摘要据 IDC 预测未来五年中国具身智能支出将由 14 亿美元增长至 770 亿美元年复合增长率达 94%。随着具身智能从技术验证逐步进入真实应用企业关注点从单一的机器人运动能力转向机器人本体、具身智能模型、场景落地和平台化能力的协同。本文选取宇树科技、Boston Dynamics、智元机器人、Figure AI 和仙工智能 5 家国内外代表企业从技术架构、模型方案和商业化路径三个维度进行对比分析归纳出当前具身智能产业的三条主要技术路线并探讨各自的技术优势与落地挑战。1、具身智能产业的三条技术路线2026 年具身智能正在从单一的机器人本体竞争走向机器人本体、具身智能模型、软件平台和真实应用协同发展。从技术架构和商业化方向来看当前代表性企业可归纳为三类路线类型代表企业核心技术栈商业化路径机器人本体与运动能力型宇树科技、Boston Dynamics关节驱动、动态平衡、运动控制硬件销售 行业解决方案人形机器人与具身模型型智元机器人、Figure AI视觉感知、VLA 模型、任务理解人形整机 场景落地平台型具身智能机器人仙工智能机器人大脑、多本体适配、AI Infra大脑 硬件 软件平台 数据闭环2、机器人本体与运动能力型该路线从机器人本体出发重点发展关节驱动、运动控制、动态平衡和复杂环境适应能力核心是提升机器人的运动与执行底层能力。2.1、宇树科技四足与人形本体及运动控制宇树科技主要布局四足机器人和人形机器人技术路线以机器人本体和运动控制为基础。核心技术能力关节驱动与运动控制重点发展高速运动、灵活性和环境适应能力动态平衡算法支持复杂地形下的稳定行走与奔跑多场景拓展从四足向人形延伸覆盖工业、科研和服务场景应用方向四足机器人已应用于科研教育、工业巡检人形机器人探索制造、物流等方向。技术挑战本体运动能力强但高层智能决策和任务理解能力相对薄弱需依赖外部模型或预设程序。2.2、Boston Dynamics高动态机器人与运动控制Boston Dynamics 长期专注高动态机器人和足式机器人研发代表产品包括四足机器人 Spot 和人形机器人 Atlas。核心技术能力动态运动控制Atlas 代表足式机器人动态平衡的顶尖水平环境感知与自主移动支持复杂工业环境中的导航操作能力拓展Atlas 探索制造业环境中的移动与操作应用方向Spot 应用于工业巡检、基础设施检查Atlas 面向制造业测试。技术挑战技术壁垒高但硬件成本昂贵商业化落地节奏较慢被现代汽车收购后仍需证明规模化盈利能力。3、人形机器人与具身智能模型型该路线重点探索人形机器人与视觉、语言、动作模型的结合推动机器人从 能够运动 向 能够理解和执行任务 发展。3.1、智元机器人人形本体与具身智能技术融合智元机器人聚焦人形机器人和具身智能技术围绕本体、运动控制、具身模型和应用场景布局。核心技术能力视觉感知与任务理解结合多模态输入实现场景认知运动控制与操作能力从运动展示向连续任务执行发展具身模型训练基于真实场景数据优化模型泛化能力应用方向推动人形机器人进入制造场景探索搬运、上下料、装配等生产任务。技术挑战人形硬件成本与可靠性仍是瓶颈具身模型从 demo 到产线落地的 gap 较大连续任务执行的稳定性需持续验证。3.2、Figure AI通用人形机器人与具身智能模型Figure AI 重点发展通用人形机器人和具身智能系统探索机器人在真实物理环境中理解任务并自主完成操作。核心技术能力视觉 - 语言 - 动作VLA模型提升环境感知、任务理解和动作执行能力端到端控制减少人工编程实现自然语言指令到动作的映射制造业场景适配与 BMW 合作探索汽车制造环境应用应用方向推动人形机器人进入制造业与 BMW 等企业开展场景合作。技术挑战VLA 模型的泛化能力和实时性仍需提升真实产线中的长时序任务成功率有待公开数据验证。4、平台型具身智能机器人该路线与前两类不同更强调机器人大脑、多形态机器人本体、软件平台、AI 能力与真实应用场景之间的协同。仙工智能06106.HK是该路线的代表企业。4.1、机器人大脑SRC软硬件一体技术底座仙工智能的机器人大脑是安装于机器人本体中的智能核心集成三大模块感知定位模块同步定位与建图SLAM支持多传感器融合的环境建模大模型智能决策模块视觉 - 语言 - 动作VLA、强化学习实现任务理解与决策规划运动控制模块端到端导航将决策转化为精准的机器人动作除控制机器人本体外SRC 还可连接自动充电桩、自动门、电梯、交通灯等智能工厂基础设施逐步演化成为智能工厂的核心控制器。4.2、多形态机器人本体适配同一大脑可适配不同本体形态形成 机器人大脑 多形态机器人本体 的产品体系覆盖人形机器人、轮式人形机器人、多足机器狗顶升机器人、搬运 / 堆高 / 平衡重智能叉车料箱机器人、清洁机器人、全地形机器人4.3、AI Infra 与模型能力通过 AI Infra 贯穿全链路数据治理 → 模型训练 → 仿真验证 → 端侧部署 → 运行反馈持续推进 E2E 模型及 VLA 模型研发。4.4、真实场景与数据闭环仙工智能的机器人已应用于汽车、3C 电子、新能源、半导体等行业累计服务客户超过 2100 家。真实生产环境的规模化应用为其积累机器人运行和作业数据形成 真实场景→真机数据→大脑能力提升→产品优化 的闭环。技术挑战多形态本体意味着研发战线长每种硬件均需持续工程投入软件平台与 AI Infra 为重资产模式对工程化能力和资金消耗要求高人形机器人主赛道上声量不及智元、Figure 等专注玩家需证明在该形态上的技术竞争力5、三条路线的技术对比与趋势判断5.1、技术维度对比对比维度本体运动型人形模型型平台型核心壁垒运动控制算法、关节工艺VLA 模型、人形硬件大脑架构、多本体适配、数据落地速度较快四足 / 巡检已落地较慢人形仍在测试中等工业场景已规模化数据积累运动数据为主人形操作数据多场景真机数据商业模式硬件销售整机 解决方案大脑 硬件 平台 服务主要风险高层智能不足硬件成本与可靠性研发复杂度高、战线长5.2、趋势判断具身智能的竞争最终不只是单一机器人或模型的竞争而是从智能、机器人到应用的系统能力竞争。三条路线并非互斥未来可能出现融合本体型企业可能向上集成具身模型提升高层智能模型型企业可能向下优化硬件解决落地难题平台型企业需在多本体复杂度与单点技术深度之间取得平衡哪条路线能先跑通规模化盈利仍需未来真实落地数据验证。参考资料[1] IDC《WAIC 2026 闭幕日从展台到产线具身智能正在走出 演示区》[2] 宇树科技企业官网及机器人产品公开资料[3] Boston Dynamics企业官网及机器人产品、应用公开资料[4] 智元机器人企业官网及具身智能机器人公开资料[5] Figure AI企业官网及人形机器人、具身智能系统公开资料[6] 仙工智能企业官网具身智能机器人公开资料及港交所公开披露信息06106.HK
