“人工智能的下一波浪潮，是以人形機(jī)器人為代表的具身智能?！眱?yōu)必選研究院AI大模型與交互部負(fù)責(zé)人石海林直言。

　　2025年，以人形機(jī)器人為先鋒的智能機(jī)器人產(chǎn)業(yè)加速邁向現(xiàn)實(shí)，其依托的具身智能技術(shù)首次被寫入中國政府工作報(bào)告，正式躍升為國家戰(zhàn)略。

　　政策的號(hào)角與產(chǎn)業(yè)的回應(yīng)同頻共振：今年全球具身智能市場預(yù)計(jì)將突破百億元，2030年整個(gè)產(chǎn)業(yè)規(guī)模有望達(dá)到千億級(jí)別，為這場變革提供了強(qiáng)有力的背書。商業(yè)的邊界正被拓寬，技術(shù)的路徑正在接受檢驗(yàn)，一個(gè)機(jī)器從“執(zhí)行者”向“協(xié)作者”演進(jìn)的新物種起源故事，已然開篇。

　　第一章：緣起

　　從圖靈猜想，到國家戰(zhàn)略

　　具身智能并非憑空而來，它的興起本質(zhì)上是一場研究范式的革命——從預(yù)設(shè)的“機(jī)器編程”轉(zhuǎn)向自主的“環(huán)境學(xué)習(xí)”。

　　這一概念的思想源頭可追溯至1950年。計(jì)算機(jī)科學(xué)之父艾倫·圖靈在其論文《計(jì)算機(jī)器與智能》中首次提出了人工智能的構(gòu)想，為具身智能埋下了深遠(yuǎn)的伏筆。

　　1980至1990年代，羅德尼·布魯克斯和羅爾夫·普費(fèi)弗等學(xué)者提出了行為主義與身體化智能理論，對(duì)傳統(tǒng)AI的“離身”認(rèn)知觀發(fā)起挑戰(zhàn)，主張智能源于機(jī)體與環(huán)境的持續(xù)互動(dòng)。

　　進(jìn)入21世紀(jì)，隨著機(jī)構(gòu)學(xué)、機(jī)器學(xué)習(xí)與機(jī)器人學(xué)等領(lǐng)域的交叉融合，具身智能在2000-2010年間逐漸形成一個(gè)相對(duì)完整的學(xué)科分支。

　　2010年之后，深度學(xué)習(xí)技術(shù)的突破推動(dòng)研究進(jìn)入新階段。研究人員開始利用虛擬環(huán)境與大規(guī)模算力來設(shè)計(jì)與訓(xùn)練智能系統(tǒng)，使其在仿真世界中初步學(xué)習(xí)并適應(yīng)物理規(guī)律。

　　根本性的轉(zhuǎn)折發(fā)生在2017年。Transformer架構(gòu)的誕生，解決了傳統(tǒng)模型處理長序列數(shù)據(jù)的瓶頸，為后續(xù)的大模型技術(shù)爆炸埋下種子。

　　2022年后，ChatGPT等現(xiàn)象級(jí)應(yīng)用的爆發(fā)證明了大型語言模型在理解與規(guī)劃上的強(qiáng)大能力，相當(dāng)于為機(jī)器人配備了一個(gè)通用的“任務(wù)大腦”。

　　至此，通向通用機(jī)器人的技術(shù)路徑豁然開朗，即將大模型的“腦”與機(jī)器人的“身”深度融合。2023年，斯坦福大學(xué)的ALOHA(一個(gè)開源的雙臂機(jī)器人模仿學(xué)習(xí)系統(tǒng))研究項(xiàng)目展示了機(jī)器人通過觀察人類視頻模仿學(xué)習(xí)精細(xì)操作技能的潛力，實(shí)現(xiàn)了從“編程執(zhí)行”到“模仿學(xué)習(xí)”的關(guān)鍵跨越，推動(dòng)具身智能在2025年走向產(chǎn)業(yè)前沿。

　　正如石海林所言，當(dāng)前產(chǎn)業(yè)仍處于早期探索與商業(yè)化加速階段，“具身智能在未來3-5年的時(shí)間將步入成熟期。” 每一次技術(shù)躍進(jìn)，都在為具身智能的最終成熟積累了必要的基礎(chǔ)。

　　第二章：架構(gòu)

　　“大腦”、“小腦”與“身體”的協(xié)同奧秘

　　具身智能的本質(zhì)，是為人工智能賦予一個(gè)能夠感知和行動(dòng)于現(xiàn)實(shí)世界的物理身體。在眾多形態(tài)中，人形機(jī)器人因其與人類環(huán)境天生的兼容性，被視為實(shí)現(xiàn)通用具身智能最具潛力的載體。

　　當(dāng)前，業(yè)界普遍采用“大腦、小腦、本體”的三層架構(gòu)來解構(gòu)人形機(jī)器人的系統(tǒng)。這套架構(gòu)的核心思想是 “智能解耦”，將復(fù)雜的認(rèn)知任務(wù)與高精度的實(shí)時(shí)控制分離。

　　“大腦”指代AI大模型，負(fù)責(zé)語言理解、環(huán)境感知與高級(jí)任務(wù)決策等;

　　“小腦”則是運(yùn)動(dòng)控制算法，調(diào)度機(jī)器人的協(xié)調(diào)與平衡、實(shí)時(shí)避障等;

　　“本體”是硬件載體，包括骨骼結(jié)構(gòu)、關(guān)節(jié)電機(jī)、傳感器和靈巧手等，負(fù)責(zé)最終執(zhí)行動(dòng)作。

　　此架構(gòu)的精妙之處在于讓最合適的系統(tǒng)處理最擅長的任務(wù)。依托此設(shè)計(jì)，高性能的“大腦”(AI大模型)可部署于云端，專注處理環(huán)境感知、語言理解與復(fù)雜決策;輕量而高效的“小腦”(控制算法)則負(fù)責(zé)本體的實(shí)時(shí)運(yùn)動(dòng)協(xié)調(diào)與平衡。二者各司其職，共同構(gòu)成了一個(gè)既能深思熟慮又能敏捷反應(yīng)的高效系統(tǒng)。

　　而決策與控制的協(xié)同，離不開精準(zhǔn)的感知作為前提。 傳感器作為機(jī)器感知物理世界的“感官”，其精度與可靠性成為決定機(jī)器人能否在非結(jié)構(gòu)化環(huán)境中自如行動(dòng)的關(guān)鍵一環(huán)。當(dāng)前，中國傳感器市場規(guī)模已突破千億元，并以每年15%的速度持續(xù)增長。視覺、觸覺、力覺等多模態(tài)感知能力的融合提升，直接影響機(jī)器人在復(fù)雜、動(dòng)態(tài)環(huán)境中的適應(yīng)能力。

　　第三章：改變

　　大模型驅(qū)動(dòng)認(rèn)知躍遷，工具變身助手

　　如果說傳統(tǒng)機(jī)器人是“聰慧的工具”，那么具身智能機(jī)器人則是“有思想的助手”。這一轉(zhuǎn)變的根本動(dòng)力來自大模型的強(qiáng)大認(rèn)知能力。

　　從控制系統(tǒng)的角度看，傳統(tǒng)機(jī)器人采用的是分層控制架構(gòu)——規(guī)劃層、動(dòng)作層、基元層、伺服層逐級(jí)遞進(jìn)。具身智能機(jī)器人則在此基礎(chǔ)上增加了“需求理解層”和“任務(wù)分解層”，兩層由大模型驅(qū)動(dòng)，使得機(jī)器人能夠理解自然語言指令、自主規(guī)劃任務(wù)序列。

　　上述能力的獲得源于大模型在多模態(tài)學(xué)習(xí)上的突破。據(jù)悉，北京大學(xué)與人民大學(xué)的聯(lián)合研究團(tuán)隊(duì)首次構(gòu)建了百萬規(guī)模的動(dòng)作生成數(shù)據(jù)集MotionLib，利用互聯(lián)網(wǎng)視頻訓(xùn)練通用動(dòng)作生成框架Being-M0，實(shí)現(xiàn)了人類動(dòng)作向多類型人形機(jī)器人的跨平臺(tái)遷移。

　　這意味著機(jī)器人不再需要針對(duì)每個(gè)任務(wù)逐個(gè)編程，而是能夠通過觀看視頻學(xué)習(xí)，實(shí)現(xiàn)真正的泛化能力。

　　硅谷創(chuàng)新公司Figure AI的最新模型Helix則展現(xiàn)了讓機(jī)器人像人類一樣思考與行動(dòng)的可能性，標(biāo)志著端到端學(xué)習(xí)時(shí)代的來臨。

　　雖然技術(shù)指標(biāo)令人矚目，但其核心價(jià)值在于實(shí)現(xiàn)了從“規(guī)則執(zhí)行機(jī)器”到“自主決策體”的質(zhì)的飛躍。

　　然而大模型的應(yīng)用并非無所不能。當(dāng)前階段，大模型主要擅長需求理解、任務(wù)分解等高層級(jí)控制，而在低層運(yùn)動(dòng)控制中的精確性和實(shí)時(shí)性仍然有限。

　　如此人形機(jī)器人采用“大腦+小腦”的協(xié)同架構(gòu)，大模型負(fù)責(zé)規(guī)劃，傳統(tǒng)控制算法負(fù)責(zé)執(zhí)行，形成高效互補(bǔ)的發(fā)展路線更加清晰。

　　協(xié)同架構(gòu)的認(rèn)知指導(dǎo)了產(chǎn)業(yè)的技術(shù)選擇，企業(yè)不會(huì)盲目追求“大模型包打天下”，而是理性地尋求技術(shù)的最優(yōu)配置。

　　第四章：競速

　　全球賽局開啟，融資與上市并驅(qū)

　　特別是2025年下半年以來，人形機(jī)器人領(lǐng)域的競爭驟然升級(jí)，從實(shí)驗(yàn)室的技術(shù)演示，全面轉(zhuǎn)向產(chǎn)品發(fā)布、資本運(yùn)作與戰(zhàn)略落地的全方位競速。一時(shí)間，核心技術(shù)、應(yīng)用場景、融資額度與頂尖人才的流向，無不成為激烈爭奪的焦點(diǎn)，全球市場競爭已呈 “烽煙四起” 之勢。

　　國內(nèi)賽道的焦點(diǎn)無疑是頭部企業(yè)的“上市競速”。宇樹科技于11月15日率先完成IPO輔導(dǎo)驗(yàn)收，僅用四個(gè)多月便走完全程，叩響“A股人形機(jī)器人第一股”的大門。樂聚智能此前已完成于10月30日完成IPO輔導(dǎo)備案沖刺IPO，而傅利葉、智元機(jī)器人、云深處科技等公司完成股改，則預(yù)示著后續(xù)的資本浪潮將更為洶涌。

　　資本正以前所未有的力度重倉押注。機(jī)構(gòu)預(yù)測，到2026年全球具身智能市場將突破百億元，年增速超60%。而人才的爭奪更為直觀，字節(jié)跳動(dòng)為“人形機(jī)器人算法專家”開出百萬年薪。華為、騰訊、小米通過投資與自研雙線布局，比亞迪、上汽憑借制造底蘊(yùn)強(qiáng)勢切入。

　　吉利則采取投資與產(chǎn)業(yè)合作相結(jié)合的策略，與優(yōu)必選、銀河通用等企業(yè)建立合作關(guān)系，并于11月20日領(lǐng)投星動(dòng)紀(jì)元完成10億元融資。值得關(guān)注的是，星動(dòng)紀(jì)元已獲得超過5億元的年度訂單，與吉利、雷諾、順豐等企業(yè)在具體場景展開合作。

　　全球賽場同樣波瀾迭起。在瑞士聯(lián)邦第一大城市蘇黎世，初創(chuàng)公司Flexion宣告結(jié)束隱身模式，憑借其專攻機(jī)器人“大腦”的技術(shù)路線，一舉獲得由英偉達(dá)和DST Global等領(lǐng)投的5000萬美元A輪融資。與此同時(shí)，安卓之父安迪·魯賓在東京創(chuàng)立Genki Robotics，此舉不僅是對(duì)技術(shù)本源的回歸，更是對(duì)日本精密制造生態(tài)戰(zhàn)略價(jià)值的一次精準(zhǔn)卡位。

　　市場的激烈競爭，使得“硬件優(yōu)先”與“模型優(yōu)先”兩大技術(shù)路徑的分野愈發(fā)清晰。宇樹科技、逐際動(dòng)力等代表“硬件派”，從其雙足機(jī)器人CL-1的動(dòng)態(tài)行走能力展示中，可見其對(duì)本體控制與機(jī)械可靠性的極致追求;而近期浮出水面的Flexion和發(fā)布SesameX系列計(jì)算平臺(tái)的黑芝麻智能，則代表了“模型派”的思路，致力于為多樣化的機(jī)器人“軀體”提供強(qiáng)大的智能核心與算力底座。

　　從硅谷、東京...到深圳、北京、上海，人形機(jī)器人的競爭已從實(shí)驗(yàn)室demo，走向產(chǎn)品、資本與戰(zhàn)略的全面交鋒。這場競賽也推動(dòng)了上游產(chǎn)業(yè)鏈的協(xié)同突破。例如奧比中光發(fā)布新一代機(jī)器人專用深度相機(jī)，提升了機(jī)器的“視覺”感知精度。眾多企業(yè)的進(jìn)展共同表明，具身智能的快速發(fā)展，正依賴于一個(gè)持續(xù)創(chuàng)新、相互支撐的產(chǎn)業(yè)生態(tài)，未來可期。

　　第五章：趨勢

　　四大技術(shù)演進(jìn)，重構(gòu)“感知-決策-行動(dòng)”閉環(huán)

　　業(yè)界人士指出，具身智能的成熟，最終體現(xiàn)為在真實(shí)世界中形成一個(gè)高效、魯棒的“感知-決策-行動(dòng)”閉環(huán)。未來具身智能正由四大關(guān)鍵技術(shù)的協(xié)同演進(jìn)所驅(qū)動(dòng)，分別包括多模態(tài)感知融合、運(yùn)動(dòng)控制的“智能-控制”一體化、環(huán)境交互的自主化，以及大模型與具身系統(tǒng)的深度耦合。

　　1、多模態(tài)感知從“精準(zhǔn)識(shí)別”走向“深度融合”

　　作為機(jī)器理解物理世界的基礎(chǔ)，感知技術(shù)正超越單一模態(tài)(如純視覺或純觸覺)的精度競賽，邁向多源信息的協(xié)同與互補(bǔ)。其演進(jìn)呈現(xiàn)三個(gè)清晰路徑：

　　首先，通過物理模擬器與世界模型構(gòu)建高保真虛擬訓(xùn)練場，為智能體提供近乎無限的“試錯(cuò)”空間，以極低成本積累物理經(jīng)驗(yàn)。

　　其次，利用生成式AI逆向設(shè)計(jì)機(jī)器人本體結(jié)構(gòu)，實(shí)現(xiàn)機(jī)械硬件與控制算法的協(xié)同優(yōu)化，從源頭提升能效與性能。

　　最后，構(gòu)建大規(guī)模、高質(zhì)量的具身決策數(shù)據(jù)集，為復(fù)雜、長尾場景下的任務(wù)策略遷移提供數(shù)據(jù)燃料。

　　2、運(yùn)動(dòng)控制呈現(xiàn)“智能-控制”一體化特征

　　運(yùn)動(dòng)控制正從依賴精確環(huán)境模型的傳統(tǒng)范式，向更靈活、自適應(yīng)的智能范式轉(zhuǎn)變。其核心是構(gòu)建類似生物的“大腦-小腦”協(xié)同架構(gòu)：由“大腦”(大模型)負(fù)責(zé)高層任務(wù)規(guī)劃與語義理解，而“小腦”(專用控制算法)則專精于底層運(yùn)動(dòng)的實(shí)時(shí)、高精度執(zhí)行。

　　其技術(shù)突破體現(xiàn)在三個(gè)層面：模型預(yù)測控制與強(qiáng)化學(xué)習(xí)的融合，賦予機(jī)器人在不確定環(huán)境中的在線學(xué)習(xí)與調(diào)整能力;借鑒生命科學(xué)的冗余控制機(jī)制，增強(qiáng)系統(tǒng)的抗干擾性與魯棒性;以及在設(shè)計(jì)階段便實(shí)現(xiàn)的軟硬件深度協(xié)同，確保算法效能被物理結(jié)構(gòu)完美承載。

　　3、環(huán)境交互從“預(yù)設(shè)響應(yīng)”升級(jí)為“自主適應(yīng)”

　　環(huán)境交互能力是檢驗(yàn)具身智能水平的終極試金石。其發(fā)展趨勢是從結(jié)構(gòu)化場景中的預(yù)設(shè)行為，向非結(jié)構(gòu)化環(huán)境中的自主決策與主動(dòng)適應(yīng)躍遷。這依賴于世界模型與物理模擬器構(gòu)成的“數(shù)字孿生”系統(tǒng)，讓機(jī)器人能在虛擬世界中通過“想象”進(jìn)行推理和預(yù)演，再將習(xí)得的能力遷移到現(xiàn)實(shí)。

　　4、大模型從“云端大腦”深化為“系統(tǒng)靈魂”

　　大模型與具身智能的融合，正從初期的“賦能”(提供對(duì)話接口)走向更深層次的“重塑”。它不再僅是處理自然語言的“大腦”，而是進(jìn)化為整個(gè)系統(tǒng)的“靈魂”，催生出“模型即服務(wù)”的新產(chǎn)業(yè)范式。

　　具體表現(xiàn)為在工業(yè)制造中，靈巧手融合視覺與力控模型，實(shí)現(xiàn)“抓取無震顫”的精細(xì)操作;在醫(yī)療領(lǐng)域，手術(shù)機(jī)器人通過多模態(tài)模型實(shí)時(shí)構(gòu)建人體3D圖譜，達(dá)成“眼-腦-手-力”的閉環(huán)反饋;在物流等復(fù)雜系統(tǒng)中，大模型則成為調(diào)度全局、實(shí)現(xiàn)多機(jī)協(xié)同的決策中樞。

　　第六章：落地

　　叩開商業(yè)化大門，多場景滲透路徑

　　當(dāng)技術(shù)聚變達(dá)到臨界點(diǎn)，商業(yè)化應(yīng)用的大門便隨之開啟。全球市場競爭格局呈現(xiàn)出傳統(tǒng)機(jī)器人企業(yè)、互聯(lián)網(wǎng)巨頭與新興創(chuàng)業(yè)公司同臺(tái)競技的多元化態(tài)勢，而清晰的滲透路徑與持續(xù)下降的成本，正共同推動(dòng)產(chǎn)業(yè)從實(shí)驗(yàn)室走向規(guī)模化應(yīng)用。

　　縱觀產(chǎn)業(yè)鏈，上游核心部件是關(guān)鍵壁壘與突破口。據(jù)業(yè)界信息，傳感器、減速器、伺服系統(tǒng)與芯片等上游核心零部件，仍占據(jù)人形機(jī)器人總成本的70%以上，是價(jià)值集聚的高地。值得關(guān)注的是，中國在諧波減速器、伺服系統(tǒng)等領(lǐng)域的國產(chǎn)化率正持續(xù)提升，預(yù)計(jì)到2025年，關(guān)鍵部件國產(chǎn)化率將達(dá)35%-50%，此舉將有力推動(dòng)整機(jī)成本下降30%，為規(guī)?；占皰叱系K。

　　從應(yīng)用場景看，產(chǎn)業(yè)正遵循一條從簡單到復(fù)雜、從專用到通用、從ToB到ToC的滲透路徑。

　　工業(yè)制造與物流是目前落地最快、效果最顯著的領(lǐng)域。因其環(huán)境相對(duì)可控、任務(wù)定義清晰，例如因時(shí)機(jī)器人的五指靈巧手，憑借內(nèi)建的力控傳感器與標(biāo)準(zhǔn)動(dòng)作庫，實(shí)現(xiàn)了“抓取精準(zhǔn)無震顫”，已廣泛應(yīng)用于醫(yī)療器械、3C制造等高精度作業(yè)中。

　　醫(yī)療康復(fù)與服務(wù)場景正加速滲透。傅利葉智能等公司研發(fā)的康復(fù)機(jī)器人，通過柔順控制技術(shù)，為患者提供精準(zhǔn)、安全的輔助訓(xùn)練;CAIR的微創(chuàng)手術(shù)機(jī)器人則實(shí)現(xiàn)了“眼-腦-手”協(xié)同，大幅提升手術(shù)的精準(zhǔn)度與安全性。

　　特種應(yīng)用與未來想象。在安防巡檢、應(yīng)急救援乃至未來的航天航空等極端或特種環(huán)境中，具身智能機(jī)器人正展現(xiàn)出替代人類進(jìn)行高危作業(yè)的巨大潛力。

　　據(jù)《2025人形機(jī)器人與具身智能產(chǎn)業(yè)研究報(bào)告》預(yù)測，2025年，全球具身智能市場規(guī)模預(yù)計(jì)達(dá)195.25億元，2030年預(yù)計(jì)達(dá)2326.3億元，復(fù)合年增長率(CAGR)達(dá)64.18%。而我國2025年具身智能市場規(guī)模將達(dá)52.95億元，占全球約27%;其人形機(jī)器人市場規(guī)模將達(dá)82.39億元，占全球約50%。

　　另據(jù)國務(wù)院發(fā)展研究中心相關(guān)研究報(bào)告認(rèn)為，中國具身智能產(chǎn)業(yè)市場規(guī)模有望在2030年達(dá)到4000億元、在2035年突破萬億元。

　　人形機(jī)器人作為具身智能技術(shù)的先鋒賽道，其迅猛發(fā)展是推動(dòng)整個(gè)產(chǎn)業(yè)達(dá)到千億級(jí)規(guī)模預(yù)期的重要引擎。人形機(jī)器人的高占比更是凸顯出中國在硬件制造與特定賽道上的優(yōu)勢;而具身智能的廣闊前景則揭示了其作為未來重要戰(zhàn)略性產(chǎn)業(yè)與各行各業(yè)深度融合的巨大潛力。

　　第七章： 前瞻

　　冷思考與未來路徑

　　盡管前景廣闊，但人形機(jī)器人產(chǎn)業(yè)的成熟仍需穿越多重挑戰(zhàn)。當(dāng)前，技術(shù)的泛化能力尚不足以應(yīng)對(duì)所有現(xiàn)實(shí)場景的復(fù)雜性與長尾問題。在機(jī)器人領(lǐng)域，多數(shù)企業(yè)的融資階段偏早期，大多數(shù)公司還處在“技術(shù)驗(yàn)證”階段，離真正走入千家萬戶還有不小距離。同時(shí)，商業(yè)回報(bào)閾值也還不足以完全支撐高昂的量產(chǎn)成本，行業(yè)存在“估值前置、收入滯后”的現(xiàn)象，不少項(xiàng)目仍停留在概念驗(yàn)證或樣機(jī)演示階段。

　　業(yè)界認(rèn)為，在未來3-5年的關(guān)鍵培育期內(nèi)，產(chǎn)業(yè)參與者需要保持戰(zhàn)略耐心，理性選擇切入場景，避免陷入“技術(shù)萬能”的盲目樂觀。具身智能的終局，并非是創(chuàng)造一個(gè)無所不能的“通用人工智能體”，而是在特定邊界內(nèi)，成為能夠深刻理解人類意圖、并與物理世界進(jìn)行高效、安全協(xié)作的“伙伴”。

　　具身智能的發(fā)展軌跡，更可能是一條陡峭而持續(xù)的上升曲線，而非瞬間爆發(fā)的奇點(diǎn)。當(dāng)技術(shù)突破、成本下降與市場接受度在某一節(jié)點(diǎn)交匯，我們才能真正迎來機(jī)器“人”時(shí)代的全面開啟。