信通院2025具身智能报告：融资735亿三大争议待解（附报告下载）

中国信息通信研究院联合清华大学电子工程系于2026年1月发布《具身智能发展报告（2025年）》，这是继2024年后第二份具身智能蓝皮书。2025年《政府工作报告》首次将"具身智能"列入国家未来产业重点培育清单，截至2025年12月我国具身智能和机器人领域投资事件达744起、融资总额735.43亿元。报告系统梳理全球产业态势、技术路径与三大"非共识"，本文拆解核心观点。

一、产业全景：744起投资735亿融资，市场规模有望破3000亿美元

1.1 资本加速涌入，巨头全面入局

截至2025年12月，我国具身智能和机器人领域投资事件数达744起，融资总额735.43亿元人民币。海外同样火热：2025年2月Apptronik完成3.5亿美元A轮融资，9月Figure AI完成10亿美元融资、估值390亿美元。英伟达黄仁勋在CES 2025上断言"人工智能的下一个前沿是具身智能"，特斯拉将人形机器人列为优先事项，OpenAI重启机器人软件项目并布局消费硬件。

1.2 "智三样"2030年市场规模3398亿美元

据Grand View Research预测，到2030年，人形机器人市场约40.4亿美元、自动驾驶汽车（L1-L3）约1,722亿美元、无人机约1,636亿美元，三者累计市场规模将达到3,398.4亿美元。麦肯锡全球研究院亦将人工智能与机器人技术列为塑造未来全球生产力的五大新兴前沿之一。

解读：资本热度与产业预期已高度一致——具身智能被当作通往通用AI的关键一跃。但融资规模与落地速度的落差也意味着行业存在估值消化压力，真正决定终局的是谁能先把"数据-模型-本体-场景"的闭环跑通。

二、玩家格局：全栈、身体、大脑三派并立

2.1 软硬件全栈派：Figure与智元的技术闭环

以中美企业为代表，行业玩家分为三条路径：一是软硬件全栈派，从AI大脑到硬件躯体全自主研发，代表企业如Figure AI（2025年2月发布端到端模型Helix）、智元机器人（3月推出通用具身基座大模型Go-1、8月发布世界模型Genie Envisioner，硬件覆盖远征、灵犀、精灵系列）。

2.2 身体派与大脑派：成本控制与通用操作系统

二是重硬件"身体派"，核心优势在本体设计、运动控制与关节电机，代表如宇树科技（人形机器人R1售价3.99万元起）、Agility Robotics（Digit专注物流，与亚马逊合作）、Apptronik（Apollo联合Google DeepMind）。三是重软件"大脑派"，目标做所有机器人的"操作系统"，代表如Physical Intelligence（开源π0.5模型）、Field AI（FFMs物理优先基础模型）、银河通用。

解读：三派路线本质是"全栈闭环、硬件性价比、软件生态"三种竞争策略的取舍。对创业公司而言，全栈派拼资源密度、身体派拼供应链、大脑派拼生态位——切忌在资源不占优时选择最重的路径。

三、技术前沿：VLA论文一年翻4倍，四条路径并行探索

3.1 端到端VLA成主流研究方向

2025年具身智能技术围绕"通用大脑"与"技能可扩展学习"两大方向密集创新。截至2025年12月，谷歌学术以"端到端VLA"为关键词的论文不到一年翻了近4倍，2025年全年已有1,700余篇。VLA（视觉语言动作模型）将视觉、语言和动作统一到单一学习框架，根据视觉观测与自然语言指令端到端输出动作。

3.2 四条技术路径并行：从分层到世界模型

当前技术路径整体分为四条：模块化分层（传统感知+机器人学习+人工编程，适用于仓储搬运、运动表演等）、分层大模型（LLM/VLM做大脑推理规划，调用API执行）、端到端大模型（VLA统一控制，如π0.5双系统架构）、世界模型（动力学建模与未来观察预演，如清华与斯坦福的Ctrl-World）。

解读：技术路径未收敛意味着"标准答案"尚未出现。对应用企业来说，与其押注单一路线，不如关注模型可落地性——能在自有场景中稳定完成长程任务的方案就是好方案，技术信仰要服从商业落地。

四、三大"非共识"：行业繁荣背后的冷静思考

4.1 数据与模型孰重孰轻？

报告指出，具身智能热潮背后存在三大争议：一是路径选择争议——"感知-认知-决策-执行"的实现，数据和模型孰重孰轻？二是本体构型争议——打造通用的唯一终极形态，还是面向场景的专用构型？三是数据方案争议——真实数据与仿真/合成数据如何选择、处理和混合训练？

4.2 "数据-模型-本体-场景"闭环尚未跑通

数据层面，真机采集依赖训练场、尚未实现规模效应，合成数据难以弥合虚拟到现实差距；模型层面，面对不熟悉任务与环境的可靠性不足、长程任务应对有限；本体层面，构型设计与场景需求匹配度不足，整机系统价格高企。行业仍面临从"千台"到"标化量产"的工程鸿沟，以及商业模式、量产与标准缺失等产业化挑战。

解读：三大非共识本质是"通用派"与"专用派"的路线之争。行业大概率走向"专用先行、通用渐近"——先在各垂直场景跑通商业闭环积累数据，再反哺通用模型，这是所有大浪潮的典型演进路径。

五、展望与建议：从"科研试验"迈向"进厂入户"

报告判断，具身智能整体处于发展早期，商用落地将从"科研试验"迈向"进厂入户"。对三类参与者的建议：政策侧，完善标准体系（ITU-T F.748.66已冻结）、开放公共场景、引导训练场与数据基础设施建设；技术侧，重点突破大脑能力与大小脑协同这一核心瓶颈，推动VLA、世界模型与技能可扩展学习的融合；产业侧，优先选择工业制造、物流仓储、商业服务等结构化程度高、付费意愿明确的场景落地，用真实场景数据构建飞轮。

解读：2025年是具身智能的"资本元年"，2026-2027年将是"落地检验期"。判断一家具身智能公司是否值得关注，不看融资额与发布会，只看三件事：真实场景部署数量、数据回流效率、单场景任务成功率。

六、常见问题解答（FAQ）

1. 2025年具身智能行业投融资有多热？

截至2025年12月，我国具身智能和机器人领域投资事件744起、融资总额735.43亿元；海外Figure AI单轮10亿美元、估值390亿美元。

2. 具身智能市场规模有多大？

Grand View Research预测2030年人形机器人、自动驾驶、无人机合计市场规模3,398.4亿美元，麦肯锡将其列为五大新兴前沿之一。

3. 行业最大的争议是什么？

三大非共识：数据与模型孰重孰轻、通用构型还是专用构型、真实数据还是仿真数据；"数据-模型-本体-场景"闭环尚未跑通。

4. 当前主流技术路线是什么？

四条路径并行：模块化分层、分层大模型、端到端VLA、世界模型；VLA论文2025年超1700篇、一年翻4倍，是当前研究主流。

5. 具身智能什么时候能大规模落地？

仍处早期探索阶段，需突破长程任务可靠性、标化量产与标准缺失三大瓶颈；工业制造、物流仓储等结构化场景将率先规模化。

想系统阅读信通院及各大机构的具身智能、机器人与AI产业蓝皮书，运营动脉（www.yydm.cn）提供精品报告库、课件库与模板库，7W+精选资料每月更新1000+份，是持续跟踪AI前沿产业资料的好去处。