定制报告-个性化定制-按需专项定制研究报告
行业报告、薪酬报告
联系：400-6363-638
《甲子光年：2025具身智能行业发展研究报告：具身智能技术发展与行业应用简析（40页）.pdf》由会员分享，可在线阅读，更多相关《甲子光年：2025具身智能行业发展研究报告：具身智能技术发展与行业应用简析（40页）.pdf（40页珍藏版）》请在薪酬报告网上搜索。
1、出品机构：甲子光年智库智库院长：宋涛报告撰写：翟惠宇发布时间：2025年1月目 录Part 01具身智能的发展背景P02Part 02具身智能的发展现状P11Part 03应用场景和代表厂商P20Part 04发展挑战与技术趋势P36具身智能指具备物理载体的智能体，强调智能体与物理环境的交互。Source：公开资料，甲子光年智库整理。p“具身智能（Embodied AI）”指有物理载体的智能体，在与物理世界的交互过程中，通过感知、控制和自主学习来积累知识和技能，形成智能并影响物理世界的能力。p 其关键在于“具身认知”，即该智能是通过身体和环境的交互过程中产生的，不能脱离实体，这是具身智能与离身
2、智能的关键区别。p 具身智能主要以各种智能机器人的形态出现，融合了机器人领域与计算机领域下的多个学科，是所有学科发展到相当成熟度之后才涌现出的能力。具身智能物理载体影响思维和判断等心智过程，认知不能脱离身体单独存在通过强化学习、模仿学习等方法，产生对于客观世界的理解和改造能力L0L0L1L1L2L2L3L3L4L4L5L5人类智能拖拽录制回放运动控制控制算法行为设计任务设计观察者监督者非结构化环境自主决策行动执行复杂任务任务推理知识图谱语义地图感控一体环境感知定位导航算法驱动执行规划关节驱动结构驱动结构层关节层运动层感知层认知层全自主自动自主以人类为主导以机器为主导多因素驱动我国成为具身智能技
3、术发展与应用的沃土。Source：公开资料，甲子光年智库整理。p 具身智能机器人是我国发展新质生产力的未来产业新赛道，集成了AI、先进制造、新材料等先进技术，将对社会产业变革和全球竞争格局产生颠覆性影响。p 无处不在的应用潜力预示着庞大的市场需求、国家与地方长期的政策规划支持、核心零部件供应链完善形成集群效应、以及健康良好的人才和创业生态，多方面因素推动我国成为具身智能技术发展的沃土。p 当前，国内的高校院所、科技大厂、初创企业均在布局以AI大模型和人形机器人为代表的前沿领域，我国在具身智能领域已经走在国际前列。国际竞争能力进口替代能力丰富的应用场景行业解决方案图：我国在具身智能技术与应用已经
4、走在国际前列市场需求极为庞大全球范围内工业机器人与服务机器人市场规模十分巨大。当前，人口老龄化问题日益突出，老年人口数量不断攀升，同时人口出现了负增长态势。年轻一代不再愿意在恶劣的环境中工作，枯燥、重复、低价值的劳动可交由机器人作业。高盛预测，2035年全球人形机器人的总体可用市场（TAM）将达到380亿美元，预计出货量为140万台。人才和创业生态良好超过400所高校高效开设机器人工程专业。机器人企业注册数量迅猛增长。过去十年投资总额超千亿元。多地设立机器人产业基金，如北京机器人产业发展投资基金（规模达100亿元）、上海人形机器人产业基金（20亿元）、吴中区机器人产业基金等。产业集群效应显著制
5、造业集群产业链完善，可大幅缩短研发周期，从1.5年降至0.7年。靠近供应链与客户，能节省物流及定制时间成本，提升购买舒适度。地方在土地、信贷、财政等方面大力支持。得益于本地供应链规模量产，关键零部件成本快速降低。在北京、上海、广东等地设立人形机器人创新中心。长期国地政策支持国家和地方政策稳定推出并施行。从顶层优化机器人产业结构，促进产业链协同。聚焦底层技术、应用及创新驱动。国家设立中期（2025 年完成关键技术攻关）和远期（2027 年创新能力显著提升，建成安全可靠本土产业链供应链体系）目标。国际竞争能力：在技术和产品上可达到国际一流水平，未来能与国际一流厂商进行直接竞争进口替代能力：基本做到
6、关键产品和技术的自主可控，在封锁时可以提供可用的技术和产品丰富的应用场景：具身智能产品和技术在国内有广泛且长期的应用场景，未来将生成海量需求市场行业解决方案：该行业有完整的产业链条，可为实体经济中各下游产业的需求与发展提供对应的具身智能机器人解决方案政策持续加码，具身智能与人形机器人正走进科技发展的舞台中央。Source：各政府网站，甲子光年智库。p 各国均将以人形机器人为代表的具身智能上升到国家战略，通过跟进完善制度建设、提供资金补贴等方式推动技术发展。p 国内相关政策主要围绕加快具身智能机器人重点场景应用、加强行业标准规范建设、设立专项财政与基金支持、加速人才引进与技术培育等方面，通过政策
7、推动，在短期实现核心零部件的技术突破，在长期建设丰富产业应用和生态。日期部门名称主要内容2023.1.8工信部等17部门“机器人+”应用行动实施方案基金支持、试验中心、加速研发与推广2023.5.31深圳市委办公厅深圳市加快推动人工智能高质量发展高水平应用行动方案（2023-2024年）人才供给、加速研发、提升产业集聚水平2023.6.15上海市人民政府办公厅上海市推动制造业高质量发展三年行动计划（2023-2025年）核心部件攻关、加速应用推广、人才梯队2023.6.28北京市人民政府办公厅北京市机器人产业创新发展行动方案（2023-2025年）培育新产品、加紧布局、校企合作2023.8.3
8、工信部等4部门新产业标准化领航工程实施方案（2023-2035年）研制人形机器人相关标准，包括术语、核心零部件、智能感知决策、运动控制、安全和应用等方面2023.10.26工业和信息化部人形机器人创新发展指导意见技术突破、重点产品、应用场景、人才引育2024.1.18工信部等七部门关于推动未来产业创新发展的实施意见加速创新和产业化、基金支持、应用场景、人才引进2024.7.6上海上海市人形机器人治理导则促进AI产业健康发展、确保人形机器人合乎人类道德和伦理价值图：具身智能/人形机器人相关政策不断出台，多维度支持新技术落地具身智能具备新质生产力的关键内涵，是推动新质生产力建设的重要引擎。Sour
9、ce：央视，甲子光年智库。p 新质生产力强调在科技创新的基础上大幅提升生产效率和创新能力，而具身智能技术作为人工智能和机器人技术的融合发展前沿，天然具备形成新质生产力的关键内涵，是推动新质生产力发展的重要引擎。p 具身智能技术契合着解决未来社会矛盾的刚性需求，有望解决如工场劳动力短缺、社会老龄化等问题，把人类劳工不愿从事的枯燥、高危劳动中解放出来，并进一步推动全社会生产关系的改变与重塑。关注具身智能技术的发展对于我国实体经济高质量增长和国际产业竞争格局有着重大意义。推动产业链供应链优化升级积极培育新型产业和未来产业深入推进数字经济创新发展新质生产力全要素生产率大幅提升创新质优先进生产力传统经济
10、增长方式传统生产力发展路径摆脱更高素质的劳动者更高技术含量的劳动资料更广范围的劳动对象核心标志特点质优先进生产力技术革命性突破生产要素创新性配置产业深度转型升级高科技高效能高质量催生特征促进具身智能是信息科学、智能科学、机械科学和电子科学等多学科交叉的领域具身智能将AI Agent和机器人两者结合，极大推动了智能大脑、机器人及智能终端的进化与泛化具身智能具备通过物理载体直接影响世界的能力，有望改变和重塑生产关系，极大提高生产效率图：具身智能技术是推动新质生产力发展的重要引擎智能化技术将进一步放大机器人对工业领域人类劳动力的替代作用。Source：IFR，World Robotics 2024，
11、甲子光年智库。p 全球工业机器人整体仍然保持增长态势，其中中国工业机器人安装量一枝独秀，2023年安装量高达27.6万台，占全球安装总量的51%。p 与此同时，来自国产品牌的工业机器人供应商也得到了快速发展，本土供应商已经近乎占领一半的国内市场。p 人工智能与机器学习技术的进步，将进一步放大机器人对人类劳动力的替代作用，在灵活、柔性、非标的层面展现更大的应用价值。42338739052655354115514517627529027636.6%37.5%45.1%52.3%52.4%51.0%201820192020202120222023全球工业机器人安装量中国工业机器人安装量中国工业机器人
12、安装量占比图：全球vs中国工业机器人安装量（单位：千台）海外供应商53%本土供应商47%中国工业机器人市场占比中国是工业机器人领域的全球最大市场本土制造商在国内市场份额快速提升供给侧改革稳步推进，高端制造业快速发展，国内制造业仍然有较大发展潜力，国内工业机器人市场规模有望持续提升随着具身智能技术的加持，机器人的自主决策能力将快速提升，能够适应更复杂、更多变的任务人工智能发展线：从理性主义到深度学习Source：公开资料，甲子光年智库。p 在机器人领域的应用上，生成式AI技术正在兑现提升机器人关键能力的潜力，在环境感知、自主决策、学习与适应等多个方面均有表现。p 基于网络数据训练的大模型似乎正在
13、触及AI认知的边界，Scaling Law下的预训练大模型性能似乎快要达到极限，参数量和数据量的扩充已经难以给模型带来质的突破。AI想要进一步发展，必须与物理世界建立更加紧密的联系，具身智能将是AI继续向AGI进步的关键途径。符号主义与专家系统（1950s-1980s)Newell&Simon：通用问题求解器（GPS）Eliza聊天机器人专家系统开始兴起，人工智能在特定领域成功模拟人类专家的知识和推理能力连接主义复兴与机器学习（1980s-2010s）Rumelhart&Hinton：反向传播算法IBM“深蓝”击败国际象棋世界冠军机器学习方法开始流行，关注从数据中学习模式，在图像识别、文本分类
14、等领域得到重要进展深度学习突破与AGI展望（2010s-至今）AlexNet和ImageNet在CV领域取得成功BERT等预训练语言模型出现，自然语言处理能力大幅提升GPT系列等大规模预训练模型出现与进化，展现出强大的理解、推理和创造能力接下来如何继续学习以提升智能水平？怎么与真实世界交互？萌芽：图灵测试图：人工智能技术发展线围绕“离身智能”具身智能机器人发展线：从自动化工具到直接影响物理世界的智能体Source：公开资料，甲子光年智库。p 从历史的角度来看，工业机器人的硬件进化不断发展，从自动化设备到移动机器人，从协作机器人到人形机器人，每一步都代表着技术的进步和创新。当下，已经进入了AI大
15、模型与机器人在底层技术创新和应用融合的交叉时代。p 技术的每一次进步都会带来机器人应用场景的突破，且一般会在精准、重复的工业场景作业流程中率先得到应用。未来，如何提升智能机器人在开放场景的可用性，是具身智能正在解决的问题。自动化设备与工业机器人（1950s-1980s)Unimate：第一个可编程机器人，标志着现代机器人开端，并在汽车工厂投入使用六轴关节机器人开始普及，运动能力和灵活性不断增强传感技术与移动机器人（1980s-2000s）视觉、力觉传感技术开始应用于机器人，机器人开始能够感知外部环境扫地机器人、仓储物流AMR开始应用，能在一定程度上自主规划路径和执行任务智能机器人与协作机器人（
16、2010s-至今）协作机械臂（cobot）兴起应用场景从工业领域不断拓宽，出现服务机器人、特种机器人等机器人类型人形机器人起步图：机器人技术发展线接下来如何提升机器人在开放场景的可用性？以及更多的任务执行？机器人如何更好地理解和适应动态、复杂的世界？具身智能从自动化到智能化，从单一任务到通用泛化具身智能：两条发展线的汇聚点，“AI的下一个浪潮是物理AI”Source：甲子光年智库整理。p 人工智能和机器人技术的发展并非孤立进行，而是相互促进、共同演进的。人工智能为机器人赋予了“大脑”，使其具备感知、思考和决策能力；而机器人则为人工智能提供了“身体”，使其能够与真实世界进行交互，获取经验和知识。
17、p 具身智能的兴起是人工智能和机器人技术各自发展到一定阶段的必然结果，是两者深度融合的体现。人工智能的持续进步需要与物理世界的交互能力，而机器人的未来发展也离不开更高级别的智能化水平。人工智能发展线机器人发展线符号主义&专家系统机器学习&深度学习瓶颈AI需要“身体”去感知自动化&工业机器人移动与协作机械臂瓶颈机器人需要更强“大脑”19601980200020102020图：具身智能是AI与机器人两条线的交汇感知与交互融合学习与适应结合决策与执行统一软硬件协同进化Time机器人的“大脑”AI的“身体”认知智能的初步探索 试图模拟人类思考，但缺乏与环境互动 数据驱动的智能提升 需要真实世界数据突破
18、瓶颈 如何在复杂动态环境中有效运行？执行预设任务的工具 高效重复操作 缺乏自主性和灵活性 尝试感知环境 理解和决策能力受限 难以适应非结构化环境、可执行任务单一 如何在复杂、未知环境中自主行动？目 录Part 01具身智能的发展背景P02Part 02具身智能的发展现状P11Part 03应用场景和代表厂商P20Part 04发展挑战与技术趋势P36大模型与GenAI飞速发展，开启具身智能技术萌芽。Source：Gartner，公开资料，甲子光年智库整理。p 随着人工智能算法的发展，尤其是多模态大模型技术的突破性进展，将显著加速机器人产业的发展，提升机器人的智能水平，使得机器人能够自主进行判断
19、和识别，执行复杂的多阶段语义推理任务。不仅提高了机器人的泛化能力，也快速推动了人形机器人通往量产的进程。p 根据Gartner技术成熟度曲线，当前的具身智能仍处于技术萌芽期，虽然受大模型技术的推动成为科技产业的热点，但是初创公司技术和商业化路径还没有找到有效方案，在成本、技术等层面仍然需要攻坚克难。发展阶段智能化目前所处阶段AI大模型是突破契机产线自动化机器智能人工智能替代重复劳动（从低精度到高精度）根据环境变化调整自身行为任务导向，自主处理复杂问题自动化生产设备机械臂、轮式机器人四足机器人、双足人形机器人标准化工业生产线单一任务应用场景智能制造协作、公共服务多任务处理通用机器人全场景更多功能
20、和灵活性产品形态主要功能技术特点事先程序设定控制传感器感知环境信息深度学习技术具备类人特征，有自主思维能力协作化灵活化人性化机器人智能化图1：大模型与Agent技术是机器人产业突破临界点的关键图2：具身智能尚处于技术发展的萌芽期智能机器人表现的提升依赖于软硬件多种技术的快速进步与降本。Source：网络公开资料，图片由AI生成，甲子光年智库。p 以人形机器人为代表的具身智能机器人是链接虚拟数字世界和现实物理世界的最佳载体，是虚实融合的理想产物，其性能表现也高度依赖于软件与硬件的全方位进化。p 从基础材料科学到人机交互技术，从多模态感知大模型到高精度机器人运动控制算法，软硬件多个层面的技术积累与
21、快速进步，让具身智能在2023年后迅速让世界看到其应用潜力与应用可行性。多模态感知&传感器多模态感知&传感器多模态感知&传感器感知结果&任务理解感知信息从低精度到高精度，从单模态到多模态具身智能的实现需要做到视觉、听觉、温度、力度等多种模态的感知融合，方能全面地感知动态环境大语言模型等单一模态模型，或图文大模型等双模态模型，并不能实际解决具身智能机器人需要实现的作业任务多模态的感知数据需要多模态大模型进行深度融合，方能为后续的决策、规划和控制模块提供实时的精准时空融合感知大模型与行业know-how、业务系统也需要实现深度融合，以更好地让机器人理解作业任务多模态感知&传感器自主决策与规划基于全
22、面的环境感知与精准任务理解做出决策最优解类似multi-agent技术发展趋势，智能机器人也需要实现单体智能到群体智能的进化多模态感知&传感器机器肢体&运动控制一方面基于材料科学的进化，推动核心零部件的性能与成本表现另一方面利用模仿学习、强化学习等方法，通过大数据集、合成数据等手段加速机器人控制算法的迭代仿真技术的进步也为运动控制算法与机器人应用开发提供了一种有效手段具身智能产业链：软硬件深度融合，复杂且充满活力的生态系统Source：甲子光年智库整理。硬件硬件软件软件软件软硬件集成分层模型or一体化端到端，机器人面临与自动驾驶一样的选择题。Source：云启资本，Google DeepMin
23、d，甲子光年智库整理。p 从“大脑-小脑-肢体”的架构来看，分层模型通过不同层次模型协作，利用底层硬件层和中间响应快的小模型弥补上层大语言模型的不足，推动机器人在实际场景的应用，并越来越多地采用基于学习的控制方法。p VLA等端到端模型能够直接实现从人类指令到机械臂执行，即输入图像及文本指令，输出夹爪末端动作。p 分层式路线一度是主流选择，因为端到端路线受数据制约难以达到性能要求；机器人数据正在逐步积累，端到端路线在未来可能成为主流。路线1：分层模型路线，不同层级由多个神经网络分别训练优化再联合高层级：感知&规划低层级：动作控制策略代码规划自然语言处理基于规则的控制模型预测控制基于学习的控制预
24、训练模型 通过感知系统获取环境状态信息 基于预先设定的策略将其转化为可执行的代码指令 利用自然语言进行理解和推理，生成执行步骤，ViLA：使用GPT-4V进行机器人上层规划 传统控制方法，根据预定义规划指导机器人行为，即预编程 在每个控制步骤中进行滚动优化，再在新的步骤中进行再次优化 通过大规模数据的强化学习&模仿学习 特定任务或场景下的机器人控制提供基础和初始化路线2：端到端模型路线，从目标输入到指令输出以RT-2为例的VLA模型，大规模数据下能够实现泛化能力Input：图像及文本指令Output：输出是夹爪末端动作直接端到端地实现从人类指令到机械臂执行端到端模型的难点在于数据采集难：类似于
25、过往自动驾驶技术的发展，在没有足够的车辆上路之前，极难实现数据的飞轮效应现行资源下的计算效率低下通往One-Model端到端大模型是个循序渐进的过程。Source：智元机器人，甲子光年智库整理。p 数据规模、模型泛化性、响应速率等问题是当前端到端具身大模型需要逐步攻克的弊端，需要在数据采集和模型训练上寻求新的突破方法。p 根据智元机器人定义的路线图，当前具身智能大脑已经具备认知、推理、规划的能力，且而小脑层面机器人技能任务的训练也是通过深度学习以驱动的。随着场景、数据的增多，多个特定小模型会逐渐泛化为通用操作大模型，并最终实现与上层模型的融合。G1基础自动化G2通用原子技能G3端到端操作技能G
26、4端到端操作大模型G5AGI人工编排任务编排认知推理规划大模型认知推理规划大模型感知决策执行端到端大模型通用操作大模型感知执行抓取位姿估计机械臂控制夹爪控制抓放递基础模型数据驱动海量数据长程数据APIAPIPrompt具身智能阶段当前行业前沿所处的阶段图：具身智能的发展阶段，从模块化走向One Model端到端采集方式不断进化，仿真数据有望驱动机器人实现智能跃迁。Source：甲子光年智库整理。p 当前的具身智能是通过深度学习技术（模仿学习、强化学习等）从大量数据中学习并实现的，巨量的、优质的、多样的数据，是具身智能机器人能够实现各种各样自主操作的基础。p 数据采集方式呈现多元化，人工示教（遥
27、操、动捕）、机器人自主探索、仿真合成数据等方式各有优劣，为具身智能训练数据集添砖加瓦。p 自动驾驶的数据采集方式具备借鉴意义：在规模化部署以后，机器人在影子模式下自主探索，通过与环境互动收集多元数据，在云端形成数据闭环，再反哺模型的调整与训练，这也是具身感知、学习的具体表现。方法优势劣势人工示教与轨迹记录操作人员直接通过遥控器、手柄、力反馈设备或其他界面控制机器人执行任务同时记录机器人的关节角度、末端执行器位姿、传感器数据直观易懂、快速采集捕捉人类经验成本高、耗时长场景难以全覆盖机器人自主探索与交互允许机器人在环境中自由探索，通过与环境互动来收集数据。真具身感知：观察其对环境和自身状态的影响。
28、无需人工过多干预能够覆盖更多场景经过不断试错学习数据质量难题需要优秀的奖励函数设计需要很多实体在现实层面部署仿真环境生成数据在虚拟环境中（如世界模型）模拟机器人的工作状态，生成大量的感知数据和动作数据可以控制环境的各种参数，利用大模型的泛化性，生成各种各样的数据低成本、高效率可控性强生成的数据自带标注Sim-to-real gap仿真环境本身难以构建物理现象难以模拟开源数据集&预训练模型利用已有的、公开可用的数据集进行训练或使用在其他任务上预训练好的模型作为基础，进行迁移学习或微调降低采集成本解决自身采集的数据稀疏问题缺乏标准，数据不一定适配标注质量参差不齐预训练模型迁移学习表现不佳起步阶段（
29、过去几年）发展阶段（当前主攻方向）规模化阶段（未来规模化部署后）训练具身智能的常见数据采集方法及优劣势2024年迎来具身智能投资热潮，本体与具身模型受到资本青睐。Source：IT桔子（统计口径或另有出入，仅选取公开融资信息），公开资料，甲子光年智库整理。p 如果说OpenAI的ChatGPT引爆了2023年对大语言模型的投资热潮，那么Tesla入局人形机器人和黄仁勋的那句“AI的下一个浪潮是具身智能”，则彻底带火了具身智能与人形机器人领域的投资热潮，成为2024年科技产业投资的最大热点。p 当前具身智能机器人可用性不足的原因还是“智能化”水平不足，算法环节无法达到要求。从投资角度看，头部人形
30、机器人的本体研发集成厂商已经经历多轮融资，估值较高，行业整体投资热点正从人形机器人本体向具身智能模型和其他上游零部件迁移。图1：国内人形机器人投资事件数量与金额变化（2020-2024）20202021202220232024投资事件数量（起）投资金额（亿元）图2：从本体制造到具身大模型，投资热点有所迁移公司名称融资时间融资金额投后估值1X Technologies2024 年 1 月1 亿美元未提及Figure AI2024 年 2 月6.75 亿美元26 亿美元Skild AI2024 年 7 月3 亿美元15 亿美元Physical Intelligence2024 年 11 月4 亿美
31、元24 亿美元国外市场率先转向公司名称融资时间融资金额千寻智能2024 年 8 月近 2 亿元穹彻智能2024 年 9 月累计数亿元星云智慧2024 年 10 月2000 万元星海图2024 年 11 月超 2 亿元自变量机器人2024 年 11 月亿元级国内资本于2024年下半年跟上*仅选取部分初创公司，大厂未包含在内。技术发展一脉相承，车企加速部署人形机器人。Source：网络公开资料，甲子光年智库整理。p 自动驾驶是具身智能的一个重要场景，都具备“感知-决策-规划-控制”的算法架构，具身智能和自动驾驶在技术实现路径上是一脉相承的，且算法与零部件可实现高度复用，这是Tesla给业界带来的启
32、示。p 当下，智能辅助驾驶已经跑通商业化路径，进入卷交付、卷规模、卷性价比的阶段，这为具身智能未来的技术打磨路径和商业化提供了一些参考。p 同时，汽车行业从主机厂到供应商，从投资人到创业者，都在从自动驾驶转向追求更多场景的具身智能：主机厂或自研或投资具身智能公司，而人形机器人企业也在寻求机器人“进场打工”的机会。图1：自研或投资，国内车企与头部供应商加速人居具身智能产业图2：是供给也是需求，车企与humanoid的双向选择机器人进厂多为战略合作的试点开展，主要目的仍然是数据采集与训练车企制造流程高度标准化和流程化，能够为机器人提供高度确定性的封闭场景人形机器人可以在该场景内通过重复性高的动作学
33、习与泛化，丰富制造场景任务库车企基因产品或业务布局广汽集团传统主机厂第三代轮组人形机器人GoMate奇瑞汽车传统主机厂联合Aimoga研发Mornine比亚迪传统主机厂自研、投资、合作上汽集团传统主机厂对外投资北汽集团传统主机厂对外投资长安汽车传统主机厂预计2027年前发布人形机器人小鹏造车新势力AI人形机器人Iron小米造车新势力自研Cyberone华为智驾供应商成立具身智能产业创新中心宁德时代动力电池供应商自研、投资，机器人电池地平线智驾供应商计算芯片与开发者套件机器人厂商车企当前应用场景自研自用TeslaTesla分拣电池、搬运等其他任务小鹏小鹏抓取、组装、推车车企提供场景Figure
34、AI宝马搬运拿取零部件，放置与组装优必选比亚迪、吉利、东风、一汽、蔚来等搬运、质检、分拣、组装宇树科技吉利、蔚来搬运傅里叶上汽零部件组装与操作Apptronic奔驰取物、搬运、装备目 录Part 01具身智能的发展背景P02Part 02具身智能的发展现状P11Part 03应用场景和代表厂商P20Part 04发展挑战与技术趋势P36具身智能行业厂商图谱Source：公开资料，仅例举了行业内部分代表性企业且不分先后，甲子光年智库整理。p 源于不同技术背景的科技企业聚焦具身智能，其技术基因、产品形态、性能表现及应用场景的差异性正在帮助它们融入工业、服务、特种应用等各类型应用场景。在AI、机器人
35、及多元领域参与者的共同作用下，我国具身智能机器人行业正经历快速成长与扩张。汽车企业&Tier 1智驾技术架构离散制造场景人形机器人企业同源技术积累软硬件研发能力人形/四足仿生机器人、服务机器人，以及上游零部件等跨界玩家工业具身智能企业设计、运控技术同源工业场景需求洞察机械臂、协作机器人具身智能创新中心地方性产业链企业共建地方性机构、基金支持科技大厂&AI企业AI算法技术优势资金和生态优势互联网/科技企业载体形态多样，场景需求决定具身智能的落地形态。Source：基于公开资料整理，甲子光年智库。p 具身智能的物理载体形态呈现多样性，根据其移动特性或方式，可以分为固定底座机器人、轮式（履带式）机器
36、人、足式机器人、仿生机器人等，其中近期火爆的人形机器人属双足人形。p 具身智能具体形态的选择上需要洞察场景实际的需求，并不存在“最佳形态”的单一解，但人形机器人具备多场景的“泛用性”，在具身智能的验证、以及特定场景中的最终应用有既定优势。p 在实际应用场景中，不同形态的机器人可以进行有机地组合以满足具体的场景需求，如在轮式机器人上配备机械臂或灵巧手，配备轮式底座的机械臂既具备了轮式机器人移动迅速、能效高的特点，也兼备机械臂和灵巧手精细操作的优势。具身智能固定底座机器人轮式机器人足式机器人仿生机器人如：固定底座机械臂如：AGV、自动驾驶汽车如：四足机器人、双足人形机器人如：软体机器人、特种形态机
37、器人精度高、适用于重复性劳动工业自动化、实验室自动化等领域平坦路面移动迅速，能效高物流、仓储、交通领域适应复杂地形地形探测、救援，部分服务场景人形机器人是复合型，具备人类的外形和动作，融入人类环境中与人类协作、互动模仿自然生物的运动方式，在特定的环境中执行特定任务图：具身智能的形态分类AI助力机器人泛化性能提升，突破能力三角制约，进入更多场景。Source：专家访谈，配天机器人，甲子光年智库。p 基于人工预先编程的自动化设备，机器人已经被广泛用于工业制造领域并且已经相当成熟，但受限于预编程（或反复示教）的时间成本、机器人的智能化水平等原因的限制，机器人的应用仍然受限于“任务自主性”“任务复杂度
38、”“变化适应性”组成的能力三角形。p 大模型技术的快速发展，为具身智能技术的进步与应用提供了历史性的突破机遇，在提升机器人智能化水平的过程中，机器人将更全面、精准、敏捷的进行环境感知、任务理解和准确执行，不断提升机器人在复杂环境中处理复杂任务的能力，泛化水平将不断提升。任务自主性任务复杂度变化适应性模型性能泛化能力样本数量环境泛化任务泛化目标泛化本体泛化工业机械人/机械臂广泛用于工业制造领域，如装配、喷涂、打磨、焊接、擦洗等作业主要用于限定环境中的某一项或几项作业任务，高效率、高精度重复工作但普遍不具备柔性作业、灵活换线的能力，AI技术的加持有望突破这一桎梏AGV搬运车、扫地机器人等在仓库搬运