赛迪出版物线上全新亮相！即日起，赛迪智库系列出版物开启全文免费在线阅读模式，轻点手机即可触达！
在线阅读方式：一、关注“赛迪智库”微信公众号，点击底部菜单栏“出版物”；二、浏览赛迪报告库网页https://www.ccidgroup.com/sdyjcg.htm搜索刊名。
所长导读： 人工智能正在沿离身智能和具身智能两条路径并行演进。离身智能以大模型、智能体和代理式软件系统为代表，重点提升数字空间的信息组织、内容生成和流程决策能力；具身智能进一步把模型能力延伸到物理世界，通过“AI 大脑＋物理载体＋环境交互”形成感知、认知、决策、执行和学习闭环。离身智能决定数字生产力扩张速度，具身智能决定人工智能能否真正进入制造、物流、能源、公共服务和家庭服务等实体领域。全球竞争焦点已经从样机演示转向数据、模型、本体、工具链、场景和标准的全链条组织能力。美国沿“基础模型＋仿真平台＋工业验证”路线加速推进，欧盟强化算力与规则双轮布局，日本把机器人导入与劳动力短缺治理结合，韩国依托联盟机制抢占人形机器人产业先机。英伟达 2026 年 GTC 大会和王兴兴近期公开表态均显示，行业核心任务已转向跑通长程任务、统一评测口径、压降部署成本和形成可复制交付模板。
我国具备制造体系、零部件配套、工业场景和政策组织优势。国家统计局数据显示，2025 年我国工业机器人产量达到 77.3 万套，同比增长 28.0%；北京、上海、深圳等地同步推进平台、数据、基金和场景布局。与此同时，具身智能的统计口径仍在形成，不同机构对“人形整机市场”“具身智能机器人应用市场”“机器人行业子赛道”采用不同定义，导致市场规模与增长预测差异显著。
面向未来产业研究工作者，下一阶段政策重点应当放在定口径、建数据、强工程、抓场景、立标准、促交付。短期应以制造业、仓储物流和特种作业为主攻方向，加快形成高质量数据采集和评测基础设施；中期应围绕关键部件一致性、系统软件标准认证和安全治理构建产业公共能力；长期应推动离身智能与具身智能协同演进，形成以模型能力、制造能力和场景能力为一体的国家竞争优势。
（一）人工智能正在沿离身智能和具身智能两条路径并行演进
离身智能和具身智能已经构成观察人工智能演进方向的两个基本维度。两条路径共享模型、算力和数据底座，但工程难点、产业链结构和价值兑现方式明显不同。
（二）具身智能的研究口径已经基本清晰
具身智能的核心定义已经逐步从产业热词走向标准化表述。报告采用广义具身智能口径，但分析主线聚焦人形机器人。
（三）具身智能的统计口径仍在形成
当前行业尚未形成统一、稳定、权威的具身智能官方统计制度。具身智能统计至少存在四类常见口径。不同机构得出差异显著的市场规模与增速，根源在于统计边界和价值口径不同。
（四）具身智能已经进入技术与产业共振期
具身智能已经从学术概念演进为国家布局和企业竞速并行的未来 产 业 赛 道。全球自动化底座持续加厚，为具身智能扩张提供了现实承载体。
（五）竞争焦点正在从单机性能转向体系化能力
当前全球竞争的关键变量集中在可持续迭代的能力体系。体系化能力竞争正在形成模型能力、工程能力、场景能力和标准能力四个层次。
（六）商业化将呈现制造业先行、服务业跟进、家庭场景偏后的梯次推进
具身智能首轮放量大概率仍将发生在工业和物流等半结构化环境。服务业和家庭场景的兑现节奏将明显慢于制造业。
（一）中国以具身大模型、整机小批量交付与供应链国产化三线加速产业落地
具身大模型开始形成独立技术路线。整机企业进入小批量交付阶
段。供应链国产化正在压低成本门槛。
（二）美国正在以基础模型、仿真平台和工业验证三位一体推进
美国路线的核心特征是以科技平台企业牵引技术路线，以制造场景校验工程价值，以标准机构缩短从研究到部署的落差。
（三）欧盟正在以算力基础设施和规则治理塑造产业节奏
欧盟通过算力设施、监管框架和公共投资塑造长期竞争条件。AI Factories AI Factories 体系正在成为欧 体系正在成为欧盟推进主权人工智能的重要抓手。
（四）日本正在把机器人优势转化为应对劳动力短缺的现实工具
日本围绕社会问题持续推进机器人普及。日本经济产业省 2025年 6 月 30 日宣布设立 Robotics & Regional Initiative Networking Group，即 RING Project，明确目标是通过机器人导入项目缓解全国性地区劳动力短缺，并提出支持地方导入机器人、培养机器人协调员、开展解决地方社会问题的机器人系统竞赛等举措。
（五）韩国正在以产业联盟方式抢占人形机器人先机
韩国的突出特征是以制造业高自动化底座为基础，加快形成人形机器人产业联盟。据国际机器人联合会 2024 年 11 月 20 日发布数据，韩国 2023 年制造业机器人密度达到每万名员工 1012 台，连续保持全球第一。
（六）国际趋势已经形成五个清晰方向
第一，通用模型与垂直场景模型将长期并存。通用模型负责迁移、规划与多任务适配，垂直模型负责在具体工位、具体流程中把成功率、时延和安全性做实。
（一）总体技术架构正在从模块串联转向闭环协同
具身智能技术架构本质上是““AI AI 大脑—物理载体—环境交互” 大脑—物理载体—环境交互”闭环系统的工程展开。
（二）数据体系已经成为决定模型上限的首要约束
没有高质量动作数据和任务结果数据，具身智能就难以从“会看会说”走向“会干活”。大模型时代，文本和图像互联网数据可以支撑语义理解，但无法直接替代真实动作数据、接触数据、位姿数据和任务反馈数据。
（三）端到端 VLA 与世界模型 WMA 并行发展，主流模型路线尚未完全收敛
VLA VLA（视觉 （视觉 -- 语言语言 -- 动作）路 动作）路线是当前竞争最活跃方向，内部分化出离散动作 分化出离散动作 token token、连续生成 、连续生成式动作建模和双系统协同等代表性分支。
（四）本体与关键部件决定成本、可靠性和安全边界
具身智能能否从样机跨到量产，本体与关键部件是比模型更硬的约束。执行器、减速器、伺服驱动、灵巧手、力矩和触觉传感器、电池、轻量化材料与热管理，共同决定机器人能否长时间连续工作、能否在复杂工位保持重复精度、能否把故障率压到采购方可以接受的区间。
（五）云边端协同和评测体系正在成为工程化拐点
未来的具身智能系统将采取云边端分工协同架构。云端负责大规模训练、仿真和模型更新，边端负责多机协同、任务调度和数据管理，端侧负责低时延感知、动作控制和安全冗余。
（一）统计口径差异正在显著改变对行业规模和节奏的判断
在具身智能领域，先比口径再比数字，已经成为开展产业研判
的前提。当前尚无全国统一的具身智能官方统计制度，不同机构会按
照研究目的选择不同对象和价值口径。
（二）工业机器人底座仍是具身智能产业化的第一承载体
工业机器人产业仍然是理解具身智能商业化节奏的最好先行指标。据国际机器人联合会 2025 年 9 月 25日《World Robotics 2025》，2024年全球工业机器人新增装机 54.2 万台，连续第四年超过 50 万台，全球运营中的工业机器人总量达 466.4 万台，同比增长 9%
（三）企业竞争已经形成平台型、整机型、部件型和集成型四类路径
平台型企业争夺的是模型、算力和开发者生态入口。谷歌深层思维和英伟达都把竞争重心放在基础模型、仿真工具和算力基础设施上，2026 年 GTC 大会进一步把开放模型、工业仿真和 Physical AI workflow 打包展示。
（四）场景成熟度已经出现明显分层
制造和物流是近期最具确定性的场景。此类场景任务边界清晰、节拍可定义、支付主体明确、改造收益可计算，更适合开展首轮规模验证。Figure 在物流场景中持续公开吞吐效率和识别精度，本质上就是用工业 KPI 替代视频热度。
（五）产业竞争已经从样机竞赛转向量产和交付竞赛
下一阶段真正决定行业分化的是稳定交付能力。优必选公司官网披露，到 2025 年 11 月，Walker S2开始量产交付；智元官网 2025 年 8月 11 日披露，其与富临精工达成数千万元合作、近百台远征 A2-W 将落地工厂。两起案例都说明行业正在从单台验证向小批量交付迈进。
（一）国家层面已进入政策、标准和场景同步推进阶段
国家层面已把具身智能从未来产业概念推进到广义布局与重点突破并行阶段。2025 年 3 月《政府工作报告》首次将具身智能纳入未来
产业。
（二）北京、上海、深圳已经形成三类不同推进模式
北京的特点是以科研资源、平台建设和基金工具推动“大脑—小脑—本体”协同创新。北京市人民政府门户网站2025年3月1日报道，《北京具身智能科技创新与产业培育行动计划（2025—2027 年）》提出力争到 2027 年建成全球具身智能技术创新高地。
（三）国内产业链基础较强，但高端环节仍存在明显短板
我国已具备从关键零部件到整机集成的较强制造组织能力。国家统计局数据显示，2022 年至 2025年我国工业机器人年产量分别为1000 亿元以上、产业集群相关企业超过 1200 家。深圳路线更偏“产业链完备＋应用牵引＋企业成长”。
（四）商业化验证已经从单点示范转向小批量交付
国内企业已经开始尝试把具身智能从试验场推向真实工厂。优必选公司信息显示，Walker S 系列已经进入多家车厂生产线开展实训，Walker S2 于 2025 年 11 月开始量产交付；智元机器人 2025 年 8 月披露，近百台远征 A2-W 将落地富临精工工厂，成为工业领域规模化商业签单案例。
突出问题与风险挑战
（一）高质量数据与评测体系短板正在抬高全行业迭代成本
高质量数据短缺已经从研发问题上升为产业公共基础设施问题。具身智能模型要真正进入工厂、仓储、商业服务和家庭环境，需要持续获得与真实接触、真实工位、真实任务结果相绑定的动作数据、力觉数据和异常处置数据。
（二）关键部件一致性与整机工程化能力仍是量产放量门槛
量产一致性决定产品能否从样机跨入订单。当前国内不少企业已经能够做出动态表现亮眼的样机，部分企业也开始进入小批量交付阶段，真正限制放量的因素集中在关节模组一致性、灵巧手寿命、力传感器稳定性、线束与散热设计、供电系统冗余、整机装配误差控制和长期运行维护。
（三）场景价值闭环尚未稳定形成，采购逻辑仍在形成过程中
当前大部分项目仍处于联合验证、小批量试用和局部工位替代阶段。市场热度较高，真实订单密度仍然有限。
（四）标准认证、安全治理与责任机制需要前置嵌入产业化过程
标准体系已经启动，落地规则仍待加快细化。2026 年 2 月 28 日，我国发布首个《人形机器人与具身智 能 标 准 体 系（2026 版）》， 覆盖基础共性、类脑与智算、肢体与部组件、整机与系统、应用、安全伦理六个部分。
（五）区域布局与资本投入出现偏热倾向，慢变量投入仍显不足
地方推进正在从抢项目、抢企业、抢赛事，转向抢数据、抢场景、抢标准和抢生态组织权。北京、上海、深圳率先形成较强集聚效应后，多地也在同步推动训练场、园区、基金和赛事平台建设。
（六）国际竞争正在向平台生态、规则能力和开发范式外溢
国际龙头已经把竞争焦点从单一机器人产品推向平台生态。2026 年 GTC 大 会 明 确 把“AI stack”“Physical AI”“端到端工作流”和“从概念走向生产”作为重点方向，说明英伟达意图把基础模型、仿真框架、工业软件接口、边端算力和开发者生态打包输出。
对策建议
（一）建立国家级统筹推进机制，形成技术、产业、治理同频推进格局
具身智能已经进入跨部门协同阶段，必须建立更强的国家统筹机制。建议依托未来产业培育和“人工智能 + 制造”行动，形成跨部门专项推进机制，把科技攻关、场景开放、标准认证、数据治理、安全监管、首台套应用和财政金融工具纳入统一框架。
（二）把具身数据、仿真环境与评测基准纳入新型基础设施建设重点
数据与评测基础设施应当作为国家新型基础设施的重要组成部分统筹布局。建议依托国家制造业创新中心、重点实验室、龙头企业和优势地区，建设跨本体、跨场景、跨任务的多模态数据平台，重点布局高价值工业工序数据、复杂装配任务数据、长序列操作数据和异常处置数据。
（三）以制造业为主战场组织重大示范工程，形成订单牵引的技术收敛机制
制造业是当前最适合形成技术、数据、订单和改进闭环的主战场。建议围绕汽车、3C、锂电、仓储物流、能源巡检、矿山和危险工序等场景，组织国家级与省级联动示范工程，优先选择任务边界清晰、劳动强度大、替代价值高、安全收益明显的工位展开持续验证。
（四）围绕关键部件、工业软件和端侧算力实施补链强链工程
补链强链的重点要从整机扩展到关键部件和工业软件。建议把高性能关节模组、灵巧手、六维力传感器、控制器、边端计算平台、机器人中间件、仿真工具链和运维系统纳入重点支持目录，推动链主企业牵头、科研机构协同、用户单位参与的联合攻关机制。
（五）以标准、认证、保险与责任规则构建可持续安全治理框架
标准工作要从体系搭建转入重点标准密集供给阶段。围绕《人形机器人与具身智能标准体系（2026版）》，建议优先突破三类标准。
（六）优化区域分工和财政金融工具，提升资源配置效率
区域布局应坚持差异化定位与全国协同。建议北京重点强化标准规则、基础研究、平台生态和关键技术创新；上海重点强化模型、工业软件、金融服务和高端制造协同；深圳重点强化整机集成、电子供应链、快速工程化和全球市场开拓。
（七）主动参与开放生态和国际规则竞争，提升我国平台影响力
我国要把开放生态建设提升到与整机发展同等重要的位置。建议支持头部企业、创新平台和开源社区围绕具身模型、仿真工具、数据格式、中间件接口和开发套件形成开放协作网络，吸引高校、开发者、场景用户和上下游企业共同参与。
本文作者：无线电管理研究所钟新龙 王聪聪 查涵
点击文末“阅读全文”查看下载全文
温馨提示
如果你喜欢本文，请分享到朋友圈，想要获得更多信息，请关注“赛迪智库”。
