具身智能（Embodied Artificial Intelligence，EAI）的物理实体形态包括轮式、履带式、四足、人形等，甚至智能汽车亦可称为具身智能的典型形态之一。具身智能在不同情境下拥有不同的最优形态。

资料来源：《Aligning Cyber Space with Physical World：A Comprehensive Survey on Embodied AI》（2024年），行研小组整理

四足机器人具备较强的地形适应性、运动灵活性和自主导航能力，适用于复杂、非结构化及高危环境，可应用于军事安防、搜索救援、工业巡检、农业作业及家庭陪伴等场景。

当前，全球四足机器人行业正处于商业化早期阶段到放量阶段的拐点。2024年全球四足机器人市场规模为9.6亿元，其中行业应用市场规模约7.8亿元，代表性企业有宇树科技、云深处科技和波士顿动力等。预计2030年全球市场规模将达到102.3亿元，年复合增速48%；同期中国市场规模预计由2024年的3.9亿元增至54.4亿元。

资料来源：行研小组整理

人形机器人又称仿人机器人或类人机器人。随着对运动能力和智能化要求的提高，双足人形机器人成为了各厂商目前的“最终方案”。

2025年是人形机器人尝试商业化应用的起步之年，应用探索主要从展厅导览、超市服务等环境较可控的商业场景展开。工业场景对精度、效率和安全要求更高，预计规模化应用仍需3-5年，车厂、船厂、钢铁厂等制造业企业有望率先落地。

消费场景对泛化、人机交互和安全能力要求更高，预计家务、护理陪护等日常服务场景仍需5-10年发展周期。全球人形机器人市场规模预计2030年达到363亿元。

资料来源：汇生咨询

具身智能产业链上游包括减速器、电机、丝杠、控制器、传感器等硬件及软件系统，占整机成本70%以上，其中六维力传感器、丝杠、无框力矩电机等为主要高价值零部件。中游以机器人本体制造商和系统集成商为主，下游目前重点聚焦电力巡检、军工、工业制造等领域，央企客户占比超过60%。

资料来源：行研小组整理

具身智能产业正处于技术突破与场景拓展阶段，企业需在硬件性能、算法创新、数据积累和商业化路径上构建差异化优势，逐步形成“硬件+算法+场景”三位一体的产业生态。

技术演进方面，一是持续提升具身模型的泛化能力，进一步增强感知的细度与广度、环境交互能力及控制协调性；二是解决高质量真实数据不足的问题，通过仿真模拟、数据集开源等方式扩大训练数据来源。

具身智能将沿着“理解世界-个体行动-群体协作”的路径演进，世界模型通过环境理解、因果推断和任务规划，提升智能体的跨场景泛化能力；大规模具身智能体产生的交互数据又可反哺模型训练，形成“数据-模型-具身-数据”的技术迭代闭环。

未来竞争将集中在物理世界模拟、数据闭环和多智能体协作三项能力上。应用场景也将进一步拓展，工业领域聚焦汽车制造、物流分拣等柔性生产场景，服务领域覆盖医疗康复、家庭陪伴，特殊场景则包括核辐射、深海探测等高危作业。

聚焦运动控制能力的机器人本体公司

聚焦运动控制能力的机器人本体公司，对于运动控制算法的积淀更为深厚，如波士顿动力等。

四足机器人领域已经出现较为明显的头部企业。2024年全球四足机器人市场规模约9.6亿元，其中中国头部公司营收约4.5亿元。从不同应用场景看，巡检、科研学习、特种和消费级市场均已有企业布局。

深耕大脑算法的具身智能模型公司

具身智能模型初创公司注重机器人上肢操作能力，深耕大脑算法，相关企业主要处于样机验证及早期客户场景适配阶段，包括汽车制造中外观检测、底盘装配等场景。

跨行业厂商

目前具身智能行业还有两类入局者，分别是以主机厂为代表的制造业背景厂商，还有以互联网大厂为代表的科技厂商。

■ 制造业背景机器人公司

主要包括汽车、消费电子等企业，如特斯拉、丰田等。这类企业主业本身具有明确应用场景，同时汽车与机器人在减速器、电机等零部件以及智能驾驶软硬件方面存在一定共通性。

■ AI软硬件科技厂商

在感知、决策和算法方面具有积累，可作为核心算法供应商赋能机器人企业，也可直接开发机器人本体。谷歌、英伟达等均已推出相关模型或产品；部分科技企业也通过投资方式进入赛道。

感知决策算法与运动控制算法的技术发展路径

具身智能算法可分为负责感知决策的“大脑”和负责运动控制的“小脑”。目前“大脑”仍处于技术探索期，“小脑”则已全面向基于学习的运动控制转型。

■ “大脑”：感知决策算法向VLA端到端模型演进

感知决策算法正向VLA端到端模型演进，目前主要包括视觉+传统控制、VLA端到端模型和分层模型等路线。长期来看，融合感知、决策、控制和交互的端到端VLA模型，有望成为重要发展方向。

目前具身智能技术约处于L2向L3阶段演进，长期目标是实现机器人自主完成“感知-决策-执行”闭环，预计2035年有望达到高度自主的L5阶段。

■ “小脑”：运动控制由模型驱动向学习驱动转型

运动控制由模型驱动向学习驱动转型。2023年以来，四足机器人已全面从MPC向DRL转型，人形机器人仍结合MPC增强运动稳定性。其中，MPC+DRL主要解决机器人下肢在复杂地面的适应性问题，IL+DRL主要用于跳舞、翻跟头等复杂运动动作。

核心零部件的技术发展路径

机器人本体形态经历了工业机械臂、轮式移动、四足机器人、轮/四足+臂、人形机器人的发展过程，逐步从单一移动或操作向全身协同、多模态交互发展。

■ 芯片

芯片供应链整体较为成熟，多数厂商采用英特尔、英伟达等成熟产品，除特斯拉外自研较少。

■ 关节模组

关节模组是人形机器人硬件系统的关键部件，主要包括电机、减速器、编码器、伺服驱动和控制软件等，其中旋转关节技术门槛较高，无框力矩电机、减速器和丝杠是核心组件。

关节模组自研涉及驱动器设计、减速器开发、电机与传动机构配合以及软硬件协同等多个环节。其中，无框力矩电机重点解决转矩密度、温升和转速问题；行星减速器成本较低、寿命较长，谐波减速器则具有体积小、精度高等特点；倒置行星滚柱丝杠承载能力、刚度和抗冲击能力较强，更适合对体积要求严苛的人形机器人。

■ 灵巧手

灵巧手是实现机器人交互的核心部件，其性能主要取决于传动、驱动和传感方案。目前，“电机驱动+复合传动+力和触觉传感”为主要发展方向，其中电机驱动是主流技术路线，腱绳传动应用较广，复合传动是未来发展方向。

无刷空心杯电机凭借尺寸小、损耗低、传动效率高和动态响应快等特点，能够满足灵巧手对尺寸、效率和集成度的要求，是灵巧手的重要核心零部件。

■ 传感器

具身智能机器人主要使用惯性、视觉、听觉、力/力矩、触觉等传感器，分别用于感知机器人自身运动状态和外部环境信息。其中，六维力传感器技术难度较高，结构设计、标定与检测、算法设计是主要技术壁垒。

技术挑战及应对方案

■ 具身模型泛化能力不足

当前通用多模态大模型主要基于文本、图片、音频和视频等数据训练，对触觉、姿态、空间坐标、位移距离和旋转角度等信息覆盖不足。具身智能需要通过与环境持续交互、学习并更新知识，因此仍需进一步提升感知的细度与广度、环境交互能力以及控制协调性。

■ 高质量真实数据不足

具身智能大模型面临有效数据数量不足、采集成本高、处理和标准化难等问题。目前具身智能模型的数据集规模约240万，与文本、图片、视频等泛化型大模型的数据规模仍相差至少2-3个数量级。

如何构建数据飞轮是具身操作拥有泛化能力的最关键问题之一；尤其在上肢操作训练中，面临数据采集成本高、数据量小、处理难、标准化难、数据质量低等问题。目前主要有两类解决路径：

· 仿真模拟生成数据。利用符合现实物理规则的虚拟环境进行训练，再将技能和策略迁移至真实世界，可降低数据采集成本并提升数据生成效率。英伟达等已通过仿真技术扩展机器人训练数据。

· 共建高质量开源数据集。通过不同机构和机器人平台共享数据，减少重复采集和“数据孤岛”。Open X-Embodiment等开源数据集已开始覆盖多种机器人、任务和技能，国内也在推进包含图像、点云、文本、触觉和听觉等多模态数据的开放数据集建设。

当前，具身智能机器人行业整体仍处于技术驱动和市场拓荒期，盈利模式尚在探索之中，企业的财务状况普遍呈现高研发投入、高硬件成本与收入规模初步放量并存的特点。

四足机器人商业化相对成熟，人形机器人则多数仍处原型机、测试及Demo验证阶段，主要依赖融资支持研发。

行业盈利能力的改善主要取决于：（1）核心零部件国产化替代的加速以降低BOM成本；（2）生产规模扩大带来的边际成本下降与学习曲线效应；（3）在高价值场景（如工业制造、特种作业）中形成可复制、高黏性的解决方案，从而提升客户的付费意愿与客单价。

未来行业整体仍将面临一定的盈利压力，财务表现的改善预计将与技术成熟度和市场渗透率的提升同步进行。

国外代表企业包括波士顿动力、特斯拉、英伟达、Figure、Agility Robotics等。国内代表企业覆盖机器人本体、决策大模型、感知模块和控制模块等多个产业链环节。

从投资标的筛选角度看，应重点关注企业的核心技术与知识产权、研发与迭代能力、商业化及盈利水平、团队与资本实力、产业链地位及场景落地能力。对于早期技术型企业，应更关注技术壁垒和团队能力；对于进入成长阶段的企业，则应重点考察收入、订单、毛利率、现金流及商业模式的可复制性。

央企在具身智能领域的布局已从技术验证阶段逐步迈向规模化应用。通过“人工智能+”专项行动，中国航天科工集团、南方电网、中国核工业集团、中国船舶集团、中国中车集团、兵器装备集团等已在高端制造、能源电力、轨道交通、安全应急等关键领域展开布局。同时，中国电科、通用技术、中车资本、国新基金、招商局创投等也通过投资方式进入具身智能产业链。

央企在具身智能领域仍面临三方面问题：

■ 技术层面：行业级多模态数据不足、真实场景数据采集成本高，同时端到端模型对算力要求较高，边缘部署受到能耗限制。原文提出通过仿真与真实数据结合、轻量化算法和边缘计算等方式提升自主能力。

■ 商业化层面：核心零部件进口依赖带来成本压力，同时应用场景较为碎片化。原文提出通过规模化生产降本、“硬件+服务”模式以及跨领域协作提高商业化能力。

■ 机制与人才层面：创新机制和人才仍存在不足，需要进一步完善激励机制。

空白领域与创新机遇重点关注以下领域：

一是特种机器人。核工业领域尚缺耐辐射人形机器人，核废料处理、反应堆检修等仍需突破抗辐射材料和高精度操作控制技术；深海探测领域，在复杂海况下的自主勘探和设备维护能力仍有提升空间。

二是人形机器人与工业生产深度融合。航空航天、电子制造等精密装配场景对小空间、高精度操作需求较高，但成熟解决方案仍不足；柔性物流领域在动态路径规划、多机器人协同调度等技术上也存在瓶颈。

（一）具身智能处于产业爆发前夜，市场前景广阔

具身智能正逐步从技术探索阶段走向规模化商业落地。当前四足机器人已在变电站电力巡检、地下管廊探测、应急消防处置等专业场景实现商业化应用。随着政策持续支持、技术不断突破和成本逐步优化，具身智能有望进一步向工业制造、专业服务、特种作业等领域拓展，市场空间持续扩大。

（二）技术演进呈现软硬协同与端到端融合的明确趋势

具身智能技术正在形成软硬协同发展的双路径。在运动控制层面，深度强化学习等算法逐步替代传统模型预测控制方法，提升机器人在复杂地形中的稳定性和灵活性；在感知决策层面，视觉语言动作模型等多模态大模型正推动语言理解、视觉感知与动作执行形成端到端闭环。长期来看，具备较强泛化能力的具身智能大模型将成为行业竞争的重要技术方向。

（三）产业链上游国产化进程加速

在产业链上游，六维力传感器、行星滚柱丝杠、无框力矩电机等高价值核心零部件仍部分依赖进口，但国内企业正在加快技术攻关和产业化进程。关节模组、灵巧手、多维传感器等核心部件的性能提升与成本控制，仍是产业突破的关键；国内企业在空心杯电机、谐波减速器等领域已取得一定进展，为产业链自主可控提供基础。

（四）央企成为场景落地关键力量，特种与工业领域潜力较大

国家电网、南方电网、中国航天科工等大型中央企业已在电力巡检、安防巡逻、特种作业等专业场景部署具身智能解决方案，推动相关技术由实验室演示向实际应用转化。这类场景通常具有技术壁垒高、附加值较高、客户黏性较强等特点，为具备相应技术能力的企业提供了较好的发展空间。

（五）投资建议聚焦技术闭环与场景落地能力

投资方面，建议重点关注以下方向：核心零部件关注具备技术突破和量产能力的企业；机器人本体关注已在实际应用场景形成解决方案并建立客户黏性的企业；算法与模型关注在仿真训练、多模态融合和任务泛化方面具有技术优势的企业；技术服务关注能够与央企深度合作、参与行业标准制定并具备系统集成能力的技术服务商。

■ 技术成熟度与迭代风险

具身智能整体仍处于发展早期，运动控制稳定性、多模态大模型泛化能力、核心零部件性能及成本控制等方面仍存在瓶颈，技术路线尚未收敛。

■ 市场竞争与盈利压力

行业竞争不断加剧，若企业不能在性能、成本和生态建设方面形成持续优势，将面临市场份额下降和盈利压力。

■ 商业化落地与需求不确定性

整体商业化仍处于探索阶段，行业级市场受客户预算周期和采购政策影响较大，消费级市场则受产品价格和功能体验限制，尚未形成规模化需求。

■ 政策支持力度与标准缺失风险

行业尚未形成统一的技术标准、安全规范和认证体系；同时，政策执行、补贴力度、示范项目推进以及数据安全、伦理监管等方面仍存在不确定性，可能影响产品推广和产业协同。

■ 宏观经济与行业周期波动

具身智能属于技术密集型和资本密集型产业，受宏观经济和产业投资周期影响较大。