转自公众号：先进制造业
当前，新一轮科技革命与产业变革深入发展，以人工智能（AI）为代表的新兴技术正以前所未有的广度和深度融入实体经济。具身智能作为推动AI从虚拟推理迈向物理交互与自主行动的关键载体，通过感知、决策和交互能力执行现实世界任务并主动进化学习，是推进制造业数智化转型的关键引擎。从产品类别来看，具身智能主要包括特种机器人、人形机器人等智能机器人以及智能网联汽车、无人机等智能运载装备。
学术界围绕具身智能展开了系列探索研究。在技术层面，现有研究聚焦世界模型构建、感知—决策—执行闭环优化等核心架构；在应用层面，关注家庭服务、工业制造、医疗康复等多领域的落地前景。但现有研究多聚焦于具身智能技术本身的算法突破与架构创新，应用层面的研究相对宽泛，缺乏对制造业领域的系统性、深入性分析，同时对典型行业赋能特点、国内外演化路径差异、中试验证瓶颈等关键内容探讨不足。
本文则聚焦以具身智能机器人为核心的工业应用载体，系统剖析其在技术发展、应用阶段、细分场景与产业生态等方面的现状与特征，深入分析当前面临的核心技术瓶颈、中试验证鸿沟、商业化落地困境及生态支撑短板，并提出针对性建议，以期为推动具身智能机器人赋能制造业数智化转型提供决策参考。
一、具身智能机器人赋能制造业数智化转型的发展现状
（一）技术发展现状：核心组件技术快速演进，赋能基础加速夯实
具身智能机器人通过构建“感知－决策－执行－优化”的闭环，实现对物理世界的理解与交互。当前，其核心技术体系在环境感知、智能决策、运动执行与续航保障方面均取得显著进展，为制造业实现柔性生产、人机协同等智能化升级奠定了坚实基础。部分企业技术发展情况如表1所示。
表 1 部分具身智能机器人技术发展情况
一是环境感知系统向多模态融合演进，持续提升制造业场景适应能力。当前，具身智能机器人通过深度融合视觉、触觉、力觉等多维感知技术，实现对外部作业环境及内部状态信息的全面感知。在视觉方面，通过摄像头、激光雷达、红外等传感器识别、跟踪物体和环境，如智元精灵G2采用鱼眼相机、激光雷达等多种设备，提升工业环境建模精度。在触觉方面，通过在手部、指尖等部署传感器感知接触力大小、温度等信息，如Figure 03在指尖部署触觉传感器，可检测最低3 g的力。在力觉方面，主要通过六维力/力矩传感器感知力度和力矩变化，如优必选Walker S2部署六维力觉传感器。随着感知技术持续向高精度、高适应性方向发展，具身智能机器人可实现对物理世界的全面精准感知，动态适应工件随机摆放、光照动态变化等非结构化工业场景，为智能决策与精准作业执行奠定基础。
二是智能控制系统呈现多路径探索、融合发展的格局，显著提升自主决策与泛化能力。当前技术路线主要分为三类：第一类为分层架构，即由大语言模型（LLM）、视觉语言模型（VLM）等作为认知核心，负责任务理解与规划；由专用控制模型等小模型负责运动轨迹规划等指令的生成。例如，Figure 02通过构建OpenAIGPT-4o多模态大模型+RT-X机器人控制模型实现智能控制。第二类为端到端架构，即通过单一神经网络实现从传感器原始数据到执行器控制指令的端到端映射，如特斯拉Optimus一直采用该路径。第三类为世界模型路径，即通过学习理解物理世界的基本规律，提升对陌生任务的推理与泛化能力。上述路径并非泾渭分明，而是呈现融合发展趋势，如Figure 03的Helix 02模型虽属于端到端视觉—语言—动作模型（VLA），但其内部设计了分层的系统架构，且基于超1000 h的人体运动数据等一般规律训练，而非人类具体操作视频，兼具了分层规划与世界模型的部分特性。智能控制技术的发展使机器人从固定程式作业向自理解、自规划、自适应执行转变，可以更好地满足多品种、小批量、柔性化需求，有力支撑制造业数智升级。
三是运动执行与续航系统着力提升操作灵巧性与作业连续性，夯实连续生产基础。在操作执行层面，企业通过高自由度关节设计与灵巧手研发，突破传统工业机器人动作单一、操作僵硬的局限，满足精密装配、精细操作等复杂制造作业。如特斯拉Optimus最新一代具身智能机器人单手已达到22个自由度，略低于人类手掌的27～28个自由度。在续航方面，当前电池续航时间普遍在5～10 h，并通过热插拔自助换电、无线充电等技术，实现24 h不间断运行，满足工厂长时间连续生产的需求。例如，优必选Walker S2首创热插拔自助换电系统，通过双电池无缝切换、3 min双臂协同精准换电，实现7×24 h连续工厂作业。
（二）应用推进阶段：从试点验证走向早期商用，行业分布高度集中
当前，具身智能机器人正逐步从实验室走向早期产业化应用，沿着“技术验证－试点示范-规模推广”路径推进，并在特定行业形成显著集聚效应，部分企业产品应用情况如表2所示。
表 2 部分具身智能机器人企业产品应用情况
一是整体应用处于从试点验证向小批量商用过渡的关键阶段。具身智能机器人仍处于试点验证应用阶段，通过在重点企业特定产线与细分场景部署，全面验证技术可靠性、工艺符合性等指标。例如，Figure 02在宝马工厂负责将钣金零件装载到焊接机中，累计运行超1250 h，完成超9万次零件装载，单板次成功率超99%。部分企业则已从试点应用转向小批量商业化，技术成熟度与市场接受度较高。例如，智元机器人已与比亚迪、富临精工、龙旗科技、均胜电子等企业达成合作。Omdia数据显示，2025年智元出货量与市场份额均位列全球第一。其中出货量超过5100台，占据全球39%市场份额。
二是国内外应用推进节奏与模式呈现差异化特征。国外领先企业倾向于采取“深度绑定、长期验证、技术突破”的模式。如Figure 02在宝马工厂进行11个月的沉浸式测试，积累超长周期的真实工况数据，为Figure 03技术优化迭代奠定基础。国内产业生态则呈现“广泛合作、场景牵引、快速迭代落地”的特点，以智元机器人、优必选等为代表的企业已与多家汽车、3C电子行业头部企业达成规模化合作意向与初步部署应用，在落地推广速度方面远超国外企业。
三是应用行业高度聚焦于汽车、3C电子等高端制造领域。当前，国内外具身智能机器人均率先在汽车、3C电子等行业龙头企业落地。主要原因如下：行业数字化基础良好，数据基础、设备互联条件较好，为引入具身智能机器人提供必要实施基础。产业需求迫切且技术适配性强，汽车、3C电子行业产品消费者需求迭代快、定制化趋势明显，对提升生产柔性具有迫切需求，与具身智能机器人所具备的快速响应与自适应能力高度契合。行业示范效应显著，行业龙头企业具备较强的投资能力，其成功应用可形成典型示范效应，加速具身智能机器人规模化应用。
（三）典型场景实践：聚焦搬运、质检等环节实现辅助生产，释放实质效能
一是物料搬运与分拣上料成为规模化应用的先行领域。该场景作业目标明确、流程相对规范，且具有半柔性特征以及人工参与程度偏高、负载要求多样等特点，尚未被传统自动化设备全面覆盖。因此，该场景成为部署的重要切入点，多数具身智能机器人已在该领域实现应用。如开普勒K2大黄蜂在上汽通用开展大尺寸、大负载汽车零部件举升、搬运等工作；智元精灵G2在均胜安全开展卷收器收壳上料作业，成功率稳定在99.9%。
二是质量检测场景成为感知决策融合的高频场景。具身智能机器人可基于高分辨率视觉与多传感器融合技术，通过搭载AI质检模型或应用检测设备，实现对外观缺陷、装配完整性的自动检查。例如，优必选Walker S通过搭载定制化AI质检管理系统，开展图像采集、传输及分析，实现对蔚来汽车门锁扣灵敏度的质量检测；Walker S1通过定制化的末端执行器、先进的运动控制技术，以毫米级精度操作检测工具，完成奥迪一汽空调泄露检测这一涉及职业健康风险的检测任务，视觉识别响应时间低于70 ms。
三是精密装配是面向高价值附加值制造的重点突破方向。该场景涉及螺丝拧紧、零件对位安装、车标粘贴等一系列对操作精度与一致性要求较高的工作，具身智能机器人可通过其仿人化的作业空间与灵巧操作能力，为提升装配柔性与一致性提供创新方案。目前，相关应用已进入初步验证阶段，但整体规模化应用程度较搬运、质检等场景仍处于早期阶段。例如，优必选Walker S系列机器人可使用电动螺丝刀完成对车门等零部件的精准拧紧、对车标等部件的对位与粘贴。它在一汽大众中参与螺丝拧紧、零件安装等实际装配环节，在蔚来汽车中参与车头汽车车标的自动化贴装。
（四）产业生态格局：多元主体竞合发展，共同探索商业化落地路径
当前，市场参与主体日趋多元，竞合格局初步形成，各方正积极探索可行的商业化路径，共同推动产业从技术研发走向规模化价值创造。
一是市场参与主体呈现三类力量并行的多元特征。整车厂积极布局，以特斯拉、小鹏汽车等为典型代表，凭借其在整车制造领域的丰富场景、雄厚资本，以及可迁移的自动驾驶AI技术，进行垂直整合与内部孵化，以培育新的业务增长点。传统工业机器人企业如波士顿动力、拓斯达等企业，依托其对工业场景的深度理解、机器人运动与力学交互数据等优势，与谷歌、智谱华章等AI企业开展深度合作，实现产品的智能化跃迁。专注的初创公司以Figure AI、智元机器人等为代表。此类企业普遍具备AI背景，专注于核心软硬件技术研发，并通过与行业头部企业共建试点，快速打磨产品、迭代技术，是推动技术探索与商业化的关键力量。
二是商业化推进聚焦成本优化与模式创新双重路径。在成本优化方面，具身智能机器人企业主要有两大途径：一方面，通过规模化生产及应用摊薄高昂的研发与制造成本，如智元机器人表示远征A2售价早期在120万～150万元，现已下降至50万元左右。另一方面，通过核心零部件自研、供应链与集成设计优化，持续降低单机成本。例如，Figure AI通过提出减少非必要组件、优化生产工艺、构建全球合作网络的方式，降低量产成本。在模式创新方面，机器人即服务（Raas）的租赁模式通过将资本支出转化为运营支出，显著降低制造企业的尝试门槛，加速具身智能机器人的规模化应用。例如，特斯拉指出，将在服务端探索RaaS模式，使企业无需全款购买，可按市场付费，以降低应用门槛。
二、我国具身智能机器人赋能发展面临的主要问题
（一）关键核心技术瓶颈亟待突破，制约产品可靠性与场景适配度
一是高质量数据不足，模型泛化能力有限。当前，行业普遍采用真实数据、仿真数据与开源数据集相结合的方式进行模型训练。但真实工业场景的多模态数据稀缺，采集成本高昂且标注工作烦琐；仿真环境数据与物理世界存在难以消除的差异；开源数据集则大多面向简单、标准化任务，对复杂工业场景的覆盖面不足。受制于高质量数据匮乏与跨场景迁移学习技术尚不成熟，具身智能机器人模型训练效果有限、泛化能力不足，机器人在特定环境或任务中习得的技能难以有效、可靠地迁移至新场景。
二是工业场景需求与技术供给存在错配。一方面，在场景个性化需求适配上面临挑战。当前具身智能机器人的试点应用多集中在质检、搬运等基础环节，而汽车、3C电子等自动化程度较高的行业，其需求主要集中在因产品快速迭代而产生的柔性装配需求。但目前企业多聚焦于通用具身智能机器人发展，无法满足上述高度个性化、定制化需求。另一方面，存在可靠性需求适配问题。制造业场景对生产节拍、作业精度与系统可靠性有严格要求，现有技术难以满足上述严苛要求。
（二）中试验证与成果转化体系薄弱，工程化与产业化鸿沟亟待跨越
一是专业化中试平台数量有限、服务能力不足、用户协同机制尚不完善。在平台数量方面，中试平台由于前期投入大、盈利模式不清等问题，有效供给相对不足。以工业和信息化部首批242家重点培育中试平台为例，机器人领域仅有4家。其中，专注具身智能机器人领域的则仅有河套具身智能矿山机器人中试平台。在平台能力方面，缺乏自主可控的高保真虚拟仿真软件，如汽车焊接工艺的虚拟调试多依赖西门子PDPS等国外工业软件；尚未建立失效模式库、算法参数库等工业知识体系，对运动算法迭代、机械长期可靠性、量产经济性的中试支撑不足。在协同机制方面，中试平台目前多由政府、具身智能机器人龙头企业主导，下游用户企业参与不足，导致中试场景难以精准反映真实工艺需求，产品进入生产现场后仍面临适配度不足问题。
二是具身智能机器人训练场偏重解决数据采集瓶颈，对技术成果熟化支撑作用有限。中国信息通信研究院数据显示，全国已建成超30家具身智能训练场。但目前来看，仍存在两方面问题：一方面，在场景构建上，部分训练场以虚拟仿真或简化场景为主，缺乏大规模、高保真的产线环境复现，导致对复杂工业现场的覆盖广度与模拟深度不足。另一方面，在功能定位上，训练场的核心目标是以场景建设破解物理世界数据采集成本高、效率低下等问题，同时弥补产品长期可靠性验证、工艺适配性等中试工作的不足。
（三）规模化应用面临经济性与市场接受度挑战，商业闭环尚未形成
当前，具身智能机器人市场呈现“热资本、冷市场”的特征，资本集中投向智元、优必选、银河通用等头部企业，但终端用户的规模化采购仍较为谨慎。
一是应用价值与现有解决方案对比的优势不足。当前，具身智能机器人落地场景多集中在简单物料搬运、拧螺丝等基础装配、常规质量检测等领域，与机械臂、自动导引车（AGV）等传统自动化设备以及现有数字化解决方案在功能上存在高度重叠，在作业效率、节拍满足度、综合成本上尚未形成优势。客户缺乏动力替换，尚处于能用但未必更优的方案，导致规模化应用较慢。
二是成本高昂制约应用，成熟、可持续的商业模式尚在探索初期。当前，工业级具身智能机器人产品单价偏低的普遍在20万～50万元不等，高端型号或定制化产品价格则更为昂贵。在商业模式方面，虽然已有企业开始创新探索，如智元机器人率先推出“擎天租”平台，推动从单纯设备销售向租赁即服务的模式转变。但整体来看，机器人即服务（RaaS）等新型商业模式仍处于局部试点验证阶段，多方共赢的利润分配机制仍在摸索中，市场缺乏规模化的成功案例，其长期经济性与可持续性尚未得到充分证明。
（四）产业生态关键支撑要素存在短板，制约产业协同与可持续发展
一是标准体系建设滞后、技术创新与产品迭代。2025年年底，工业和信息化部成立人形机器人与具身智能标准化技术委员会，并启动编制《人形机器人与具身智能综合标准化体系建设指南》，且该指南已经在2026年1月发布。但整体来看，相关标准研制仍处于初期阶段，进展滞后于技术创新与产品迭代速度。例如，产品缺乏统一的可靠性评估国家标准，《人工智能 具身智能评测指南》仍在起草过程中，下游用户缺乏科学、透明的选型依据。互联互通标准缺失，厂商在数据格式、通信协议、接口规范等方面各不相同，制约着多机协同与群体智能等应用的发展。
二是跨学科复合型人才短缺。在产业端，具身智能机器人作为机械工程、AI、材料学等多学科融合领域，对掌握前沿算法、精通硬件设计与工程实践、理解工业场景需求的复合型人才需求迫切。北京理工大学调研数据显示，我国具身智能人才缺口约100万。在教育端，高校人才培养体系调整相对滞后，供给严重不足。教育部公示信息显示，2025年已有北京航空航天大学、北京理工大学等9所高校申请增设具身智能专业，其年度招生规模预计约460人，与产业百万量级的需求相差甚远。同时，现有的跨学科课程体系设计、产学研深度融合的培养机制尚在探索，难以规模化培养出符合产业所需人才。
三、发展建议
（一）强化以场景为牵引的技术攻关体系，突破核心技术瓶颈
一是系统梳理场景需求，发布关键技术攻关清单。以工业和信息化部“一图四清单”方法论为指导，鼓励国家级智库机构牵头，联合具身智能机器人头部企业、重点行业用户，深入新能源汽车、3C电子、高端装备等优势行业，全面梳理具身智能机器人高价值应用场景图谱及工具软件、数据要素、知识模型、人才要素清单。聚焦高价值场景研究发布在多模态感知、跨场景迁移学习、AI与工业知识融合等领域的技术攻关清单，引导创新资源有序集聚。
二是组织实施重大科技专项，推动产学研用协同攻关。以场景图谱为牵引，设立具身智能机器人领域国家重大科技专项，加速引导高质量数据集建设与关键技术攻关。在数据层面，依托工业数据筑基行动，鼓励提升真实工业场景数据的采集、清洗与标注能力，强化仿真数据向真实场景有效迁移的关键技术研发，形成覆盖典型工业场景的高质量数据集。探索建立行业数据可信空间，建立健全数据流通共享机制，促进数据价值释放。在技术层面，依托高质量数据集基础，由具身智能机器人企业、科研院所等提供技术研发能力，用户企业开放真实的产线环境与工艺需求，联合攻克工业现场长期可靠性、工艺适配性、非结构环境适应性等共性技术难题。
（二）完善中试验证与成果转化体系，支撑跨越工程化鸿沟
一是统筹布局建设一批高水平中试平台。以《制造业中试平台建设指引（2025版）》为指导，坚持梯度培育，引导现有具身智能机器人训练场等载体强化中试验证功能，支持产学研用多方主体新建若干国家级具身智能机器人中试平台。建立多元资金支持机制，依托“两新”“两重”等存量政策，加大中央财政资金对高水平具身智能机器人中试平台的支持力度；鼓励地方以效果为导向开展建设后补助、补改投等工作；支持金融机构建设推广“中试贷款＋中试保险”等金融产品或服务，赋能中试发展。充分发挥中试平台的支撑作用，重点聚焦高性能关节、灵巧手、专用传感器等核心部件以及整机可靠性，建设工艺验证、长期可靠性测试、软硬件适配、量产可行性等高水平中试公共服务能力。
二是发挥科技创新引领作用，增强数字化、专业化中试能力建设。支持中试平台与重点应用行业龙头企业合作，共建或复现高保真度的真实示范产线，开展系统级、场景级中试验证。加速部署先进中试能力，推动中试软硬件设备与工业互联网、数字基础设施等的集成应用，推动中试实现网络化发展；加快虚拟仿真、机器视觉、机器学习、AI模型等技术在中试环节的应用，推动中试实现数字化发展；加速中试平台构建具身智能机器人典型加工工艺数据库、专家知识库与算法模型库，形成可复用、可迭代的中试知识体系，持续提升中试专业化水平。
（三）强化资金支撑与标杆示范建设，加速应用规模化落地
一是构建“政策—市场—金融”的协同支持体系。强化政策资金激励，支持地方结合产业发展现状，研究出台针对性首台套保险补偿、应用奖励、投资抵税等财政政策，降低用户采购成本。鼓励市场侧探索服务化商业模式，积极总结推广“擎天租”等平台模式经验，支持企业由单纯销售设备向提供集租赁、运维、升级、数据服务于一体的综合解决方案服务商转型。引导金融机构基于具身智能机器人资产特点，开发推广具身智能机器人综合保险、融资租赁等产品，多措并举化解用户资金压力。
二是加速打造具身智能机器人应用标杆示范。聚焦新能源汽车、3C电子等优势行业，围绕精密装配、柔性检测、高负载搬运等高价值应用场景，支持行业龙头企业联合具身智能机器人企业，率先打造一批试点应用示范工厂。组织开展供需对接会、现场观摩会、交流研讨会等活动，发布具身智能机器人应用典型优秀案例集，宣传推广先进理念、技术产品和解决方案，加速形成看样学样的示范效应。
（四）优化具身智能机器人产业发展生态，筑牢长远发展根基
一是加强政策与标准牵引。研究出台工业领域具身智能机器人赋能发展的相关顶层政策文件，明确产业发展路径、重点任务与保障措施。依托人形机器人与具身智能标准化技术委员会，引导具身智能机器人龙头企业、重点行业用户企业、高校院所联合开展标准制定工作，加快研制覆盖性能与工艺评测、互联互通、多机协同等关键领域的基础性与急需标准。强化标准实施与应用，探索建立产品认证与采信制度，以标准统一市场准入门槛与评价尺度。
二是加强复合型人才的培育与引进。支持高校加快设立具身智能机器人等交叉学科专业，系统化构建融合机械工程、电子信息、AI及行业知识的课程体系与项目制培养方案。支持龙头企业、重点科研院所与高校共建跨学科人才培养基地和产教融合平台，共同开发教材、设计课题、提供实习岗位，推动人才培养与产业需求精准对接。依托国家重大人才工程，面向全球靶向引进AI、机器人等领域的产业高端人才，构建多层次、可持续的人才供给体系。
