具身智能（Embodied AI）
具身智能（Embodied AI）
来源： wiki/sources/ai-agent-topic-ai-tech, wiki/sources/ai-agent-topic-new-energy-mfg
相关概念： wiki/concepts/multi-agent, wiki/entities/nvidia, wiki/entities/tesla-ai
具身智能是指将 AI 嵌入物理实体（机器人、车辆等），使其能感知环境并在真实世界执行任务的 AI 范式。
核心要点
- 2025-2026 年最热赛道之一：全球投融资活跃，具身智能领域融资额持续攀升
- 五年内落地汽车制造：评估具身机器人在新能源汽车产线应用的可行性（Tesla Figure、BMW 合作）
- 华为全线布局：华为在芯片、具身机器人、AI 大模型、自动化 Agent 等领域均有布局
- 与 AI Agent 的融合：具身 Agent 是 AI Agent 从数字世界走向物理世界的关键形态
技术栈
| 层面 | 技术 |
|---|---|
| 感知层 | 多模态大模型（视觉+语言+触觉） |
| 决策层 | 大模型推理 + 强化学习 |
| 执行层 | 机械臂/腿、灵巧手、运动控制 |
| 训练层 | 仿真环境（Isaac Sim）→ 真机迁移 |
关键发现（2026年更新）
- NVIDIA Isaac 平台 + Figure 人形机器人 + Tesla Optimus 构成全球三大具身智能研发路线
- 中国具身智能初创企业融资热度在 2026 年 Q1-Q2 显著升温
- 数据瓶颈已成为核心卡点（超过模型瓶颈），详见下文
数据三痛点（钛媒体/钛媒体深度分析）
1. 多模态
- 需要视觉、听觉、触觉、力觉、本体感觉的多感官输入
- 当前多数采集方案严重依赖单一视觉
- 触觉反馈对区分微小差异（如2mm vs 1mm螺丝）至关重要
2. 高精度
- 时间对齐：不同传感器采集频率不同
- 空间对齐：手部动作精确还原到绝对坐标系
- 柔性手套因佩戴差异导致精度不稳定
- 纯视觉方案在手被遮挡时失明
3. 强因果
- 需要完整“行为链”：看到（视觉）→ 决定（认知）→ 动作 → 感受（触觉）→ 调整 → 结果
- 传统采集方式因果链断裂
- 如果全靠人工标注，需要近5000人团队（简智机器人每周2万小时数据估算）
产业融资数据
| 指标 | 数据 |
|---|---|
| 2030年中国市场规模预测 | 4000亿元 |
| 2035年预测 | 突破万亿 |
| 2026年Q1融资规模 | 近300亿元 |
| 融资事件同比增长 | 63% |
代表性融资事件：
- 光轮智能：超5亿美元
- 逐际动力：2亿美元B轮（估值超10亿）
- 星海图：20亿元B+轮
软银物理AI全栈
详见：wiki/entities/softbank-physical-ai
人形机器人现实差距（傅盛分析）
详见：wiki/sources/industry-batch-d-trends-hardware # 具身智能与机器人
"人形机器人现在的处境就一句话：便宜不过人工，好不过专用机械臂。" —— 傅盛
产业共识转向
从“模仿语言逻辑”进入“学习物理法则”的深水区：
- VLP（视觉-语言-规划）路径 → 世界模型路径
- 智驾领域人才涌入具身智能赛道
- 数据采集硬件革命：柔性手套 → 刚性外骨骼+磁编码器