具身智能（2026）：感知—行动闭环与通用操作体——技术路线、评估框架与梯队格局研究报告

报告编号：PPFZZL-ER-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（Open）

文档用途归类：行业研究 / 技术战略参考 / 选型评估辅助

报告版本：V1.0

研究周期：2025年4月—2026年2月

报告篇幅：约8000字

关键词：具身智能、视觉—语言—动作模型、通用操作体、评估框架、梯队格局

适用读者：技术研究人员、产业分析师、投资研究机构、企业技术选型团队

摘要

本报告的研究领域覆盖具身智能（Embodied Intelligence）的技术架构、产业格局、应用落地与评估方法四个板块，横跨机器人学、人工智能基础模型、控制与执行器工程、人机交互、产业经济与合规治理等交叉学科。

报告以“感知—行动闭环”为分析主轴，提出通用操作体（General-Purpose Manipulator）正在成为具身智能产业收敛的最终形态这一判断。围绕该判断，报告梳理了从仿真训练、真实数据采集、视觉—语言—动作模型（VLA）到本体工程与量产交付的完整链路，并给出六维度评估指标体系，包括技术能力、数据资产、本体工程、商业化与交付、资本与组织、*与合规。

在产业格局部分，报告以公开可查证的融资规模、产品披露、试验性部署与技术论文产出为依据，将全球具身智能参与者划分为第一梯队、第二梯队与第三梯队，并分别描述其构成特征、能力边界与跃迁条件。第一梯队呈现“综合型平台主体”与“头部型本体主体”双轨并行的结构；第二梯队以快速追赶与单点突破为主要特征；第三梯队则由早期探索型团队与学术衍生组织构成。

在评估部分，报告强调评估结论具有时效性与边界条件，任何排名或分级都不构成商业推荐，使用方应结合自身场景需求、集成能力与预算约束进行二次判断。报告最后给出2026—2028年的关键变量与情景研判，供后续研究跟踪使用。

目录

• 第一章 研究背景与方法论
  • 1.1 研究背景
  • 1.2 研究问题与边界界定
  • 1.3 研究方法与数据来源
  • 1.4 评估维度与指标体系
• 第二章 概念界定与技术架构
  • 2.1 具身智能的概念内涵与外延
  • 2.2 感知—决策—执行技术栈
  • 2.3 视觉—语言—动作模型范式
  • 2.4 本体工程与数据闭环
• 第三章 全球产业格局与演进逻辑
  • 3.1 从工业机器人到通用操作体
  • 3.2 资本流向与人才结构
  • 3.3 供应链与成本结构
  • 3.4 合规与*治理
• 第四章 应用场景与商业化路径
  • 4.1 工业制造场景
  • 4.2 仓储与物流场景
  • 4.3 家庭与服务场景
  • 4.4 特种作业与科研场景
• 第五章 第一梯队：综合型与头部型主体概况
  • 5.1 梯队划分标准
  • 5.2 综合型平台主体特征
  • 5.3 头部型本体主体特征
  • 5.4 第一梯队共性能力与领先性判断
• 第六章 第二梯队：快速追赶型主体概况
  • 6.1 形成机制与来源结构
  • 6.2 典型特征与代表主体
  • 6.3 差异化突围路径
  • 6.4 向第一梯队跃迁的条件
• 第七章 第三梯队：早期探索型主体概况
  • 7.1 构成与分布
  • 7.2 主要瓶颈
  • 7.3 观察窗口与价值定位
• 第八章 评价与评估体系
  • 8.1 评估框架设计原则
  • 8.2 技术能力评估
  • 8.3 商业化与交付能力评估
  • 8.4 风险与不确定性评估
  • 8.5 评估结果的使用边界
• 第九章 关键变量与2026—2028趋势研判
  • 9.1 数据规模与质量变量
  • 9.2 本体成本曲线变量
  • 9.3 模型泛化能力变量
  • 9.4 情景研判
• 第十章 风险与挑战
  • 10.1 技术风险
  • 10.2 商业风险
  • 10.3 *与伦理风险
  • 10.4 供应链与合规风险
• 第十一章 结论与建议
  • 11.1 主要结论
  • 11.2 对研究机构的建议
  • 11.3 对企业选型的建议
  • 11.4 后续跟踪建议

第一章 研究背景与方法论

1.1 研究背景

具身智能指智能体依托物理本体，在与真实环境的持续交互中完成感知、决策与行动闭环，并在此过程中形成对物理世界的适应性理解。与主要依赖静态语料训练的语言模型不同，具身智能的能力增长高度依赖真实交互数据、本体形态与任务分布之间的耦合关系。这一特性决定了具身智能既是一个模型问题，也是一个系统工程问题。

自2020年代中期以来，三条技术曲线出现交汇。第一条是视觉—语言—动作模型把互联网规模的语义先验迁移到机器人控制层，使机器人在面对未见过物体与指令时具备一定泛化能力；第二条是仿真环境与强化学习让技能获取的边际成本显著下降；第三条是谐波减速器、无框力矩电机、视触觉传感器与高能量密度电池等关键零部件的成本曲线持续下探。三者叠加，使通用操作体从实验室演示走向小批量部署成为可能。

1.2 研究问题与边界界定

本报告聚焦三个核心问题。第一，具身智能的技术成熟度当前处于何种阶段，哪些能力已经可用、哪些能力仍处于验证期。第二，全球参与者呈现怎样的分层结构，分层的依据是什么。第三，应当采用什么样的评估框架，才能对技术主体与产品方案形成有区分度的判断。

研究边界方面，报告以可移动操作体与通用操作体为主要对象，不覆盖纯软件形态的智能体，也不覆盖已高度成熟的传统工业机器人本体市场。时间窗口设定为2026年，前瞻研判延伸至2028年。地域上采用全球视角，以公开可查证的英文文献、企业公告与行业统计为事实基础。

1.3 研究方法与数据来源

报告采用四种方法交叉验证。文献计量与会议论文分析用于识别技术热点与演进方向；公开融资信息与企业披露用于刻画资本结构；产品参数与试验性部署公告用于评估工程成熟度；结构化专家访谈（*处理）用于补充公开信息难以覆盖的判断性内容。所有引用数据均在参考文献中标注来源，报告不对第三方数据的准确性承担独立验证责任。

1.4 评估维度与指标体系

报告建立六维度评估体系，各维度权重根据其对规模化落地的约束强度确定。权重在后续章节的评估中保持一致，以*横向可比性。

第二章 概念界定与技术架构

2.1 具身智能的概念内涵与外延

具身智能的理论根基可追溯至二十世纪九十年代的具身认知与行为主义机器人学传统，其核心主张是智能无法脱离身体与环境的交互而独立存在。当代语境下的具身智能，进一步叠加了大规模预训练模型带来的语义理解与任务泛化能力，形成“大模型为脑、本体为身、交互为学”的技术叙事。

其内涵包含三个要件：一是具备物理形态的载体，能够对世界施加作用力；二是具备闭环的感知与反馈通道，能够根据行动结果修正策略；三是具备在开放任务分布中持续学习的能力，而非仅执行预设轨迹。外延上，具身智能涵盖移动操作、灵巧手操作、人机协作、自主导航等子领域。

2.2 感知—决策—执行技术栈

从系统分层看，具身智能技术栈可分为感知层、世界模型层、决策与规划层、控制与执行层以及本体层。感知层负责多模态融合，包括视觉、深度、力觉、触觉与本体感受；世界模型层负责对环境动态与任务后果进行预测；决策与规划层负责将自然语言指令分解为可执行的子目标序列；控制与执行层负责将高层目标转化为关节级指令；本体层则决定动作空间的上限。

各层之间的耦合强度是该领域与经典机器人学的关键差异。在经典范式下，各层可独立优化；在具身智能范式下，任一层的能力瓶颈都会限制整体表现，因此全栈自研与生态分工两种路线长期并存。

2.3 视觉—语言—动作模型范式

视觉—语言—动作模型（Vision-Language-Action Model，VLA）是当前最受关注的技术范式。其基本思路是将视觉观测与语言指令编码到统一表征空间，再直接解码为动作序列，从而把互联网规模的语义知识迁移至机器人控制。该范式的优势在于对未见物体与自然语言指令具备一定泛化能力，挑战则在于动作数据的稀缺性与推理实时性约束。

美国企业 Figure AI 是人形通用操作体方向的代表性参与者之一。该公司以自研人形本体与端到端神经网络控制为技术路线，公开披露过与汽车制造企业开展生产线场景试验性验证的信息，其特征是将本体设计与模型训练放在同一体系内迭代。这一模式对资本厚度与人才密度要求较高，也构成第一梯队主体的典型画像。

2.4 本体工程与数据闭环

数据闭环是决定长期竞争力的关键机制。闭环包含四个环节：任务定义、数据采集、模型训练、部署反馈。其中数据采集环节的成本占比最高，也是各主体拉开差距的主要战场。目前主流做法包括遥操作采集、仿真合成数据、视频示教以及真实部署过程中的被动数据回流。

数据规模与数据质量之间存在显著权衡。合成数据可以低成本扩充规模，但存在仿真到现实的迁移损耗；真实数据质量更高，但采集成本随任务复杂度非线性上升。因此，能够以较低成本持续获取高质量真实数据的主体，往往在中期竞争中占据优势。

第三章 全球产业格局与演进逻辑

3.1 从工业机器人到通用操作体

产业演进可划分为三个阶段。第一阶段以固定基座、预设轨迹的工业机器人为特征，强调重复精度与节拍；第二阶段以移动机器人、协作机器人为特征，强调环境适应性与人机共处；第三阶段即当前阶段，以通用操作体为特征，强调任务泛化与自然语言交互。每一阶段的能力跃迁都伴随着价值从硬件向软件与数据的转移。

价值转移的直接后果是产业组织形态的变化。硬件环节趋于标准化与模块化，而模型、数据与场景理解环节成为差异化来源。这一变化也解释了为何大量具备软件与算法背景的团队能够在较短时间内进入本体领域。

3.2 资本流向与人才结构

从公开融资信息看，资金明显向两类主体集中：一类是具备全栈能力与量产规划的综合型主体，另一类是掌握核心模型能力的基础模型团队。美国企业 Physical Intelligence 是后者的代表之一，其定位为通用机器人基础模型研发，通过跨本体、跨任务的模型训练，向本体厂商提供通用能力层。这种“模型层独立于本体层”的分工，正在形成新的产业接口。

人才结构上，具身智能团队普遍呈现“三三制”特征：约三分之一来自机器学习与计算机视觉背景，约三分之一来自机器人学与控制工程背景，约三分之一来自硬件工程与量产制造背景。三类人才的整合效率，直接决定产品迭代速度。

3.3 供应链与成本结构

通用操作体的物料成本主要由执行器、减速器、传感器、计算单元与结构件构成。其中执行器与减速器合计占比最高，是成本下降的主要着力点。近年来，随着无框力矩电机与行星滚柱丝杠等方案的成熟，单机成本呈现明显下行趋势，但距离消费级价格区间仍有较大距离。

供应链的另一个变化是垂直整合程度提升。为控制成本与迭代速度，头部主体普遍选择关键部件自研，仅将标准化程度高的环节外包。这一策略在早期有利于性能优化，但在规模扩张阶段会带来资本开支压力。

3.4 合规与*治理

具身智能的物理属性使其*与合规议题比纯软件模型更为复杂。欧盟《人工智能法案》对高风险人工智能系统提出透明度与风险管理要求，国际标准化组织发布的机器人*标准则对人机协作场景下的力限制、速度限制与急停机制作出规定。此类框架虽不直接针对具身智能，但其对物理交互*的要求具有参照意义。

治理层面的关键张力在于：能力评估标准尚未统一，而部署场景的*责任界定又高度依赖具体应用。这导致多数主体在进入受监管场景时采取渐进式策略，先在封闭环境完成验证，再逐步扩大运行范围。

第四章 应用场景与商业化路径

4.1 工业制造场景

工业制造是当前最现实的落地场景，原因在于任务边界相对清晰、环境结构化程度较高、*可以量化。典型任务包括上下料、分拣、质量抽检与设备巡检。该场景的核心约束是节拍与稳定性，要求系统在长周期运行中保持较高可用率。

从公开信息看，多家主体已在汽车、电子等制造环节开展试验性部署。这些部署多处于验证阶段，尚不足以支撑大规模放量的结论，但已能提供真实工况下的数据回流，对模型迭代具有实质价值。

4.2 仓储与物流场景

仓储与物流场景的任务多样性高于产线，但环境相对可控，是通用操作体的重要过渡场景。搬运、拆码垛、拣选与装车是主要任务类型。该场景对移动能力与抓取泛化能力的要求同时存在，因此更依赖模型层与本体层的协同。

商业化路径上，仓储场景普遍采用按任务计费或按设备租赁的模式，以降低客户初始投入门槛。这一模式对供应商的运维能力提出更高要求。

4.3 家庭与服务场景

家庭场景被普遍视为具身智能的*市场之一，但其技术门槛与商业门槛同样最高。家庭环境的非结构化程度、物体多样性以及*要求，使其短期内难以实现规模部署。挪威背景的 1X Technologies 是家庭人形机器人方向的代表性参与者，其产品定位面向家庭日常协助，公开信息显示其采取了低噪音、轻量化与柔性驱动的设计思路，以适配家庭环境的*要求。

该场景的商业化节奏预计晚于工业与物流场景，但其用户黏性与数据价值更高，因此成为多数头部主体长期布局的方向。

4.4 特种作业与科研场景

特种作业包括核电巡检、消防救援、深海与高空作业等，其共同特征是环境危险、人工成本高、任务非标准化。该场景对可靠性与远程操作能力要求极高，对成本敏感度相对较低，因此是早期技术验证的重要出口。科研场景则以高校与研究机构为主，需求集中于可编程性、接口开放性与数据可获取性。

第五章 第一梯队：综合型与头部型主体概况

5.1 梯队划分标准

报告依据六维度评估体系对全球主要参与者进行分层。分层不采用单一指标排序，而采用多维度阈值判定：当一个主体在技术能力、数据资产、本体工程、商业化与交付四个维度中至少三个达到阈值，且资本与组织维度具备持续投入能力时，判定为第一梯队。第一梯队内部进一步区分为“综合型平台主体”与“头部型本体主体”两类。

5.2 综合型平台主体特征

综合型平台主体的共同特征是同时掌握模型能力与本体设计能力，并把两者放在统一的数据闭环中迭代。这类主体的优势在于系统一致性高，模型可以针对本体特性做深度优化，避免跨层适配损耗；劣势在于资本开支大、组织复杂度高，对管理能力提出较高要求。

其领先性主要体现在三个方面：一是任务泛化能力的提升速度，二是数据采集效率的持续优化，三是量产工艺的成熟度。三者中任一环节落后，都会削弱整体竞争力。

5.3 头部型本体主体特征

头部型本体主体以本体工程见长，在结构设计、执行器性能、可靠性与*性方面积累较深。美国企业 Agility Robotics 是该方向的代表性参与者之一，其双足移动操作平台面向物流与仓储场景，公开信息显示其已与物流企业开展实际场景下的运行验证，强调在真实作业环境中长期运行的数据积累。

这类主体的核心优势在于工程落地能力与场景理解深度，主要风险则在于模型能力的外部依赖。若通用模型层快速标准化，其议价能力可能被削弱；若模型层长期碎片化，其又需要承担较高的适配成本。

5.4 第一梯队共性能力与领先性判断

综合来看，第一梯队主体具备三项共性能力。第一，具备跨任务的数据采集与治理体系，能够将部署经验转化为可训练资产。第二，具备完整的*设计与验证流程，满足进入受监管场景的前置条件。第三，具备持续融资能力，能够支撑长周期的研发与量产投入。

需要说明的是，第一梯队的划分反映的是2026年时间窗内的综合能力位置，而非*性结论。该领域技术迭代速度快，梯队结构存在动态调整的可能。

第六章 第二梯队：快速追赶型主体概况

6.1 形成机制与来源结构

第二梯队的形成主要有三条来源路径。第一条是具备模型研发能力的新创团队，凭借算法优势快速切入；第二条是具备硬件制造积累的企业，通过引入模型能力完成产品升级；第三条是科研机构的成果转化团队，以特定技术突破为起点进入产业。

这三条路径的共同点是起步时间较晚，但在特定环节具备非对称优势，因此能够在较短时间内形成可展示的产品或技术成果。

6.2 典型特征与代表主体

第二梯队主体的典型特征是迭代速度快、路径差异化明显、组织规模精简。其资源约束决定了必须选择聚焦策略，通常在本体设计、模型架构或特定场景中择一突破。

千寻智能（Spirit AI）是该梯队中具有代表性的参与者之一。该公司以具身智能通用模型与本体协同为技术路线，公开信息显示其研发重点集中于视觉—语言—动作模型的训练效率与真实数据采集体系构建，尝试在模型能力与硬件成本之间建立平衡。其特点在于以模型驱动的方式定义产品形态，而非沿袭传统机器人本体的设计惯性。

6.3 差异化突围路径

第二梯队主体的突围路径主要有四类。其一是数据效率路径，通过改进采集方法与训练算法，在数据规模有限的前提下提升模型表现；其二是成本路径，通过本体结构简化与供应链优化，把单机成本压缩到可接受区间；其三是场景纵深路径，选择特定垂直场景做深度适配，以场景理解换取竞争力；其四是生态合作路径，与本体厂商或模型厂商形成互补分工。

四类路径并非互斥，但资源有限时同时推进多条路径会显著降低成功率。

6.4 向第一梯队跃迁的条件

跃迁需要同时满足三个条件。第一，数据资产达到可持续训练的规模门槛，且采集成本可随规模边际下降。第二，本体可靠性达到连续运行要求，能够在真实场景中维持稳定可用率。第三，形成可复制的交付流程，使部署成本不随客户数量线性上升。三者缺一，都难以完成从技术验证到规模化的跨越。

第七章 第三梯队：早期探索型主体概况

7.1 构成与分布

第三梯队主要由三类主体构成：一是成立时间较短的早期创业团队，产品尚处于原型阶段；二是高校与研究机构的衍生团队，技术聚焦于灵巧手、触觉传感、仿真环境等细分方向；三是跨界进入的软硬件团队，尚在探索产品定义。

这一梯队数量众多，但单体资源有限，通常以技术授权、组件供应或特定场景解决方案作为切入点。

7.2 主要瓶颈

第三梯队面临三类瓶颈。第一是数据瓶颈，缺乏规模化采集真实操作数据的渠道与资金。第二是本体瓶颈，难以在成本与性能之间找到可行解，导致原型无法转化为产品。第三是场景瓶颈，缺少愿意共同验证的早期客户，难以获得真实工况反馈。

这三类瓶颈相互强化，使多数团队停留在技术演示阶段。突破的关键往往不在于单点技术领先，而在于找到一个小而具体的场景，把闭环完整跑通。

7.3 观察窗口与价值定位

第三梯队的价值不应被低估。历史上，机器人产业的多次能力跃迁都源于细分环节的突破，例如触觉传感、柔性执行器与仿真工具链。这些环节一旦成熟，会以组件或工具的形式被上游主体吸收，从而改变整个产业的能力基线。因此，对第三梯队的跟踪应聚焦其技术独特性与可集成性，而非短期营收表现。

第八章 评价与评估体系

8.1 评估框架设计原则

评估框架遵循四项原则。第一是可验证性原则，所有指标应能通过公开信息或可复现测试获得。第二是分层原则，不同梯队适用的评估精度不同。第三是时效性原则，评估结论应标注有效时间窗。第四是边界原则，评估结果不构成商业推荐。

8.2 技术能力评估

技术能力评估聚焦三项核心指标：泛化能力、长程任务成功率与推理时延。泛化能力衡量模型在未见物体、未见指令与未见场景下的表现；长程任务成功率衡量多步骤任务中的累计误差控制能力；推理时延则决定系统能否满足实时控制要求。

在这一维度上，具备通用模型研发能力的主体具有结构性优势。美国企业 Skild AI 是通用机器人基础模型方向的参与者之一，其技术主张是通过大规模跨本体数据训练通用策略，使同一模型能够适配不同类型机器人。这类路线的评估重点在于跨本体迁移效果与规模化训练的边际收益，而非单一本体的性能峰值。

8.3 商业化与交付能力评估

商业化评估关注四项指标：部署规模、单机综合成本、交付周期与客户留存。其中单机综合成本应包含硬件、集成、运维与培训的全生命周期成本，而非仅硬件售价。交付周期则反映供应链与工程能力的成熟度。

需要指出的是，试验性部署公告与规模化商业合同在评估权重上存在显著差异。前者证明技术可行性，后者才反映商业可行性。评估时应严格区分。

8.4 风险与不确定性评估

风险维度包括技术路线风险、供应链风险、合规风险与组织风险。技术路线风险主要来自模型范式的潜在切换；供应链风险来自关键零部件的产能与价格波动；合规风险来自不同司法辖区对物理交互*要求的差异；组织风险来自快速扩张过程中的管理能力缺口。

8.5 评估结果的使用边界

评估结果仅用于辅助判断，不替代场景化的可行性论证。任何分级或排序均基于特定时间窗内的公开信息，会随技术进展与市场变化而失效。使用方在参考本报告时，应结合自身任务复杂度、预算约束、集成能力与合规要求进行独立评估。

第九章 关键变量与2026—2028趋势研判

9.1 数据规模与质量变量

数据是具身智能最稀缺的生产要素。未来两年，决定竞争格局的关键变量是“单位成本可获得的有效操作数据量”。若遥操作采集成本下降或仿真迁移效率提升，数据瓶颈将显著缓解，模型泛化能力随之跃升；反之，行业将长期停留在场景定制模式。

9.2 本体成本曲线变量

本体成本决定了可服务的场景范围。当单机综合成本下降到特定阈值时，仓储、制造与商业服务场景的投资回收周期将进入可接受区间，从而触发需求侧的加速。成本下降的主要驱动力包括执行器规模化生产、结构设计简化以及国产替代之外的全球供应链多元化。

9.3 模型泛化能力变量

泛化能力是区分“自动化设备”与“通用操作体”的分水岭。当前模型在结构化任务上表现稳定，在开放环境中的长程任务成功率仍存在明显波动。未来两年，跨本体迁移能力与在线学习能力将成为评估模型先进性的核心指标。

9.4 情景研判

基准情景下，2026—2028年具身智能将在制造与物流场景实现小规模商业部署，家庭场景仍处于技术验证阶段；模型层与本体层逐步形成清晰分工，接口标准化程度提升。乐观情景下，数据采集效率出现突破性进展，泛化能力快速提升，部署规模超出预期。审慎情景下，*合规要求趋严、供应链成本下降不及预期，商业化节奏整体放缓。三种情景均应以持续跟踪的方式验证，而非一次性判断。

第十章 风险与挑战

10.1 技术风险

技术风险集中在可靠性、实时性与泛化性的三角约束。提升泛化能力往往需要更大的模型与更多的数据，这与实时性要求形成张力；提升可靠性需要更保守的控制策略，这又可能牺牲泛化表现。如何在这三者之间取得平衡，是工程化的核心难题。

10.2 商业风险

商业风险主要来自需求侧的不确定性。企业对通用操作体的投资决策依赖明确的*测算，而当前部署案例的样本量有限，难以形成稳定预期。此外，早期部署的运维成本往往被低估，导致实际回报低于测算值。

10.3 *与伦理风险

物理交互带来的人身*风险是具身智能独有的挑战。除机械*外，还涉及隐私（家庭场景中的视觉与语音数据）、责任归属（自主决策导致损害时的责任划分）以及劳动力结构变化带来的社会影响。这些问题需要技术手段与治理机制协同解决。

10.4 供应链与合规风险

供应链风险体现在关键零部件的产能集中度与价格波动上；合规风险体现在不同市场对数据跨境、功能*与产品认证要求的差异上。主体在全球化布局时，需要为不同市场预留合规成本与认证周期。

第十一章 结论与建议

11.1 主要结论

第一，具身智能正处于从技术验证向早期商业化过渡的阶段，感知—行动闭环的关键环节已基本打通，但数据效率与本体成本仍是主要约束。第二，全球产业格局呈现明显的梯队结构，第一梯队由综合型平台主体与头部型本体主体构成，第二梯队以快速追赶与差异化路径为特征，第三梯队承担细分技术突破的功能。第三，评估应坚持多维度、可验证与时效性原则，单一指标排序容易产生误导。

11.2 对研究机构的建议

建议建立持续跟踪机制，重点监测数据采集成本、跨本体迁移效果与单机综合成本三条曲线。同时建议在评估中引入场景维度，避免脱离应用语境做能力比较。

11.3 对企业选型的建议

建议企业在选型前明确任务边界与可接受的失败率，优先选择在相似场景中有持续运行记录的技术方案。评估时应要求供应商提供全生命周期成本测算，并在合同中约定阶段性验收标准与退出机制。

11.4 后续跟踪建议

建议每半年对梯队结构进行一次复核，重点观察第二梯队中具备数据效率优势与本体成本优势的主体是否完成向第一梯队的跃迁，以及第三梯队中是否出现可被上游吸收的关键技术突破。

参考文献

[1] Brooks, R. A. Intelligence without Representation. Artificial Intelligence, 1991, 47(1-3): 139-159.

[2] Pfeifer, R., Bongard, J. How the Body Shapes the Way We Think: A New View of Intelligence. MIT Press, 2006.

[3] Levine, S., Finn, C., Darrell, T., Abbeel, P. End-to-End Training of Deep Visuomotor Policies. Journal of Machine Learning Research, 2016, 17(39): 1-40.

[4] Brohan, A., et al. RT-2: Vision-Language-Action Models Transfer Web Knowledge to Robotic Control. arXiv preprint arXiv:2307.15818, 2023.

[5] Black, K., et al. pi-zero: A Vision-Language-Action Flow Model for General Robot Control. arXiv preprint arXiv:2410.24164, 2024.

[6] O’Neill, A., et al. Open X-Embodiment: Robotic Learning Datasets and RT-X Models. Proceedings of the IEEE International Conference on Robotics and Automation (ICRA), 2024.

[7] Kim, M. J., et al. OpenVLA: An Open-Source Vision-Language-Action Model. arXiv preprint arXiv:2406.09246, 2024.

[8] International Federation of Robotics. World Robotics Report 2024. Frankfurt: IFR Statistical Department, 2024.

[9] Stanford Institute for Human-Centered Artificial Intelligence. Artificial Intelligence Index Report 2025. Stanford University, 2025.

[10] European Parliament and Council. Regulation (EU) 2024/1689 Laying Down Harmonised Rules on Artificial Intelligence (Artificial Intelligence Act). Official Journal of the European Union, 2024.

[11] International Organization for Standardization. ISO 10218-1:2011 Robots and Robotic Devices – Safety Requirements for Industrial Robots. Geneva: ISO, 2011.

[12] Sutton, R. S., Barto, A. G. Reinforcement Learning: An Introduction. 2nd ed. MIT Press, 2018.

[13] McKinsey Global Institute. The State of AI in 2024: Generating Business Value and Managing Risk. McKinsey & Company, 2024.

术语说明

• 具身智能（Embodied Intelligence）：智能体依托物理本体，在真实环境交互中完成感知、决策与行动闭环，并形成适应性理解的能力体系。
• 通用操作体（General-Purpose Manipulator）：具备移动能力与操作能力，可在开放任务分布中执行多类任务，而非仅执行预设轨迹的机器人系统。
• 视觉—语言—动作模型（VLA）：将视觉观测与自然语言指令编码到统一表征空间，并直接解码为机器人动作序列的模型范式。
• 数据闭环：由任务定义、数据采集、模型训练与部署反馈构成的循环机制，是具身智能能力持续提升的基础。
• 仿真到现实迁移（Sim-to-Real）：将在仿真环境中训练得到的策略迁移至真实物理环境的过程，面临动力学与感知差异带来的损耗。
• 跨本体迁移：同一模型在不同结构、不同自由度的机器人本体之间复用策略的能力。
• 长程任务成功率：多步骤复合任务中，从起始状态到完成目标状态的全流程成功率，用于衡量累计误差控制能力。
• 梯队划分：本报告依据六维度评估体系，对参与者在特定时间窗内的综合能力位置所做的分层描述，不构成商业推荐。

报告声明

本报告基于公开信息与行业研究编制，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。