物理AI行业深度报告：技术路径基本成熟，受益于工业智能化及自动化需求

具身智能行业研究报告总结

一、VLA+世界模型，技术路径基本明确

1.1 趋势一：基座模型迭代不断加速，模型智能不断提升

• 回顾人工智能发展，2017年Transformer架构及自注意力机制的提出是重要技术节点，为后续大模型演进奠定基础。
• 国内外主要科技企业自2018年起推出模型产品并保持常态化迭代，如OpenAI的GPT系列、Google的BERT和Gemini系列、Meta的Llama系列等。
• 目前人工智能技术成果主要集中在五个核心领域：语言模型、基于注意力机制的Transformer架构、扩散模型、图像生成、代码生成。
• Scalinglaw使得模型性能能够被线性外推，推动了大模型的诞生和落地，并促使行业参与者增加资本开支，带动硬件产业链发展。
• 全球大模型迭代持续加速，模型综合能力跃升，推理成本下探，行业整体质价比迎来提升。国内模型如GLM-5.0-Flash、DeepSeekV4Pro等在智能指数与任务成本对比中占据优势。

1.2 趋势二：从语言走向非语言，从计算走向非计算，VLA+世界模型路径基本成熟

• 随着语言模型能力成熟，行业开始发展视觉-语言-动作模型（VLA模型），如OpenVLA模型，其核心工作流程包括接收信息、逻辑推理、动作执行三个步骤。
• VLA模型确立了端到端的控制范式，简化系统任务流程，增强系统应对复杂任务的灵活性，并具备跨物理实体的通用性。
• VLA模型展现出了极强的环境适应与逻辑推理能力，如RT-2模型在未见分布任务上的成功率和综合技能评估中表现优异。

1.3 趋势三：产业政策持续升温，产业融资逐渐增长

• 具身智能指基于物理实体的智能系统，其核心运行机制依赖于感知、交互、学习三大要素，应用于人形机器人、智能工厂、自动驾驶、智能家居等领域。
• 2025年以来，我国具身智能产业政策持续升温，被纳入政府工作报告和“十五五”规划纲要，确立为国家未来产业的重点发展方向。
• 地方层面，产业正加速从单点突破转向系统布局，明确2027年核心产业规模、量产台数等量化目标，并通过资金与数据要素支持推进特色产业集群建设。
• 具身智能融资热度持续提升，2025年中国具身智能相关领域融资约360起，融资金额超450亿元；2026年上半年融资事件已达322起，融资金额约934.7亿元，半年度融资额已显著超过2025全年水平。

二、具身智能落地行业梳理

2.1 智能驾驶：VLA+世界模型已经落地，市场向高端拓展

• 自动驾驶是指通过软硬件系统集成，在无人类驾驶员干预的情况下实现车辆自主行驶的技术，具备提升安全性、降低运营成本、提高交通效率三大优势。
• 自动驾驶技术分级采用SAE标准，划分为六个等级，整体上可归纳为“需要司机”的辅助驾驶阶段和“无需司机”的高级别自动驾驶阶段。
• 端到端模型是自动驾驶中常提到的基于Transformer架构的模型，直接将车载传感器采集的原始数据输入单一模型，由网络内部计算并直接输出车辆的转向、加速和制动等控制指令。
• 世界模型和端到端模型结合，自动驾驶技术趋向成熟，世界模型能够为端到端模型生成大量“长尾”仿真训练数据，为解决长尾问题提供数据支撑，并为自动驾驶模型补齐动态过程的建模能力。
• 自动驾驶产业链可以分为上、中、下游三个环节，上游为产品的软硬件零部件供应商，中游主要是指提供核心技术、设备与服务支持的产品集成供应商，下游则是面向终端乘客并以获取服务利润为主的运营平台。
• 自动驾驶零部件是物理AI的核心载体，受益于自动驾驶渗透率提升，国内L2级自动驾驶渗透率趋于饱和，L2.5及以上自动驾驶功能逐渐取代L2级别成为乘用车入门级标配，高端智能驾驶渗透率仍有提升空间。
• 无人驾驶出租车将配备更多传感器和自动驾驶零部件，使用量显著高于传统车辆，市场规模预计2025年将达到0.7亿美元，并呈指数级增长。

2.2 智能工厂：“端-边-云”结构清晰，端侧放量在即

• 智能工厂是以计算机软件、网络通讯设备、人工智能和自动化机械装备为基础，实现自动化生产和管理的新型制造模式，按照在产业链中的不同地位，可以将智慧工厂拆解为“端-边-云”结构。
• 工业制造场景具备任务边界清晰、流程相对标准的特点，成为智能化技术落地的主要环境，更适合通过“部署-作业-数据回流-模型迭代”闭环的方式持续提升能力。
• 端侧方面，各类机器人是实现智慧工厂的重要物理载体，特别是智能协作机器人，其出货规模呈现持续扩大的趋势，中国市场在协作机器人领域的扩张进程中占据较高比重且增速领先。
• 边侧方面，工业互联网技术加速发展，带动边侧智能实现产业落地，以人工智能、5G为代表的新技术加速融入工业互联网，不断拓展工业互联网的能力内涵和作用边界。
• 政策驱动工业网络标准提升，顶层设计支持工业互联网发展，为相关企业带来新的机遇，全国工业互联网核心产业增加值和渗透产业增加值稳步增长。
• 中国工业交换机市场稳步增长，未来五年将保持12.5%的年复合增长，当下正处于“政策红利释放-技术快速迭代-市场分层竞争”的关键阶段。
• AI部署硬件壁垒降低，AI计算能力加速向设备端侧下沉，智能蜂窝物联网模组出货量规模对应产业链制造环节的成本摊薄，降低了端侧AI部署的硬件壁垒。

2.3 智能医疗：当前渗透率较低，处于加速落地阶段

• 智能医疗与作为具身智能应用的高价值潜力市场，正处于增量蓄势阶段，在医疗健康领域，具身智能应用已具备一定的商业化基础。
• 具身智能技术的发展正持续拓展其在商用服务与家庭场景中的应用边界，推动服务模式向高附加值与高度智能化演进，未来该场景将呈现专用机器人与通用人形机器人协作共存的格局。

2.4 智能基座：基座模型迭代更新加速，AI基座提供商有望充分受益

• 大模型及算力平台是构建所有上层AI应用的核心底座，目前，国产AI基座供应商正逐步实现从算力、算法到模型训练平台的全栈自主可控。
• 随着基础大模型向多模态与智能体方向升级，基座厂商不仅提供底层的API调用，更通过提供完整的开发者工具链和企业技能中台，降低下游企业构建复杂AI应用的门槛。
• 基座厂商的商业模式已较为清晰：一是在G端与大B端，通过算力与模型的深度融合，承接智算中心或企业私有化大模型基座建设项目；二是在中长尾B端，通过MaaS平台海量开发者的Token调用及标准化智能体服务，获取持续的API计费与订阅收入。
• 以科大讯飞为例，公司作为国产通用大模型及智能算力的头部代表，已构建起“算力+模型+平台”的自主可控AI底座，其核心基座能力已转化为实际收入，在多个领域的AI渗透率均实现数倍增长。

三、行业公司梳理

• 风险提示：AI发展不及预期风险、市场竞争加剧风险、技术路线转变风险。