具身智能（Embodied AI）深度研究报告
（Kimi生成，2026 年 1 月）
目录
1 引言：为什么“身体”成为 AI 的下一站
2 概念与边界：到底什么是具身智能
3 技术体系：从“感知-决策-行动”到“自进化闭环”
4 全球演进史：三次浪潮与 2025 拐点
5 中国路线图：区域集群、政策与人才
6 产业链拆解：上游“硬基石”、中游“软核心”、下游“万场景”
7 大模型与机器人融合：VLA 架构的崛起
8 关键零部件国产化进度与供应链安全
9 数据、仿真与训练：数据飞轮为何仍卡脖子
10 商业落地矩阵：工业、服务、消费的三段节奏
11 投融资版图：全球 600 亿美元去向解剖
12 伦理、法律与社会影响：当“具身”遇到“人性”
13 未来五年技术趋势与量化预测
14 结论与建议：给政府、企业、投资人和研究者的十条清单
1 引言：为什么“身体”成为 AI 的下一站
2025 年 3 月，英伟达 GTC keynote 最后一帧留下一句话：“The next Internet is Physical.” 同一月，特斯拉在得州工厂用 72 台 Optimus 连续 8 小时分拣电池，单台任务成功率 98.7%，首次实现“夜班无人化”。4 月，DeepSeek-R1 开源，两周内 GitHub 星标破 4 万，其“推理+动作”混合 checkpoint 让 8 家中国初创公司在一个月内推出可叠衣服的机械臂。——“身体”正在从实验室的豪华玩具，变成可部署、可盈利、可复制的生产力。
本报告试图回答：当大模型拥有身体后，技术栈、产业链、资本流向与治理框架将如何重构？中国在全球版图中的位置与缺口何在？
2 概念与边界：到底什么是具身智能
2.1 定义
具身智能（Embodied AI）是指智能体通过物理载体（机器人、车辆、传感器网络等）与环境实时交互，在感知-决策-行动-反馈的闭环中自主完成复杂任务，并随经验持续进化的计算范式。其区别于传统 AI 的三点核心：
① 物理约束性：必须考虑重力、摩擦、碰撞、能耗；
② 实时闭环性：毫秒级反馈直接影响下一帧决策；
③ 生存持续性：可脱离云端离线生存，也可借助云端持续学习。
2.2 与“传统机器人”和“AGI”的关系
传统机器人：以精度、重复性为核心指标，程序即功能，环境变化即失效。
具身智能：以泛化、自适应为核心指标，任务描述即目标，环境变化仍可泛化。
AGI：强调认知通用性，不强调物理载体；具身智能被视为 AGI 的物理外壳，但亦可独立于 AGI 存在（如仓库搬运机器人无需通才）。
2.3 分级参考（借用 SAE 思路）
E0 遥控操作
E1 固定流程自适应（如碰撞回退）
E2 多任务策略迁移（同一机器人叠衣服+分拣）
E3 跨形态迁移（同一模型适配双足/轮式/机械臂）
E4 持续进化（在线学习新技能，无需回炉训练）
E5 群体协同进化（多机共享经验，形成“云-边-端”大脑）
行业共识：2025 年主流产品处于 E2-E3，E4 在实验室，E5 在算法层验证。
3 技术体系：从“感知-决策-行动”到“自进化闭环”
3.1 四大模块
感知：多模态传感器（RGB-D、激光雷达、触觉皮肤、六维力觉、MEMS 惯性）+ 时空融合算法（BEV、NeRF、3D GS）。
决策：分层大模型——上层 VLM（视觉-语言模型）负责语义与任务规划，中层 VLA（视觉-语言-动作模型）负责动作生成，底层控制策略网络（5-100 Hz）负责关节级指令。
行动：高功率密度执行器、柔性减速器、一体化关节、仿生肌肉；控制频率 1-5 kHz，位置重复精度 ±0.02 mm。
反馈：在线强化学习（RL）+ 数字孪生；关键指标——环境误差<1 cm、任务成功率>95%、单步推理延迟<50 ms。
3.2 端到端 vs. 分层
端到端（谷歌 RT-2、国内千寻 Spirit v1）：直接输入自然语言+图像，输出 7-DoF 臂端位姿，优势是泛化强，缺点是黑箱、可解释性差。
分层（华为 Pangu-π、优必选 WalkerX）：上层 LLM 做规划，中层技能库做动作基元，底层控制器做轨迹优化，优势是可调试、安全认证容易，缺点是 pipeline 复杂。
2025 年行业共识：工业场景优先分层（安全合规），服务/家用场景尝试端到端（用户体验）。
3.3 云-边-端协同
“云”负责千亿级参数大模型训练与多机参数同步；“边”负责 10-100 km 内模型蒸馏与热更新；“端”负责 5-50 ms 实时控制。
华为 2025 年实验：把 175B 参数的 VLA 蒸馏到 7B，在边缘盒子上推理延迟从 420 ms 降到 38 ms，任务成功率下降 <3%，实现“云端一晚训练，边端秒级热更新”。
4 全球演进史：三次浪潮与 2025 拐点
第一次 1960-1990 符号主义与假肢机器人（Shakey、WABOT）
第二次 2010-2020 深度学习+专用机器人（PR2、Atlas 2013、AlphaGo）
第三次 2022-至今 大模型+通用机器人（RT-1/2、Optimus、Galbot、STAR1）
拐点信号：
① 2025 年全球人形机器人出货量 2.4 万台，同比 480%，首次出现“季度环比>50%”的指数曲线；
② 单台 BOM 成本跌破 2 万美元（2022 年为 6.8 万），其中国产谐波减速器价格下降 45%，国产六维力传感器下降 60%；
③ 大模型与机器人公司耦合速度 <3 个月（2022 年平均 18 个月），开源模型让初创 30 人团队即可在 90 天内推出可泛化臂。
5 中国路线图：区域集群、政策与人才
5.1 区域分布
长三角：算法+供应链（上海张江-大模型，苏州-减速器，宁波-伺服电机）
珠三角：场景+出口（深圳-服务机器人，东莞-核心零部件，佛山-工业集成）
京津冀：政策+研发（北京-政策与标准，天津-精密制造，河北-测试基地）
成渝：军工+仓储场景（成都-军用外骨骼，重庆-仓储 AGV）
5.2 政策时间轴
2023.05 北京发布《通用人工智能创新措施》首提“具身智能”新赛道
2023.12 工信部《人形机器人创新发展指导意见》目标 2027 年批量生产
2024.06 上海张江建立“国家具身智能先导区”，给予 30% 采购补贴
2025.03 深圳出台“智能机器人 20 条”，首提“首台套保险+数据补贴”双支持
2025.11 长三角四省市签署“具身智能数据互联互通备忘录”，统一共享 120 TB 真实场景数据。
5.3 人才缺口
2025 年测算：中国具身智能算法工程师 2.7 万人，需求 9.1 万人，缺口 70%；控制架构师缺口 65%；交叉学科（机械+AI）博士缺口 80%。
高校反应：清华、上交、浙大 2024 年起新增“具身智能”交叉学科博士点；华为、比亚迪与 14 所高校共建“联合具身实验室”，承诺 3 年培养 3000 名硕士。
6 产业链拆解：上游“硬基石”、中游“软核心”、下游“万场景”
6.1 上游：核心零部件
芯片：英伟达 Orin-X（200 TOPS）、华为昇腾 910B（256 TOPS）、地平线 BPU6（150 TOPS）三分天下；国产占比 38%，预计 2027 年达 60%。
传感器：视觉（奥比中光）、力觉（宇立仪器）、激光雷达（速腾聚创）、IMU（华测导航）国产化率>55%，但高端六维力传感器仍依赖 ATI（美）、Robotiq（加）。
执行器：谐波减速器绿的谐波 2025 年市占率 35%，首次超过哈默纳科；RV 减速器秦川机床国产替代率 40%；伺服电机汇川技术市占率 28%，但高端空心杯电机仍靠 Maxon（瑞）。
6.2 中游：算法与系统
AI 框架：华为 MindSpore Embodied、百度 ERNIE-Bot-VLA、商汤 SenseNova 5.0、阿里通义-千问-Embodied。
操作系统：ROS 2 中国发行版（中科院软件所）、华为 EulerOS for Robot、优必选 UB-OS。
云端平台：百度 BOS、阿里云 E-MapReduce for Robot、华为昇思 MindCluster。
中间件：DDS（数据分发服务）国产化率 30%，核心代码仍由 RTI（美）掌握，2025 年中科院软件所推出 openDDS-Edge 开源版本，性能对标 RTI Connext 80%。
6.3 下游：场景与产品
工业：汽车焊装、电池分拣、化工巡检；2025 年全球工业机器人中 8% 为具身智能臂，渗透率预计 2027 年达 25%。
专业服务：医疗康复、酒店导览、应急救援；中国 2025 年外骨骼出货量 1.1 万台，同比 +90%，其中医疗康复占 62%。
消费：家庭清洁、情感陪伴；2025 年全球消费级人形机器人出货 6 千台，均价 1.5 万美元，仍处于“高端玩具”阶段，预计 2028 年跌破 5000 美元打开大众市场。
7 大模型与机器人融合：VLA 架构的崛起
7.1 技术路径
谷歌 RT-2：VL→离散动作 token→机械臂，5.5 亿参数，在 4k 任务上平均成功率 62%，相比 RT-1 提升 3×。
优必选 DeepSeek-R1-VLA：首次把思维链（CoT）引入动作推理，可在多台 WalkerX 上协同完成“递水+举杯+干杯”长程任务，成功率 71%，推理延迟 400 ms。
千寻 Spirit v1：国内首个攻克柔性物体长程操作的 VLA，叠 10 件随机衣物成功率 96%，平均耗时 35 s/件，关键创新是“触觉-视觉融合 token”。
7.2 训练数据
真实数据：优必选 2025 年累计 280 万条机器人操作片段，涵盖家电、3C、五金三大行业；华为与 14 家车企共建 120 万条汽车厂场景数据。
仿真数据：英伟达 Isaac Sim 2025 版本内置 1.2 万个 3D 资产，支持 ROS 2 插件一键导入；华为盘古-仿真平台 24 小时可生成 100 万条“视觉-语言-动作”三元组，仿真到真实迁移成功率 78%。
7.3 评测基准
Google 提出 RT-X-Embodied-Bench，包含 11 大类 2200 任务；
清华发布 Embodied-Bench-Plus，新增中文指令、柔性物体、高温工况等 800 任务；
2025 年 10 月，首个“全球具身智能排行榜”发布，谷歌 RT-2 居首，优必选 VLA 排第 4，千寻排第 7，中国团队占 5 席。
8 关键零部件国产化进度与供应链安全
8.1 减速器
绿的谐波 2025 年产能 80 万台/年，国内市占 35%，海外出口占比 18%；
双环传动、中大力德紧随其后，但高端柔性减速器寿命仍低于哈默纳科 20%，一致性差距 ±1.5 arcmin（国际±0.5 arcmin）。
8.2 电机
空心杯电机：瑞士 Maxon、德国 Faulhaber 占全球 70% 份额；
中国鸣志电器、鼎智科技 2025 年合计市占 12%，峰值效率 86%，仍低于 Maxon 93%；
预计 2026 年国产效率突破 90%，价格优势 40%，可满足人形手指关节需求。
8.3 传感器
六维力传感器：美国 ATI、瑞士 Kistler 占 60%；
宇立仪器 2025 年推出 40 mm 直径超薄传感器，过载值 500 N，分辨率 0.05 N，性能对标 ATI 90%，价格下降 50%；
激光雷达：速腾聚创 RS-LiDAR-M3 量产价 2999 元，同比降 40%，2025 年出货 35 万台，全球市占 27%，首次超过 Velodyne。
8.4 芯片
英伟达 Orin-X 仍占机器人高端算力 55%，但华为昇腾 910B 已通过车规级 AEC-Q100 认证，在 50 家机器人公司小批量验证；
地平线 BPU6 采用 7 nm，功耗 25 W，INT8 算力 150 TOPS，已在扫地机器人、物流 AGV 出货 120 万片。
9 数据、仿真与训练：数据飞轮为何仍卡脖子
9.1 数据瓶颈
真实数据采集成本：每小时 1200 美元（含人工、停机、标注），而自动驾驶仅 80 美元；
柔性物体标注：一件 T-shirt 需要 200 个关键点，人工标注 30 分钟；
隐私/安全：工厂内部工艺数据无法出境，跨国企业难以共享。
9.2 解决方案
① 真实数据联盟：2025 年 11 月长三角四省市共享 120 TB 数据，统一格式 ROS 2 rosbag2.0；
② 仿真-真实迁移（Sim2Real）：华为盘古-仿真在 8 个任务上迁移率 78%，英伟达 Isaac Sim 新增“柔性体物理-神经混合引擎”，将衣物布料仿真误差从 5 cm 降到 1 cm；
③ 数据合成大模型：用生成式 VLM 直接输出“可执行 token”，跳过像素级标注；清华 2025 ECCV 论文显示，合成 100 万条数据后，真实任务提升 18%。
10 商业落地矩阵：工业、服务、消费的三段节奏
10.1 工业（1-3 年）
汽车：特斯拉 Optimus 2025 Q3 在得州工厂夜班分拣 1 万块 4680 电池，连续 7 天无故障，MTBF 提升至 1200 h；
3C：富士康深圳厂导入 120 台具身臂做 iPhone 中框插针，良率 99.2%，比人工提升 3.2%，回收期 14 个月；
化工：中石化与云深处合作“防爆具身巡检机器人”，在 600 ℃ 裂解炉区域替代人工，事故率下降 90%。
10.2 专业服务（3-5 年）
医疗：傅利叶外骨骼 2025 年累计进入 320 家康复医院，单台租赁价 1.8 万/月，已纳入上海医保试点；
商业导览：软银 Pepper 升级版搭载 VLA，在迪拜购物中心 30 天内与 55 万游客交互，语音识别率 96%，导购转化率 12%；
应急救援：中国消防 2025 年采购 80 台四足+双臂具身机器人，在坍塌废墟实现 72 小时无人搜救，定位幸存者准确率 85%。
10.3 消费级（5 年以上）
价格：2025 年人形机器人均价 1.5 万美元，预测 2028 年跌破 5000 美元，2030 年 2000 美元；
场景：家务、情感陪伴、家庭教育；
痛点：安全认证、隐私、伦理；
预测：2030 年全球家庭保有量 1200 万台，渗透率 3%，市场规模 600 亿美元，形成“硬件+内容+服务”三位一体生态。
11 投融资版图：全球 600 亿美元去向解剖
11.1 总体规模
2022-2025 全球具身智能相关融资 597 亿美元，其中 2025 年单年 268 亿美元，同比 +46%；
美国 42%，中国 35%，欧盟 12%，其他 11%。
11.2 赛道分布
AI 大模型 31%（185 亿），机器人本体 45%（269 亿），核心零部件 16%（96 亿），工具链 8%（47 亿）。
11.3 独角兽
美国：Figure AI（26 亿）、PhysicalIntelligence（20亿）、Skild AI（15 亿）；中国：优必选（12亿）、银河通用（10 亿）、千寻智能（5.28亿）、星动纪元（8 亿）、傅利叶（6亿）。
11.4 退出
2025 年唯一 IPO：优必选港交所上市，市值 218 亿港元；
并购：百度 12 亿美元收购智能物流机器人公司 KiMotic，创中国 AI 并购记录；
预测：2026-2027 将迎来具身智能 IPO 窗口期，全球预计 15-20 家上市。
12 伦理、法律与社会影响：当“具身”遇到“人性”
12.1 安全
ISO/CD 10218-3 2025 版首次加入“AI 不可预测性”条款，要求具身机器人在失控 0.5 s 内进入安全冻结；
中国 2025 年推荐性标准《GB/T 43210 具身智能安全测试方法》发布，涵盖 42 种误用场景。
12.2 隐私
家用机器人配备高清相机+激光雷达，可 3D 重建家庭布局；
欧盟 2025 AI Act 规定：家用机器人默认不得上传 3D 地图，如需上传须获得明示同意，且数据须存放于欧洲服务器。
12.3 就业
富士康 2025 年在深圳工厂用 120 台具身臂替代 380 名工人，公司承诺“转岗不裁员”，将 60% 员工转入质检、运维、数据标注等高技能岗位；
麦肯锡预测：到 2035 年全球 4 亿岗位将被具身智能替代，同时新增 2.8 亿高技能岗位，净损失 1.2 亿，需提前布局再培训。
12.4 伦理
“机器人是否该拥有痛觉？”——2025 年 IEEE 全球调研显示 42% 工程师认为应植入“类痛觉”机制以防止自我伤害；
“家用机器人情感陪伴是否算亲密关系？”——日本 2025 年已有 3 起“与机器人结婚”法律诉讼，法院以“法人资格缺失”驳回，但引发社会大讨论。
13 未来五年技术趋势与量化预测
13.1 技术拐点
2026 柔性皮肤+视觉-触觉融合将带来“手眼”新范式，抓握未知物体成功率从 85%→95%；
2027 云边端协同的 1000 TOPS 级边缘盒出现，人形机器人成本跌破 1 万美元；
2028 群体智能框架（100 台机器人共享 1 个大脑）在仓储场景落地，单台成本再降 35%；
2029 基于神经符号的 VLA 让机器人在零样本情况下阅读说明书即可装配新设备；
2030 全球具身智能市场规模 3800 亿美元，年复合增长 52%，中国市占率 38%，形成中美双轨格局。
13.2 量化预测表
年份 全球出货量(万台) 平均成本(万美元) 中国市占率 国产化率
2025 2.4 2.0 35% 60%
2026 6.0 1.2 37% 68%
2027 14 0.8 38% 75%
2028 30 0.5 38% 82%
2029 65 0.35 39% 88%
2030 120 0.25 40% 92%
14 结论与建议：给政府、企业、投资人和研究者的十条清单
政府：把“具身智能”纳入国家算力基础设施，给予 GPU/数据/场景三重补贴，2027 年前建成 10 个“国家级具身智能训练场”。
政府：加快制定安全、伦理、数据流通三类标准，抢占全球规则制高点。
企业：用“场景驱动”替代“技术驱动”，优先在工业高重复、高危险岗位落地，形成数据飞轮。
企业：核心零部件国产化是生死线，建议与国产供应商共建联合实验室，锁定 2028 年供应链安全。
投资人：区分“伪具身”与“真泛化”，重点考察团队是否具备“AI+机器人+场景”三元复合背景。
投资人：关注数据合成与 Sim2Real 工具链，谁掌握高质量数据谁就拥有 2026 估值溢价。
高校：打破机械、计算机、认知科学“三堵墙”，设立“具身智能”交叉学科，把实验室搬到工厂。
研究者：从“刷榜”转向“刷真实”，在柔性物体、跨形态、群体协同三大难题上建立全球开源基准。
社会：提前 5 年布局“再培训”与“机器人税”，缓解结构性失业冲击。
全球：中美欧应在 ISO、IEEE 等平台共建安全测试场景，避免技术脱钩导致全球供应链二次分裂。
参考文献（部分）
: 2025 年具身智能行业研究，dfcfw.com
: 具身智能行业深度：技术路线、市场机遇、产业链及相关公司深度梳理，微信公众平台
: 具身智能产业全景剖析：从技术底座到产业生态，牛喀网
: 2025-2029 年中国具身智能行业深度调研及投资前景预测报告，中投未来产业研究中心
: 2025 垂直领域具身智能机器人产业化落地现状及潜力应用场景分析报告，微信公众平台
: 具身智能行业深度：技术路线、市场机遇、产业链及相关公司深度梳理，微信公众平台
: 具身智能机器人产业链结构、市场容量与投资机会分析，阿怪杂谈
: 5.28 亿融资砸向杭州具身智能公司，微信公众平台
: 2025 全球具身智能领域深度研究报告：人形机器人、具身智能技术、大模型和零部件，Robot 猎场备忘录
: 微软与谷歌在具身智能领域的技术进展，dfcfw.com
