6G通算融合赋能具身智能白皮书（2026年）

发布单位：中国移动通信研究院，中关村泛联移动通信技术创新应用研究院，乐聚(深圳)机器人技术有限公司，联发科技股份有限公司，罗德与施瓦茨有限责任公司，大唐移动通信设备有限公司，浙江大学，香港科技大学（广州） 前言 当前，大模型技术正经历爆发式演进，推动具身智能机器人从工业自动化向服务、康养、教育等多元领域全面渗透。与此同时，5G-A/6G网络以其超高速、低时延、海量连接与内生智能能力，正在重塑未来智能社会的底层基础设施。具身智能机器人作为“人工智能+”行动的关键载体，与通信网络的深度融合已从技术愿景演进为现实需求，二者协同将释放前所未有的产业动能。 本白皮书聚焦“6G通算融合赋能具身智能”这一核心议题。首先，系统梳理了具身智能发展现状和典型应用场景，分析了具身智能落地应用面临的挑战，包括：终端侧的算力、续航与成本三大瓶颈，量化评估了5G-A赋能具身智能的性能边界，分析了5G-A通算“弱耦合”在端到端QoAIS保障方面的局限性。在此基础上，提出了具身智能服务对6G通算原生融合的总体需求，并据此提出6G通算融合赋能QoAIS保障和基于通算置换的终端能耗优化关键技术；最后，面向行业伙伴发起倡议，从应用培育、技术攻关和产业生态三个方面共同努力，推动具身智能走向规模化应用。 本白皮书由中国移动通信有限公司研究院、中关村泛联移动通信技术创新应用研究院、乐聚（深圳）机器人技术有限公司、联发科技股份有限公司、罗德与施瓦茨有限责任公司、大唐移动通信设备有限公司、浙江大学、香港科技大学（广州）联合发布，旨在凝聚产学研各界对“6G通算融合赋能具身智能”方向的价值共识，推动6G与具身智能机器人从技术融合走向产业共生，构建低时延、轻量化、长续航的具身智能服务新生态。 目录 1.背景与驱动力..............................................................................................................................21.1具身智能发展现状.........................................................................................................21.2具身智能典型应用场景.................................................................................................42.具身智能规模化应用瓶颈..........................................................................................................52.1终端侧制约：算力、续航与成本三大瓶颈.................................................................52.2网络侧制约：5G-A赋能具身智能现状与局限...........................................................73. 6G通算融合赋能具身智能的总体需求.....................................................................................94. 6G通算融合赋能具身智能关键技术.......................................................................................104.1基于通算协同的QoAIS保障技术..............................................................................104.2基于通算置换的终端能耗优化技术...........................................................................125. 6G通算融合赋能具身智能试验验证.......................................................................................135.1 6G通算融合赋能具身智能样机..................................................................................135.2 6G通算融合赋能具身智能实训外场..........................................................................146.展望与倡议................................................................................................................................15缩略语列表.....................................................................................................................................17参考文献.........................................................................................................................................18 1.背景与驱动力 1.1具身智能发展现状 当前，我国高度重视具身智能机器人产业发展，2025年《政府工作报告》首次将“具身智能”列入未来产业重点培育清单，“十五五”规划建议进一步明确将具身智能纳入未来产业前瞻布局，定位为“新的经济增长点”。此外，具身智能上下游市场规模也将在未来几年呈现指数级增长。如图1-1所示，全球头部咨询公司弗若斯特沙利文发布白皮书预测，2030年全球具身智能机器人市场规模预计将达到2051亿元人民币，其中仅中国本土的具身智能机器人市场规模就将达到685亿元人民币，占据全球市场份额的三分之一错误!不能识别的开关参数。。 具身智能机器人的发展，本质上是一条从“机械执行”向“智能交互”、从“单一功能”向“通用泛化”不断跃迁的路径。在这一过程中，机器人的“大小脑”能力持续进化，对大参数量、大计算量、多模态大模型的依赖程度日益加深，同时对其硬件设备的续航能力与本地算力提出了越来越高的要求。从早期只能按固定指令重复劳动的工业机械臂，到如今能够理解复杂指令、进行长程任务规划的通用人形机器人，每一次技术范式的革新，都伴随着模型参数规模与计算需求 的指数级增长。回顾这一演进历程，可将其划分为以下五个阶段错误!不能识别的开关参数。 （1）第一阶段：编程式控制时代（1960s-1990s）。1954年，美国工程师乔治·德沃尔发明了第一台工业机器人Unimate，Unimate完全依赖工程师预置的代码指令序列执行任务。该阶段机器人“零灵活性”，如：零件位置偏差1厘米即导致抓取失败，更换任务需全部重新编程。此时机器人仅有执行能力，不具备任何形式的“感知”和“智能”。 （2）第二阶段：感知-规划范式建立（1990s-2010）。随着计算机、材料与传感器、SLAM等技术的发展和引入，机器人开始具备环境感知能力。典型应用为扫地机器人：激光雷达建图→规划覆盖路径→执行移动。该方法在导航任务上取得成功，但在操作任务上面临瓶颈，如：叠一条毛巾平均耗时24分钟。机器人仍依赖人工编程设定规则，缺乏自主学习和泛化能力。 （3）第三阶段：深度学习驱动时代（2010-2020）。该时期，随着深度神经网络技术的成熟和广泛应用，行为克隆与模仿学习开始被用于机器人动作训练，Google Brain团队通过数十万次抓取数据训练神经网络，让机器人首次通过数据学习掌握抓取能力。但该方法数据效率极低，如：训练一个抓取动作需数十万次演示，且模型难以跨机器人迁移。强化学习同时期兴起，波士顿动力率先将其引入移动控制，但面临“仿真-现实”差距大、真机试错成本过高等瓶颈。 （4）第四阶段：大模型赋能阶段（2022-2024）。2022年以来，大模型的发展与应用突飞猛进，尤其随着ChatGPT的问世，大语言模型蕴含的“通用常识”开始赋能机器人。VLA模型应运而生，将视觉感知、语言理解和动作生成统一到端到端神经网络中。机器人无需逐条编程、无需海量试错，即可通过大模型进行推理规划。2025年11月，北美初创企业Generalist AI发布GEN-0模型，在业内首次验证了具身智能模型存在参数激活效应，其临界门槛约为7B错误!不能识别的开关参数。，而当前主流商用模型参数普遍停留在4B左右，主流机器人芯片（如NVIDIA Jetson Orin NX）仅100TOPS，同时运行多模态任务时算力严重不足。 （5）第五阶段：具身智能基础模型爆发（2025-至今）。2025年被业界称为“具身智能基础模型元年”。技术路线呈现多路径并行探索：VLA端到端模型、世界模型、分层大模型等架构密集创新。这一阶段对算力和硬件的需求呈指 数级增长。与此同时，硬件瓶颈日益凸显：当前主流人形机器人续航仅约1-3小时，远不能满足工业场景长周期连续作业需求；价格方面，通用人形机器人动辄数十万元，宇树科技R1定价3.99万元已属行业低价错误!不能识别的开关参数。，但仍远超普通家庭消费预期，导致个人和家庭消费市场渗透率极低，大规模普及仍需成本大幅下探。 1.2具身智能典型应用场景 未来五年，具身智能将加速从实验室验证和单点示范走向垂直行业场景的大规模落地部署。家庭服务、工业制造、应急救援、公共服务等领域的刚性需求将驱动具身智能机器人从“通用能力展示”转向“行业价值创造”，形成一批可复制、可推广的典型应用范式错误!不能识别的开关参数。，具体如下： （1）家庭服务场景：以家庭环境为载体，通过机器人自主决策或人机协同完成清洁、整理、取物、设备控制等综合性家务劳动，核心解决“最后一公里”家庭服务智能化难题。具体应用包括：机器人管家，作为用户代理临时接管其余家政机器人，精准识别用户意图，指挥不同功能的专职机器人分工协作；智能整理机器人，可以自主识别衣物/玩具/餐具，规划最优收纳路径；助教机器人，识别学生情绪变化，动态调整教学策略；养老看护机器人，提供从手术辅助到日常康复的全周期健康管理，实现24小时不间断的健康监护和应急自救，突破医疗资源地域分配不均问题。 （2）工业制造场景：工业制造产线往往集中了质检、搬运、焊接等多个环节，通过机器人间毫秒级的信息同步和控制能力，可以实现24小时不间断、不出错的生产作业，大幅提升制造业生产效率。具体应用包括：在精密电子生产线，轮式机器人搭载高分辨率工业相机对电路板进行多角度拍摄，通过边缘AI模型实时识别焊接缺陷，检测结果上传至生产管理系统，不合格品自动分流至维修工位。在汽车焊装车间，多台人形机器人和AGV小车通过局域网组成协同作业网络，由中央调度系统实时分配任务：AGV负责将待焊接的零部件运送至工位，多台焊接机器人分别从不同方位同步执行点焊作业，并通过共享网络实时交换位置与状态信息，避免碰撞并优化节拍，提高整线生产效率。 （3）应急救援场景：当危险发生时，浓烟、毒气、坍塌等对救援人员造成 了极大的人身安全威胁，此时，机器人可以作为“探路尖兵”率先突入，感知和预判险情，通过可以变换的