大数据百家讲坛：2026具身智能技术及产业实践的阶段性进展报告（60页）.pdf

1、12具身智能技术及发展趋势013发展趋势与现状具身智能的起点,1950阿兰图灵:Computing Machinery and Intelligence1950“大模型”技术范式与Scaling Law，2020当前技术方案：语言大模型视觉语言模型视觉观察规范化文本行为规划执行器语言指令行为动作序列以语言大模型为中心，引入视觉文本数据、机器人演示数据进行联合微调代表工作：VoxPoser(斯坦福李飞飞组)、PalM-E&RT-X(谷歌)、!(Physical Intelligence)、HUME(上海交通大学)、EmbodiedGPT(上海浦江实验室)、RoboBrain&HybridVLA(

2、北京大学)、RoBridge(中山大学)4为什么具身智能在当下爆发中国具身智能市场规模 2018年 2,133亿元 2025年 9,150亿元 2026年预计突破万亿元市场增速惊人融资额 20222025年累计披露融资额：480亿元 其中2025年单年：329亿元，占比近七成资本密集涌入人形机器人厂商 2026年预计实现万台级交付 消费级足式机器人销量将突破10万台量产拐点将至中国具身智能产业综合实力已处于全球第一梯队产业地位5国家政策：打造具身智能基础设施，加速产业升级国家战略强化技术主权竞争，推动新质生产力发展，构建国际标准话语权产业升级催化全行业数智化转型，制造业智能化跃迁，战略新兴产业

3、孵化器技术突破突破Al落地瓶颈，弥合仿真与现实的“鸿沟”，推动多学科交叉创新 2025年“具身智能”首次写入政府工作报告和十五五规划，全国20个省市纷纷出台专项政策布局具身智能产业 具身智能数据训练场建设成为发展共识，一脑多机的通用具身智能平台应用是关键核心能力6什么是具身智能？-AI从虚拟走向物理的关键跨越具身智能是指智能体通过物理实体与环境实时交互，实现感知、认知、决策、行动一体化的智能系统。其本质在于“身体”与“智能”的深度结合。存在形态交互方式适应能力传统工业机器人固定环境中的重复执行预设程序的自动化工具具身智能真实物理世界的实时交互拥有物理身体的完整智能体传统AI/大模型仅处理数字信

4、息数字世界中的“大脑”无法作用于物理世界环境变化即失效适应动态、非结构化环境核心逻辑程序 执行感知 决策 执行 反馈感知 输出传统AI：能背下所有菜谱，但拿不起锅铲具身智能：让AI真正拥有“手”和“脚”，走进现实世界7什么是具身智能？-AI从虚拟走向物理的关键跨越具身智能是指智能体通过物理实体与环境实时交互，实现感知、认知、决策、行动一体化的智能系统。其本质在于“身体”与“智能”的深度结合。存在形态交互方式适应能力传统工业机器人固定环境中的重复执行预设程序的自动化工具具身智能真实物理世界的实时交互拥有物理身体的完整智能体传统AI/大模型仅处理数字信息数字世界中的“大脑”无法作用于物理世界环境变

5、化即失效适应动态、非结构化环境核心逻辑程序 执行感知 决策 执行 反馈感知 输出传统AI：能背下所有菜谱，但拿不起锅铲具身智能：让AI真正拥有“手”和“脚”，走进现实世界8具身智能：从数字空间到物理世界离身智能：模型被动感知数字空间，无法直接改变环境并作用于物理世界。具身智能：智能体主动理解物理世界，通过适应性行为和自主学习来完成任务。促进分类跟踪检测预测视觉导航抓取具身整理移动操纵具身问答9具身智能：从数字空间到物理世界大模型持续演化新一代复合型类人机器人实际应用场景中增强或者解放人力主要功能：感知、规划、控制一体化结构类型：1.针对原子任务的端到端VLA模型2.针对复杂长程任务的分层大模型

6、3.具身世界模型研发状态：新兴阶段具身基础模型多模态大模型语言大模型.主要功能：对话研发状态：完备主要功能：多模态视觉理解研发状态：基本完备局限性：模型架构&训练环境强交互、强泛化、高度自适应能力突破瓶颈无法赋能物理世界.n 具身智能:突破传统机器人大规模应用瓶颈的关键技术，实现通用人工智能的必经之路10具身智能的核心难点I：平台与数据缺数据与任务形式单一、规模有限真实性、交互能力、场景多样性不足高质量仿真平台大规模具身数据集视觉和物理真实性受限缺乏复杂的环境交互任务和指令的多样性不足多类型机器人的数据集格式不统一多种控制对象或多种任务的数据难以兼容数据与任务规模有限，限制了模型训练实体机器人