當 AI 擁有 “身體”：2025 具身智能商業化大爆發，產業鏈機遇全解析

在人工智能（AI）技術持續演進的浪潮中，過去 AI 的創新與應用長期聚焦于數字世界，如算法優化、大模型訓練、虛擬場景交互等，雖實現了認知智能的突破，卻難以滿足人類對 AI“進入物理現實、開展實體交互” 的深層需求。而具身智能的興起，正成為推動 AI 從 “虛擬維度” 邁向 “物理維度” 的關鍵變革力量 —— 它以 “讓智能體具備物理載體，并能與真實環境進行感知、決策、執行一體化互動” 為核心特質，為 AI 的產業化落地開辟了全新賽道。

從產業發展脈絡看，具身智能已走過 “概念萌芽 — 技術突破 — 場景探索” 的關鍵階段：其概念界定愈發清晰，“感知 - 決策 - 執行” 融合的技術原理逐步成型，多技術路線的探索方向日益明確，且在工業、服務、醫療等眾多領域展現出商業化潛力；政策層面，歐美日韓等國家已搶先布局具身智能發展戰略，中國也通過系列產業政策為行業賦能，營造了積極的發展環境；產業鏈維度，從整體生態概況，到人形機器人的競爭格局，再到芯片、傳感器、AI 算法與大模型等核心環節，都已初步構建起產業基礎，為具身智能 “商業化浪潮” 的到來提供了底層支撐。

在此背景下，深入剖析具身智能產業鏈的發展邏輯、全球政策導向與核心環節競爭格局，對于把握 “AI 走出數字世界，向物理現實深度滲透” 的產業新浪潮，具有重要的研究與實踐意義。

一、具身智能產業概覽

具身智能是實現未來通用人工智能的核心路徑。當 AI 突破虛擬世界的邊界，擁有實體 “身體” 并具備物理交互能力時，它正推動人工智能掀起第二次革命浪潮。在當前技術與產業發展中，誰能掌握具身智能及人工智能的核心技術與產業生態，誰就有望在未來全球經濟格局中占據主導地位。

2025 年，“具身智能” 首次被納入中國政府工作報告，成為培育未來產業的重點任務。從全球范圍來看，英偉達、OpenAI 等國際科技巨頭，以及騰訊、阿里、華為等國內企業均在積極布局這一領域；同時，特斯拉、Figure AI、智元機器人、宇樹科技等廠商的人形機器人產品陸續落地，正式宣告 “AI 具身化” 時代已然來臨。

一、具身智能概念解析

具身智能（Embodied Intelligence）是融合人工智能、機器人技術等多學科的前沿科技領域，也是人工智能發展的下一波浪潮。根據中國計算機學會（CCF）的定義，具身智能是依托物理身體開展感知與行動的智能系統。它通過智能體與環境的交互獲取信息、理解問題、制定決策并執行行動，最終產生智能行為與環境適應性。

在此之前，人工智能多以數字形式存在，不具備視覺、觸覺、聽覺等真實感官體驗，無法高效應對現實世界中的各類復雜場景。簡單來說，具身智能的核心就是為 AI 配備 “身體”（如機器人），使其不再局限于計算機系統內處理數據與文字。借助 “身體” 上的傳感器（類似人類的眼睛、耳朵等），具身智能能感知真實世界，再以類人類的方式理解周邊情況、做出決策，驅動 “身體” 行動并完成具體任務。正因如此，具身智能被視作邁向更通用、更強大的人工智能（AGI）的關鍵一步。2024 年被業內稱為具身智能 “元年”，英偉達首席執行官黃仁勛也曾明確表示，人工智能的下一波浪潮將是具身智能。

從概念構成來看，具身智能可拆解為 “具身” 與 “智能” 兩部分，其中機器人是其主要應用場景。“具身” 意味著擁有實體身體，且能通過交互、感知、行動等能力完成任務；依據使用用途與場景的差異，具身智能呈現出多種形態，涵蓋各類智能機器人、自動駕駛等，而人形機器人被認為是具身智能最理想的形態。“智能” 則指物理實體能夠主動開展感知、理解、推理、決策、行動等一系列任務。

因此，具身智能也可通俗理解為：將 AI 技術植入各類物理身體（如機器人），讓機器人等實體能夠感知周圍環境的變化，并據此做出相應決策。與傳統工業機器人、協作機器人相比，具身智能更注重環境交互能力；相較于傳統機器人，具身智能機器人具有智能化程度高、工作場景限制少、可自主規劃復雜工作流程等特點。綜上，具身智能體需同時具備三大核心要素：一是可感知、可觸摸的 “身體”（即本體），二是能與周邊環境互動溝通的能力（即環境交互），三是具備感知、思考與決策功能的 “大腦”（即智能）。

2、具身智能技術原理

具身智能的本質，是為機器人這類物理實體賦予人工智能能力，使其能夠感知環境、自主學習，并與環境實現動態協同交互。具身智能技術的發展進程中，經歷了從早期模塊化 AI 算法集成，到由大模型驅動的統一技術框架的轉變。在早期階段，技術主要依靠集成多個 “小模型”，并輔以人工介入，根據具體場景或用途調用對應模型來完成任務。例如，在視覺層面，借助目標檢測算法識別物體；在控制層面，運用傳統機器人學習技術讓機器人實現自主決策，通過這種方式滿足機器人的應用需求，為其增加智能化元素。而隨著大模型的問世，具身智能將各個模塊的功能整合到統一框架中，依托大模型的知識理解與表達能力，實現自然語言交互、多模態信息的無感處理與轉換，能夠統一處理多種感官信息，融合運動經驗執行操作，在通用性與泛化性上實現了重大突破。

具身智能技術體系通常可劃分為 “感知 — 決策 — 行動 — 反饋” 四個核心功能模塊，這四個模塊共同構成一個動態閉環系統。該系統通過與環境的持續交互，完成環境模型的構建與更新、自主決策的制定、自適應行為的執行，并基于經驗反饋實現自我學習與進化。

• 感知模塊：依托視覺、聽覺、觸覺、力覺、本體覺等多模態傳感器融合技術采集環境信息，利用深度學習模型實現跨模態融合與聯合表征，構建對環境的時空與語義統一認知。其中，視覺負責目標檢測、場景理解與行為預測；聽覺支持語音指令解析與聲源定位；觸覺與力覺反饋則用于抓取控制、材質識別與交互安全。感知模塊輸出的結果，不僅為系統提供狀態輸入，還為決策模塊提供可解釋的語義與幾何信息。
• 決策模塊：作為具身智能的 “認知中樞”，主要負責解析感知模塊傳遞的信息，生成高層任務規劃與低層動作策略。當前，決策模塊的主流技術路徑正從傳統的規則引擎與符號規劃，向基于大模型的數據驅動決策轉變。系統會綜合考慮任務目標、環境約束與歷史經驗，通過分層決策架構輸出可執行策略，并結合強化學習或模型預測控制技術實現實時動態調整。
• 行動模塊：核心作用是將決策模塊制定的策略轉化為物理操作，具體涵蓋移動導航與抓取操作兩大方向。移動系統依靠路徑規劃與運動控制技術實現避障與位姿調整；操作系統則通過軌跡規劃與柔順控制技術實現精準交互。同時，系統會結合視覺伺服、力覺反饋等技術進行閉環調節，確保動作的精準性、安全性與穩定性。
• 反饋模塊：通過閉環學習驅動系統不斷進化。該模塊會采集動作執行效果、環境響應等數據，利用強化學習、模仿學習或在線微調技術優化策略參數、更新模型權重；同時支持經驗回放、技能抽象與遷移，實現系統的持續自適應迭代，提升任務執行的魯棒性與通用性。

3、具身智能技術路線

具身智能的技術路線主要包含算法方案、訓練方法、數據采集三個維度，具體內容如下：

• 算法方案：具身智能的算法方案可分為分層決策模型和端到端模型兩條路線。目前，分層決策模型在業界更受青睞，但行業普遍認為，從長遠發展來看，隨著數據積累與算法進步，端到端模型將成為未來實現更高水平通用智能（AGI）的重要方向。
• 分層決策模型：被業界形象地稱為 “大腦 - 小腦” 架構，以與 OpenAI 合作的 Figure 01 為典型代表。該模型將任務劃分為不同層級，運用多個神經網絡分別進行訓練，再通過流程管線整合。頂層通常是大型多模態模型，負責高級認知、任務規劃與語言理解，扮演 “大腦” 的角色；中間層是更專注于特定功能的策略網絡，負責將高層指令轉化為具體運動序列并生成動作指令，類似 “小腦” 的功能；底層則由機器人本體接收指令，執行具體的電機控制。分層模型的優勢在于各模塊功能明確，可解釋性、可維護性與調試性相對較好；但傳統模塊化架構存在信息傳遞延遲、模塊間耦合度高、算法迭代不同步等缺陷，這些都是分層模型需要重點解決的問題。
• 端到端模型：致力于通過一個統一的神經網絡，直接將原始傳感器輸入（如攝像頭圖像）映射到最終輸出（如駕駛軌跡或機器人動作），省去中間獨立的感知、決策、規劃模塊，實現一體化決策。以谷歌的 RT - 2 為代表，該模型借助一個神經網絡完成從任務目標輸入到行為指令輸出的全過程：先在大規模互聯網數據上對視覺語言模型進行預訓練，再在機器人任務上進行微調，結合機器人動作數據，打造出 VLA（視覺 - 語言 - 動作）模型。端到端模型的優勢是簡化系統架構、提高運行效率，還能減少模塊間的誤差積累；但該模型依賴海量高質量數據對 VLM 大模型進行預訓練，計算資源消耗巨大，且機器人執行任務的實時性通常欠佳。
• 訓練方法：具身智能的訓練方法可分為模仿學習和強化學習兩條路線。在實際研發過程中，單純的模仿學習或強化學習，都難以獨立支撐復雜的具身智能任務。目前，行業主流趨勢是將兩種方法結合，實現取長補短，形成更高效的訓練范式。
• 模仿學習：智能體通過觀察、模仿專家（如經驗豐富的人類操作者或高性能系統）的行為來學習任務。其優勢是能快速掌握專家策略，無需進行復雜探索；劣勢是學習到的行為策略受限于專家數據，對于未接觸過的情況，泛化能力較弱。
• 強化學習：智能體通過與環境交互，以最大化某種累積獎勵的方式學習最佳行為策略。該方法的優點是可通過探索環境學習未知策略，能處理高度不確定、動態變化的環境；缺點是需要大量探索與試錯，學習進程較為緩慢，且針對復雜任務，設計合適的獎勵函數難度較高。
• 數據采集：具身智能的數據采集可分為基于仿真環境數據、基于真實世界數據兩條路線。目前，業界逐漸形成共識：采用 “仿真數據為主，真實數據為輔” 的訓練模式。
• 基于仿真環境的數據采集（Sim2Real）：在仿真環境中讓智能體學習技能和策略，再將其遷移到現實世界。這種方式的優勢是可大規模獲取數據，且成本較低；劣勢是對仿真器要求較高，且仿真環境與真實世界存在差異，在遷移過程中性能會出現下降。
• 基于真實世界數據采集：直接從現實世界中獲取數據進行學習，具體包括本體采集、遙操作（人類遠程控制機器人執行任務）、動態捕捉、視頻學習等方式。該方式的優點是數據更真實可靠；缺點是數據量較少、泛化性差，且通過機器本體和人類采集數據時，成本高、難度大、效率低。

具身智能產業經歷了概念萌芽、理論發展、技術突破等階段，目前正逐步邁向產業應用領域。

• 概念萌芽階段（20 世紀 50 年代 - 90 年代）：1950 年，圖靈在探討 “機器能否思考” 這一問題時，提出了人工智能的兩條發展路徑，此后逐漸形成離身智能、具身智能兩大方向。1956 年，AI 概念正式誕生，符號主義在早期 AI 發展中占據主導地位，隨后連接主義興起，但這兩種理論在處理復雜任務時，局限性逐漸凸顯。20 世紀 80 年代，行為主義 AI 開始發展，該理論主張通過身體與環境的交互產生智能。這一時期，“具身” 機器人開展了早期實驗，例如 1954 年麻省理工學院研制出首臺可編程機械臂，1960 年首臺工業機器人 Unimate 投入使用，拉開了具身智能探索的序幕。
• 理論發展階段（20 世紀 90 年代 - 2022 年）：AI 三大學派從各自分立研究逐步走向綜合融合，為具身智能的發展奠定了基礎。行為主義對計算智能的局限進行反思，推動了以 “底層智能” 為核心的研究；底層數學理論的深入研究使 AI 算法取得突破，深度強化學習、模仿學習、形態計算等理論及算法模型快速發展。同時，“具身” 機器人也迎來快速發展期，例如 1999 年日本索尼發布犬型機器人愛寶，2002 年丹麥 iRobot 公司推出家用掃地機器人 Roomba，2009 年后波士頓動力 Atlas 機器人亮相，2013 年后無人機、無人駕駛技術快速發展，這些都是該階段的代表性產品。
• 技術突破階段（2022 年 - 至今）：自 2022 年底 ChatGPT 掀起大模型熱潮以來，具身智能領域的技術實現取得重大突破，展現出巨大發展潛力。大模型顯著提升了機器人的語言交互、環境感知及任務決策等能力。例如，2023 年出現的 VoxPoser 模型利用 ChatGPT 分解任務步驟，而 PaLM-E 則將傳感器模態融入大語言模型，大幅增強了機器人的高層推理與指令泛化能力。2024 年起，人形機器人開始集中推出落地，特斯拉、Figure AI、優必選、宇樹科技、智元機器人等國內外重點企業相繼推出人形機器人產品，并進入汽車工廠、巡檢、物流等場景開展實際測試，這標志著 “大模型 + 機器人本體” 的組合正從實驗室走向生產線，同時其他形態的機器人本體也呈現出智能化升級的趨勢。

目前，具身智能作為人工智能的重要分支，在多個領域展現出應用潛力，且逐步向產業化方向推進，受到科技界與產業界的廣泛關注。微軟、谷歌、英偉達等科技巨頭以及眾多高等院校均已開展相關研究。2024 年，具身智能已成為人工智能發展的重要方向，被視為科技界的新風向標。人形機器人等具身智能產品開始成為市場關注的明星產品，受到市場追捧，其產業應用進程正在不斷加快。

5、具身智能應用領域

具身智能從根本上拓展了人工智能的應用邊界。在當前科技驅動產業變革的背景下，具身智能有望廣泛滲透到工業制造、自動駕駛、物流運輸、家庭服務、醫療康養等多個關鍵領域，為各行業的智能化轉型提供支撐。

6、具身智能商業化路徑

數據是具身智能發展的核心，驅動著整個產業的發展。在2022年以前的小模型時代，算法的數量和質量對機器人更為關鍵，因為模型性能會隨訓練次數增加而趨于飽和，甚至可能出現過度擬合，需要通過算法調整找到最佳配置以避免性能下降。然而，進入大模型時代后，縮放定律明確顯示，增加數據量能夠持續驅動模型性能提升，數據的核心地位因此徹底凸顯。

具身智能獲取數據的關鍵在于實現商業化落地。與大模型可以從網絡獲取數據進行訓練不同，具身智能若要具備高泛化性和可靠性，其底層模型的訓練仍需依賴物理世界的精確數據。這類數據具有獲取困難、成本高昂、標注復雜的特點，這也導致其產業化進程遠慢于語言模型。獲取真實物理世界數據的關鍵就在于商業化落地。具身智能企業普遍將“先把機器人賣出去或用起來”視為破局手段。只有實現商業化落地，才能形成“銷售設備→現場運行→自動回傳數據→模型迭代→性能提升→再次銷售設備”的數據閉環。

根據1X副總裁Eric Jang在《All Roads Lead to Robotics》一文中的觀點，目前具身智能的商業化路徑主要包括三種：通用場景軟硬結合、軟件路徑，以及垂直領域軟硬結合。

——通用場景軟硬結合

通用路線在技術上頗具挑戰性，其商業模式是向企業端或消費端出售具備智能功能的完整機器人。此路徑的關鍵在于運用通用的軟硬件來應對多樣且多變的使用場景。為此，一方面需要開發可重構的硬件，以便快速調整以適應不同的任務需求；另一方面要設計能夠適配不同硬件配置與外圍設備的通用軟件，確保其在各類硬件上順暢運行。1X、Figure以及特斯拉都采用此路徑。

——軟件路徑

軟件路徑有助于機器人快速部署與迭代，其主流商業模式是向硬件廠商或綜合型廠商開放API接口。該路徑的關鍵在于研發跨實體基礎模型，通過這一模型實現跨硬件平臺的無縫兼容。

這一模式能夠徹底打破傳統機器人開發的局限：過去各硬件平臺需要單獨搭建軟件開發流程，而現在開發者只需編寫一次代碼，便可在多種硬件上部署運行。無論是精密的人形機器人、高效的輪式機器人，還是靈活的無人機，都能共享同一套軟件架構，這不僅大幅節省了開發時間與成本投入，還能隨著機器人的大規模部署，使軟件的邊際成本逐步趨近于零。

——垂直領域軟硬結合

在垂直領域，軟硬一體方案可以將數據采集、壓縮、加密、預處理全部集成到ASIC或FPGA芯片中，數據僅在片內流轉，外部API無法讀取原始信號，這有助于在細分數據方面積累競爭壁壘。高工機器人產業研究所所長盧瀚宸在2024年中國人形機器人技術應用峰會上強調，從長遠來看，具備高壁壘的核心硬件將極具優勢。在機器人領域，硬件與數據天然存在強綁定關系。企業可通過定制化處理器、專屬通信接口等核心硬件，精準收集并處理對機器人性能起決定性作用的特定數據。這類數據因與硬件深度適配，往往難以被競爭對手復制。同時，硬件與軟件的緊密集成能形成高度優化的協同系統，既提升了數據采集的實時性與精準度，又加快了數據處理效率，進一步強化了數據壁壘的不可替代性。

7、具身智能市場概況

具身智能市場規模持續擴大，其中中國市場占比預計將不斷提升。隨著核心技術的持續突破與產業鏈協同能力的增強，中國及全球具身智能市場正步入高速增長軌道。根據第二屆中國人形機器人與具身智能產業大會發布的《2025人形機器人與具身智能產業研究報告》，2025年全球具身智能市場規模預計達到195.25億元，至2030年預計將攀升至2326.3億元，期間的復合年增長率高達64.18%。其中，中國市場表現尤為突出，2025年規模預計達52.95億元，占全球總體規模的27%；到2030年，中國具身智能市場規模預計將達到1037.52億元，約占全球的44.6%。另據國務院發展研究中心發布的《中國發展報告2025》，當前中國具身智能產業處于發展起步期，在具身智能大模型研發和產品制造方面具備較好基礎，其市場規模有望在2030年達到4000億元，并在2035年突破萬億元。

人形機器人已成為具身智能技術商業化落地的核心載體，但對其市場規模的預測存在較大分歧。人形機器人仍處于產業化初期，技術突破節奏與商業化進程尚不確定。市場規模取決于產品技術進步速度、大規模商業化進程以及下游應用滲透率，各機構對技術成熟度、量產降本速度及場景落地的判斷有所不同。短期內，各機構對2030年前市場空間的預測分布在數十億至千億美元區間，其中以2030年達到百億美元量級的預測為主流。

據中國信通院2024年底預測，中國人形機器人市場規模將從2024年的27.6億元爆發式增長至2029年的750億元，2035年有望突破3000億元，年復合增長率超過90%。

2025年3月，英偉達發布了Isaac GROOT N1通用人形機器人基礎模型，有望大幅優化機器人AI訓練。在此前提下，國內研究機構集邦咨詢預測，2028年全球人形機器人市場產值將接近40億美元。

高盛在2025年2月的報告中指出，由于感知、決策與控制執行等方面的智能化水平尚未突破技術瓶頸，預計2027年全球人形機器人出貨量僅為7.6萬臺，到2032年達到50.2萬臺，增速顯著慢于市場預期。對應100萬臺的出貨里程碑，高盛認為在最樂觀的情景下最快也需到2028-2029年才能實現，而在基本情境下則需等到2034-2035年。

摩根士丹利在2025年6月的報告中預測，2025年中國人形機器人市場規模為3億美元，到2030年將增至34億美元，年復合增長率為63%。預計到2030年，中國將擁有25.2萬臺人形機器人，到2050年將增加到3.02億臺，占全球人形機器人總數的30%。

二、具身智能產業政策

具身智能技術融合了人工智能、高端制造、運動控制、感知決策等多個前沿領域，被認為是實現通用人工智能的關鍵途徑，也是驅動未來經濟增長的核心引擎。該技術對于推動全球實體經濟向智能化轉型、應對人口老齡化帶來的結構性挑戰，以及增強國防安全和戰略自主能力都具有重要意義。

1、歐美日韓具身智能發展戰略

具身智能正迅速成為全球主要經濟體的戰略焦點。早在2010年左右，各工業強國就已將機器人技術視為促進經濟增長和創新的重點領域，并制定了相應的發展規劃。近年來，美國、歐盟、日本、韓國等主要經濟體更是將人工智能和具身智能視為贏得全球經濟與科技競爭的關鍵，相繼出臺政策、加大投入，競相布局這一未來產業。

• 美國：無論是拜登政府還是特朗普政府，都認識到人工智能是維護國家安全和經濟競爭力的關鍵技術，致力于維持美國的技術領導地位并贏得AI競爭。自2009年起，美國頂尖高校與研究機構聯合企業界定期發布《美國機器人路線圖》，每四年更新一次。2024年的最新版本整合了來自工業界和學術界的60份白皮書，旨在為美國機器人技術未來十年的發展提供戰略指導，并增強其市場競爭力。2023年5月，美國白宮科技政策辦公室發布了更新版的《國家人工智能研發戰略計劃》，對2016年和2019年的版本進行了完善，并提出開發更強大、更可靠的機器人。2025年3月，以特斯拉、波士頓動力為代表的機器人企業在美國國會呼吁制定“國家機器人戰略”。2025年7月23日，相關討論進一步深入，特別提到擴大人工智能的軍事應用規模，推動美國AI技術棧對外輸出，從而建立以美國技術為核心的人工智能生態系統，并通過強化AI芯片出口管制來限制中國AI技術的發展等內容。

• 歐盟：2024年8月，歐盟《人工智能法案》正式生效，成為全球首部全面監管人工智能的法律。2025年4月，歐盟推出了“人工智能大陸行動計劃”，作為該法案的配套戰略，試圖通過政策松綁、算力基礎設施建設和行業應用推廣三大支柱，扭轉其在AI領域的落后局面。

• 德國：德國于2018年底推出《人工智能戰略》，旨在使德國和歐洲在人工智能技術的開發與應用方面占據領先地位。2020年12月，德國對2018年版的《人工智能戰略》進行了修訂，計劃到2025年，通過經濟刺激和未來一攬子計劃，將對人工智能的資助從30億歐元增加到50億歐元。2023年11月，德國聯邦教研部發布了“機器人技術研究行動計劃”，確定了基礎研究、尖端技術研究、人才培養和智能機器人技術應用四個行動領域，以落實其《研究與創新未來戰略》（2023年2月發布）和《人工智能行動計劃》（2023年11月發布）。

• 英國：英國于2021年9月發布《國家人工智能戰略》，提出了三個核心行動支柱。2025年1月，英國政府公布了“人工智能機遇行動計劃”，旨在將英國打造為人工智能超級大國，承諾采取有利于創新的監管方式，安全可靠地開放公共數據，并創建人工智能增長區等。2025年2月，英國科學、技術和創新部發布了《智能機器戰略2035》，概述了英國成為機器人領域全球領導者的路線圖，提出在政府內部設立智能機器辦公室，通過公共采購、聯合工業項目和財政激勵措施刺激需求，并創建“智能機器風險投資基金”。

• 法國：法國政府于2018年正式啟動《國家AI戰略》，計劃通過三個階段將法國打造成為全球AI領先國家。2025年2月，在巴黎舉行的全球AI行動峰會期間，法國宣布啟動《國家AI戰略》第三階段，旨在以托管全球AI基礎設施為核心，提升法國在AI領域的吸引力，深入參與全球AI競爭。同時，法國發布了《讓法國成為AI有影響力大國》報告，正式啟動全面促進AI創新的新一輪行動。2021年10月，法國公布了“法國2030”投資計劃，其中撥款8億歐元用于發展機器人產業。

• 日本：2025年5月，日本通過了首部針對人工智能的法律《人工智能相關技術研究開發及應用推進法》，設立了以日本首相為首、全體內閣成員參加的“AI戰略本部”，計劃制定并推動“AI基本計劃”。2025年9月，日本內閣府技術戰略會議確定了人形機器人的長期開發方針，將在其“登月型研發計劃”中開發通用人形機器人，力爭在2030年前制造出原型機并掌握核心技術，在2050年前研發出能夠通過學習進行自主判斷、并具備與人類同等或更高體能的機器人。同月發布的“AI基本計劃”草案指出“制定國家人工智能戰略比以往任何時候都更加重要”，提出加速推進應用、戰略性地加強開發能力、主導治理、持續向AI社會轉型，旨在讓日本成為“世界上最容易開發和應用AI的國家”。

• 韓國：2019年12月，韓國科學技術信息通信部發布了《人工智能國家戰略》（初版），支持AI與機器人技術的融合；該戰略的2023年度修訂版將具身智能列為下一代AI三大前沿方向之一。2024年1月，韓國產業通商資源部公布了《第四個智能機器人基本計劃（2024-2028年）》，提出了“K-Robot經濟”概念，圍繞強化核心競爭力展開布局。該計劃旨在通過公私合作，在計劃期內投資超過3萬億韓元，培育150家專業智能機器人企業，并在全產業領域大規模普及超過100萬臺機器人。2025年4月，韓國“K-人形機器人聯盟”正式成立，該聯盟由韓國政府、學界和機器人制造企業共同參與，集結了四十多家產學研機構，預計開發總投入超過1萬億韓元（約合50多億人民幣）。該聯盟計劃在2028年前開發出機器人AI基礎模型，供聯盟內的機器人制造集團聯合使用。

2、中國具身智能產業政策

國家層面正大力支持具身智能發展。作為“新星”產業和未來產業，具身智能產業正逐漸成為我國推動產業轉型升級、培育新質生產力的新賽道。國家層面高度重視其發展，通過將其寫入政府工作報告、制定專項政策、推進創新機制和應用示范等多種舉措，提供全方位支持。

重點城市也在加強培育和發展具身智能產業。隨著“具身智能”首次被寫入政府工作報告，并上升至國家戰略高度，北京、上海、深圳、廣州、杭州、蘇州、寧波、無錫等多個城市在此之前后紛紛發布了專項規劃政策。各地根據自身優勢，制定了差異化的具身智能產業發展路徑，形成了覆蓋技術研發、場景開放、生態建設的系統性產業支持體系，旨在搶占這一新興領域的制高點。

三、具身智能產業鏈

1、產業鏈概況

具身智能產業融合了先進技術、復雜系統集成和多元化應用場景，將推動人類社會進一步邁向智能化新時代。其產業鏈結構可劃分為上游、中游和下游三個部分。

（一）產業鏈上游：硬件基礎支撐

產業鏈上游是具身智能產業的核心硬件層，涵蓋了芯片、傳感器、控制器、電機（含伺服電機）、通信模組及能源管理系統。芯片作為核心計算單元，提供算力以支持復雜算法運行；傳感器負責采集環境中的視覺、聽覺、觸覺等多維數據，實現智能感知；控制器高效處理數據并輸出指令；伺服電機精準執行運動控制；通信模組保障設備間的協同與數據流轉；能源管理系統則通過高性能電池與電源技術確保穩定供電。上游組件的性能與可靠性直接影響到中下游技術的實現與應用效果，是產業鏈的底層基石。

（二）產業鏈中游：技術開發與系統集成

中游環節聚焦于技術整合，通過AI算法、操作系統、云服務及中間件來激活硬件潛能。AI算法作為“智能中樞”，驅動數據分析與自主決策；操作系統提供統一的軟件平臺，支撐應用開發與管理；云服務擴展了算力與存儲能力，支持大規模數據處理；中間件則連接異構系統，實現跨組件的高效協作。中游通過軟硬件協同開發，將上游硬件轉化為能夠執行復雜任務的智能系統，并為下游應用提供技術解決方案，是推動產業鏈創新的技術引擎。

（三）產業鏈下游：主要產品與應用場景

下游環節是產業鏈的最終輸出端，也是產業價值閉環的最后一環，涵蓋了機器人、自動駕駛載具等主要產品，以及這些產品在工業制造、服務業、醫療康復、教育娛樂、交通出行、公共安全等領域的多元化應用場景。這一環節直接觸達消費市場與企業端客戶，完成技術成果向商業價值的轉化，既是產業生態鏈的核心價值落腳點，也是驅動產品迭代與場景創新的關鍵樞紐。

• 主要產品：具身智能下游的核心產品主要包括機器人和自動駕駛載具兩大類。機器人以服務型、工業型、醫療型、人形等類型為主，依托高精度傳感器、智能算法及多模態控制技術，能夠執行復雜環境下的精細化作業，顯著提升服務效率、制造業自動化水平及醫療輔助的精準度。自動駕駛載具則聚焦于自動駕駛汽車、無人機與eVTOL（電動垂直起降飛行器），通過自主導航與協同控制技術優化交通出行、物流配送及城市空間利用效率，推動立體化智能運載體系的發展。

• 應用場景：具身智能產品深度賦能多個領域：在工業制造中應用于自動化產線、智能倉儲及質量檢測環節，驅動制造業智能化升級；在服務業通過部署客服、配送機器人來提升運營效率；在醫療領域借助康復機器人實現個性化治療；在交通出行領域依托自動駕駛技術重構物流與客運模式；在公共安全領域則利用應急機器人強化災害救援與安防能力，形成全場景協同的產業生態。

2、人形機器人競爭格局

具身智能產品企業以人形機器人為主，中美兩國占據主導地位。根據摩根士丹利近期發布的人形機器人100強名單（涵蓋整個產業鏈），中國和北美（包括加拿大）各有35家企業上榜，亞太地區（以日韓為主）有18家，歐洲等其他地區有12家。國外主要人形機器人企業包括特斯拉、美國的Figure AI（獲微軟、英偉達、亞馬遜、Open AI等投資）、美國的波士頓動力（現被韓國現代收購）、挪威的1X Technologies（獲Open AI投資）、美國的Agility Robotics（獲亞馬遜等投資）、美國的Apptronik、美國加州大學洛杉磯分校的RoMela、英國的Engineered Arts、加拿大的Sanctuary AI、西班牙的PAL Robotics、德國的Neura Robotics、韓國的Rainbow Robotics（獲三星投資）、日本的本田ASIMO、美國的通用汽車等。

我國人形機器人企業可分為四類。國內已有超過80家企業推出了人形機器人產品，且數量仍在持續增加。各廠商根據自身在結構設計、控制算法、具身大模型等方面的技術積累，持續進行創新，并逐步嘗試商業化落地應用的探索。根據技術路徑、行業背景和產業鏈定位，國內布局人形機器人的企業可分為初創型企業、大型科技企業、整車企業以及傳統機器人企業。初創型企業以宇樹科技、智元機器人等為代表。大型科技企業包括華為、騰訊、小米、阿里巴巴（螞蟻靈波科技）、字節跳動、大疆創新、科大訊飛、美的等，其中華為、騰訊主要通過資本、平臺和生態合作進行布局。整車企業包括小鵬汽車（鵬行智能）、廣汽集團、比亞迪、奇瑞、理想、長安、上汽等。

其中小鵬、廣汽、比亞迪等已進入量產準備階段，部分企業同時通過投資和合作來擴展技術生態。從傳統機器人領域延伸過來的代表企業包括節卡機器人（協作機器人）、普渡科技（清潔、配送機器人）、越疆科技（工業機器人）、達闥科技（服務機器人）、傅利葉智能（醫療康復機器人）、獵戶星空（服務機器人）、追覓科技（掃地機器人）等。

目前，國內人形機器人科創企業（不含大型科技集團和整車企業）大致可分為三個梯隊，并初步形成了差異化格局：

• 第一梯隊以估值達到10億美元（約合70億元人民幣）以上的企業為主，包括智元機器人、宇樹科技、傅利葉智能、銀河通用、云深處、普渡科技、非夕科技等。這些企業均聚焦于高動態運動控制與仿生交互技術，其產品已進入迭代測試階段。

• 第二梯隊為目前或年內估值超過3億美元、具備量產能力的硬件驅動企業，如星動紀元、智平方、逐際動力、星海圖、眾擎機器人、樂聚機器人等，其核心機型已進入小批量交付階段。

此外，潛力層還覆蓋了星空智能、穹徹智能、松延動力等企業。整體來看，頭部企業依托資本與研發優勢加速技術迭代，腰部廠商則通過差異化場景落地爭奪市場空間，行業競爭正逐步向產品成熟度與商業化能力傾斜。

3、重點環節市場格局

（一）芯片

具身智能產業的發展離不開多元化芯片體系的支持，其產業鏈涵蓋了從云端訓練到終端執行的全鏈條硬件需求。所需芯片種類主要包括AI算力芯片、通用計算芯片、傳感器接口芯片、存算一體芯片以及通信與互聯芯片等。其中，AI算力芯片是支撐具身智能實現“感知-決策-執行”閉環的關鍵硬件，處于產業核心地位。根據部署位置與功能的不同，具身智能AI芯片可劃分為云端訓練芯片、云端推理芯片和端側推理芯片三類。這三類芯片在設計目標、技術路線及應用場景方面均存在顯著差異，共同支撐起具身智能系統在不同層級中的算力需求。

（二）傳感器

傳感器是具身智能系統（包括人形機器人）與外界進行感知交互的關鍵部件。具身智能通過配備多種傳感器來實現對外部環境的感知和自身狀態的監測，從而完成復雜的交互與操作任務。根據應用載體的不同，傳感器的功能定位和應用場景存在顯著差異。在機器人領域，傳感器主要用于模擬人類的感知能力，以支持精細化操作和高水平人機交互，例如觸覺傳感器用于檢測接觸力、溫度及物體滑動狀態，六維力傳感器則協助實現關節力矩的精確控制，從而完成抓取和裝配等復雜任務。而在自動駕駛載具中，傳感器更側重于環境建模與動態障礙物規避，如激光雷達提供高精度三維點云以識別障礙，毫米波雷達憑借強大的穿透能力適應惡劣環境，超聲波雷達則常用于近距離泊車檢測。

對于具身智能而言，智能體的力感知能力以及與外部的觸覺、視覺、聽覺交互能力極為關鍵，其對應的傳感器性能直接決定智能體的環境適應性與應用邊界。在人形機器人中，力傳感器、電子皮膚、視覺傳感器和慣性傳感器是支撐其邁向高度具身智能的核心元件。這些傳感器不僅單位價值較高，還與人形機器人向智能化、仿生化和高自由度方向的發展密切相關，對整體性能起到決定性作用，因此具備顯著的市場潛力與廣闊的應用前景。

在各類機器人傳感器中，六維力傳感器因其能夠同時檢測三個方向的力和力矩，已成為實現高精度操作與力控交互的核心部件。全球領先企業主要集中在歐美，產業起步較早。自20世紀70年代初以來，國外便開始了對多維力傳感器的研究。目前，全球機器人用多維力傳感器的主要生產廠商包括美國的ATI、AMTI、JR3和Lord，瑞士的Kistler，德國的Schunk和HBM，以及加拿大的Robotiq和丹麥的OnRobot等。這些公司產品線豐富，定制化能力強，廣泛覆蓋多個下游應用領域。

國內對六維力傳感器的研究始于20世紀90年代，近年來入局企業不斷增多。目前主要廠商包括宇立儀器、坤維科技、鑫精誠、海伯森、藍點觸控、神源生智能及瑞爾特測控等。在協作機器人領域，六維力傳感器的國產化率已處于較高水平。根據GGII數據，2022年坤維科技在該細分領域出貨量位居第一，市占率約60%，其后分別為ATI、藍點觸控、宇立儀器（已進入特斯拉供應鏈）和鑫精誠等。各家國產廠商在不同下游應用中形成了各自的側重和優勢。

全球及中國六維力傳感器主要企業如下表所示。

（三）AI 算法與大模型

AI算法是人工智能實現感知、推理與決策的核心方法集合，而大模型則是基于海量參數和復雜架構的算法高級形態，尤其依托深度學習與Transformer結構實現跨模態信息融合與通用任務處理。在具身智能領域，大模型作為一類關鍵的AI算法集成形式，顯著提升了智能體對物理環境的交互與任務泛化能力，成為實現“感知-決策-行動”閉環的核心軟件基礎，并持續推動機器人及泛具身智能系統的發展。這類模型通常基于多模態架構，融合視覺、語言、動作等多種感知與決策模態，能夠執行從高層任務理解到底層運動控制的各種功能。按其核心功能可大致分為感知與場景理解模型、任務與運動規劃模型以及端到端控制模型三大類。典型應用涵蓋機器人導航與避障、物體抓取與操作、人機交互與協同作業等，既支持工業自動化、倉儲物流等企業級場景，也逐步滲透至家庭服務、教育陪伴等消費級領域。通過與專用AI芯片協同優化，具身智能大模型正朝著更低延遲、更高能效和更強泛化能力的方向演進。

在國際上，具身智能大模型的研究主要由谷歌、英偉達、Meta等科技巨頭與斯坦福、伯克利等頂尖高校主導，聚焦于多模態融合、實時運動規劃與端到端控制等核心能力。與此同時，國內也涌現出一批專注于具身智能大模型研發的企業與科研團隊，呈現出高校背景團隊與市場化科技公司并進的競爭格局。清華大學TSAIL團隊等科研機構在強化學習與仿真訓練方面底蘊深厚；智元機器人、有鹿機器人等企業側重服務與家庭機器人產品的系統整合與落地；若愚科技、千識科技等創業公司則聚焦垂直場景，如工業巡檢與家庭清潔，推動模型實用化與低成本部署；銀河通用、穹徹智能等新興力量致力于端到端抓取與人形機器人控制等前沿方向，展現出良好的技術創新能力。整體上，國內企業在模型的多模態融合、實時響應與場景適應性方面持續突破，逐步形成差異化競爭力。

? 如欲獲取完整版PDF文件，可以關注鈦祺汽車官網—>智庫，也可以添加鈦祺小助理微信，回復“報告名稱： 2025具身智能產業鏈研究報告：AI走出數字世界，具身智能開啟商業化浪潮 ”。

點擊下方，查看近期熱門行業研究報告