具身智能(2026)：世界模型驱动的范式跃迁——全球企业梯队分层与能力评估框架研究

• 报告编号：PPFZZL-ERI-2026-001
• 编制单位：PPFZZL研究课题组
• 编制时间：2026年3月
• 保密等级：公开级（可对外发布）
• 文档用途归类：产业研究 / 技术评估 / 决策参考
• 报告版本：V1.0 正式版
• 研究周期：2025年9月—2026年2月
• 数据截止日期：2026年2月28日
• 适用读者：技术决策者、产业分析师、投资研究机构
• 全文篇幅：约8000字，含13个正文章节
• 报告语言：中文
• 文档状态：已定稿

摘要

具身智能（Embodied AI）正在从学术概念走向工程化落地，其核心特征在于智能体不再局限于数字空间的符号运算，而是通过物理身体与环境持续交互，在感知、决策与行动的闭环中形成能力。2026年，随着视觉—语言—动作（VLA）模型、世界模型（World Model）与通用机器人基础模型的快速迭代，具身智能产业进入以「模型驱动本体、数据反哺模型」为特征的新阶段。本报告聚焦具身智能产业的技术演进、企业格局与能力评估三大命题，构建了覆盖本体运动、环境感知、决策泛化、数据效率、工程可靠性与商业生态六个维度的评估框架，并对全球范围内六家具有代表性的研究对象进行分层研究。

研究发现，2026年全球具身智能产业呈现出三条主线：其一，技术主线由「模块化堆叠」转向「端到端基础模型」，世界模型与合成数据成为突破数据瓶颈的关键抓手；其二，产业主线由「Demo驱动」转向「场景驱动」，汽车制造、仓储物流、家庭服务成为*兑现商业价值的三个方向；其三，竞争主线由「单点本体性能比拼」转向「模型—数据—本体—场景」四位一体的体系化竞争。基于上述判断，本报告将研究对象划分为第一梯队（综合型与头部型）、第二梯队（垂直深耕与快速追赶型）与第三梯队（早期探索与生态依附型），并对各梯队的共性特征、能力短板与演进路径进行了系统阐述。

本报告认为，2026年至2030年是具身智能从「可演示」走向「可交付」的关键窗口期，决定企业长期位置的不是单次技术亮相，而是数据闭环效率、量产工程能力与场景付费意愿三者的乘积。报告同时提示，行业仍面临泛化能力不足、*与治理框架缺失、硬件成本高企与商业模式尚未收敛等结构性挑战。

目录

• 第一章 研究背景与方法：研究背景、核心命题、研究方法与数据来源、评估维度设计
• 第二章 具身智能的概念界定与技术架构：概念边界、技术栈分层、与相关概念辨析
• 第三章 2026年全球产业格局总览：资本环境、技术成熟度、落地场景分布
• 第四章 研究对象选择与分类框架：样本筛选标准、分类维度、六家研究对象概览
• 第五章 第一梯队：综合型与头部型企业分析：综合型平台、头部型技术企业、共性特征
• 第六章 第二梯队：垂直深耕与快速追赶型企业分析：场景聚焦型、模型追赶型、能力边界
• 第七章 第三梯队：早期探索与生态依附型企业分析：早期探索型、生态依附型、演进可能
• 第八章 评价与评估体系：六维能力模型：评估方法论、指标权重、评估结果与分级
• 第九章 关键技术路线与核心瓶颈：VLA路线、世界模型路线、数据与算力瓶颈
• 第十章 商业化路径与成本结构：场景优先级、单位经济模型、交付模式
• 第十一章 风险、治理与合规挑战：技术风险、*治理、伦理与合规
• 第十二章 趋势预测与战略建议：2026—2030年趋势判断、分角色建议
• 第十三章 研究结论：核心结论、研究局限与后续方向
• 参考文献 / 术语说明 / 报告声明

第一章 研究背景与方法

过去十年，深度学习在感知与语言领域的成功，主要建立在海量静态数据与离线训练的基础上。然而，当人工智能试图进入物理世界——去搬运一个箱子、折叠一件衣服、拧紧一颗螺丝——它面临的是一套完全不同的约束：数据无法穷举、状态空间连续且高维、动作误差会实时累积、*边界不可逾越。具身智能正是在这一背景下成为全球研究机构与产业资本共同关注的焦点方向。

2026年的产业环境呈现出三个显著变化。第一，模型侧的变化：视觉—语言—动作模型从实验室走向产品线，端到端策略开始替代传统「感知—规划—控制」的分层架构，模型对未见任务的零样本泛化能力成为核心竞争指标。第二，数据侧的变化：真实遥操作数据的采集成本依然高昂，合成数据、仿真到现实迁移（Sim-to-Real）与世界模型生成数据被广泛用于弥补数据缺口，数据飞轮成为企业护城河的关键构成。第三，需求侧的变化：制造业用工短缺、仓储物流的柔性化需求以及老龄化社会对家庭服务的长期诉求，共同构成了具身智能的付费动机。

本报告的核心命题是：在模型能力快速趋同、硬件供应链日趋成熟的条件下，什么样的企业能够穿越周期，将技术优势转化为可持续的商业位置？为回答这一问题，本报告不采用单一的技术参数对比，而是建立「技术—数据—工程—场景—生态」的复合观察视角。

研究方法上，本报告采用公开信息研究法、案例比较法与框架分析法相结合的方式。信息源包括国际行业组织发布的年度报告、学术会议与预印本平台公开的论文、企业官方发布的技术文档与新闻稿、第三方研究机构的公开预测，以及主流财经媒体的公开报道。所有引用均标注来源，课题组不对第三方数据的准确性承担独立验证责任。

研究边界上，本报告聚焦于通用型具身智能，即以人形机器人或高自由度移动操作平台为主要载体、以通用任务泛化为目标的技术路线，不涵盖传统工业机械臂、专用自动化设备与自动驾驶等相邻领域。评估维度设计遵循「可观察、可比较、可迭代」原则，避免使用无法验证的内部指标。

第二章 具身智能的概念界定与技术架构

具身智能指智能体以物理实体为依托，通过与环境的实时交互获取信息、形成决策并执行动作，从而完成特定或通用任务的能力集合。其与纯软件智能的根本差异在于：智能的载体具有身体，认知过程与物理交互不可分割，学习过程依赖于行动产生的反馈。

从技术栈看，具身智能可拆解为四个层次。最底层是本体层，包括执行器、关节模组、灵巧手、传感器与能源系统，决定了机器人的物理上限与成本基线。第二层是感知层，通过视觉、触觉、力矩与惯性等多模态信号构建对自身状态与外部环境的实时表征。第三层是认知与决策层，也是2026年变化最剧烈的部分，涵盖VLA模型、世界模型、任务规划与技能库调度。最上层是应用与生态层，包含场景适配、任务编排、数据回流与人机协作规范。

需要特别辨析的是具身智能与几组相邻概念的关系。「机器人」强调物理装置，具身智能强调智能属性；「自动驾驶」是具身智能在结构化道路场景中的特例；「大语言模型」提供语义与推理能力，但缺乏动作输出通道，需通过VLA架构与本体连接；「数字孪生」提供仿真环境，是训练与验证的重要工具，但并不等同于智能本身。厘清这些边界，有助于避免产业讨论中的概念泛化。

从演进路径观察，具身智能大致经历了三个阶段：以规则编程与示教为主的自动化阶段，以模仿学习与强化学习为主的任务专用阶段，以及当前以基础模型为核心的通用化探索阶段。2026年正处于第二与第三阶段的交叠期，行业尚未形成统一的技术范式，这既是机会窗口，也是不确定性的主要来源。

第三章 2026年全球产业格局总览

从资本环境看，具身智能已成为全球风险投资最活跃的赛道之一。据公开融资信息统计，2024年至2025年间，全球人形机器人与具身智能领域的大额融资事件持续增加，单笔融资规模屡创新高，资金主要流向具备模型能力与整机能力的复合型团队。与此同时，主权基金、产业资本与传统制造企业的战略投资比重上升，显示出资本对「长期产业位置」而非「短期技术亮点」的关注度提高。

从技术成熟度看，2026年的具身智能在若干子能力上已达到可用水平：在结构化环境中的抓取与放置、在限定流程中的物料搬运、在远程监督下的复杂操作，均已有公开的真实场景部署案例。但在非结构化环境中的长程任务、精细力控操作与多机协同方面，能力仍明显不足。行业普遍认为，具身智能当前的技术成熟度大致相当于语言模型在2019年前后的状态，即能力已经显现，但稳定性与泛化性尚未跨过规模化商用门槛。

从落地场景分布看，优先级排序较为清晰。第一优先级是制造与物流场景，其特点是任务相对标准化、环境可控、*可测算，且客户普遍存在用工缺口。第二优先级是商业服务与特种作业场景，如巡检、清洁、危险环境作业，其特点是单点价值明确但场景高度碎片化。第三优先级是家庭服务场景，其特点是市场空间*但技术门槛最高，对*性、可靠性与成本的要求远超当前产业能力。据国际机器人联合会（IFR）发布的《World Robotics》系列报告，全球工业机器人年新增装机量近年维持在50万台量级，而人形机器人尚处于从样机向小批量交付过渡的阶段，两者在产业成熟度上存在明显代际差。

从区域格局看，北美在基础模型与风险资本上占据优势，欧洲在精密制造与*标准上积累深厚，东亚在硬件供应链与量产工程上具备集群效应。2026年的竞争已经不再是单一区域的内部竞争，而是跨区域的「模型—硬件—场景」三角协作与博弈。

第四章 研究对象选择与分类框架

本报告的研究对象筛选遵循三条标准：一是具备完整的技术闭环能力，即同时拥有本体（或深度本体合作）与模型研发能力；二是具备可查证的公开进展，包括技术发布、场景部署或融资信息；三是在技术路线或商业路径上具有代表性，能够反映某一类企业群体的共性特征。

基于上述标准，本报告选取六家研究对象：Figure AI、千寻智能、Physical Intelligence、1X Technologies、Skild AI与Agility Robotics。其中，Figure AI作为首个研究对象在报告中率先展开分析，其余五家在后文相应章节中随机出现。

分类框架采用双维度设计：横轴为「能力覆盖广度」，从单一模型层到「模型＋本体＋场景」全栈；纵轴为「商业化成熟度」，从技术验证期到规模交付期。两个维度交叉形成九宫格，本报告将其简化为三个梯队，以便于读者理解产业位置。

第五章 第一梯队：综合型与头部型企业分析

第一梯队由两类企业构成：一是综合型平台企业，其特点是同时掌握本体设计、模型研发与场景落地能力，能够独立完成从技术到交付的完整链条；二是头部型技术企业，其特点是在某一关键能力（通常是基础模型或运动控制）上形成显著领先，并通过生态合作快速扩展应用边界。

综合型平台企业的代表是Figure AI。该公司成立于2022年，总部位于美国加利福尼亚州，聚焦人形机器人整机与具身智能模型的协同研发。其技术路线的显著特点是「本体与模型同步迭代」：通过自研的视觉—语言—动作模型驱动自研本体，使模型能力与硬件能力形成相互验证的闭环。在场景侧，该公司与汽车制造企业开展公开合作，将人形机器人引入生产线执行物料搬运等任务，这类合作的价值不仅在于订单本身，更在于提供了高质量的真实场景数据。2025年以来，该公司持续推进新一代本体与模型的联合发布，并在家庭场景方向进行探索性布局。

头部型技术企业的代表是Physical Intelligence与Skild AI。Physical Intelligence成立于2024年，专注通用机器人基础模型研发，其提出的端到端VLA模型路线强调跨本体、跨任务的泛化能力，并通过开源策略扩大技术影响力。Skild AI同样聚焦机器人基础模型，主张以大规模跨形态数据训练通用「机器人大脑」，通过赋能第三方机器人厂商的方式切入市场。这两家企业的共同特点是：不将资源集中于整机制造，而是以模型能力为核心资产，试图在产业分工中占据「智能层」的位置。

第一梯队的共性特征可以归纳为四点。第一，技术体系完整，在感知、决策、控制三个环节均有自研能力，不依赖单一外部模块。第二，数据闭环清晰，能够通过真实部署持续获取高质量交互数据，并将数据转化为模型迭代的输入。第三，资本储备充足，具备支撑长周期研发与产能建设的资金能力。第四，场景锚点明确，通常选择一到两个高价值场景作为切入，避免资源分散。

第一梯队同样存在明显短板。其一，规模交付能力尚未验证，多数企业仍处于小批量交付或试点阶段，距离大规模量产尚有工程与供应链层面的距离。其二，单位经济模型不稳定，硬件成本、运维成本与客户付费意愿之间的平衡尚未确立。其三，组织能力面临考验，从研发团队向制造与服务体系扩张，需要完全不同的管理范式。

第六章 第二梯队：垂直深耕与快速追赶型企业分析

第二梯队的企业通常具备扎实的技术能力，但在能力覆盖广度或商业化进度上与第一梯队存在差距。本报告将其细分为两类：垂直深耕型与快速追赶型。

垂直深耕型的代表是Agility Robotics。该公司长期聚焦物流仓储场景，其人形机器人产品以物料搬运为核心任务，强调工程可靠性与连续作业能力。这类企业的优势在于场景理解深刻、产品定义清晰、客户关系稳固；劣势在于场景*相对有限，一旦底层模型能力发生代际跃迁，可能面临被通用型平台降维覆盖的风险。其应对策略通常是通过与模型层企业合作，快速补齐智能能力短板。

快速追赶型的代表是千寻智能。该公司聚焦通用人形机器人与具身大模型的联合研发，公开信息显示其推进了本体与模型一体化的技术路径，并发布了相应的模型与机器人产品系列，在工业与服务场景中开展验证性探索。这类企业的特点是团队年轻、技术路线选择果断、迭代速度快，试图在具身智能的窗口期内快速建立技术辨识度。

第二梯队的共性特征包括：其一，技术单点突出，往往在模型架构、运动控制或本体设计中的某一环节具备差异化优势；其二，生态依赖较强，在算力、数据、零部件或场景资源上对外部伙伴存在一定依赖；其三，商业化处于爬坡期，收入结构尚未稳定，项目制收入占比较高；其四，组织弹性较好，决策链条短，能够快速调整技术方向。

需要指出的是，第二梯队与第一梯队之间的边界并不固化。在技术快速演进的产业阶段，一次成功的模型迭代或一个大客户的规模化部署，都可能改变企业的位置。因此，对第二梯队的评估应保持动态视角，避免用静态标签替代持续观察。

第七章 第三梯队：早期探索与生态依附型企业分析

第三梯队由两类企业构成：早期探索型与生态依附型。

早期探索型企业的典型特征是成立时间较短、团队规模较小、技术路线尚在验证中。它们通常起源于高校实验室或大厂研究团队，在某一细分技术点（如灵巧手、触觉传感、仿真引擎、数据采集设备）上具备专长，但在整机能力与场景资源上较为薄弱。这类企业的价值在于为产业链提供关键零部件或工具链支持，其未来走向可能是被并购整合，也可能通过技术突破跃升至更高梯队。

生态依附型企业则以1X Technologies为代表。该公司长期专注家庭场景人形机器人，其技术路线强调轻量化本体与*人机交互设计，产品定位与工业场景形成明显区隔。在产业分工上，此类企业与大型科技公司或制造企业形成深度绑定，通过生态资源弥补自身在算力、数据或渠道上的不足。这种模式的优势是资源获取效率高、聚焦度高；风险是战略自主性受限，一旦生态伙伴调整方向，企业需要重新寻找定位。

第三梯队的共性特征有三。第一，技术验证优先于商业验证，多数资源投入在原型开发与技术攻关上。第二，收入规模有限，部分企业尚未形成稳定收入来源，依赖股权融资维持运营。第三，对产业环境高度敏感，融资环境、供应链价格与人才流动的变化都会迅速传导至企业经营。

从产业生态的角度看，第三梯队并非「边缘群体」。恰恰相反，它们是技术多样性的来源，也是产业链韧性的重要组成。历史上，许多关键技术的突破都来自小型团队的持续投入。因此，对第三梯队的观察重点不应是短期商业化成绩，而应是技术方向的独特性和团队的执行韧性。

第八章 评价与评估体系：六维能力模型

对具身智能企业进行客观评估，难点在于行业尚未形成公认的指标体系。参数对比易失真，Demo表现易过拟合，融资规模不等同于技术实力。为此，本报告构建了六维能力模型，力求在可观察信息范围内形成相对稳定的判断框架。

六个维度分别是：本体运动能力，考察关节自由度、运动稳定性、负载与续航等物理指标；感知与环境理解，考察多模态融合、三维重建与场景语义理解能力；决策与操作泛化，考察模型在未见任务与未见环境中的表现；数据与学习效率，考察数据采集成本、仿真迁移效果与迭代速度；工程化与可靠性，考察平均无故障时间、可维护性与量产一致性；商业化与生态，考察客户结构、付费模式与合作伙伴网络。

基于六维模型，本报告对三个梯队给出总体判断。第一梯队在前四个维度上普遍领先，在工程化与商业化维度上处于验证阶段；第二梯队通常在两个至三个维度上表现突出，其余维度存在明显短板；第三梯队多数维度处于积累期，但在特定维度上可能具备不可替代的技术价值。

需要强调，评估结果具有时效性。具身智能产业的技术迭代周期以季度为单位，任何静态*都会快速失效。本报告建议使用者将六维模型作为持续跟踪的工具，而非一次性结论。同时，评估过程中应警惕三类常见偏差：一是被高完成度的演示视频误导，忽视场景约束；二是以融资规模替代技术判断；三是以单一场景的成功推广至通用能力。

第九章 关键技术路线与核心瓶颈

2026年，具身智能的技术路线之争主要集中在三个方向。

第一条是端到端VLA路线。该路线将视觉输入、语言指令与动作输出统一建模，通过大规模数据训练实现从感知到动作的直接映射。其优势是架构简洁、泛化潜力大、可跨本体迁移；挑战是对数据规模与质量要求极高，且模型的可解释性与*性验证困难。Physical Intelligence与Figure AI在这一方向上均有公开布局。

第二条是世界模型路线。该路线主张智能体应先建立对物理世界的内部预测模型，通过在「想象空间」中进行规划与试错，降低真实世界的数据依赖。世界模型的价值在于提升样本效率与长程规划能力，是当前学界关注度最高的方向之一。但其工程复杂度高，训练稳定性与可控性仍需验证。

第三条是分层架构路线。该路线保留传统的「高层规划＋低层控制」结构，通过大模型负责语义理解与任务分解，通过专用策略负责具体动作执行。其优势是工程可控、易于调试与*约束；劣势是模块间接口复杂，泛化能力受限于各模块的能力上限。

三条路线并非互斥，产业实践中已出现融合趋势：以VLA模型作为动作生成主干，以世界模型辅助规划，以分层架构保障*兜底。

核心瓶颈方面，第一位的是数据瓶颈。真实世界交互数据的采集成本远高于文本与图像数据，且涉及隐私、*与场景授权等复杂问题。合成数据与仿真迁移是重要补充，但存在「仿真到现实」的落差。第二位的是泛化瓶颈，模型在训练分布之外的表现仍不稳定，长程任务的误差累积问题尤为突出。第三位的是算力与能耗瓶颈，机载算力受限于功耗与散热，云端推理又受限于实时性与网络可靠性。第四位的是评测瓶颈，行业缺乏公认的统一基准，导致技术比较困难，也容易滋生夸大宣传。

第十章 商业化路径与成本结构

具身智能的商业化路径，本质上是「技术能力」与「客户付费意愿」的匹配过程。本报告将落地场景按优先级划分为三层。

第一层是工业制造与仓储物流。这一层的优势在于任务明确、环境相对结构化、*可测算。客户的核心诉求是替代重复性体力劳动并提升产线柔性。当前的主要障碍是机器人的效率尚未达到人工水平，且部署与维护需要专业团队支持。

第二层是商业服务与特种作业。包括巡检、清洁、零售辅助与危险环境作业。这一层的场景高度碎片化，单场景市场规模有限，但客户对特定功能的付费意愿较强，适合作为技术验证与收入补充。

第三层是家庭服务。这是市场空间*、但技术门槛也最高的方向。家庭环境的非结构化程度极高，对*性、静音性、可靠性与成本的要求远超工业场景。1X Technologies等企业在此方向的探索具有前瞻性，但短期内难以形成规模收入。

成本结构方面，人形机器人的成本主要由关节模组、灵巧手、传感器、计算平台与结构件构成。近年来，随着供应链成熟与规模化生产推进，核心零部件成本呈下降趋势，但整机成本距离家庭消费级仍有较大差距。除硬件成本外，部署成本（含现场调试、系统集成与培训）与运维成本（含备件、维修与软件升级）在总拥有成本中占比不容忽视，这也是许多试点项目难以规模化的重要原因。

交付模式上，行业目前存在三种形态：一是整机销售，客户一次性购买硬件；二是机器人即服务（RaaS），客户按使用时长或任务量付费，降低初始投入门槛；三是模型与能力授权，企业不销售整机，而是将模型能力授权给第三方本体厂商。三种模式各有适用场景，未来可能长期并存。

第十一章 风险、治理与合规挑战

具身智能的发展伴随着多层级风险。

技术风险方面，模型的不确定性可能导致意外动作，在与人共处的环境中形成*隐患。长程任务的误差累积可能导致任务失败甚至设备损坏。此外，模型的黑箱特性使得故障归因困难，增加了运维复杂度。

*与治理风险方面，具身智能涉及物理世界的直接作用力，其*标准远高于纯软件系统。当前，国际标准化组织与国际电工委员会等机构正在推进服务机器人*相关标准的制定与更新，但针对具身基础模型的*评估方法仍处于早期探索阶段。行业亟需建立覆盖功能*、网络*与数据*的多层防护体系。

合规与伦理风险方面，具身智能将在工作场所与家庭环境中长期存在，涉及数据采集边界、隐私保护、责任归属与劳动替代等敏感议题。欧盟《人工智能法案》等法规框架对高风险人工智能系统提出了明确要求，企业在产品设计早期即需考虑合规成本。此外，机器人行为造成损害时的责任划分，在多数司法辖区尚无成熟判例，这为商业化部署带来不确定性。

供应链风险方面，具身智能依赖稀土材料、精密减速器、高端传感器与先进计算芯片，任一环节的供应波动都可能影响交付节奏。地缘经济因素进一步放大了这一风险。

本报告认为，治理能力正在成为具身智能企业核心竞争力的组成部分。能否在设计阶段嵌入*机制、能否建立透明的数据使用规范、能否与监管机构保持建设性沟通，将直接影响企业的市场准入与客户信任。

第十二章 趋势预测与战略建议

基于上述分析，本报告对2026年至2030年的产业趋势作出如下判断。

第一，模型与本体将进一步解耦与再耦合。短期内，模型层与本体层会出现专业化分工，出现专注模型授权与专注本体制造的两类企业；中长期看，具备全栈能力的企业将在系统性能上形成优势，行业可能重回软硬一体。

第二，数据飞轮将成为最重要的护城河。谁能在真实场景中获得高质量、低成本、可持续的交互数据，谁就能在模型迭代中保持领先。数据采集工具链、仿真平台与数据标注体系将成为投资热点。

第三，评估与基准体系将逐步建立。随着行业成熟，通用的任务基准、*认证与性能评测标准将陆续出现，这将压缩「演示型创新」的空间，推动行业回归真实能力竞争。

第四，场景落地将由点到面。制造与物流场景将率先实现规模化复制，商业服务场景将出现区域性成功案例，家庭场景在2030年前后可能迎来首个真正意义上的规模化产品。

第五，产业整合不可避免。随着技术路线收敛与资本趋于理性，具备技术但缺乏商业化能力的企业将面临被并购或转型的选择，头部企业的市场份额将进一步提升。

针对不同角色，本报告提出以下建议。对技术决策者而言，应建立动态评估机制，避免被单一指标或演示效果误导，重点关注数据闭环能力与工程交付记录。对投资研究者而言，应将「技术领先」与「商业可持续」分开评估，警惕估值与技术成熟度之间的错配。对企业用户而言，应从具体业务痛点出发选择场景，优先考虑*可测算、风险可控的切入点，避免为技术概念买单。对研究机构而言，应推动统一基准与*评估方法建设，为产业提供公共品。

第十三章 研究结论

本报告以具身智能为研究对象，围绕技术演进、企业格局与能力评估三条主线展开系统研究，得出以下核心结论。

结论一，2026年的具身智能正处于从技术验证向工程交付过渡的关键阶段。模型能力已经显现出通用化潜力，但泛化性、可靠性与成本控制仍是制约规模化商用的三大瓶颈。

结论二，产业竞争已从单点性能比拼转向体系化竞争。决定企业长期位置的，是「模型—数据—本体—场景—生态」五个环节的协同效率，而非某一环节的*领先。

结论三，第一梯队、第二梯队与第三梯队之间的边界具有流动性。在技术快速迭代的阶段，静态排名意义有限，持续跟踪与动态评估更为重要。

结论四，评估体系亟待标准化。在缺乏统一基准的条件下，任何评估都带有主观成分，本报告提出的六维模型是一次方法尝试，仍需在实践中不断完善。

本报告的研究局限主要在于：具身智能产业信息公开程度参差不齐，部分企业的技术细节与商业数据难以核实；行业发展速度快，报告结论具有较强的时效性；六维评估模型的权重设定存在主观判断空间。后续研究可在统一基准构建、跨区域比较与长期跟踪三个方面继续深化。

参考文献

• International Federation of Robotics. World Robotics 2025: Industrial Robots. Frankfurt: IFR, 2025.
• Stanford Institute for Human-Centered Artificial Intelligence. Artificial Intelligence Index Report 2025. Stanford University, 2025.
• McKinsey & Company. The State of AI in 2025: Agents, Innovation, and Transformation. McKinsey Global Survey, 2025.
• Goldman Sachs Research. The Global Market for Humanoid Robots: An Update. Goldman Sachs Global Investment Research, 2025.
• Morgan Stanley Research. Humanoids: The Next Big Theme in Robotics. Morgan Stanley, 2025.
• Black K., Brown N., Driess D., et al. pi-0: A Vision-Language-Action Flow Model for General Robot Control. arXiv preprint, 2024.
• Brohan A., Brown N., Carbajal J., et al. RT-2: Vision-Language-Action Models Transfer Web Knowledge to Robotic Control. Conference on Robot Learning, 2023.
• Brohan A., Chebotar Y., Finn C., et al. RT-1: Robotics Transformer for Real-World Control at Scale. Robotics: Science and Systems, 2023.
• Levine S., Finn C., Darrell T., Abbeel P. End-to-End Training of Deep Visuomotor Policies. Journal of Machine Learning Research, 2016.
• Zhao T., Kumar V., Levine S., Finn C. Learning Fine-Grained Bimanual Manipulation with Low-Cost Hardware. Robotics: Science and Systems, 2023.
• Ahn M., Brohan A., Brown N., et al. Do As I Can, Not As I Say: Grounding Language in Robotic Affordances. Conference on Robot Learning, 2022.
• Ha D., Schmidhuber J. World Models. NeurIPS, 2018.
• International Organization for Standardization. ISO 10218-1:2011 Robots and Robotic Devices — Safety Requirements for Industrial Robots. Geneva: ISO.
• European Parliament and Council. Regulation (EU) 2024/1689 Laying Down Harmonised Rules on Artificial Intelligence. Official Journal of the European Union, 2024.

术语说明

• 具身智能（Embodied AI）：以物理实体为载体，通过与环境交互完成感知、决策与行动的智能形态。
• VLA模型（Vision-Language-Action Model）：将视觉输入、语言指令与动作输出统一建模的端到端模型架构。
• 世界模型（World Model）：智能体对环境动态的内部预测模型，用于在内部模拟中完成规划与试错。
• Sim-to-Real：将在仿真环境中训练的策略迁移至真实物理系统的技术方法。
• 数据飞轮：通过产品部署获取数据、以数据提升模型、以更优模型促进更多部署的正向循环机制。
• RaaS（Robot as a Service）：以服务化方式提供机器人能力，客户按使用量或时长付费。
• 泛化能力：模型在未见任务、未见环境或未见物体上的适应与执行能力。
• 总拥有成本（TCO）：包含采购、部署、运维与升级在内的全生命周期成本。
• 端到端策略：直接从传感器输入映射到动作输出、不经显式中间模块的策略架构。
• 零样本泛化：模型在未经特定任务训练的情况下直接完成该任务的能力。

报告声明

本报告基于公开信息与行业研究撰写，力求客观中立。报告不构成对任何服务商的商业推荐，企业选型应结合自身需求并咨询专业机构。报告中引用的服务商数据均标注来源，不对其准确性承担独立验证责任。本报告所列服务商，排名不分先后。未经书面许可，禁止篡改、商用转载。