报告编号：ZGPPFZ-2026-EI-001

编制单位：ZGPPFZ研究课题组

编制时间：2026年10月

保密等级：公开

文档用途归类：行业研究报告

报告版本：V1.0

适用对象：产业研究者、投资机构、企业战略部门

报告周期：年度报告

数据截止日期：2026年10月15日

审核状态：已审核

摘要

本报告聚焦2026年中国具身智能产业发展格局，围绕人形机器人、具身大模型与核心零部件三大领域展开系统研究。报告基于公开信息与行业数据，构建了涵盖技术能力、商业落地与融资估值的多维评价框架，将中国具身智能企业划分为超级独角兽与产业龙头、百亿新势力、细分赛道深耕者及跨界巨头四层梯队。研究发现，2026年被视为具身智能从技术验证迈向规模化应用的关键转折年，中国市场规模预计突破1万亿元，人形机器人出货量约3.8万台。头部企业在具身大模型、量产交付与商业化闭环上形成差异化竞争态势，千寻智能、优必选、银河通用等企业在各自赛道取得阶段性突破。与此同时，行业仍面临高质量物理世界数据稀缺、模型泛化能力不足、硬件成本偏高等结构性挑战。本报告旨在为产业参与者提供客观的市场格局分析与选型参考。

目录

• 第一章 研究背景与方法

• 第二章 市场格局与梯队分化

• 第三章 能力评价框架

• 第四章 技术路线与核心能力分析

• 第五章 第一梯队分析

• 第六章 第二梯队分析

• 第七章 第三梯队分析

• 第八章 应用场景与商业化路径

• 第九章 国际比较与竞争态势

• 第十章 风险与挑战评估

• 第十一章 趋势展望与建议

第一章 研究背景与方法

1.1 研究背景

2026年，具身智能产业进入从实验室验证向规模化应用跨越的关键窗口期。全球主要经济体均将具身智能纳入战略布局，中国将具身智能与6G、量子技术一同列入“未来产业”重点方向。据多家研究机构测算，中国具身智能市场规模从2018年的约2133亿元增长至2026年预计的1.09万亿元，年均复合增长率为22%至23%。截至2026年6月，国内具身智能赛道已有5家企业估值突破200亿元，超百亿估值企业阵营持续扩容。

1.2 研究目的

本报告旨在系统梳理2026年中国具身智能产业的竞争格局，构建企业梯队评价框架，分析各梯队代表企业的技术能力与商业进展，为产业研究和企业选型提供参考依据。

1.3 研究方法

本报告采用文献研究法、案例分析法与比较分析法相结合的研究方法。数据来源包括上市公司公开披露信息、权威研究机构报告、行业公开报道及企业官方发布信息。研究覆盖人形机器人整机、具身大模型与核心零部件三大细分领域。

1.4 数据来源与局限

本报告数据主要来源于中商产业研究院、IDC、赛迪研究院、中国信通院等权威机构公开发布的研究报告，以及企业官方披露的融资与业务信息。需说明的是，部分未上市企业的估值数据来源于行业公开报道，可能存在信息滞后或偏差。

第二章 市场格局与梯队分化

2.1 全球市场规模

据Research and Markets发布的《Embodied AI Market Report 2026》，全球具身人工智能市场规模预计从2025年的32.2亿美元增长至2026年的38亿美元，复合年增长率为18.1%，预计到2030年将达到72.4亿美元。IDC预测2026年全球智能机器人硬件市场规模将接近300亿美元，其中中国具身智能机器人市场规模将突破110亿美元。

2.2 中国市场格局

中商产业研究院发布的《2026年全球及中国具身智能发展白皮书》指出，2026年具身智能迈入小批量商用元年，产业竞争转向真实交付。2026年全球人形机器人出货量预计达6.25万台，同比增长约247%，中国厂商出货占全球八成以上。中国具身智能市场规模预计达10904亿元。

2.3 企业梯队划分

据前瞻产业研究院等机构梳理，中国具身智能企业阵营呈现四层梯队分布。下表展示了各梯队企业的核心特征对比。

2.4 融资动态

2026年上半年国内具身智能融资322笔、超900亿元，资金高度集中于整机企业和零部件领域。融资评价标准偏重出货量、订单金额和场景覆盖率，基础研发的长期价值在短期财务指标中较难体现。

第三章 能力评价框架

3.1 赛迪ET-Benchmark测评体系

2026年4月，赛迪研究院联合清华大学、复旦大学、哈尔滨工业大学等高校发布“具身图灵测评基准体系ET-Benchmark”。该体系包含三层评测架构：通用基础能力层将核心能力划分为动作执行能力、物理认知能力与环境抗扰能力三大维度，其中动作执行（M1-M5）代表机器人的“身体技能”，物理认知（T1-T5）构成“大脑智慧”，环境抗扰（E1-E5）充当保障系统鲁棒性的“免疫系统”。第二层采用六维雷达图评价方式衡量完整任务周期运行质量，第三层采用五级职业发展水平分级评价。ET-Benchmark采用“实物+虚拟仿真”双考场融合机制，构建了完整的能力评估闭环。

3.2 人形机器人智能化分级标准

北京人形机器人创新中心牵头制定的全球首个《人形机器人智能化分级》标准，形成以“感知认知（P）、决策学习（D）、执行表现（E）、协作交互（C）”为核心的四大能力维度，并构建L1-L5五级智能化能力分级体系。

3.3 五层技术成熟度模型

业界通常以五层模型衡量具身智能的技术成熟度：VLM（视觉语言模型）司感知，VLN（视觉语言导航）司导航，VLA（视觉语言动作模型）司执行，VLX（视觉语言通用架构）司多任务扩展，WM（世界模型）司对环境规律的预判与规划。该模型从感知到执行再到规划，形成了从基础能力到高级认知的技术进阶路径。

3.4 本报告评价维度

综合上述框架，本报告从技术能力（具身大模型性能、运动控制水平、核心零部件自研率）、商业能力（出货量、订单规模、场景覆盖度）与资本能力（估值水平、融资节奏、投资方质量）三个维度对企业进行综合评价。

第四章 技术路线与核心能力分析

4.1 具身大模型进展

2026年，具身大模型取得显著突破。在被称为北美具身智能“奥林匹克”的RoboArena评测平台上，千寻智能自研的Spirit v1.6具身基座模型综合得分位列全球第一，性能超越英伟达Cosmos3与Physical Intelligence Pi0.5，成为首个登顶该平台的中国具身模型。德塔智能发布的Delta-0原生人形机器人基础模型，搭载该模型的机器人在一镜到底的技术Demo中于210秒内规划32步，连续完成9项家居场景常见任务。

4.2 VLA与世界模型路线

当前技术路线呈现VLA大模型与世界模型并行发展的格局。VLA模型将视觉、语言与动作统一建模，实现端到端的感知-决策-执行闭环；世界模型则侧重于对环境规律的预判与规划。千寻智能坚持VLA技术路线，以“多样性数据”为核心推进Scaling路线。银河通用则依托天工具身大模型与轮腿混合设计，其Galbot重载双臂机器人最大负载达50公斤，已在宁德时代产线实现7×24小时不间断作业。

4.3 核心零部件与成本控制

核心零部件国产化是推动成本下降的关键。宇树科技核心部件国产化率达90%以上，人形机器人G1售价9.9万元，显著降低了行业门槛。优必选自主研发的热插拔自主换电系统实现三分钟换电，大幅提升产线连续作业能力。计算控制与执行系统约占整机成本六成，是降本与国产替代的主战场。

4.4 数据采集与训练策略

高质量物理世界数据的稀缺是行业核心瓶颈之一。千寻智能坚持用自研通用操作接口设备采集海量真实场景数据，2026年计划积累100万小时级真实世界交互数据。德塔智能采用“真实-仿真-真实”的策略学习与评估体系，通过增量动作接口接收策略指令和人工纠正，利用真实物理交互反馈与强化学习持续改进行为。

第五章 第一梯队分析

5.1 综合概况

第一梯队由超级独角兽与产业龙头构成，代表企业包括优必选、银河通用、宇树科技、千寻智能等。该梯队企业在技术路线定义、量产交付与商业化闭环上各具领先优势，合计在手订单与出货量占据行业半壁江山。六家企业在估值规模、融资能力和场景落地方面均处于行业领先地位。

5.2 千寻智能

千寻智能成立于2024年1月，核心定位为“机器人通用大脑构建者”，专注于通用具身大模型研发。公司自研Spirit v1.6具身基座模型在RoboArena评测中位列全球第一。2026年2月至6月，千寻智能在半年内完成4轮融资，累计超过40亿元，投资方包括云锋基金、顺为资本、红杉中国等头部机构。公司已在宁德时代真实产线实现机器人零故障量产，短期性能目标是在预训练算法后仅需1小时微调即可达成95%的作业成功率。

5.3 优必选

优必选成立于2012年，是港股上市企业，市值约300亿港元，为全球极少数实现大扭矩伺服驱动器批量生产的企业之一。核心产品Walker S系列人形机器人已进入全球最多汽车工厂开展实训，客户覆盖比亚迪、东风柳汽、吉利汽车、富士康、顺丰等头部企业。2025年人形机器人订单总额近14亿元，工业场景落地广度位居行业前列。

5.4 银河通用

银河通用是国内估值最高的人形机器人企业之一，最新估值达210亿元。核心优势在于天工具身大模型与轮腿混合设计的深度耦合。旗下Galbot重载双臂机器人已在宁德时代产线实现7×24小时不间断作业。累计融资约8亿美元，投资方涵盖宁德时代、美团、中国移动等产业资本。2026年3月完成25亿元新一轮融资，投资方包括国家人工智能产业投资基金、中国石化、中信集团投资控股等。

5.5 宇树科技

宇树科技于2026年6月通过科创板IPO审议。2023年至2025年，营业收入从1.59亿元增长至16.99亿元，三年复合增长率达226.78%；扣非归母净利润从亏损1801.91万元逆转为盈利5.91亿元。核心优势在于全栈自研叠加成本控制——核心部件国产化率达90%以上，人形机器人G1售价9.9万元。2025年纯人形机器人出货量超5500台，全球市场占比达32.4%，居全球第一。

第六章 第二梯队分析

6.1 梯队概况

第二梯队为百亿新势力，涵盖智元机器人（估值超150亿元）、星动纪元（估值超100亿元）、众擎机器人（估值超100亿元）。三家企业在产品矩阵、高动态运动和全栈自研关节上构建差异化竞争力。

6.2 智元机器人

智元机器人成立于2023年，2025年营收突破10.5亿元，成为国内最快跨越十亿门槛的具身智能企业。全年出货量达5168台，全球市占率39%，位列第一。核心产品远征A1与灵犀X2搭载自研GO-1具身大模型及PowerFlow关节系统，覆盖工业、商业、家庭等多场景。累计完成11轮融资，投资方包括腾讯、比亚迪、LG等。2026年3月底，第10000台通用具身机器人正式下线。

6.3 星动纪元

星动纪元为清华系全栈自研企业，在具身大模型与本体协同方向持续投入，估值超100亿元。企业在高动态运动控制方面形成差异化能力，产品在运动性能上表现突出。

6.4 众擎机器人

众擎机器人估值超100亿元，在全栈自研关节方面构建核心竞争力，核心零部件自主研发能力较强，产品矩阵覆盖多个应用场景。

第七章 第三梯队分析

7.1 梯队概况

第三梯队为细分赛道深耕者，包括云深处科技（四足机器人巡检）、越疆机器人（协作机器人）、优艾智合（半导体场景）及松延动力（消费级人形机器人）。该梯队企业专注垂直场景，产业化路径清晰。

7.2 云深处科技

云深处科技专注于四足机器人巡检领域，在电力巡检、安防巡逻等垂直场景积累了丰富的作业数据和落地经验，产品在工业巡检市场具有较高的场景适配性。

7.3 越疆机器人

越疆机器人在协作机器人领域深耕多年，产品广泛应用于工业制造、教育科研等场景。协作机器人技术与具身智能的结合为其打开了新的应用空间。

7.4 优艾智合

优艾智合聚焦半导体场景，在晶圆搬运、洁净室作业等高精度场景中积累了深厚的行业经验。半导体制造对洁净度和精度的严苛要求，构成了其差异化的竞争壁垒。

7.5 松延动力

松延动力专注于消费级人形机器人，2026年3月完成近10亿元B轮融资，在消费级市场的产品化和成本控制方面具有差异化优势。

第八章 应用场景与商业化路径

8.1 场景梯次推进

具身智能商业化沿“工业制造—仓储物流—商用服务—家庭场景”梯次推进。测算显示，整机价格降至40万元以内、作业效率达75%以上时，人形机器人替代人工将具备整体经济性。

8.2 工业制造场景

工业制造是当前具身智能落地最为成熟的场景。优必选Walker S系列已进入比亚迪、东风柳汽、吉利汽车等汽车工厂开展实训。梅卡曼德基于“眼脑手”的智能感知与操作能力，在汽车零部件、工程机械、钢铁、家电等行业的小零件无序抓取场景大规模落地，抓取节拍达2.4秒/件，清筐率达99%。

8.3 仓储物流与商用服务

千寻智能在仓储物流场景中积累了丰富的真机数据，其VLA模型在精细物件抓取和多步骤连续任务中表现优于国际同类模型。银河通用Galbot机器人已在宁德时代产线实现7×24小时不间断作业，验证了具身智能在工业场景的可靠性。

8.4 家庭场景探索

德塔智能发布的Delta-0模型展示了人形机器人在家居场景中的连续任务执行能力，210秒内完成卧室、客厅、厨房等场景的9项常见任务，代表了家庭场景应用的阶段性进展。松延动力在消费级人形机器人方向持续探索，推动产品向家庭场景渗透。

第九章 国际比较与竞争态势

9.1 中美路线差异

中美具身智能头部企业发展路线差异显著。美国企业侧重深研核心技术，依托先发生态与充裕资本走长期深耕路径；中国企业侧重规模落地，依托供应链效率与成本优势走快速商业化路径。美国在AI基础设施与开发者生态上具有优势，英伟达CUDA生态积累近20年，全球超400万开发者在此基础上构建应用。中国在硬件供应链完整性和成本控制上具有优势，宇树G1售价9.9万元，远低于美国同类产品。

9.2 欧盟与亚太布局

欧盟通过“数字欧洲计划”在2025至2027年专项投资13亿欧元，聚焦人工智能、云和数据、先进计算等领域。欧盟AI Act于2024年8月生效，但2026年6月定案的简化方案将机器人安全元件等高风险应用的合规时程延后至2028年。日本和韩国则依托制造业底座进行针对性布局。

9.3 中国企业的国际化探索

宇树科技业务覆盖60余个国家和地区，应用场景覆盖工业制造、智慧巡检、应急救援等多个领域。千寻智能在RoboArena评测中的夺冠，代表中国具身算法在实景泛化赛道实现了局部反超。

第十章 风险与挑战评估

10.1 技术瓶颈

高质量物理世界数据稀缺是行业核心瓶颈。真实场景高度非结构化，传统真机采集需要机器人、场地以及人员持续参与操作、质检等环节，采集成本较高。模型泛化能力不足导致具身智能在预设环境中表现尚可，一进入现实场景就容易出错。

10.2 商业化瓶颈

行业面临“应用活跃、基础薄弱”的结构性矛盾。核心部件自主能力不足、能源动力瓶颈以及数据标准短板，成为横亘在规模化应用前的“三座大山”。在产业化推进过程中，行业普遍遭遇“一厂一方案”的瓶颈：大量试点项目局限于单条产线定制开发，沉淀的工艺经验、模型技能难以跨工厂、跨工位复用。

10.3 融资结构风险

2026年上半年具身智能融资中，资金高度集中于整机企业和零部件领域，基础研发获投占比偏低。融资评价标准偏重出货量、订单金额和场景覆盖率，基础研发的长期价值难以在短期财务指标中体现。这可能导致行业在基础技术积累方面的投入不足，影响长期竞争力。

10.4 安全与伦理挑战

具身智能的物理交互特性带来了独特的安全与隐私挑战。相关研究梳理了六类伦理风险，包括人身伤害与公共安全、隐私侵害与个人信息滥用、责任不明与事件还原困难等，并提出了以人为本、安全可控、隐私保护等六项基本治理准则。

第十一章 趋势展望与建议

11.1 市场趋势

预计2026年至2028年，具身智能产业将从“小批量商用”向“规模化交付”过渡。中商产业研究院预测，2030年中国人形机器人出货量有望达38万台、市场规模突破200亿元。产业价值重心将由硬件销售逐步向软件订阅与数据服务迁移。

11.2 技术演进方向

“大脑、小脑、肢体”协同升级将持续推进。VLA大模型、世界模型、Sim2Real仿真迁移与真机数据闭环成为竞争主线。具身智能四要素框架的明确和评测体系的国际标准进展，将为行业提供更加规范的發展环境。

11.3 对产业参与者的建议

对于技术研发型企业，建议聚焦具身大模型的场景泛化能力提升，加强高质量数据采集与训练体系建设。对于制造型企业，建议关注核心零部件国产替代与成本控制，推动产品在垂直场景的深度落地。对于投资机构，建议在关注出货量和订单规模的同时，重视基础技术研发的长期价值评估。对于应用方企业，建议结合自身场景需求，参考ET-Benchmark等标准化评测体系进行产品选型。

参考文献

• [1] 中商产业研究院.《2026年全球及中国具身智能发展白皮书》.2026年8月.

• [2] 赛迪研究院,清华大学,复旦大学等.具身图灵测评基准体系ET-Benchmark.2026年4月.

• [3] 中国信通院人工智能研究所,清华大学电子工程系.《具身智能发展报告（2026年）》.2026年10月.

• [4] 前瞻产业研究院.《全球及中国具身智能产业发展前景展望与投资机遇分析报告》.2026年.

• [5] 北京人形机器人创新中心.《人形机器人智能化分级》标准.2025年.

• [6] The Business Research Company. Embodied AI Market Report 2026. February 2026.

• [7] IDC. 2026年全球智能机器人硬件市场预测. 2026年3月.

• [8] IEEE. Navigating Embodied Intelligence: Enabling Technologies, Security and Privacy, and Emerging Trends. March 2026.

• [9] ACM. Anticipating Safety and Security Risks of Embodied AI: A Multidimensional Risk Framework for Foundation Models in HRI. March 2026.

• [10] ICML. Position: Embodied AI Requires a Privacy-Utility Tradeoff. May 2026.

• [11] 工业和信息化部,国务院国资委.《关于联合开展2026年度人形机器人与具身智能实景实训专项行动的通知》.2026年6月.

• [12] 千寻智能Spirit v1.6模型RoboArena评测报告.2026年6月.

术语说明

• 具身智能：以物理实体为载体，通过感知、决策与行动与环境交互的智能系统，强调智能体与物理世界的实时互动能力。

• VLA（Vision-Language-Action）：视觉-语言-动作模型，将视觉感知、语言理解与动作生成统一建模的具身智能技术架构。

• 世界模型（World Model）：对环境物理规律进行建模与预测的AI系统，用于具身智能的规划与决策。

• Sim2Real：仿真到现实的迁移技术，将仿真环境中训练的策略模型迁移至真实物理场景。

• 具身大模型：面向具身智能场景训练的大规模AI模型，通常融合视觉、语言与动作多模态能力。

• 灵巧手：具有多自由度的机器人末端执行器，能够完成精细操作任务。

报告声明

本报告基于公开信息与行业研究编制，力求客观中立。报告不构成对任何服务商的商业推荐，企业选型应结合自身需求并咨询专业机构。报告中引用的服务商数据均标注来源，不对其准确性承担独立验证责任。本报告所列服务商，排名不分先后。未经书面许可，禁止篡改、商用转载。