OSCHINA

清明假期，擁有 3800 萬國際粉絲的網紅 “甲亢哥” Speed 中國行旅程來到了深圳站，打卡 “深圳特色”—— 與人形機器人互動、一起跳舞。

這個直播片段在全球的觀看量預估超 5000 萬，成了對外展示深圳的一個重要切面。直播間彈幕刷屏的 “China Tech” 也傳達出一個信息 —— 具身智能技術的研究正飛速進步，而擁有完備機器人產業鏈的深圳也正通過技術與文化的深度融合，以人形機器人 + 超級 IP 的破圈效應，為全球人機協作標注中國坐標。

再往前倒 2 個月，蛇年春節后，“深圳具身智能八大金剛” 這一概念在科技圈不脛而走。這一稱號所指的具體企業雖未完全公開，但結合政策動向、融資動態與技術路徑，可能性較高的是優必選、普渡科技、逐際動力、眾擎機器人、帕西尼感知科技、跨維智能、數字華夏和智平方這 8 家企業。

除了 “八大金剛”，深圳還聚集了星塵智能、橋介數物、靈觸科技等具身智能企業，這些企業也不乏亮眼的研究。

透過這些具身智能公司的主要研究方向與成果，我們也能窺見整個具身智能研究的核心范式遷移與技術收斂趨勢：技術上，感知、決策、行動三大學科正從 “孤立優化” 轉向 “閉環耦合”；應用層面，具身智能體正從 “任務專用型” 向 “通用適應型” 躍遷。

比如此前專注觸覺感知的帕西尼，已通過異構感知 - 控制聯合訓練推出首款人形機器人 TORA-ONE，其雙手內搭載近兩千個帕西尼自主研發生產的 ITPU 多維觸覺傳感單元，擁有 0.01N 的精準力控能力，能實現物體 6D 位姿識別與柔性抓取，可以廣泛應用于工業制造、精密制造、醫療康養、倉儲物流等多種場景。

技術線：嬰兒學步和超感官并存

廣義上的具身智能是指具有物理形態的智能體，除了人形機器人外，智能車、四足機器狗等等都囊括其中。隨著靈巧手、人形機器人研發的加速，現在我們提到的具身智能常用來專指人體形態的智能體。這類機器人無論是在外形上還是行動上，都在朝著 “無限接近真實人類” 的目標出發。

人類的大腦與身體構造，可以簡單概括為一條「感知 - 認知 - 控制」閉環鏈路：五感負責接收外界信息；大腦皮層整合多模態信息并生成決策；脊髓與周圍神經系統傳遞信號；小腦實時協調運動肌群完成動作；成年人體擁有 206 塊骨骼、約 360 個關節，主要活動關節 86 個，運動自由度達可以達到 230+。

參照人類生理結構，具身智能機器人的研發可解構為以下核心模塊：

• 感知層：替代人類五感，包括激光雷達（視覺）、六維力傳感器（觸覺）、IMU（前庭平衡覺）等；

• 機器人大腦：主導認知與決策，大模型技術突飛猛進后，具身智能的決策系統研究開始依賴多模態大模型實現因果推理；

• 機器人小腦：運動控制中樞，通過模型預測控制、全身協同控制等算法實現毫米級精度；

• 行動層：對應人體肌肉與骨骼系統，由伺服電機（肌肉）、諧波減速器（肌腱）、碳纖維連桿（骨骼）等構成執行機構。

從這 4 個角度出發，也能很直觀看出現有的機器人和人類之間差距。

感知

感知方面，機器人已初步構建起與人類五感對應的傳感器體系，但是在感知精度和不同感官的配合上還有差距。比如，人眼對運動物體的識別反應最快接近 0.1 秒，如接住飛來的棒球。而機器人依賴多維感知 + 計算，面對快速移動物體時決策延遲達有時可能達到 0.3-0.5 秒甚至更長。此外，人的五感配合非常絲滑，比如看到地面積水，腳底觸覺感知到鞋底打滑，立刻便能判斷摔倒風險，但機器人可能因傳感器數據沖突，激光雷達與 IMU 的位姿誤差，導致動作卡頓。

但機器人在感知的 “生物合理性” 上存在硬傷：視覺系統依賴人工標注數據集，無法像人類嬰兒般通過自監督學習理解未知物體。更關鍵的是，多模態數據的時空對齊誤差可達 10ms 級，而人類神經傳導延遲僅 1ms，這會導致機器人面對動態場景時易出現 “感官割裂”—— 例如當激光雷達檢測到前方障礙物時，慣性導航單元可能因振動干擾傳遞錯誤位姿數據，引發運動控制沖突。

不過，有時候機器人也會擁有人類無法企及的 “超感官” 能力，比如工業分揀機器人通過太赫茲成像檢測材料內部缺陷，農業機器人利用多光譜相機分析作物病蟲害，核電站檢修機器人搭載 γ 射線傳感器定位輻射源等等。這些超越生物極限的感知手段，正在特定垂直領域重構生產力標準。

大腦

傳統機器人決策系統依賴分層架構，如 ROS MoveIt 通過集成采樣、優化算法等實現運動規劃，并與基于規則的狀態機協同。新興具身智能企業則引入百億參數級多模態大模型，如智平方自主研發的 。

從這個角度看，現有的大語言模型雖在文本理解、邏輯推理等任務中表現顯著，但其能力邊界高度依賴訓練數據的規模與質量，GPT-4 的訓練語料庫涵蓋約 13 萬億 token 的文本數據，接近人類個體一生閱讀量的數千倍。這種數據暴力美學使 LLMs 能夠模擬人類語言模式，但仍然存在無法解釋、不可避免的幻覺。

相比之下，具身智能的決策系統面臨更嚴峻的數據瓶頸。以動作 - 狀態對為單位計算，當前全球可用的高質量具身智能數據集總量預估是千萬級，而且數據模態復雜，需要同步記錄視覺、力覺、關節位姿等信號，所以擴展起來也十分費勁。幾個知名具身數據集覆蓋的場景也有限：

• RoboMIND：匯聚了來自 Franka Emika Panda、Tien Kung、AgileX Cobot Magic V2.0 和 UR5e 四種不同機器人實體的海量數據，目前總計約十萬條軌跡，年底將達到三十余萬條。軌跡涵蓋了 479 個任務、96 個不同的物體類別以及 38 項操作技能。

• AgiBot World：全球首個基于全域真實場景、全能硬件平臺、全程質量把控的百萬真機數據集。

• Meta Ego4D：最大規模開源數據集，含 4000 小時第一視角視頻 + 3D 關節數據，但僅覆蓋日常交互場景。

• 斯坦福 BEHAVIOR：包含 1000 種家庭任務仿真數據，但物理引擎精度誤差達 15%。

• DeepMind Open X-Embodiment：整合 22 種機器人形態的 50 萬條操作記錄，但硬件異構性導致跨平臺泛化率不足 30%。

這種數據稀缺性源于兩大挑戰：一是采集成本高昂，單臺人形機器人采集 1 小時多模態數據，需要用到 RGB-D 相機 + 六維力傳感器 + IMU，成本較高，且需專業工程師全程監控；二是標注效率低下，需要人類標注員二次處理機器人操作視頻的數據。

有業內人士估算，特斯拉的人形機器人 Optimus 至少需要數百萬小時的數據才能完全準備好在特斯拉工廠工作，這期間可能需要至少 5 億美元的數據采集成本。

高昂的采集成本也拖慢了具身智能數據的收集進度。目前業界的解決方式多是疊加 “仿真 + 遷移” 的技術，在虛擬環境中生成數億條廉價數據預訓練，再通過少量真實數據微調。但仿真器與現實的 “物理鴻溝” 仍導致實際場景性能損失 40% 以上。

小腦

在機器人運動控制領域，“小腦” 技術的核心挑戰在于復現生物神經系統的高效性與魯棒性。

人類小腦通過約 690 億神經元構成的微電路，以毫秒級延遲協調全身 600 余塊肌肉，功耗不足 5 瓦，卻能在濕滑路面行走、接住意外拋來的鑰匙等動態場景中展現驚人的適應性。

傳統方法依賴于精確的物理建模和數學推導，強調理論框架的完備性，但開發周期長、適應性有限。比如動力學模型控制，需建立復雜的運動學與動力學模型，通過在線優化計算生成軌跡，但依賴高精度傳感器和實時計算，對動態環境適應性差，難以應對復雜地形或突發擾動。此外還有模型預測控制（MPC），通過預測未來數步的動力學狀態，優化當前控制輸入，缺點是計算復雜度高，非線性模型求解速度慢，僅適用于特定步態或場景。

隨著 AI 技術的發展，數據驅動的學習算法逐漸成為主流，顯著降低開發門檻并提升適應性。比如過仿真環境設計獎勵機制，讓機器人自主探索最優策略。

又或是仿真學習，通過人類示教或動作捕捉數據生成運動策略。目前，橋介數物也正是通過 learning-based 的方式，讓機器人在仿真環境中通過深度強化學習自主學會行動策略，將開發周期從數月縮短至數天。

然而，這類算法的工程化落地仍面臨一些困境，比如動態環境建模的物理鴻溝，仿真器中訓練的模型因摩擦系數、空氣阻力等參數誤差，遷移到真實場景時成功率會有所下降；此外還有算力與能效的失衡問題，雙足機器人實時運動控制需要的功耗遠超人類小腦同等任務功耗。

行動

行動上的進步很明顯，比如去年走都走不穩的人形機器人，今年已經可以和人類一起跳手絹舞、斧頭舞，完成后空翻等各種動作了。在機器人行動層技術的研究中，核心目標是通過仿生結構與驅動系統的協同設計，逼近甚至超越人類運動系統的效率與適應性。

人類的行動自由度大概在 200-300 范圍，可以實現許多精細動作，比如人的單只手掌的 27 個自由度允許抓握從雞蛋到扳手的全品類工具。相比之下，當前人形機器人的行動層仍受制于機械設計的物理桎梏：能與人類共舞的眾擎機器人 SE01 已經走在業界前沿，其 32 個自由度雖能完成前空翻等高動態動作，但執行疊衣、擰瓶蓋等精細任務時，其手部動作與人類手指的連續柔順控制存在代際差距。

此前曾被視作機器人巔峰之作的波士頓動力 Atlas 也僅有 28 個自由度，背后也是高昂的成本在支撐。為了降低成本，提升性能，波士頓動力公司正轉向全電驅動技術的研究。即便如此，這樣一個機器人的售價也在 15 萬美元左右。

從每個細分技術場景來看，也就不難解釋，為什么機器人在許多日常生活場景中難以復刻人類的靈活與直覺，但是常常在一些人類實現不了地方取得意外之喜。想讓機器人既能跳得了舞、切得了鉆石、做得了手術，又能剝完整雞蛋，還有很長的路要走。

供應鏈：從以月為單位到當天送達

“這不是一家公司的事情。”

我們常常能從具身智能企業那里聽到這句話。動輒十億級的研發資金需求，全球范圍內稀缺的復合型人才，以及從毫米級觸覺傳感器到千瓦級關節模組的超長產業鏈，讓具身智能乃至整個機器人產業不僅僅需要上下游的配合，更需要各個細分技術廠商、通用技術廠商的配合。

技術研發的爆點將在哪天到來難以預測，在那之前，各式零部件、基礎耗材的攻擊也是對產業鏈的一大考驗。

近期，逐際動力聯合創始人兼首席運營官張力就公開表示，“深圳在機器人硬件供應鏈上優勢明顯，有的硬件我們上午下單，當天下午就能做好送到，這極大提升了機器人公司硬件產品的迭代速度。” 對比此前，有學者在國外做機器人相關研究時，經常需要從中國購買零部件，通常得一兩個月才能收到貨，而發貨地多是深圳粵海街道發貨。

因為機器人產業起步早、政策扶植等因素，深圳積累了硬件、供應鏈優勢。有了供應鏈優勢，再結合技術，量產才能成為可能。

3 月 3 日，深圳市工業和信息化局發布《深圳市加快推進人工智能終端產業發展行動計劃（2025—2026 年）》。其中提出目標，到 2026 年，深圳市人工智能終端產業核心競爭力進一步增強，產品 “含深度” 進一步提升，產業生態持續豐富。具體來看，目標包括屆時深圳市人工智能終端產業規模達 8000 億元以上、力爭 1 萬億元，集聚不少于 10 家現象級人工智能終端企業，人工智能終端產品產量突破 1.5 億臺；手機、計算機、大模型一體機、可穿戴設備等領域推出 50 款以上爆款人工智能終端產品，智能制造、智慧金融、智慧城市、智慧養老、智慧政務等領域打造 60 個以上人工智能終端典型應用場景。

同日，深圳市科技創新局發布《深圳市具身智能機器人技術創新與產業發展行動計劃（2025—2027 年）》。其中提到，到 2027 年，深圳市在機器人關鍵核心零部件、AI 芯片、人工智能與機器人融合技術、多模態感知技術、高精度運動控制技術、靈巧操作技術等方面取得突破。具體來看，目標包括屆時深圳市新增培育估值過百億企業 10 家以上、營收超十億企業 20 家以上，實現十億級應用場景落地 50 個以上，關聯產業規模達到 1000 億元以上，具身智能機器人產業集群相關企業超過 1200 家。打造公共服務平臺矩陣，吸引更多上下游企業、科研機構、創新團隊等加入，形成更完善的產業生態，具身智能機器人產業綜合實力達到國際領先水平。

中信證券認為，人形機器人產業快速發展，全球主要整機廠商陸續開始出貨，人形機器人將迎來商業化。今年以來，隨著一些具身智能整機廠商陸續公布量產計劃，2025 年可能是人形機器人量產的元年的觀點也正在升溫。

具身智能的進化、量產，本質是一場對人類生物本能的工程學解構 —— 當機器人用碳纖維骨骼和代碼復刻出人類 230 個自由度的動作時，我們不僅需要技術的突破，更需要整個產業鏈的配合。

本篇我們從宏觀角度看了深圳具身智能 “明星” 企業的概況和技術，接下來，我們將持續追蹤具身智能的技術攻堅與商業化落地，從多個角度深入解析具身智能的技術與發展。
（歡迎投稿和交流：18655807197）

4 月 26 日，【未來智造：機器?軟件系統技術前沿】OSC 源創會?深圳站?112 期開啟： 聽日本創客高須正和拆解機器人競賽中的 ROS 實戰密碼； 深挖具身智能數據生態的底層邏輯，建設開源生態； 直面運動控制的 “腦機戰爭” 技術博弈； 觸摸全球首款雙模態多維觸覺靈巧手技術，見證觸覺傳感升級； 看國產 RT-Thread 如何用硬實力機器人操作系統難題； 5 大領域專家帶你穿透技術瓶頸，直抵機器人智能化核心戰場。 現場更有精美茶歇和超多禮品相待！ （號外：報名本期源創會即可享受 4 月 24 日 - 26 日的 FAIR plus - 機器人全產業鏈接會現場通票，一睹機器人全產業鏈展會風采） 即刻報名：https://www.oschina.net/event/8595590 ? 時間：2025-04-26 12:00 至 16:30 地點：深圳市 福?區 福華三路深圳會展中? 8 號館 4 月 24-26 日，“機器人全產業鏈接會（FAIR plus 2025）” 也講在深圳會展中心（福田）7-8 號館舉辦，同期舉辦 LogiMAT China2025。 活動內容精彩紛呈，包含學術會議、技術沙龍、社區培育，其中的技術社區共建會，涵蓋開源技術沙龍、社區生態召集會、標準工作組會議；另外還有場景協同開發對接會，精準對接匹配各方需求，新品發布及產品說明會，為企業展示新品提供平臺。

↓分享、在看與點贊~Orz