跨越奇点：从生成式导向到控制导向的Physical AI基础设施演进——世界模型如何重塑具身智能产业与商业新范式

——从生成式导向到控制导向的Physical AI基础设施演进 目录 01中国具身智能产业全景与市场洞察 02从具身智能到世界模型：核心内涵、技术演进与架构解析 03国际主流世界模型评估：核心指标体系与榜单解读 04世界模型在具身智能领域的产业落地实践 05未来趋势与生态演进 中国具身智能产业全景与市场洞察01 第一章 中国具身智能产业全景与市场洞察 1.1政策环境：顶层设计与地方产业集群协同共振 国家定方向，地方建生态 中央层面：确立战略坐标 地方层面：生态卡位与进化 1.提供确定性背书 1.搭平台：建创新载体 •中央政策的核心价值在于消除产业前期的方向不确定性，《“十五五”规划纲要》首次系统性描述，具身机器人和人形机器人定位从科研课题跃迁为具备国家竞争属性的战略资产。 •政府职能升级为生态架构者。京沪等多地建设省级创新中心、检测验证场与数据训练场，提供技术验证公共平台，大幅降低企业从实验室到工厂的验证成本。 2.锚定通用终局目标 2.供场景：做首批客户 •地方政府转变财政补贴模式，主动扮演首批“战略客户”。面向企业开放市政巡逻、物流配送等真实、复杂的测试应用场景，提供商业化初期关键助力，加速技术落地与商业闭环形成。 •引导产业向底层能力纵深攻关。依托国家重点研发计划与“揭榜挂帅”机制，重点突破操作系统、仿真平台、世界模型等基础前沿技术，迫使资源向战略底层创新倾斜，构筑自主技术底座。 3.万台级规模化验证 3.定规则：掌握标准话语权 •北京抢先启动人形机器人智能化分级、运动控制等团体标准研制，试图在产业成形前于上游规则层面建立先发优势，这意味着产业的底层定义权将更多来自中国场景的实践积累。 •工信部与国资委联合印发《人形机器人与具身智能实景实训专项行动》，部委协同推进，十省市加央企强势入局。推动产业重心从单纯“技术攻关”向“万台级规模化验证”发生根本转变，加速全栈能力构建。 第一章 中国具身智能产业全景与市场洞察 1.2产业链分析：中国具身智能上下游生态图谱 第一章 中国具身智能产业全景与市场洞察 1.2产业链分析：中国具身智能上下游生态图谱 下游多元场景加速商业化，垂直整合生态推动规模化落地。 中游模型构建智能中枢，驱动全栈闭环能力跃迁。 •应用场景覆盖工业制造、商业服务、家庭服务等多元领域。例如，在工业制造领域，具身智能产品能够承担车间物料配送、工件转运、设备上下料等重复性作业，并依托自主导航、路径规划和协同调度能力，实现生产过程的全天候自主运行，推动工厂向少人化、无人化方向演进。 •依托云—边—端技术平台与软硬件技术集成，具身智能正从大语言模型（LLM）和视觉语言大模型（VLM）的单点感知决策，向视觉—语言—动作模型（VLA）、世界模型等“感知—认知—决策—执行”闭环能力演进。世界模型的核心价值在于构建物理模拟环境，通过行为推演与动作预测，为VLA提供决策指导，实现从“被动执行指令”到“主动认知规划”的质变。 上游硬件基座加速国产替代，降本效应奠定量产基石。 •上游聚焦芯片、传感器、减速器等核心硬件。当前，部分高性能硬件的国产化水平正在加速提升。以芯片为例，作为算力引擎，其技术迭代直接影响具身智能产品的性能提升。 •随 着 国 产AI算 力 芯 片 的 突 破 和 进 步 ，2025年上半年年中国加速芯片市场中本土AI芯片品牌的市场份额已约达35%。 •同时，系统集成与数据回流机制持续回传真实反馈，推动算法模型在物理世界中不断自我进化。 第一章 中国具身智能产业全景与市场洞察 1.3一级市场投融资分析：资本热潮——近三年中国具身智能投融资趋势（1/3） 具身智能作为大模型应用的主要发展方向，在2025年以来实现快速增长。具身智能2025年的融资额达111.7亿美元，同比增长152.0%；融资数量670笔，同比增长81%。2026年一季度融资额达50.3亿美元，同比增长182.9%；融资数量203笔，同比增长55%。 融资金额和数量的不断走高一方面反映出赛道的火爆，另一方面“大模型+机器人躯体”的技术路线在此时逐步趋于收窄。相比于软件，具身智能涉及复杂的机械硬件、传感器和产线建设，属于典型的高门槛、重资产赛道。一旦技术可行性被验证，就需要大量的资金投入，这也直接推高了融资金额上限。 第一章 中国具身智能产业全景与市场洞察 1.3一级市场投融资分析：资本热潮——近三年中国具身智能投融资趋势（2/3） •从投资轮次的分布来看，资本风险偏好加速前移，早期轮次融资额呈爆发式增长。具体来看，2025年种子天使轮、A轮、B轮、C轮、D轮融资额分别同比增长191.7%、170.8%、403.7%、86.1%和29.2%，资本转而全面押注具备底层技术壁垒的早期创新主体。 •进入2026年第一季度，资金在早期轮次的集中度达到历史高峰。种子和天使轮、A轮、B轮、C轮融资额分别同比增长33.1%、211.4%、458.9%、275.3%，而侧重成熟期的D轮及以后则出现21%的同比收缩。更值得关注的是，这四轮早期融资合计占据当季总融资额的89.2%。投资机构“投早投小”趋势明显，资本仍在竞相争夺具有模型研发能力与差异化定义的潜力标的。 第一章 中国具身智能产业全景与市场洞察 1.3一级市场投融资分析：资本热潮——近三年中国具身智能投融资趋势（3/3） •根据下游应用场景的不同，具身智能企业主要分布在工业机器人、特种机器人、个人/家用服务机器人、公共服务机器人等赛道，而相较单一应用领域赛道，拓展下游跨领域应用的综合类企业是融资主力，以2025年为例，综合类企业融资额达30.7亿美元，占下游应用总融资额的44%，远高于其他单一应用领域企业。 •在单一应用领域赛道，工业及特种机器人占主导地位，2025年融资额分别为11.1和10.1亿美元，分别占比16%和15%。值得一提的是，家用服务机器人在2025年投资增长迅速，融资额达16.9亿美元，较2024年大幅增长19倍，但2026年一季度有所回落，融资额仅1.6亿美元，远低于工业机器人9.0亿和特种机器人5.2亿美元的融资额。 第一章 中国具身智能产业全景与市场洞察 1.3一级市场投融资分析：世界模型赛道狂飙，初创企业估值暴涨（1/2） •已披露金额的融资事件中，85%的规模超千万级美元•规模在1亿美元以上的事件数达到17笔，其中13笔均发生在2026年上半年 •2025下半年以来，企业融资节奏明显加快•2026年上半年融资事件总数达42笔，已基本和2025年全年融资事件数打平。 •基于世界模型赛道33家重点企业融资数据展开分析，数据来源为天眼查。需要注意的是，当前公开数据中“世界模型”仍未形成完全统一的投融资分类，相关企业多分布在具身智能、机器人通用大脑、空间智能、仿真数据和多模态模型等相邻口径下。 第一章 中国具身智能产业全景与市场洞察 1.3一级市场投融资分析：世界模型赛道狂飙，初创企业估值暴涨（2/2） 早期即高估值：部分企业在早期轮次即获得独角兽级定价 中国世界模型融资中的两种早期高估值路径： •种子轮和天使轮、A轮的融资事件数达89笔，占比达80%。•1亿美元以上的17笔交易中，种子和天使轮占3笔，A轮融资占5笔，B轮融资占9笔 •依靠明星模型团队和范式想象获得资本提前定价，以卜拉格为代表。•依托具身大脑、产业资源和工程化路径快速进入独角兽行列，以大晓机器人为代表。 第一章 中国具身智能产业全景与市场洞察 1.4产业痛点：具身智能产业化面临四大核心瓶颈，世界模型是破局关键（1/2） 控制瓶颈：世界理解难以稳定转化为可执行动作 数据瓶颈：真实机器人数据难以支撑规模化训练 部署瓶颈：离线模型能力难以直接进入真实闭环系统 任务瓶颈： 短动作能力难以自然延展为长链路任务能力 •当前机器人已能完成抓取、放置、开门等相对明确的短动作，但真实产业场景更多是连续、多步骤、强上下文依赖的长链路任务，例如整理桌面、清洁房间、仓库分拣和工厂装配。•长任务要求模型持续记住物体位置、遮挡状态、任务进度和前序动作带来的后续影响。一旦缺乏长期状态保持能力，机器人容易在多步骤执行中出现状态漂移、动作断裂或任务遗忘。 •机器人行动具有强实时性，抓取、避障、移动和协作都需要低延迟反馈。如果模型推理速度慢、显存占用高、通信成本大，就难以嵌入真实机器人系统，也无法在观察—行动—反馈过程中持续修正策略。•具身智能要从实验室演示走向产业化部署，需要世界模型具备可运行、可部署、可闭环的工程能力，而不仅是离线评测中的生成或预测能力。 •视觉模型可以识别环境，生成式模型可以预测未来画面，但机器人真正需要的是判断“如果我现在这样行动，世界会如何变化”。•开放世界视频通常缺少动作条件，人类示范难以直接映射到机器人执行机构，机器人交互数据又过于稀缺和狭窄，导致模型即使能够理解场景，也未必能够形成稳定的感知—动作映射。 •真实机器人数据采集成本高、场景覆盖窄，难以穷尽不同物体、动作、环境和机器人形态。•开放世界视频、人类行为与机器人数据虽分别提供了物理规律、任务逻辑和动作锚定，但三者天然不对齐。例如同样是“拿杯子”，视频呈现的是画面，人类数据记录的是关节配合，而机器人数据则是具体的机械臂角度与力度。 第一章 中国具身智能产业全景与市场洞察 1.4产业痛点：具身智能产业化面临四大核心瓶颈，世界模型是破局关键（2/2） 具身智能产业破局的关键在于让机器人拥有理解物理世界规律的物理直觉，世界模型可以在当前的四大瓶颈中提供相应支撑。 从具身智能到世界模型：核心内涵、技术演进与架构解析02 第二章 从具身智能到世界模型：核心内涵、技术演进与架构解析 2.1划定边界：世界模型的内涵定义 尽管当前世界模型尚无统一定义，但从代表性研究来看，其能力目标正在不断趋同，但关于其能力边界已经逐渐形成较为一致的认识，即世界模型应能够学习环境规律、预测未来状态、推演动作影响，并服务于智能体规划与决策。 1学习并形成内部世界表示 预测环境未来演化 模型定义 世界模型首先从连续感知数据中学习环境结构、对象关系及动态规律，并形成可供智能体持续使用的内部表示。这种表示并非对现实世界的简单记录，而是可支撑理解、推理和预测的认知基础。 世界模型不仅描述当前状态，还能够生成符合物理常识的未来环境的发展趋势预测，使智能体能够提前理解环境变化，而不是仅依赖实时感知进行反应。 综合现有学术研究及技术发展趋势，基于其承担的核心能力对世界模型进行定义： 世界模型是智能体通过持续感知与环境交互，学习外部世界运行规律，在内部形成环境表示，并能够预测环境演化、推演动作影响、支撑规划决策的一类核心认知能力。 支撑规划与决策 4 3推演动作带来的环境变化 世界模型最终并非服务于预测本身，而是帮助智能体在真实行动之前完成内部推演，对不同策略进行比较和评估，从而降低真实试错成本，提高决策效率。 区别于传统视频预测模型，面向具身智能的世界模型更加关注动作与环境之间的因果关系，即预测不同动作将如何改变未来世界状态。 其本质是在智能体内部构建一个能够理解世界、模拟未来并指导行动的动态世界表示，从而实现更加高效、安全和自主的学习与决策。 第二章 从具身智能到世界模型：核心内涵、技术演进与架构解析 2.2技术演进简史与爆发：从1950s到2026的五个时代 世界模型并非近年来突然出现的新概念，而是在控制理论、序列建模、强化学习和生成模型等多个技术方向长期积累后逐步融合形成的新范式，其核心演进逻辑表现为从状态预测走向环境建模，从单步预测走向长期规划，从面向特定任务的模型发展为能够支撑通用智能的世界基础模型。在这些分散技术逐步成熟并开始相互融合的过程中，世界模型的雏形才得以显现。 阶段二2018 阶段四2023–2026 阶段三2019–2022 阶段五2026– 阶段一1960–2017 世界行动模型