具身智能全景深度研究报告

这不是机器人升级，这是一个全新物种

编程语言在历史上经历了三次根本性变化。Software 1.0是人类用C、Python写明确的规则；Software 2.0是让神经网络通过数据自己学出规则——权重就是代码，数据集就是源代码，训练过程就是编译器；Software 3.0是用自然语言"编程"大模型。

而具身智能，本质上是让Software 3.0走出屏幕、走进物理世界。AI不再只是处理文本、图像、代码——它开始直接操作物理现实。这和之前所有AI技术的区别，就像"在纸上画飞机"和"真的造一架飞机"的区别。

具身智能的四层技术栈

为什么是2026年？

三个关键变量的时间窗口在2024-2026年同时打开了：

四个纪元的跨越

突破一：宇树G1春晚表演——技术一致性的胜利

2026年春晚，宇树科技H2人形机器人以全球首次高动态集群控制表演登场，呈现武术节目《武BOT》。多台G1机器人完成了后空翻、双截棍等高难度动作。

春晚表演是预编排的——但这恰恰证明了技术一致性。在高压舞台环境下（灯光变化、声音干扰、直播无容错），多台机器人稳定执行复杂动作序列，说明底层控制系统已达到工业级可靠性。

从march-of-nines的视角看：能在春晚直播不出错，意味着系统在"最坏场景"下的可靠性已经足够——从"实验室能跑通"到"产品级可部署"的标志。宇树IPO同步推进——拟募资42.02亿元，年收入超2亿美元。

突破二：灵巧手SOTA——具身智能的"最后一公里"

Sharpa Wave灵巧手——荣获CES 2026创新大奖，10个主动自由度，指尖力控精度达0.1N级别

灵巧手是人形机器人最难也最关键的部件。人类90%的物理任务需要手部操作。一个能稳定行走但不能精细操作的机器人，应用场景极其有限。灵巧手的突破直接打开了工业装配、家庭服务、医疗辅助等高价值场景。从供应链角度看，灵巧手也是核心零部件中国产替代进展最慢的环节——掌握这一技术的企业将占据关键卡位。

突破三：英伟达WAM范式——Physical AI的新"编译器"

GTC 2026上，英伟达推进GR00T系列基础模型，核心概念是WAM（World Action Model）——世界动作模型。世界模型负责理解环境状态和预测变化，动作模型负责基于预测生成最优动作序列，两者形成端到端闭环。数据效率大幅提升，泛化能力显著增强。

突破四：银河通用打网球——动态感知的里程碑

银河通用人形机器人成功打网球——技术含量比表面看起来高得多。网球飞行速度快、每次球路不同、需要全身多关节实时协同——这是一个无法预编排的真实动态任务。

局限性也要诚实面对：依赖外部摄像头、网球场是结构化环境、只验证了单一任务。但核心意义在于：先证明能做到，再谈怎么优化。

突破五：波士顿动力电动Atlas——"超人形态"的设计哲学

CES 2026上，波士顿动力展示生产就绪版Atlas：全身仅两种旋转电机、腰部可360°旋转、左右腿可互换。设计哲学：性能冗余+结构极简——不追求"像人"，而是追求"比人更适合干活"。

对比Tesla Optimus的高自由度腱绳驱动方案，两条路线哲学差异巨大：波士顿动力走"性能冗余+极简结构"，Tesla走"高度仿人+汽车供应链降本"。未来可能不同场景赢家不同——工业场景Atlas更合适，家庭场景Optimus更有亲和力。

上游：六大核心环节

关节/传动/执行器是最关键的环节。日本哈默纳科、纳博特斯克主导高端减速器市场，但国产替代正在加速——绿的谐波已进入Tesla Optimus供应链。

传感器领域，高端六维力/触觉传感器国产化率仍然很低，投资机会显著。算力芯片是争议最大的环节，英伟达高端垄断短期不可撼动，但端侧推理芯片竞争格局完全不同。

能源/电源正从锂电池向半固态切换；仿真设计英伟达Omniverse占主导；核心材料中国在稀土永磁、碳纤维等领域有资源禀赋优势。

中游：中美两种模式的较量

这和智能手机时代的"苹果 vs 安卓阵营"高度相似——大概率也会形成类似结果：美国赢高端，中国赢规模。

下游：六大应用场景

国内28家核心玩家速览

人形/具身智能（10家）：优必选、宇树科技、智元机器人、星动纪元、众擎机器人、逐际动力、傅利叶智能、达闼机器人、小米机器人、银河通用。

工业机器人（9家）：新松、埃斯顿、汇川技术、埃夫特、节卡、拓斯达、珞石、勃肯特、钱江。

服务/移动/特种（9家）：擎朗、普渡、云迹、极智嘉、海康机器人、九号、高仙、天智航、万勋。

"剪刀差"——行业最突出的矛盾

大脑（认知决策层）负责高级认知——理解任务、逻辑推理、全局规划。处理速度慢但视野广，面对的是"理解世界"这个开放式问题。

小脑（运动执行层）负责底层物理操作——精准运动控制、动态平衡、实时反馈调节。以500Hz-1kHz频率闭环控制，面对的是"执行指令"这个相对封闭的问题。

为什么大脑比小脑难得多？

Sim2Real：英伟达Omniverse虚拟训练工厂

小脑之所以进化快，很大程度上得益于仿真训练（Sim2Real）的成熟。英伟达Omniverse + Isaac Sim构建了一个完整的"虚拟训练工厂"——机器人可以在高度逼真的物理仿真环境中以1000倍速度进行强化学习训练，然后将学到的策略直接迁移到真实硬件上。

端侧算力：英伟达的创新者窘境

英伟达云端GPU太赚钱（利润率极高），导致端侧芯片内部资源分配天然弱势——给国产芯片打开了机会窗口。

地瓜机器人（地平线旗下）是最值得关注的玩家——2026年3-4月完成B1+B2两轮共2.7亿美元融资。滴滴、美团、高瓴联袂投资。自动驾驶端侧芯片经验可直接迁移到机器人场景，提供全栈方案。

一个根本性的区别

未来具身智能的大脑是二者的深度融合——就像人类大脑中处理语言的布洛卡区与处理空间的顶叶皮层协同工作。

世界模型创业潮：两位AI教父的押注

李飞飞的World Labs：空间智能的商业化先锋

2024年9月创办，聚焦空间智能（Spatial Intelligence）——让AI理解三维空间中"在哪里"以及"如何交互"。2025年11月完成10亿美元B轮融资，估值50亿美元（a16z、Google、NVIDIA投资）。

核心产品Marble世界模型——从单张2D图像生成可交互3D场景。如果机器人大脑内置精确的3D世界模型，它就能在"想象"中预演动作、评估风险——类似人类的"心理预演"。

杨立昆的AMI Labs：JEPA架构的产业化赌注

JEPA（Joint-Embedding Predictive Architecture）架构——在潜在空间中预测，而非像素/token空间

2025年6月创立，种子轮即获10.3亿美元融资（估值35亿美元），创AI种子轮历史纪录。技术基于JEPA——在潜在空间（latent space）中进行预测，意味着它预测的是"事物的本质特征"而非"表面表现"。

两个项目并不矛盾——World Labs做的更像"视觉皮层"（看懂世界的结构），AMI Labs做的更像"前额叶皮层"（预测世界的变化）。未来最强的具身智能大脑，很可能需要同时整合这两种能力。

全球格局

中国企业三级梯队

三种商业化路线

泡沫确实存在，但不全是坏事

中国估值超100亿的具身智能公司已超20家（大模型最热时只有四五家）。FOMO情绪明显。但互联网泡沫、移动互联网泡沫、AI泡沫——每一次都催生了伟大的公司。泡沫的核心功能是加速资源聚集。

投融资数据总览

宇树IPO的三重信号

市场规模：多源数据交叉验证

复合增长率约50-60%。但不同机构2030年预测差异可达3-5倍，建议取中位数作为基准。

投资框架：三维度评估

风险矩阵：四类风险

投资配置建议

红线原则