清明假期，拥有3800万国际粉丝的网红“甲亢哥” Speed 中国行旅程来到了深圳站，打卡“深圳特色”——与人形机器人互动、一起跳舞。这个直播片段在全球的观看量预估超5000万，成了对外展示深圳的一个重要切面。直播间弹幕刷屏的“China Tech”也传达出一个信息——具身智能技术的研究正飞速进步，而拥有完备机器人产业链的深圳也正通过技术与文化的深度融合，以人形机器人+超级 IP 的破圈效应，为全球人机协作标注中国坐标。
再往前倒2个月，蛇年春节后，“深圳具身智能八大金刚”这一概念在科技圈不胫而走。这一称号所指的具体企业虽未完全公开，但结合政策动向、融资动态与技术路径，可能性较高的是优必选、普渡科技、逐际动力、众擎机器人、帕西尼感知科技、跨维智能、数字华夏和智平方这8家企业。除了“八大金刚”，深圳还聚集了星尘智能、桥介数物、灵触科技等具身智能企业，这些企业也不乏亮眼的研究。
透过这些具身智能公司的主要研究方向与成果，我们也能窥见整个具身智能研究的核心范式迁移与技术收敛趋势：技术上，感知、决策、行动三大学科正从“孤立优化”转向“闭环耦合”；应用层面，具身智能体正从“任务专用型”向“通用适应型”跃迁。比如此前专注触觉感知的帕西尼，已通过异构感知-控制联合训练推出首款人形机器人TORA-ONE，其双手内搭载近两千个帕西尼自主研发生产的 ITPU多维触觉传感单元，拥有0.01N 的精准力控能力，能实现物体6D 位姿识别与柔性抓取，可以广泛应用于工业制造、精密制造、医疗康养、仓储物流等多种场景。
技术线：婴儿学步和超感官并存
广义上的具身智能是指具有物理形态的智能体，除了人形机器人外，智能车、四足机器狗等等都囊括其中。随着灵巧手、人形机器人研发的加速，现在我们提到的具身智能常用来专指人体形态的智能体。这类机器人无论是在外形上还是行动上，都在朝着“无限接近真实人类”的目标出发。
人类的大脑与身体构造，可以简单概括为一条「感知-认知-控制」闭环链路：五感负责接收外界信息；大脑皮层整合多模态信息并生成决策；脊髓与周围神经系统传递信号；小脑实时协调运动肌群完成动作；成年人体拥有206块骨骼、约360个关节，主要活动关节86个，运动自由度达可以达到230+。
参照人类生理结构，具身智能机器人的研发可解构为以下核心模块：
-
感知层：替代人类五感，包括激光雷达（视觉）、六维力传感器（触觉）、IMU（前庭平衡觉）等；
-
机器人大脑：主导认知与决策，大模型技术突飞猛进后，具身智能的决策系统研究开始依赖多模态大模型实现因果推理；
-
机器人小脑：运动控制中枢，通过模型预测控制、全身协同控制等算法实现毫米级精度；
-
行动层：对应人体肌肉与骨骼系统，由伺服电机（肌肉）、谐波减速器（肌腱）、碳纤维连杆（骨骼）等构成执行机构。
从这4个角度出发，也能很直观看出现有的机器人和人类之间差距。
感知
感知方面，机器人已初步构建起与人类五感对应的传感器体系，但是在感知精度和不同感官的配合上还有差距。比如，人眼对运动物体的识别反应最快接近0.1秒，如接住飞来的棒球。而机器人依赖多维感知+计算，面对快速移动物体时决策延迟达有时可能达到0.3-0.5秒甚至更长。此外，人的五感配合非常丝滑，比如看到地面积水，脚底触觉感知到鞋底打滑，立刻便能判断摔倒风险，但机器人可能因传感器数据冲突，激光雷达与 IMU 的位姿误差，导致动作卡顿。
但机器人在感知的“生物合理性”上存在硬伤：视觉系统依赖人工标注数据集，无法像人类婴儿般通过自监督学习理解未知物体。更关键的是，多模态数据的时空对齐误差可达10ms 级，而人类神经传导延迟仅1ms，这会导致机器人面对动态场景时易出现“感官割裂”——例如当激光雷达检测到前方障碍物时，惯性导航单元可能因振动干扰传递错误位姿数据，引发运动控制冲突。
不过，有时候机器人也会拥有人类无法企及的“超感官”能力，比如工业分拣机器人通过太赫兹成像检测材料内部缺陷，农业机器人利用多光谱相机分析作物病虫害，核电站检修机器人搭载 γ 射线传感器定位辐射源等等。这些超越生物极限的感知手段，正在特定垂直领域重构生产力标准。
大脑
传统机器人决策系统依赖分层架构，如 ROS MoveIt 通过集成采样、优化算法等实现运动规划，并与基于规则的状态机协同。新兴具身智能企业则引入百亿参数级多模态大模型，如智平方自主研发的 AI2R Brain 具身大模型，已成功部署于 Alpha Bot 系列机器人。
从这个角度看，现有的大语言模型虽在文本理解、逻辑推理等任务中表现显著，但其能力边界高度依赖训练数据的规模与质量，GPT-4的训练语料库涵盖约13万亿 token 的文本数据，接近人类个体一生阅读量的数千倍。这种数据暴力美学使 LLMs 能够模拟人类语言模式，但仍然存在无法解释、不可避免的幻觉。
相比之下，具身智能的决策系统面临更严峻的数据瓶颈。以动作-状态对为单位计算，当前全球可用的高质量具身智能数据集总量预估是千万级，而且数据模态复杂，需要同步记录视觉、力觉、关节位姿等信号，所以扩展起来也十分费劲。几个知名具身数据集覆盖的场景也有限：
-
RoboMIND：汇聚了来自 Franka Emika Panda、Tien Kung、AgileX Cobot Magic V2.0 和 UR5e 四种不同机器人实体的海量数据，目前总计约十万条轨迹，年底将达到三十余万条。轨迹涵盖了 479 个任务、96 个不同的物体类别以及 38 项操作技能。
-
AgiBot World：全球首个基于全域真实场景、全能硬件平台、全程质量把控的百万真机数据集。
-
Meta Ego4D：最大规模开源数据集，含4000小时第一视角视频+3D关节数据，但仅覆盖日常交互场景。
-
斯坦福BEHAVIOR：包含1000种家庭任务仿真数据，但物理引擎精度误差达15%。
-
DeepMind Open X-Embodiment：整合22种机器人形态的50万条操作记录，但硬件异构性导致跨平台泛化率不足30%。
这种数据稀缺性源于两大挑战：一是采集成本高昂，单台人形机器人采集1小时多模态数据，需要用到 RGB-D 相机+六维力传感器+IMU，成本较高，且需专业工程师全程监控；二是标注效率低下，需要人类标注员二次处理机器人操作视频的数据。
有业内人士估算，特斯拉的人形机器人 Optimus 至少需要数百万小时的数据才能完全准备好在特斯拉工厂工作，这期间可能需要至少5亿美元的数据采集成本。
高昂的采集成本也拖慢了具身智能数据的收集进度。目前业界的解决方式多是叠加“仿真+迁移”的技术，在虚拟环境中生成数亿条廉价数据预训练，再通过少量真实数据微调。但仿真器与现实的“物理鸿沟”仍导致实际场景性能损失40%以上。
小脑
在机器人运动控制领域，“小脑”技术的核心挑战在于复现生物神经系统的高效性与鲁棒性。
人类小脑通过约690亿神经元构成的微电路，以毫秒级延迟协调全身600余块肌肉，功耗不足5瓦，却能在湿滑路面行走、接住意外抛来的钥匙等动态场景中展现惊人的适应性。
传统方法依赖于精确的物理建模和数学推导，强调理论框架的完备性，但开发周期长、适应性有限。比如动力学模型控制，需建立复杂的运动学与动力学模型，通过在线优化计算生成轨迹，但依赖高精度传感器和实时计算，对动态环境适应性差，难以应对复杂地形或突发扰动。此外还有模型预测控制（MPC），通过预测未来数步的动力学状态，优化当前控制输入，缺点是计算复杂度高，非线性模型求解速度慢，仅适用于特定步态或场景。
随着AI技术的发展，数据驱动的学习算法逐渐成为主流，显著降低开发门槛并提升适应性。比如过仿真环境设计奖励机制，让机器人自主探索最优策略。
又或是仿真学习，通过人类示教或动作捕捉数据生成运动策略。目前，桥介数物也正是通过 learning-based 的方式，让机器人在仿真环境中通过深度强化学习自主学会行动策略，将开发周期从数月缩短至数天。
然而，这类算法的工程化落地仍面临一些困境，比如动态环境建模的物理鸿沟，仿真器中训练的模型因摩擦系数、空气阻力等参数误差，迁移到真实场景时成功率会有所下降；此外还有算力与能效的失衡问题，双足机器人实时运动控制需要的功耗远超人类小脑同等任务功耗。
行动
行动上的进步很明显，比如去年走都走不稳的人形机器人，今年已经可以和人类一起跳手绢舞、斧头舞，完成后空翻等各种动作了。在机器人行动层技术的研究中，核心目标是通过仿生结构与驱动系统的协同设计，逼近甚至超越人类运动系统的效率与适应性。
人类的行动自由度大概在200-300范围，可以实现许多精细动作，比如人的单只手掌的27个自由度允许抓握从鸡蛋到扳手的全品类工具。相比之下，当前人形机器人的行动层仍受制于机械设计的物理桎梏：能与人类共舞的众擎机器人 SE01 已经走在业界前沿，其32个自由度虽能完成前空翻等高动态动作，但执行叠衣、拧瓶盖等精细任务时，其手部动作与人类手指的连续柔顺控制存在代际差距。
此前曾被视作机器人巅峰之作的波士顿动力 Atlas 也仅有28个自由度，背后也是高昂的成本在支撑。为了降低成本，提升性能，波士顿动力公司正转向全电驱动技术的研究。即便如此，这样一个机器人的售价也在15万美元左右。
从每个细分技术场景来看，也就不难解释，为什么机器人在许多日常生活场景中难以复刻人类的灵活与直觉，但是常常在一些人类实现不了地方取得意外之喜。想让机器人既能跳得了舞、切得了钻石、做得了手术，又能剥完整鸡蛋，还有很长的路要走。
供应链：从以月为单位到当天送达
“这不是一家公司的事情。”
我们常常能从具身智能企业那里听到这句话。动辄十亿级的研发资金需求，全球范围内稀缺的复合型人才，以及从毫米级触觉传感器到千瓦级关节模组的超长产业链，让具身智能乃至整个机器人产业不仅仅需要上下游的配合，更需要各个细分技术厂商、通用技术厂商的配合。
技术研发的爆点将在哪天到来难以预测，在那之前，各式零部件、基础耗材的攻击也是对产业链的一大考验。
近期，逐际动力联合创始人兼首席运营官张力就公开表示，“深圳在机器人硬件供应链上优势明显，有的硬件我们上午下单，当天下午就能做好送到，这极大提升了机器人公司硬件产品的迭代速度。”对比此前，有学者在国外做机器人相关研究时，经常需要从中国购买零部件，通常得一两个月才能收到货，而发货地多是深圳粤海街道发货。
因为机器人产业起步早、政策扶植等因素，深圳积累了硬件、供应链优势。有了供应链优势，再结合技术，量产才能成为可能。
3月3日，深圳市工业和信息化局发布《深圳市加快推进人工智能终端产业发展行动计划（2025—2026年）》。其中提出目标，到2026年，深圳市人工智能终端产业核心竞争力进一步增强，产品“含深度”进一步提升，产业生态持续丰富。具体来看，目标包括届时深圳市人工智能终端产业规模达8000亿元以上、力争1万亿元，集聚不少于10家现象级人工智能终端企业，人工智能终端产品产量突破1.5亿台；手机、计算机、大模型一体机、可穿戴设备等领域推出50款以上爆款人工智能终端产品，智能制造、智慧金融、智慧城市、智慧养老、智慧政务等领域打造60个以上人工智能终端典型应用场景。
同日，深圳市科技创新局发布《深圳市具身智能机器人技术创新与产业发展行动计划（2025—2027年）》。其中提到，到2027年，深圳市在机器人关键核心零部件、AI芯片、人工智能与机器人融合技术、多模态感知技术、高精度运动控制技术、灵巧操作技术等方面取得突破。具体来看，目标包括届时深圳市新增培育估值过百亿企业10家以上、营收超十亿企业20家以上，实现十亿级应用场景落地50个以上，关联产业规模达到1000亿元以上，具身智能机器人产业集群相关企业超过1200家。打造公共服务平台矩阵，吸引更多上下游企业、科研机构、创新团队等加入，形成更完善的产业生态，具身智能机器人产业综合实力达到国际领先水平。
中信证券认为，人形机器人产业快速发展，全球主要整机厂商陆续开始出货，人形机器人将迎来商业化。今年以来，随着一些具身智能整机厂商陆续公布量产计划，2025年可能是人形机器人量产的元年的观点也正在升温。
具身智能的进化、量产，本质是一场对人类生物本能的工程学解构——当机器人用碳纤维骨骼和代码复刻出人类230个自由度的动作时，我们不仅需要技术的突破，更需要整个产业链的配合。
本篇我们从宏观角度看了深圳具身智能“明星”企业的概况和技术，接下来，我们将持续追踪具身智能的技术攻坚与商业化落地，从多个角度深入解析具身智能的技术与发展。欢迎投稿和交流：18655807197
4月26日，【未来智造：机器⼈软件系统技术前沿】OSC源创会·深圳站·112期开启：
听日本创客高須正和拆解机器人竞赛中的 ROS 实战密码；
深挖具身智能数据生态的底层逻辑，建设开源生态；
直面运动控制的“脑机战争”技术博弈；
触摸全球首款双模态多维触觉灵巧手技术，见证触觉传感升级；
看国产 RT-Thread 如何用硬实力机器人操作系统难题；
5大领域专家带你穿透技术瓶颈，直抵机器人智能化核心战场。
现场更有精美茶歇和超多礼品相待！
（号外：报名本期源创会即可享受4月24日-26日的 FAIR plus-机器人全产业链接会现场通票，一睹机器人全产业链展会风采）
🔥 即刻报名：https://www.oschina.net/event/8595590 🔥
⏰ 时间：2025-04-26 12:00 至 16:30
🏠 地点：深圳市 福⽥区 福华三路深圳会展中⼼8号馆
4月24-26日，“机器人全产业链接会（FAIR plus 2025）”也讲在深圳会展中心（福田）7-8 号馆举办，同期举办 LogiMAT China2025。活动内容精彩纷呈，包含学术会议、技术沙龙、社区培育，其中的技术社区共建会，涵盖开源技术沙龙、社区生态召集会、标准工作组会议；另外还有场景协同开发对接会，精准对接匹配各方需求，新品发布及产品说明会，为企业展示新品提供平台。
