量子位智库：中国具身智能创投报告_30页_7mb

具身智能：人工智能下一个浪潮的中国发展

具身智能定义

基于物理身体进行感知和行动的智能系统，通过与环境交互获取信息、理解和规划行动，形成智能行为。不包含无人车等物理形态。

背景与现状

• 从1950年图灵概念到21世纪才在机器人领域发展成熟。
• 近两年大模型出现，被视为「人工智能下一个浪潮」，科技巨头纷纷布局。
• 中国具身智能产业处于早期阶段，但发展迅速。

技术原理

技术路线

1. 端到端模型：如Google RT-2，
   一个神经网络完成从感知到行为的全过程。
   *优势：打通整体链路
   *劣势：需海量数据、实时性差

2. 分层决策模型：如Figure01
   将任务分解，多层级神经网络组合
   *优势：各层功能明确
   *劣势：上下层对齐问题

训练方法

1. 模仿学习
   优势：快速获取专家策略
   弊端：泛化能力弱

2. 强化学习
   优势：探索能力强
   弊端：需大量试错、学习慢

训练数据

1. Sim2Real（仿真转真实）
   优势：数据获取成本低
   弊端：存在环境差异

2. 真实世界数据
   优势：数据真实可靠
   弊端：成本高、效率低

市场参与者

国内代表性企业

• 智元机器人：已获70亿估值，知名人形机器人远征A2即将商用
• 逐际动力：首个国产上楼视频，获数亿元融资
• 星尘智能：“最接近人类操作性能”的机器人AstribotS1
• 加速进化：机器人BR002，已获数千万元融资

创业者特点

• 多数来自清华、斯坦福等顶级院校
• 清华大学“交叉信息学院”是创业人才培养重要基地
• 多拥有科技大厂、机器人实验室和自动驾驶领域从业背景

融资与产品进展

• 国内企业大部分仍处于天使/Pre-A轮阶段
• 前沿项目估值超过10亿美金
• 硬件产品与软件平台（如具身大模型、数据平台）同步快速发展

发展现状

• 应用领域：主要在汽车制造、零售、物流等领域
• 时间节奏：进入真实场景部署阶段，但仍较缓慢
• 技术路线：正从仿真与真实数据融合训练
• 驱动模式：大脑（大模型）、小脑（控制策略）、身体（机器人本体）相互配合

前景展望

• 中国具身智能市场将维持快速发展
• 投资将更集中于头部项目，马太效应显著
• 近期重点在场景验证及小规模商用

现实挑战

• 实际使用环境的适应能力
• 对失败成本的接受度（商业化尚未成熟）
• 缺乏真正面向大众的成熟商业化产品

参考与数据来源：量子位智库《2024中国具身智能创投报告》