阵，在场景方案积累、数据库规模等六大维度上显著高于行业平均水平 [66][71][72] - **节卡机器人**: 拥有多元产品生态，依托庞大存量设备网络构建独特数据优势，并采用分层混合架构平衡AI创新与工业稳定性 [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，突破灵巧手技术瓶颈，已在工业制造等多个领域实现规模化落地 [83][85][88] 中国产业动态与出海 - 中国将具身智能纳入国家战略，中央与地方层面协同出台政策支持，包括资金支持、专项规划和试点示范 [8][9] - 中国具身智能产业进入出海加速期，2024年商用服务机器人全球出货量占比达84.7%，工业机器人出口总额为11.3亿美元，同比增长43.22% [53][54] - 代表企业如宇树科技和擎朗智能通过技术自主创新与本地化适配等路径，验证了中国具身智能在全球高标准市场的商业化可行性 [53][54]