具身智能大脑白皮书：无人药房超50万台需求与千亿市场空间

具身智能真正的难点，不在"身体"，而在"大脑"。《具身智能大脑行业白皮书》由 CIC 灼识咨询发布，共34页，把具身大脑这个连接AI决策与物理世界执行的核心系统，从技术定义、数据范式、商业化路径一直拆到了"无人药房"的落地细节。

先看几组市场数据：零售场景 TAM 约5400亿元人民币，对应零售行业就业人数650百万人；仓储与物流场景 TAM 约600亿元；酒店场景 TAM 约548亿元；具身大脑当前中国大陆潜在需求规模约300万台、对应超千亿市场空间。

报告给出的核心判断是：具身大脑的商业化，不是把传统自动化设备复制到更多场景，而是在真实环境里形成可泛化、可迭代、可迁移的能力——先单点跑通，再横向复制。下面按定义、技术演进、落地路径、药房案例与市场测算五条线索梳理这份白皮书。

一、什么是具身大脑：连接AI决策与物理世界执行的核心系统

报告先给了定义，再讲它和传统自动化的区别。

具身智能的定义是在真实物理环境持续交互并完成任务的人工智能形态。它由两部分构成：具身大脑的能力（认知决策与任务调度，从多模态信息中理解物体、空间、人员和任务关系）与具身智能本体的能力（物理执行）。

具身大脑的核心特征是统一具身模型底座——在统一模型架构中联合建模视觉、语言、动作及物理状态预测等多模态信息，减少传统模块间的信息传递损耗，形成从多模态输入、环境表征到状态预测与动作输出的一体化能力。报告强调，具身大脑正在从指令执行向自主决策演进。

与传统自动化的差异，报告列了一张对比：传统自动化是固定流程、人工编程，依赖标准化环境，固定轨迹、预设动作，每新增场景需重新开发，靠复制设备和程序扩展；而具身大脑的核心优势在于自主理解、泛化适应与可迁移——新增场景不需要从零开发，能力可以复用。

报告用一张演进图概括了技术范式的路径：语言理解 → 视觉感知 → 统一建模 → 动作执行，其中环境建模、物理推演、规划决策、执行反馈构成完整闭环，模型需要对环境、空间关系、物体状态变化和动作结果进行推演。"每新增场景重新开发"和"能力可迁移"，这是传统自动化与具身大脑在商业模式上的分水岭——前者卖设备，后者卖能力。

二、技术跃迁：从纯视觉到视觉力觉融合，从图文预训练到真实场景闭环

这一节是报告技术含量最高的部分，讲清了三组关键的范式演进。

第一组是训练数据范式的演进。具身大脑的训练数据正从互联网通用数据向多源真实世界数据体系演进，兼顾数据规模、物理交互与场景多样性。报告把数据分为两类：一类是互联网图文和视频数据，提供基础认知能力，是规模化预训练的数据基础——大规模图文、视频及语言数据帮助模型形成通用视觉识别、语言理解和世界知识，是构建具身大脑早期认知能力的重要基础；另一类是真实场景闭环数据，用于精细操作能力的训练与迭代。报告特别提到，行业已率先实践无本体 in-the-wild 数据采集。

第二组是操作路线的演进：从纯视觉到视觉力觉融合。报告指出，过去具身大脑操作以视觉感知为主，主要解决"是什么、在哪里、什么姿态"的问题，是机器人完成识别、定位、导航和基础抓取的前提；但现在具身大脑操作融合力觉感知与控制。原因是纯视觉路线能够支撑基础环境感知需求，但在复杂物理交互场景中存在局限——当机器人面对复杂任务时，仅依靠视觉难以判断接触状态、抓取力度，而力觉融合使其在抓取、放置、推拉、插入和人机协作等任务中进行实时修正。报告对比了两条技术路线：穹彻智能的 Noematrix Brain 强调"以力为中心"；Skild AI 的 Skild Brain 强调视觉与本体感知结合。

第三组是模型架构的演进。报告梳理了三代范式：视觉基础策略（Visual-based Policy），即机器人先识别目标物体、再基于预设策略完成抓取；VLA范式（Vision-Language-Action），统一建模视觉、语言与动作，Helix 是代表案例；世界动作模型（World Action Model，WAM），是融合世界模型与动作生成模型的端到端模型，通过预测未来环境状态并生成对应动作序列，实现环境理解、状态预测与动作输出的一体化。报告指出，WAM 主要基于无本体野外采集数据进行预训练，强调机器人对物理世界的理解能力。

三、落地路径：通用抓取是基础，连续接触是进阶

报告对商业化路径的判断非常清晰：不是一次进入所有场景，而是分阶段推进。

第一阶段的能力底座是抓取。报告指出，抓取是具身大脑商业化落地的基础能力，也是多数物理操作任务的动作 backbone（骨干）。通用抓取能力是具身大脑从认知决策走向物理执行的底层能力，而稳定操作大量形态、材质、姿态和摆放状态各异的未知物体，是非标准化场景中的核心难点之一。

顺着这个逻辑往下推，《一年翻倍、三年爆发,这份蓝皮书说透了人形机器人行业的真实水位》给了一组可以互相验证的数字。

第二阶段的能力升级是连续接触。报告把具身操作任务分为两类：一类是简单抓放、分拣等即时接触；另一类是擦拭、剃须、家务整理、穿戴辅助等连续接触任务，后者对形变感知、力控反馈和动作稳定性的要求显著更高。报告明确：连续接触能力是具身大脑的进阶能力，需要机器人持续控制物体形变、摩擦、受力方向和力度。

因此报告的落地节奏是：具身大脑第一阶段商业化落地通常优先选择以即时接触和高频抓放为主的场景，核心在于实现高成功率、高稳定性和可常态化运营的识别、抓取、放置与异常处理能力；未来随着连续接触、力控反馈和复杂操作能力成熟，应用场景有望从通用履约延伸至家庭服务、个人护理及更广泛的人机协作场景。

报告还给出了场景拓展的优先级逻辑：具身大脑通常先在单一场景中完成任务验证与能力沉淀，形成可运行、可优化的操作闭环；随着理解、规划、执行、适应与迭代能力不断提升，再逐步拓展至更多相似或相关场景。无人值守不是一句口号，它需要"长期、连续、低干预"三个条件同时成立。报告强调一个前提：只有在真实环境中长期、连续、低干预运行，具身大脑的能力才能被充分验证。"先在单点跑到没人管也能跑通"，这是具身智能商业化最容易被忽略的门槛——演示视频和无人值守之间的距离，比看上去要远得多。

四、案例：穹彻智能的技术体系与三阶段训练

报告用完整篇幅拆解了穹彻智能这个案例，它是国内具身大脑方向的代表性样本。

公司定位方面，穹彻智能定位为具身智能大脑、数据基础设施以及真实场景机器人解决方案的全栈物理AI平台，通过融合真实世界理解、力反馈交互以及相关技术能力，推出 AnySkill 通用技能系列产品。其核心产品 Noematrix Brain 是具身智能基础系统，支持感知、任务理解、规划与执行，可适配不同机器人本体；配套 CoMiner + Toolchain 形成采集、标注、训练的数据工具链。

技术亮点之一是全链路零遥操作数据驱动的 WAM"预测—动作"一体化架构。报告指出，穹彻在国内率先实现无需真机遥操作数据的 WAM 模型训练，通过视频数据联合预测未来环境状态与机器人动作。其世界模型驱动的动作生成框架包含两部分：通用世界模型（接收多视角连续视频，捕捉场景、物体及交互关系，预测未来视频）与专用动作生成模型（基于预测结果生成未来动作）。

训练体系方面，穹彻实施三阶段训练流程：一是预训练，使用无本体采集数据，通过 Ego 数据、通用视频和 UMI 无本体数据训练模型；二是力位混合后训练，扩大真实交互覆盖，保持阶段间动作一致性；三是持续学习，实现部署后持续优化的模型能力。报告评价这套体系兼顾数据规模化、精细操作能力与真实场景适应性。

报告还做了技术路线对比，结论是：穹彻与海外头部玩家在技术路线和能力模块上具有高度一致性，并在力觉、工具链和场景集成方面形成差异化。与 Skild AI 支持人形、四足等多机器人平台、实现跨本体能力迁移相比，穹彻的差异化集中在"以力为中心"的技术路线与真实场景的工程化落地能力上。

我们在整理《国信证券具身智能蓝皮书：人形机器人2045年万亿赛道》时也碰到过类似的分歧，那里的结论可以拿来对照。

五、应用场景测算：零售5400亿、仓储物流600亿、酒店548亿

报告对场景 TAM（潜在市场总额）做了量化测算，这是白皮书最受关注的部分。5400亿的零售TAM不是凭空估出来的，它由650百万零售从业人数乘以渗透率倒推而来。

零售场景是报告中评级最高的落地场景。报告认为零售场景覆盖多类标准化作业任务，具备规模复制能力，是最适合具身大脑落地的应用场景之一；零售场景 TAM 约为5400亿元人民币，测算基数为零售行业就业人数650百万人，结合具身大脑机器人渗透率得出。报告还给出了零售场景的适配性分析：行业空间大、线下触点丰富；业态丰富、迁移潜力强；任务清晰、数字化基础好——任务规范统一，利于机器人快速学习与迁移。

仓储与物流场景的优势是成熟度高：报告指出仓储物流行业具备高频搬运、标准化流程和规模化部署优势，仓储与物流场景 TAM 约为600亿元人民币，测算基数为仓储与物流行业就业人数300百万人、具身大脑机器人渗透率60%。

酒店场景则依托智能化需求增长：报告指出酒店行业持续推进智能化升级，具身机器人可覆盖迎宾、配送、客房服务等多个环节，酒店场景 TAM 约为548亿元人民币，对应酒店行业就业人数183百万人、渗透率60%。

整体市场空间方面，报告给出的结论是：具身大脑当前中国大陆潜在需求规模约300万台，对应超千亿市场空间。其中零售业总潜在市场规模约320万台，仓储与物流业约120万台。报告还给出了更长期的展望：未来随着具身大脑在连续接触、力控反馈和复杂操作方面的能力成熟，其应用场景有望从通用履约进一步延伸至家庭服务、个人护理及更广泛的人机协作场景，潜在市场规模超10,000万台。从300万台到10,000万台，这个数量级的跃升不是靠零售场景堆出来的，而是靠"从即时接触到连续接触"这一次能力跨越撑起来的。

六、"无人药房"：超50万台需求与单店两周交付的工程化样本

报告用整个第三、四章讲"无人药房"案例，把它作为零售场景的切片样本。

为什么选药房？报告的解释是：零售场景是具身大脑落地的优先选择，而药房具备物理空间明确、行业空间大、任务清晰、数字化基础好等条件，为具身智能机器人规模化落地提供理想场景。药房运营的痛点也很具体：服务时间受限、24小时值守难——夜间需安排人工值守、人力成本高，而夜间订单波动大，人工配置效率低。

具身大脑在药房中的运作流程分为十步：接单 → 任务理解 → 药品定位 → 药品核对 → 连续拣选 → 自我优化等环节，将真实订单转化为完整履约闭环，验证其从任务理解到物理执行的端到端能力。报告指出，药房场景对具身大脑的要求分两个层面：技术要求（精准识别、稳定抓取、连续拣选等）与工程化要求——包括零改造部署：无需调整货架结构、无需改造现有门店布局、快速完成部署上线。

同一条线索，我们在《国信证券具身智能蓝皮书：198页拆解人形机器人全产业链》里做过更细的拆解，可以对照着看。

渗透策略上，报告给出了清晰的优先级排序：24小时门店 → O2O高单量门店 → 前置仓门店 → 标准社区门店 → 旗舰店门店。原因有二：24小时运营门店最能释放具身大脑的商业价值，因此是后续 ROI 及 IRR 测算的核心场景；夜间刚需明确，可覆盖夜间应急购药需求，且夜间值班人力成本高、少人化价值突出。

收益测算方面，报告按运营时长做了等效人工班次换算：24小时运营（3班）可等效优化0.75班人工，16小时（2班）等效0.5班，12小时（1.5班）等效0.375班，测算基础是25%的人工替代率。

市场规模方面，报告给出了明确结论：具身大脑在中国大陆药店的潜在需求数量超过50万台，对应超百亿级市场空间。测算逻辑按四大经济区展开，以东北经济区为例：药店数量7万家、平均采购台数1.25台、渗透率50%、ASP（租赁/年）10万元；东部经济区则对应药店数量25万家、平均采购台数1.5台。

落地进展方面，报告披露了穹彻智能在药房场景的推进情况：已进入国内头部连锁药房体系，客户覆盖上市连锁、区域龙头、医药电商平台三类业态，验证方案跨业态的通用性；已适配9:00-24:00全时段营业模型，支持日间人机协作与夜间无人值守；通过区域代理渠道拓展下沉市场，形成直销+渠道双轨模式。工程化能力上，报告给出了最有说服力的两组数据：已沉淀标准化系统与算法版本，新店部署由项目定制转为标准版复制，单店交付周期压缩至两周量级（流程为数据采集 → 建图部署 → 陪产运营 → 验收交付）；单店可替代1至2名驻店作业人员，人力成本下降效果可量化、可复算。报告特别强调一个验证结论：优化后药店营业时长不变，履约能力不降，验证的是"机器替代"而非"机器降级"。想看更多人工智能、机器人与智能硬件行业的完整报告资料，可以到运营动脉（www.yydm.cn）检索，站点覆盖300+行业、7万+份报告与方案，适合做技术研究和市场测算备查。

延伸阅读

想继续往深里看，下面这几篇是同一主题线上比较扎实的解读。

《NE时代具身智能H1报告：233起融资近千亿》——切口是233起融资近千亿

《工业具身智能报告：先有任务再选身体，物流与固定工位率先闭环》——讲的是先有任务再选身体，物流与固定工位率先闭环

《具身智能2026：量产元年的分水岭》——切口是量产元年的分水岭

《浙商证券BCI五问：全球市场29亿美元》——同一个大话题下的另一条支线

七、常见问题解答（FAQ）

1. 这份白皮书是谁发布的，主要讲了什么？

白皮书全名为《具身智能大脑行业白皮书》，由 CIC 灼识咨询发布，共34页。报告分为五大部分：一、具身大脑——连接AI决策与物理世界执行的核心系统，涵盖具身智能的定义、具身大脑的多项核心能力、与传统自动化的差异、技术范式演进、训练数据范式演进、操作路线演进与应用场景；二、具身大脑的商业化落地路径，涵盖通用能力可迁移复用、真实场景验证与多场景拓展；三、具身大脑应用案例"无人药房"，涵盖零售与具身大脑的适配性、药房运营痛点、运作流程、能力要求、渗透策略与收益率分析；四、具身大脑在"无人药房"场景的潜在市场规模；五、具身大脑的规模化复制与场景拓展展望。报告还收录了穹彻智能的完整案例，涵盖公司定位、技术体系、三阶段训练流程与技术路线对比。CIC 灼识咨询是专业的行业研究机构，本次白皮书的数据来自公开统计资料与灼识自有研究方法论。

2. 具身大脑和传统自动化有什么区别？

核心区别在于是否具备自主理解与泛化能力。传统自动化的特征是固定流程、人工编程，依赖标准化环境，执行固定轨迹与预设动作，每新增场景需要重新开发，扩展方式是复制设备和程序。而具身大脑的核心特征是统一具身模型底座——在统一模型架构中联合建模视觉、语言、动作及物理状态预测等多模态信息，减少传统模块间的信息传递损耗，形成从多模态输入、环境表征到状态预测与动作输出的一体化能力，并正在从指令执行向自主决策演进。因此具身大脑能够自主理解环境、泛化适应新场景，能力可迁移复用，新增场景不需要从零开发。报告的技术范式演进路径为：语言理解、视觉感知、统一建模、动作执行，并对环境、空间关系、物体状态变化和动作结果进行推演，形成环境建模、物理推演、规划决策、执行反馈的完整闭环。

3. 具身大脑各场景的市场空间有多大？

报告对三大典型场景做了TAM测算。零售场景TAM约为5400亿元人民币，测算基数为零售行业就业人数650百万人，结合具身大脑机器人渗透率得出，报告认为零售场景覆盖多类标准化作业任务、具备规模复制能力，是最适合具身大脑落地的应用场景之一。仓储与物流场景TAM约为600亿元人民币，测算基数为仓储与物流行业就业人数300百万人、渗透率60%，该场景的优势是高频搬运、标准化流程与规模化部署基础成熟。酒店场景TAM约为548亿元人民币，对应酒店行业就业人数183百万人、渗透率60%，具身机器人可覆盖迎宾、配送、客房服务等多个环节。整体来看，报告给出的结论是具身大脑当前中国大陆潜在需求规模约300万台、对应超千亿市场空间，其中零售业总潜在市场规模约320万台、仓储与物流业约120万台。长期展望方面，未来随着具身大脑在连续接触、力控反馈和复杂操作方面能力成熟，应用场景有望从通用履约延伸至家庭服务、个人护理及更广泛的人机协作场景，潜在市场规模超10,000万台。

4. 为什么药房会成为具身大脑的优先落地场景？

药房是零售场景中最适合作为切入点的切片。报告认为零售场景是具身大脑落地的优先选择，而药房具备物理空间明确、行业空间大、任务清晰、数字化基础好等条件，为具身智能机器人规模化落地提供理想场景。药房运营的现实痛点是服务时间受限、24小时值守难：夜间需安排人工值守、人力成本高，而夜间订单波动大、人工配置效率低。具身大脑在药房中的运作流程分为接单、任务理解、药品定位、药品核对、连续拣选、自我优化等环节，将真实订单转化为完整履约闭环，验证从任务理解到物理执行的端到端能力。药房场景对具身大脑的工程化要求包括零改造部署：无需调整货架结构、无需改造现有门店布局、快速完成部署上线。渗透策略上，报告给出的优先级排序是24小时门店、O2O高单量门店、前置仓门店、标准社区门店、旗舰店门店，其中24小时运营门店最能释放商业价值，是后续ROI及IRR测算的核心场景。市场规模方面，报告测算具身大脑在中国大陆药店的潜在需求数量超过50万台，对应超百亿级市场空间。

5. 具身大脑的商业化路径是怎样的？

报告认为商业化不是一次进入所有场景，而是分阶段推进。第一阶段以通用抓取为核心能力：抓取是具身大脑商业化落地的基础能力，也是多数物理操作任务的动作backbone，通用抓取能力是具身大脑从认知决策走向物理执行的底层能力，而稳定操作大量形态、材质、姿态和摆放状态各异的未知物体是非标准化场景中的核心难点。这一阶段优先选择以即时接触和高频抓放为主的场景，核心在于实现高成功率、高稳定性和可常态化运营的识别、抓取、放置与异常处理能力。第二阶段是连续接触能力的成熟：擦拭、剃须、家务整理、穿戴辅助等连续接触任务需要机器人持续控制物体形变、摩擦、受力方向和力度，对形变感知、力控反馈和动作稳定性的要求显著更高，这也是具身大脑的进阶能力。报告强调场景拓展的前提是先在单一场景中完成任务验证与能力沉淀、形成可运行可优化的操作闭环，并且只有在真实环境中长期、连续、低干预运行，能力才能被充分验证。收益率验证方面，报告以药房场景为例按运营时长测算等效人工班次：24小时运营（3班）等效优化0.75班人工，16小时（2班）等效0.5班，12小时（1.5班）等效0.375班，测算基础为25%的人工替代率。

6. 白皮书收录的穹彻智能案例有哪些看点？

穹彻智能是国内具身大脑方向的代表性企业，报告给出了完整的案例拆解。公司定位为具身智能大脑、数据基础设施以及真实场景机器人解决方案的全栈物理AI平台，核心产品Noematrix Brain是具身智能基础系统，支持感知、任务理解、规划与执行，可适配不同机器人本体，配套CoMiner + Toolchain形成采集、标注、训练的数据工具链，并推出AnySkill通用技能系列产品。技术亮点包括全链路零遥操作数据驱动的WAM"预测—动作"一体化架构——穹彻在国内率先实现无需真机遥操作数据的WAM模型训练，通过视频数据联合预测未来环境状态与机器人动作；其世界模型驱动的动作生成框架包含通用世界模型（预测未来视频）与专用动作生成模型（生成未来动作）两部分。训练体系采用三阶段流程：预训练（使用无本体采集数据，通过Ego数据、通用视频和UMI无本体数据训练模型）、力位混合后训练（扩大真实交互覆盖、保持阶段间动作一致性）、持续学习（部署后持续优化）。报告认为穹彻与海外头部玩家在技术路线和能力模块上高度一致，并在力觉、工具链和场景集成方面形成差异化。落地进展方面，穹彻已进入国内头部连锁药房体系，客户覆盖上市连锁、区域龙头、医药电商平台三类业态，已适配9:00-24:00全时段营业模型，支持日间人机协作与夜间无人值守，单店交付周期压缩至两周量级，单店可替代1至2名驻店作业人员。