研报解读：《具身智能发展报告（2026年）》

热闹的具身智能，冷掉的生意

2026 年，人形机器人的日租金从年初的约 2 万元跌到了千元级，跌幅八至九成；二手市场里，2024 至 2025 年买入价30 万-80 万元的旧款工程样机，2026 年行情已跌到3 万-6 万元，残值缩水接近九成。

另一面却是热得发烫：2026 年上半年，国内具身智能领域融资322 起、金额约935 亿元，半年就超过了 2025 年全年的735 亿元，同比增长约5 倍。

中国信息通信研究院、清华大学电子工程系与具身智能测试实验室在 2026 年 10 月发布的《具身智能发展报告（2026 年）》，用一句话概括了这种撕裂——「市场预期前置与产业能力滞后之间矛盾的集中体现」。

摘要

一、背景：从「装身体」到「进物理世界」

1. 具身智能与物理AI正在合流

具身智能（EAI）是有身体的人工智能，它不是简单地「给人工智能装上一个身体」，而是通过物理实体与真实环境建立持续交互，让智能在感知、认知、决策、行动和反馈中形成闭环。2026 年 4 月《Nature Machine Intelligence》刊文指出，世界模型、具身智能、生态心理学与物理 AI 等方向正在收敛到同一个科学问题：人工智能如何不只是预测和推理世界，而是真正能在世界中进行物理的、智能的行动。

报告指出，具身智能与物理 AI 本质上是同一技术范式的不同表述——EAI 强调「智能如何通过身体实现」，PAI 强调「人工智能如何进入并作用于物理世界」；两者共享多模态基础模型、VLA、世界模型、机器人学习、物理仿真、数字孪生、合成数据等技术底座。

图1：具身智能与物理AI概念范式融合

2. 问答：AGI的考题为什么换成了真实世界？

过去谈 AGI，焦点是语言理解、知识获取、推理和跨领域数字任务。随着大模型迭代，讨论已转向「在开放环境中完成广泛的人类任务」。报告引用 Stanford 2026 AI Index 的数据，给出了一组刺眼的对比：

· 机器人在真实家庭环境中的任务成功率只有12%，远低于软件仿真环境中的89.4%。

· 2026 年 9 月 OpenAI 发布的 GPT-6 Astra，在完成「把圆形拼图块精确插入对应凹槽」（亚毫米级精度与接触控制）时，成功率仅10%。

真正困难的基准测试，正越来越多地集中于真实世界中的行动任务——因为真实环境不可预测，而错误还会产生真实的物理后果。

二、数据：产业热与产业冷的正面碰撞

1. 热：资本、政策与供给三线齐涨

投融资方面，国外头部项目更突出十亿美元级：Skild AI 1 月完成14 亿美元C 轮，德国 NEURARobotics 6 月宣布最高14 亿美元C 轮，World Labs 2 月完成10 亿美元，AMI Labs 3 月完成10.3 亿美元，Apptronik 2 月新增5.2 亿美元、A 轮累计超9.35 亿美元。

国内更是凶猛：2026 年上半年融资322 起、约935 亿元，融资事件数同比增长137%；种子轮/天使轮/Pre-A 轮等早期融资仍占58.94%，但 A 轮至 B+轮金额已占40%以上，头部项目明显后移。资金集中度同步提高——融资额前20 家企业合计约550 亿元，占总融资额59%，其中本体企业约315 亿元、「大脑」企业约145 亿元、核心零部件约53 亿元；参与投资机构超过800 家。

产品供给也在放量：世界机器人大会新品从 2025 年的123 款增至 2026 年的311 款，同比增长超过一倍；2026 年上半年全球人形机器人出货量超过2.2 万台，其中国内五家整机厂商出货占比合计超86%。

政策端给出了可落地的指标：「十五五」规划定调、实景实训专项行动细化任务，提出年底前推动机器人从「演示表演」转向常态化「作业模式」、落地超万台设备。

2. 冷：三个层面同时遇冷

报告没有回避冷水，而是用「技术冷、应用冷、企业冷」三层拆解了产业与预期的落差。

表1：产业「冷」的三层表现与关键数据

技术冷的三个原因：一是前沿模型闭源，国内多数企业仍在复现微调π0、π0.5 和 OpenVLA 等较早的开放模型，这些基座落后前沿闭源模型约两代；二是数据效用低，Dyna-2 首次在百万小时数据规模下探讨扩展定律，结果是 14 个自建任务集的平均成功率从45%只提升到53%，而国内大多数模型数据量在10 万小时以内，相差约一个数量级；三是部署门槛高，复杂任务中表现最好的基础模型仍普遍需要针对目标任务微调，场景一变就得重新采数据、重训适配。

应用冷的三个原因：出货不等于上岗——2026 年上半年国内公开披露的具身智能及人形机器人相关中标项中，教育科研机构占比约55.5%，政府及公共平台约20.6%，工业及技术型企业仅约21.1%，且相当比例设备只用于展厅接待或活动演示，月均开机天数不足 10 天并不少见；订单不等于需求——公开订单混杂正式采购、框架协议、战略合作、意向订单与示范性采购，付款条件与验收要求差异很大；单机成本不等于落地成本——整机价格可能仅占总拥有成本（TCO）的40%-60%，单台轮臂式或双足人形机器人的年度综合运维成本约50 万-70 万元，远高于多数岗位的人力成本。

企业冷的三个迹象：表演租赁市场人形机器人日租金从 2025 年初约2 万元降至 2026 年的千元级；越疆科技 2026 上半年营收3.16 亿元、同比增106.6%，净亏损扩大至1.08 亿元、同比增163.8%，收入仍主要来自传统协作机器人业务；A 股超 500 家上市公司半年报提及具身智能，但披露相关业务收入的仅个位数；已有企业实质性停滞——一星机器人成立5 个月即解散，钢铁侠科技32 个月未获新融资。

3. 一张图看清产业分工

报告统计，截至 2026 年 10 月 8 日国内具身智能相关企业达405 家：上游180 家、中游257 家、下游212 家，其中191 家同时覆盖两个及以上环节，占比47.2%。

图2：具身智能产业链结构示意图——上游数据算力零部件、中游整机与服务、下游行业应用

地域上继续保持头部集中：北京、广东、上海分别收录企业109 家、84 家和58 家，合计占比约62%；江苏45 家、浙江39 家，前五省市合计占比超八成。

图3：具身智能产业地域分布趋势——北京、广东、上海、江苏、浙江在上中下游的分布

三、结论：竞争焦点已从参数转向全栈协同

1. 四要素协同，而非单点突破

2025 年行业讨论的还是技术路线之争：分层架构与端到端架构如何取舍，VLM、VLA 和世界模型谁更可能成为通用具身智能的基础架构。进入 2026 年，能统一「感知—决策—执行」闭环的主导架构仍未出现，扩展定律仍在探索。报告认为，路线未定的当下应沿数据、模型、本体、算力四个要素同步发力，以系统协同寻求能力突破。

图4：具身智能技术体系图——数据、模型、本体、算力四要素的协同演进

模型侧，报告归纳了三条并行路线：方向一在数据驱动下探索扩展定律，方向二多路线并行推动认知与行动能力突破（VLA 迭代、融合世界模型、全身移动操作控制模型），方向三构建智能体应用范式——在模型能力尚不充分的当下，借助任务分解、工具调用、人在回路先行推进真实场景部署，再用部署回流的真实数据驱动模型自我迭代。

2. 为什么具身智能难以复制大模型的扩展定律

报告给出了三个层面的解释，这段是全篇最有技术含量的部分：

· 数据工程：大模型语料相对同质，而机器人数据天然异构——不同本体、任务、采集者的数据混在一起，混合方式直接影响训练效果。已有研究表明，仅使用 Open X-Embodiment 数据的模型在 LIBERO 基准上取得77.3%成功率，混入异构真实机器人数据后降至 73.8%。清华大学研究还发现，策略泛化能力与训练环境、物体数量呈近似幂律关系（Pearson 相关系数接近-1）。

· 训练工程：模型预训练损失与真实任务价值之间缺乏稳定对应，损失函数下降和物理世界中的任务成功率没有必然关联。

· 系统工程：语言模型输出通用文本，而机器人动作指令与本体强绑定。模型部署到本体上，仍需逐一处理技能与 API 连接、标定与控制接口对齐、接触与力执行、安全与恢复机制等环节。

3. 四个象限：能力坐标而非技术路线

评测部分，编写组基于 2026 年公开发表的约800 篇具身智能模型论文及其公开基准进行统计，按支持的评测任务类型将现有公开基准分为具身认知类、具身导航类、具身操作类、具身安全类四类。

图5：具身智能评测基准概览——认知、导航、操作、安全四类基准的词云分布

表2：四类基准的现状与真实差距

其中最刺眼的是「想得到、做不出」的断层：GPT-5.4与Claude Sonnet 4.6在 RoboSpatial-Pointing 上分别只有20.8%和5.8%；OpenEQA 基准即便直接提供连续24 帧上下文，GPT-5.4 得分也仅74.1，需要自主组织与回溯记忆的高德 ABot-AgentOS 为59.9，两者都明显低于86.8的人类基线；多步推理则随步数增加显著衰减——RoboRefer 的点位预测成功率从 1 步任务的66.67%降至 3 步任务的36.36%。

而泛化能力的塌方更触目惊心：LIBERO-Plus 施加相机位姿、光照、初始位置等七维扰动后，原本成功率95%以上的模型普遍跌至30%以下，π0 在相机视角和初始状态两类扰动下分别跌至13.8%和6.0%。英伟达 RoboLab-120 的结果更直接：主流通用策略均无法成功完成超过4 个复杂子任务的长程操作；即便单步可靠性达到99%，连续执行100 步后的整体成功率也仅约37%。

四、趋势：数据、算力、标准三条主线

1. 数据：双线供给，工程化提速

具身智能无法沿用互联网存量数据——视觉、动作、关节扭矩、力触觉等交互数据从未被系统性记录，只能从零逐条生产。测算显示，要实现机器人的「ChatGPT 时刻」，模型需要千万小时级有效数据。资本已闻风而动：近一年内具身智能数据赛道出现97 起融资事件，涉及34 家公司，披露金额超200 亿元。

供给路线上，仿真合成与真实采集并行：李飞飞明确指出二者是互补关系而非替代关系。仿真侧，上海 AI 实验室的 SIM 在真实场景零样本成功率达90%，密歇根大学 SBLR 在轴孔装配等任务取得85%-97.5%的零样本成功率，清华与斯坦福联合的 Ctrl-World 让陌生指令执行成功率从38.7%提升至83.4%。真实侧，京东用头戴式设备形成1680 小时的 EgoLive 开源数据集，清华 RDT2 采用超1 万小时家庭场景 UMI 数据集预训练并实现跨本体泛化。

基础设施也在铺开：据中国信通院《具身智能训练场研究报告（2026 年）》，截至 2026 年 6 月底，全国建成启用超 70 家具身智能训练场，已覆盖国内超半数省份，近九成训练场企业同时布局数采设备。

2. 算力：云边端协同的时间分工

算力需求已从单一的模型训练与推理，扩展为覆盖「数据采集、模型训练、端侧部署、推理和控制」的系统性需求。报告梳理了三条技术路线：统一异构本体资源调度、端云分割推理与通信—计算协同设计、端侧高能效推理与算控一体。

几个数字说明了时间尺度分层的重要性：Figure AI 的 Helix 02 采用「三系统」分层设计，负责场景理解与语言推理的 System 2 以7-9Hz运行，反应式动作生成的 System 1 以200Hz运行，负责全身平衡与接触的 System 0 以1kHz运行。端侧推理的优化幅度也很可观：无问芯穹 APXInf 把π0.5 在 Jetson Thor 上的端到端时延从278 毫秒降到29 毫秒，Jetson AI Lab 则从约132 毫秒降到49 毫秒、提速约2.7 倍；ComVLA 把云侧算力下降74%而成功率仅损失1.5 个百分点。

3. 标准：商用前的黄金窗口期

报告引用通信产业经验：标准建设往往先于产业规模商用，商用前数年正是标准布局的黄金期——5G 的全球标准格局在 2019 年商用开启前就已基本确定。具身智能正处在同样的节点。

表3：具身智能标准体系的四层进展

但报告同时点了三处短板：标准协同机制不健全，存在重数量、轻质量倾向，有「标准一发布即落后」的风险；检验检测基础设施不完善，「标准—检测—认证—采信」闭环尚未打通；标准「走出去」深度不足，全球尚无统一的测试评估与认证互认体系，企业出海只能「拼装」机械指令、电磁兼容指令等既有横向法规，智能化水平、作业能力等核心维度缺乏认证依据。

4. 落地：二八原则与新型职业

报告认为具身智能不需要等一个完美的通用人形机器人。近期看，八成产业资源仍将集中于确定性较强的场景——巡检、安防、工业搬运、物流、仓储、柔性装配、质量检测；长期看，剩余二成的探索才面向家庭服务、养老陪护等开放环境。

新型职业也会随之涌现：机器人训练师负责遥操作与示范数据训练，具身数据工程师负责多模态物理交互数据的采集、清洗、标注与治理，机器人技能工程师负责特定任务技能开发，机器人运维师负责长期运行与故障诊断，具身智能安全测试工程师负责安全性与可靠性评估。

标准侧的趋势同样清晰：治理将从「模型安全」扩展到「物理行动安全」，让机器人在行动前评估风险、行动中监测风险、行动后总结风险，形成具备自监测与自恢复能力的可信系统。

五、行动建议

1. 给企业与投资者

· 别用演示能力给产能定价：报告给出的三个判据很实用——看部署运营率（中标结构里工业占比是否突破 21.1%）、看回款与复购（框架协议与示范采购不等于订单）、看 TCO 而非整机价（整机只占 40%-60%，运维才是大头）。

· 优先押注确定性强的场景：巡检、仓储物流、柔性装配这类目标明确、环境稳定、回报清晰的滩头阵地，比「通用人形机器人」更早产生现金流。

· 把数据当作核心资产：近一年数据赛道 97 起融资、超 200 亿元披露金额，且这是产业链中最先闭环的环节——真实数据按条数或时长定价，遥操作真机数据价格在数百到上千元不等。

2. 给技术团队

· 先跑通闭环，再谈通用：从单点场景跑通后按门店或产线复制，而不是追求一步到位的通用能力。

· 盯住泛化而非平均分：LIBERO-Plus 七维扰动后 95%掉到 30%以下、100 步连执行成功率只有 37%，说明扰动鲁棒性才是真实场景的门槛。

· 端云协同要做时间分工：7-9Hz 的语义推理、200Hz 的反应动作、1kHz 的全身控制，各层用不同算力配置，才是成本可控的前提。

3. 给政策制定者

· 用标准卡位：标准建设的黄金窗口就在商用前几年，趁联盟规范、行业标准、国家标准、国际标准四层同时推进的窗口期，把接口与评测口径定下来。

· 补齐检测认证闭环：具身智能测试实验室与长三角分中心已初步建成面向工业物流、零售商超、家庭服务、巡检作业的真机测试场，下一步是把「标准—检测—认证—采信」真正打通。

· 推动国际互认：全球尚无统一测试评估与认证互认体系，企业逐国逐项认证成本高、周期长、不确定性大，急需在国际化标准上形成合力。

最后一句留给出海从业者：报告提醒，具身智能领域全球尚无统一的测试评估与认证互认体系，企业不得不逐国逐项开展认证，成本高、周期长、不确定性大——出海认证只能「拼装」既有规则。如果产品要进欧盟，实际依据的仍是机械指令、电磁兼容指令、无线电设备指令等横向法规，以及 EN ISO 10218-1、EN ISO 13482、EN ISO 13849-1 等传统标准，智能化水平、作业能力这些真正的差异点，反而缺乏认证依据。

一分钟速览

· 2026 上半年国内具身智能融资322 起、约935 亿元，半年超 2025 全年735 亿元，同比增长约5 倍；前 20 家企业占59%。

· 机器人在真实家庭环境任务成功率仅12%，仿真环境89.4%；GPT-6 Astra 亚毫米级拼图插入成功率仅10%。

· 产业冷三症：中标项中教育科研占55.5%、工业仅21.1%；月均开机不足10 天；单台年度运维成本50 万-70 万元。

· 日租金从2 万元跌至千元级，二手残值缩水近九成；A 股超 500 家公司提及具身智能，披露收入的仅个位数。

· Dyna-2 数据从10 万增至百万小时，成功率仅45%→53%；国内模型数据多在10 万小时以内，差约一个数量级。

· 四类基准揭示真实差距：真机榜最高成功率仅24.4%（人类100%）；七维扰动后95%掉到30%以下；100 步连执行成功率仅约37%。

· 产业规模：国内相关企业405 家（上游 180/中游 257/下游 212），京粤沪合计约62%，前五省市占比超八成。

· 标准窗口期：ITU-T F.748.66 已发布，SG21 焦点组吸引39 国 120 余家机构；但全球尚无统一认证互认体系，出海只能「拼装」既有规则。

文章来源：中国信息通信研究院人工智能研究所、清华大学电子工程系、具身智能测试实验室联合发布的《具身智能发展报告（2026 年）》