这到底是个啥

1.1一句话定义：会"动手"的 AI

大模型会聊天，但它没有手。具身智能（Embodied AI）就是把大模型装进一个能感知、能移动、能操作的身体里，让智能从"说"变成"做"。

行业里常用一个三层结构来解释，本报告全篇按这个划分使用，不是官方标准：

表里这四个词先说清：VLA 是"视觉—语言—动作"模型，把看到的东西、听到的指令和要做的动作放进同一个网络里训练；世界模型是让机器人在"脑内"先把下一步会发生什么预演一遍，再决定怎么动；大语言模型就是会聊天、会读写的那类模型，在这里负责理解和拆解任务；强化学习是靠反复试错加奖励把动作练出来的训练方法，走路和保持平衡主要靠它。

三层里，大脑决定上限，小脑决定下限，身体决定成本。目前行业的真实状况是：身体最成熟，小脑次之，大脑最弱。这也是为什么展台上的机器人能后空翻，却很难在陌生厨房里独立做完一顿饭。

1.2具身智能、人形机器人、通用机器人是什么关系

这三个词经常被当成同义词，其实是一个包含关系：

• 具身智能是能力概念，指"有身体的智能"，形态可以是人形、四足、轮式、机械臂，甚至是一台自动驾驶汽车。
• 人形机器人是形态概念，指"接近人的构型"的本体，通常要求双臂、头部、身高接近成人；底盘可以是双足，也可以是轮式。
• 通用机器人是目标概念，指"什么活都能干"的机器人，目前还没有真正实现。

用一句话概括：具身智能是灵魂，人形机器人是最受关注的躯壳，通用机器人是还没到达的终点。

之所以人形形态获得最多资源，不是因为它效率最高——在平坦地面上，轮式比双足省电、稳定、便宜得多——而是因为人类世界的基础设施是按人的尺寸和动作设计的：门把手的高度、货架的间距、楼梯的踏步、工具的形状。人形机器人不需要改造环境，这是它最大的隐性优势。

1.3为什么 2026 年是分水岭

三个条件在 2025—2026 年同时到位。

第一，模型路线收敛到 VLA。2024 年以前，机器人控制主要靠"感知—规划—控制"的模块化流水线，误差会逐级放大。2025 年起，视觉—语言—动作（VLA）端到端模型成为主流，把像素、语言指令和关节动作放进同一个网络里训练。2026 年 9 月 17 日，Figure 发布 Helix 2.5：在 30 户从未采集过任何数据的旧金山湾区家庭里，三项任务的零样本成功率从 9% 提升到 56%〔1〕。这个数字仍然不高，但方向已经清楚了。

第二，硬件成本跌破临界点。2023 年一台全尺寸人形机器人售价动辄 60 万—100 万元；到 2026 年，人形机器人整机价格已经"击穿万元"档：松延小布米 9,998 元、启元 Q1 起售 1.99 万元，都是小尺寸与教育娱乐定位，不含全尺寸工业机型〔2〕。末端执行器更狠——慧灵 eHand-20 单只 20 自由度的灵巧手报价 9,999 元〔3〕。成本曲线开始向"客户愿意试用"的区间靠拢。

第三，政策从"鼓励"变成"派活"。2026 年 6 月 3 日，工信部办公厅与国务院国资委办公厅联合印发《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》（工信厅联科函〔2026〕256 号），要求年底前"带动形成万台级规模落地能力"，凝练百个以上高价值应用场景，每个省级地区选取重点场景单元不少于 20 个、每家央企选取重点场景不少于 10 个〔4〕。这不是补贴文件，是带着场景和考核要求的订单式推动。

1.4产业生命周期定位：导入期，不是爆发期

判断处在哪个阶段，本报告用两条腿：渗透率和增速。不用技术成熟度曲线的阶段名，理由见本节末。

第一条腿：渗透率还在千分位。国际机器人联合会（IFR）《世界机器人报告》口径，全球工业机器人保有量约 500 万台，中国 2025 年新装 35.4 万台（354,000 台）、占全球 59%〔5〕。把 IDC 统计的 2025 年全球人形机器人出货约 1.8 万台放进这个分母，占比不到千分之四〔6〕。

更严格地看"真在用"的比例：IDC 的买家结构显示，2026 年上半年仍有 69% 的人形机器人卖给了科研教育、表演展示和政府数采中心〔7〕。产业界通常按"实际干活的装机"看渗透，这个数远低于 1%。

第二条腿：增速是成熟环节的十几倍。国家统计局口径，中国工业机器人产量 2025 年全年 77.3 万套、同比 +28.0%，2026 年 1—7 月累计 63.5 万套（635,056 套）、同比 +28.5%，7 月当月 9.87 万套、同比 +30.2%〔8〕。同期人形机器人出货同比 +432.1%〔9〕。一个 28%、一个 432%，不是同一个数量级的增长齿轮——这是导入期最典型的统计特征。

判据之外，还有一条外部佐证，但只能取它的一半。Gartner《2026 年中国数据、和人工智能技术成熟度曲线》（2026-09-10）把包含人形机器人在内的"物理 AI"放在曲线靠前位置，判断距离主流采用还需 5—10 年——这一句两篇转述一致〔10〕。阶段名不写进结论：Gartner 官网原文打不开，两篇转述给出的阶段名彼此冲突（一篇作"创新触发期"，一篇作"期望膨胀期（2—5 年）""实质爬升期"），任选一篇都是过度取信。

一句话判断：2026 年不是"爆发年"，是"交卷年"。谁能在真实场景里连续运行 8 小时不出故障，谁才有资格谈 2027 年的扩产。历史不足是这一节必须承认的事：人形机器人只有 2024 年以后的单一口径出货序列，不足以上下文所说的完整周期，本章不做分位判断。

1.5三句话记住这一章

1. 具身智能是"给 AI 装身体"，大脑决定上限、小脑决定下限、身体决定成本——现在卡的是大脑，不是身体。
2. 人形形态拿到最多资源，不是因为效率最高，而是因为人类世界本来就按人的尺寸设计，它不需要改造环境。
3. 模型路线收敛、硬件成本跌破临界点、政策从给钱变成派活——三件事在 2025—2026 年同时到位，这才是"量产元年"这个说法的全部依据。

本章注释与口径

• 〔1〕Figure Helix 2.5 零样本成功率：公司官方博客，2026-09-17；口径为 30 户未采集过任何数据的旧金山湾区家庭、三项任务的 9%→56%。【S】这是公司自测的零样本泛化结果，没有第三方交叉验证；成功率分母是零样本尝试次数（原文作 "9% of zero-shot trials"），评测标准在评测开始前固定。原文页已于 2026-10-27 逐页核对。
• 〔2〕整机价格"击穿万元"档：融中财经 2026-10-07 机型报价汇总，链接。【B】口径：所列 9,998 元、1.99 万元均为小尺寸与教育娱乐定位机型报价，不含全尺寸工业机型。
• 〔3〕慧灵 eHand-20 报价 9,999 元：公司官网产品页，链接。【S】（厂商自述）
• 〔4〕实景实训专项行动要求：《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》（工信厅联科函〔2026〕256 号），工信部办公厅与国务院国资委办公厅联合印发，成文 2026-06-03、公开 2026-06-08，工信部原文。【S】"百个以上高价值应用场景""万台级规模落地能力""省级不少于 20 个、央企不少于 10 个"均见该文件"一、总体思路及目标"一节。
• 〔5〕工业机器人全球保有量约 500 万台、中国 2025 年新装 35.4 万台（354,000 台）占全球 59%：国际机器人联合会（IFR）《世界机器人报告》口径，IFR 官方新闻稿，2026-09-24。【B】机构原文页已点开核对。
• 〔6〕自算：1.8 万 ÷ 500 万 ≈ 0.36%，即"不到千分之四"。分子为 IDC 2025 年全球人形机器人出货约 1.8 万台（转述页【B】），分母为 IFR 全球工业机器人保有量约 500 万台；两者不同源、口径不同，该比值只作量级说明，不作同一口径的渗透率统计。
• 〔7〕2026 年上半年 69% 流向科研教育、表演展示与政府数采中心：IDC 买家结构，2026-09-29，转述页。【B】与注〔6〕〔9〕为同一转述页、同一份 IDC《全球人形机器人跟踪》。
• 〔8〕中国工业机器人产量 2025 年 77.3 万套（+28.0%）、2026 年 1—7 月 63.5 万套（635,056 套，+28.5%）、7 月当月 9.87 万套（+30.2%）：国家统计局，2026-01-19 发布、2026-08-17 发布。【S】两批数据分属年度与月度口径，不拼接成一条序列。
• 〔9〕人形机器人出货同比 +432.1%：IDC，2026-09，转述页。【B】
• 〔10〕"物理 AI"距主流采用还需 5—10 年：Gartner《2026 年中国数据、和人工智能技术成熟度曲线》2026-09-10，经两篇转述一致，腾讯新闻、新浪财经。【B】Gartner 官网原文未点开；两篇转述给出的阶段名彼此冲突，本报告只取"5—10 年"这一句，阶段名不写进结论。