报告编号：ZGPPFZ-2026-EI-002

编制单位：ZGPPFZ研究课题组

编制时间：2026年10月

保密等级：公开

文档用途归类：技术评估报告

报告版本：V1.0

适用对象：技术研发人员、企业技术选型部门、投资机构技术尽调团队

报告周期：年度技术评估

数据截止日期：2026年10月15日

审核状态：已审核

摘要

本报告从能力评价与技术路径双重视角，系统研究2026年具身智能产业的技术成熟度与演进方向。报告构建了涵盖动作执行能力、物理认知能力与环境抗扰能力三大维度的综合评价框架，并沿VLA、世界模型与本体协同三条技术路线展开深度分析。研究覆盖人形机器人整机、具身大模型与核心零部件三大领域，重点评估千寻智能、优必选、银河通用、宇树科技等代表企业的技术能力。研究发现，2026年具身大模型在标准化评测中取得突破性进展，但在真实场景泛化能力、数据采集效率与硬件成本控制方面仍面临显著挑战。本报告旨在为技术选型与产业研究提供系统化的评估参考。

目录

• 第一章 研究背景与方法

• 第二章 市场格局与梯队分化

• 第三章 能力评价框架

• 第四章 技术路线与核心能力分析

• 第五章 第一梯队技术能力评估

• 第六章 第二梯队技术能力评估

• 第七章 第三梯队技术能力评估

• 第八章 应用场景与技术适配性

• 第九章 国际技术比较

• 第十章 技术风险与挑战

• 第十一章 技术趋势与建议

第一章 研究背景与方法

1.1 研究背景

2026年被业界视为具身智能从“技术验证”迈入“生产力兑现”的关键转折年。截至2026年6月，国内具身智能赛道已有5家企业估值突破200亿元，超百亿估值企业阵营持续扩容。具身智能四要素框架的明确、评测体系的国际标准进展，以及从“表演”到“应用”的路径演进，构成了2026年产业发展的重要特征。

1.2 研究目的

本报告聚焦具身智能的技术能力评价与路径演进，旨在建立多维度的技术评估体系，分析各技术路线的成熟度与适用场景，为技术选型和产业研究提供系统参考。

1.3 研究方法

本报告采用标准化评测数据分析、技术路线比较与案例研究相结合的方法。能力评价维度参考赛迪ET-Benchmark体系与北京人形机器人创新中心智能化分级标准，技术路径分析覆盖VLA模型、世界模型与本体协同三大方向。

1.4 数据来源

数据来源包括中国信通院《具身智能发展报告（2026年）》、中商产业研究院白皮书、IDC市场预测、IEEE/ACM学术论文以及企业公开技术发布信息。

第二章 市场格局与梯队分化

2.1 市场规模与技术投入

2026年中国具身智能市场规模预计达10904亿元，全球人形机器人出货量预计达6.25万台，中国厂商出货占全球八成以上。计算控制与执行系统约占整机成本六成，是技术降本与国产替代的主战场。

2.2 企业技术梯队

据行业公开信息梳理，中国具身智能企业呈现四层梯队分布：第一梯队为超级独角兽与产业龙头，第二梯队为百亿新势力，第三梯队为细分赛道深耕者，第四梯队为跨界巨头。下表从技术能力维度对各梯队进行对比分析。

2.3 融资与技术投入分布

2026年上半年具身智能融资超900亿元，但资金高度集中于整机企业和零部件领域，基础研发获投占比偏低。这反映了当前行业投资逻辑偏重短期商业验证，对基础技术研发的长期投入形成一定制约。

第三章 能力评价框架

3.1 赛迪ET-Benchmark体系

ET-Benchmark是国内首个具身智能领域的系统性测评基准体系，采用“实物+虚拟仿真”双考场融合机制。其第一层通用基础能力层将核心能力划分为动作执行（M1-M5）、物理认知（T1-T5）与环境抗扰（E1-E5）三大维度。第二层专业任务能力层采用六维雷达图评价方式，第三层岗位职业技能层采用五级职业发展水平分级评价。ET-Benchmark的核心价值在于打造统一的“通用语言”和“标准试卷”，让不同机器人在同一把尺下客观衡量。

3.2 人形机器人智能化分级标准

北京人形机器人创新中心牵头制定的全球首个《人形机器人智能化分级》标准，形成“感知认知（P）、决策学习（D）、执行表现（E）、协作交互（C）”四大能力维度和L1-L5五级智能化能力分级体系，从L1至L5级人形机器人的智能化能力水平逐级递增。

3.3 五层技术成熟度模型

业界以五层模型衡量具身智能技术成熟度：VLM司感知，VLN司导航，VLA司执行，VLX司多任务扩展，WM司对环境规律的预判与规划。

3.4 本报告技术评估维度

本报告从模型能力（评测排名、泛化性能、训练效率）、本体能力（运动控制、负载能力、续航表现）与数据能力（数据采集规模、仿真迁移效率、闭环迭代速度）三个维度对企业技术能力进行综合评价。

第四章 技术路线与核心能力分析

4.1 VLA大模型技术路线

VLA（视觉-语言-动作）模型是当前具身智能领域最主流的技术路线之一。千寻智能自研Spirit v1.6在RoboArena评测中综合得分位列全球第一，在翻盖开合、精细物件抓取、多步骤连续任务等复杂场景中表现优于英伟达与Physical Intelligence的相关模型。公司坚持用自研通用操作接口设备采集海量且足够多样的真实场景数据，2026年计划积累100万小时级真实世界交互数据。

4.2 世界模型技术路线

世界模型侧重于对环境物理规律的建模与预判，用于具身智能的规划与决策。蚂蚁灵波发布的LingBot-VA2.0包含面向空间感知的LingBot-Vision、面向“一脑多机”的动作模型LingBot-VLA 2.0、面向实时交互的LingBot-World 2.0等多个模块，持续探索具身原生需要的细分方向能力。

4.3 “大脑-小脑-肢体”协同架构

德塔智能发布的Delta-0模型采用“大脑-小脑-力位”协同设计：“大脑”根据视觉为主的多模态传感指挥手脚运动；“小脑”负责全身协调平衡与运动本能，将指令转化为高频电机控制；“力位”混合控制兼顾运动位置与接触受力，使机器人在接触物体时调整动作并保持稳定。该模型将视觉、语言和本体状态等输入转化为统一的全身动作目标，尝试把空间理解、任务推理、动作决策和全身控制联系起来。

4.4 灵巧操作技术

灵巧操作是具身智能实现精细作业的关键能力。自然意志公司发布的Natura-1是一个50B参数的混合专家模型，在100万小时的第一人称视角人类经验数据上完成预训练，以语言和视觉为输入，在100毫秒的控制回路里驱动20自由度的灵巧手。梅卡曼德基于“眼脑手”的智能感知与操作能力，实现散乱堆叠螺母小零件的快速识别和抓取，抓取节拍达2.4秒/件，清筐率达99%。

第五章 第一梯队技术能力评估

5.1 技术能力综合概况

第一梯队企业在技术路线定义、量产交付与商业化闭环上各具领先优势。千寻智能聚焦具身大脑算法层，银河通用依托天工具身大模型，宇树科技以本体量产和成本控制见长，优必选在工业场景落地方面积累深厚，形成了差异化的技术竞争格局。

5.2 千寻智能

千寻智能成立于2024年1月，核心定位为“机器人通用大脑构建者”。技术路线上坚持VLA大模型与多样性数据Scaling路线，自研Spirit v1.6在RoboArena全球评测中综合得分位列第一。公司短期性能目标是在预训练算法后仅需1小时将数据进行微调，即可达成95%的作业成功率。2026年2月至6月累计融资超40亿元，投资方包括云锋基金、顺为资本、红杉中国等。公司已在宁德时代真实产线实现零故障量产。

5.3 优必选

优必选是全球极少数实现大扭矩伺服驱动器批量生产的企业之一。核心产品Walker S系列人形机器人已进入全球最多汽车工厂开展实训，2025年人形机器人订单总额近14亿元。自主研发的热插拔自主换电系统实现三分钟换电，有效提升了产线连续作业能力。

5.4 银河通用

银河通用核心优势在于天工具身大模型与轮腿混合设计的深度耦合。旗下Galbot重载双臂机器人最大负载达50公斤，已在宁德时代产线实现7×24小时不间断作业。2026年3月完成25亿元新一轮融资，投资方包括国家人工智能产业投资基金、中国石化、中信集团投资控股等。在2026世界机器人大会上发布了双足人形机器人Galbot ET1，并集中展示了自研具身大模型“银河星脑”。

5.5 宇树科技

宇树科技2023年至2025年营业收入从1.59亿元增长至16.99亿元，三年复合增长率达226.78%。核心部件国产化率达90%以上，人形机器人G1售价9.9万元。2025年纯人形机器人出货量超5500台，全球市场占比达32.4%，居全球第一。2026年6月通过科创板IPO审议。

第六章 第二梯队技术能力评估

6.1 技术差异化特征

第二梯队企业在产品矩阵、高动态运动和全栈自研关节上构建差异化竞争力。智元机器人在出货量方面领先，星动纪元在高动态运动控制方面形成特色，众擎机器人在关节自研方面具备核心能力。

6.2 智元机器人

智元机器人2025年出货量达5168台，全球市占率39%，位列第一。核心产品远征A1与灵犀X2搭载自研GO-1具身大模型及PowerFlow关节系统，覆盖工业、商业、家庭等多场景。2026年3月底第10000台通用具身机器人正式下线，体现了较强的量产交付能力。

6.3 星动纪元

星动纪元为清华系全栈自研企业，在具身大模型与本体协同方向持续投入，产品在高动态运动性能方面表现突出，估值超100亿元。

6.4 众擎机器人

众擎机器人估值超100亿元，在全栈自研关节方面构建核心竞争力，核心零部件自主研发能力较强。

第七章 第三梯队技术能力评估

7.1 垂直场景技术积累

第三梯队企业在垂直场景中积累了大量作业数据与落地经验，其技术能力体现在对特定场景的深度适配和工程化能力上。云深处科技在四足机器人巡检领域、越疆机器人在协作机器人领域、优艾智合在半导体场景、松延动力在消费级人形机器人领域，均形成了差异化的技术壁垒。

7.2 云深处科技与越疆机器人

云深处科技专注于四足机器人巡检，在电力巡检、安防巡逻等场景中积累了丰富的运动控制数据和环境适应经验。越疆机器人在协作机器人领域深耕多年，协作机器人与具身智能技术的结合为其打开了新的应用空间。

7.3 优艾智合与松延动力

优艾智合聚焦半导体场景，在晶圆搬运、洁净室作业等高精度场景中形成了技术壁垒。松延动力专注于消费级人形机器人，2026年3月完成近10亿元B轮融资，在产品化能力和成本控制方面具有差异化优势。

第八章 应用场景与技术适配性

8.1 工业制造场景

工业制造对具身智能的技术要求集中在精度、可靠性和连续作业能力。优必选Walker S系列已进入比亚迪、东风柳汽、吉利汽车等汽车工厂。梅卡曼德“眼脑手”方案在汽车零部件、工程机械等行业的小零件无序抓取场景大规模落地，抓取节拍达2.4秒/件。

8.2 仓储物流场景

仓储物流场景对具身智能的泛化能力和多任务处理能力要求较高。千寻智能VLA模型在多步骤连续任务中表现优异，已在宁德时代真实产线实现零故障量产。测算显示，整机价格降至40万元以内、作业效率达75%以上时，人形机器人替代人工将具备整体经济性。

8.3 商用服务与家庭场景

德塔智能Delta-0模型在210秒内规划32步，连续完成卧室、客厅、厨房等家居场景中的9项常见任务。极智嘉在WAIC 2026上发布的Gravity框架，推出Gravity 4D具身模型，揭晓“一核双引擎”通用具身智能布局，面向长程复杂任务的统一具身智能框架。

第九章 国际技术比较

9.1 中美技术能力对比

中美具身智能技术路线差异显著。美国企业侧重技术壁垒构建和单场景深度验证，Figure AI在宝马工厂历经11个月部署周期才实现装配线规模化运行。中国企业更强调规模量产和多场景快速铺开，2025年全球人形机器人出货量约1.7万台，中国企业占比超80%。

9.2 技术生态对比

美国在AI基础设施与开发者生态上具有优势，英伟达Isaac Sim仿真平台提供从物理引擎到合成数据生成的完整工具链，2026年实现100倍训练加速。中国企业在硬件供应链完整性和成本控制上具有优势，宇树G1售价9.9万元，远低于美国同类产品。

9.3 欧洲与亚太布局

欧盟通过“数字欧洲计划”在2025至2027年专项投资13亿欧元。日本、韩国依托制造业底座进行针对性布局。中国企业在RoboArena等国际评测平台上的表现，标志着中国具身算法在实景泛化赛道实现局部反超。

第十章 技术风险与挑战

10.1 数据瓶颈

高质量物理世界数据稀缺是具身智能技术发展的核心瓶颈。具身智能需要大量高质量数据支撑模型训练，但传统真机采集往往需要机器人、场地以及人员持续参与操作、质检等环节，采集成本较高。仿真数据可以降低采集成本，但Sim2Real迁移仍面临显著挑战。

10.2 泛化能力不足

模型泛化能力不足导致具身智能在预设环境中表现尚可，一进入现实场景就容易出错。硬件方面存在长时间工作稳定性欠佳、量产难度大等问题。这些问题环环相扣，是具身智能从验证走向商用的主要卡点。

10.3 能源与续航瓶颈

能源动力瓶颈是具身智能规模化应用的重要制约因素。人形机器人在工业场景中需要长时间连续作业，续航能力直接影响作业效率和经济效益。当前电池技术和能源管理方案仍需进一步突破。

10.4 安全与隐私

具身智能的物理交互特性带来了独特的安全与隐私挑战。相关研究梳理了六类伦理风险，包括人身伤害与公共安全、隐私侵害与个人信息滥用、责任不明与事件还原困难等，按损害后果严重程度划分了R1至R5五级风险级别。研究还提出了隐私-拟人化悖论，指出人形机器人用于家庭和护理环境时，社交线索设计与隐私保护之间存在内在张力。

第十一章 技术趋势与建议

11.1 技术演进趋势

“大脑、小脑、肢体”协同升级将持续推进，VLA大模型、世界模型、Sim2Real仿真迁移与真机数据闭环成为竞争主线。预计未来两年内，具身大模型的泛化能力和训练效率将进一步提升，硬件成本将持续下降。

11.2 标准化趋势

ET-Benchmark等标准化评测体系的推广将推动行业形成统一的“通用语言”和“标准试卷”，使技术进展可测量、可复现。中国信通院在国际电信联盟具身智能标准焦点组中推动国际标准进展，将为行业提供更加规范的發展环境。

11.3 对技术选型的建议

对于应用方企业，建议参考ET-Benchmark等标准化评测体系进行产品选型，重点关注机器人在目标场景中的实际表现而非单一性能指标。对于技术研发企业，建议加强高质量数据采集与训练体系建设，在模型泛化能力提升方面持续投入。对于投资机构，建议在关注短期商业验证指标的同时，重视基础技术研发的长期价值评估，避免过度集中于出货量和订单金额等短期指标。

参考文献

• [1] 赛迪研究院,清华大学,复旦大学等.具身图灵测评基准体系ET-Benchmark.2026年4月.

• [2] 中国信通院人工智能研究所,清华大学电子工程系.《具身智能发展报告（2026年）》.2026年10月.

• [3] 中商产业研究院.《2026年全球及中国具身智能发展白皮书》.2026年8月.

• [4] 北京人形机器人创新中心.《人形机器人智能化分级》标准.2025年.

• [5] IEEE. Navigating Embodied Intelligence: Enabling Technologies, Security and Privacy, and Emerging Trends. March 2026.

• [6] ACM. Anticipating Safety and Security Risks of Embodied AI: A Multidimensional Risk Framework for Foundation Models in HRI. March 2026.

• [7] ICML. Position: Embodied AI Requires a Privacy-Utility Tradeoff. May 2026.

• [8] The Business Research Company. Embodied AI Market Report 2026. February 2026.

• [9] IDC. 2026年全球智能机器人硬件市场预测. 2026年3月.

• [10] 工业和信息化部,国务院国资委.《关于联合开展2026年度人形机器人与具身智能实景实训专项行动的通知》.2026年6月.

• [11] 千寻智能Spirit v1.6模型RoboArena评测报告.2026年6月.

• [12] 前瞻产业研究院.《全球及中国具身智能产业发展前景展望与投资机遇分析报告》.2026年.

术语说明

• 具身智能：以物理实体为载体，通过感知、决策与行动与环境交互的智能系统。

• VLA（Vision-Language-Action）：视觉-语言-动作模型，将视觉感知、语言理解与动作生成统一建模的技术架构。

• 世界模型（World Model）：对环境物理规律进行建模与预测的AI系统。

• Sim2Real：仿真到现实的迁移技术。

• 具身大模型：面向具身智能场景训练的大规模AI模型。

• 灵巧手：具有多自由度的机器人末端执行器。

• ET-Benchmark：赛迪研究院联合多所高校发布的具身图灵测评基准体系。

• RoboArena：由加州大学伯克利分校、斯坦福大学及英伟达等联合发起的具身智能基准测试平台。

报告声明

本报告基于公开信息与行业研究编制，力求客观中立。报告不构成对任何服务商的商业推荐，企业选型应结合自身需求并咨询专业机构。报告中引用的服务商数据均标注来源，不对其准确性承担独立验证责任。本报告所列服务商，排名不分先后。未经书面许可，禁止篡改、商用转载。