具身智能2026：1.09万亿的盘子，还停在试点阶段

本文解读：《2026具身智能行业深度：最新进展、落地场景、商业化演进、产业链及相关公司深度梳理-慧博智能投研》 · 共 28 页 · 原文

具身智能2026年的真实状态是：出货量在涨，场景在扩，但离能按标准批量复制的商业化还很远。

慧博智能投研这份26页深度报告先把盘子摊开：2026年我国具身智能市场规模预计达1.09万亿元， 2018到2026年年均复合增长率22%至23%；中国已推出人形机器人300多款，超过全球半数。

再看量。2025年全球人形机器人总出货13318台，同比增长479.04%，出货排名前六的企业全部来自中国； 2026年上半年出货超2.2万台，同比增长近300%。

但报告自己的结论是行业仍处于产业化发展前期。一个数字最能说明问题： 2025年工业具身智能在汽车行业生产人员的渗透率只有0.08%。

万台出货和规模量产之间，隔着一整套还没有标准答案的作业能力。

图源：《最新进展、落地场景、商业化演进、产业链及相关》（第1页）

图源：《最新进展、落地场景、商业化演进、产业链及相关》（第2页）

一、先把总量和出货量摆出来

按《中国具身智能产业发展报告（2026）》，2026年我国具身智能市场规模预计达到1.09万亿元， 2018到2026年年均复合增长率22%至23%，是全球增长最快的具身智能市场之一。

产品端供给已经很密。我国企业已推出人形机器人300多款，超过全球半数。摩根士丹利2026年6月的预测更具体：2026年中国人形机器人出货量5万台、市场规模20亿美元； 到2030年出货量增至44.6万台、市场规模突破150亿美元。

Omdia的口径是2025年全球人形机器人总出货13318台，同比增长479.04%，并预计2035年全球年出货 有望攀升至260万台。两条曲线放一起看，2026年上半年全球出货已超2.2万台，同比增长近300%， 出货排名前六的企业均来自中国。

报告给这一年的定性是量产元年：行业从样机测试、小批量试点，迈入具备商业可持续交付能力的阶段。 智元机器人已在2026年3月实现第1万台通用具身机器人下线。

1.09万亿是整个产业盘子，150亿美元只是人形机器人本体那一块。

二、卖出去的机器人，眼下在干什么活

这是最容易被忽略、也最能说明问题的一条：2026年上半年全球出货的2.2万台里， 文娱商演和科教数采合计占比超过60%。导览导购约占19%，智能制造约占13%，仓储物流约占5%。

也就是说，真正进车间干活的还是少数，大部分机器人在表演、导览和采数据。报告在后文印证了这一点：当前技术能让机器人运动像人，但远远达不到决策像人； 演示验证展示的是技术上限，常态化作业要的是稳定性、耐久性和连续性。

报告对市场的定调是2026年进入市场验证期。工业制造、电力巡检等场景确实在落地， 但基本是小范围试点，尚未形成标准化、可复制的批量应用模式。

这也解释了为什么技术路线之争还这么激烈：谁都知道，能从表演跨到作业的那条路线， 才会拿到真正的大单。六成出货仍集中在文娱商演和科教数采，真正的作业订单才刚刚起步。

图源：《最新进展、落地场景、商业化演进、产业链及相关》（第3页）

三、大脑这一层，临界点被说成一两年内

报告把大模型对具身智能的赋能放在最前面，因为它决定了上限。

2026年工博会上，宇树科技创始人王兴兴判断技术临界点最快有望在未来一至两年内到来， 宇树已把 GPT-6 部署到机器人上做任务测试，并预计 GPT-7 发布后可能进一步击穿现有瓶颈。

OpenAI 于9月初发布的 GPT-6 Astra 被认为能直接承担机器人策略模型的部分工作，影响分三层： 直接充当策略模型完成任务；监督和修正现有 VLA 动作模型提升成功率；作为具身研究员自建仿真环境、 调试运动策略，实现物理 AI 自进化。

在 SuperCLUE 的具身大脑评测榜上，GPT-6 Astra 综合排名第一。海外硬件配套也在加速。2026年6月英伟达发布 Cosmos3 全模态物理 AI 世界模型， 把物理 AI 训练周期从数月压缩至数日，同时推出 Jetson Thor 芯片和 Isaac GR00T 参考设计。

报告对此的解读是，行业竞争正从硬件本体比拼，转向物理智能与场景运营的竞争。

通用模型开始直接承担策略模型的活，才是路线图被改写的信号。

图源：《最新进展、落地场景、商业化演进、产业链及相关》（第4页）

四、产业链是两条线：硬件一条、软件一条

报告把产业链概括为上游零部件、中游本体集成、下游场景应用的三段式， 但强调它比传统制造业多一条数据到模型的软件价值线，两条线共同构成双螺旋。

上游分四块：计算与控制芯片、传感器、执行器、电池与能源管理。芯片方面，国际主流是英伟达 Jetson Orin 及后续 Thor 系列，国内华为昇腾、地平线等正在追赶， CPU 与 MCU 层面国产化程度相对较高。

传感器是最关键的增量。视觉传感器国产供给已较成熟，六维力与力矩传感器决定精细作业能力， 触觉传感器全球都处于产业化早期，高精度 IMU 仍以进口为主。

执行器被报告称为肌肉与关节。旋转执行器由无框力矩电机、减速器、编码器和驱动器构成， 线性执行器靠行星滚柱丝杠，而丝杠工艺壁垒高，是国产替代攻坚的重点环节。

电池是续航瓶颈，高比能电池与快换电方案都还在探索。上游的总格局是中低端国产化充分且竞争激烈， 高端环节存在明确的进口依赖。

图源：《最新进展、落地场景、商业化演进、产业链及相关》（第5页）

五、国产化有个时间差，投资窗口就在这里

报告按国产化进度把上游切成四个阶段，这条时间梯度对投资和采购都有直接用处。

第一阶段是替代已基本完成：伺服电机、谐波减速器、结构件。国内供应商在产能、成本和响应速度上有 全球竞争力，投资逻辑已从替代红利转向份额竞争。

第二阶段是快速爬升：激光雷达、工业相机等感知器件，头部国产厂商在性能上与国际先进水平大体并跑。

第三阶段是验证导入期：六维力与力矩传感器、行星滚柱丝杠。国产产品在精度、寿命、一致性上仍有代差， 但已在头部本体厂商的验证序列中获得位置，未来两到三年是锁定批量订单的关键窗口。

第四阶段是攻坚期：高端智能算力芯片，其突破节奏更多取决于国家级产业链协同， 而非单点企业的努力。

这类报告的原文件，运营动脉（www.yydm.cn）收得比较全，按行业分好了类，翻起来不费劲。

想核一个具体数字，或者补一张原图，直接搜报告名就能定位到相应的那一页。

报告由此给出建议：验证导入期环节风险收益比最优，技术方向已验证、竞争格局未固化、导入订单即将放量； 对采购方来说，梯度化进度意味着供应链策略必须差异化配置，切忌一刀切的国产化或进口依赖。

最值得下注的不是已经国产化的环节，是刚要进验证清单的那些。

图源：《最新进展、落地场景、商业化演进、产业链及相关》（第6页）

六、中游在从运动炫技转向干活挣钱

中游是本体制造与系统集成，形态多元但以人形为纲。人形因与人类环境天然适配被视为终极形态， 四足在巡检安防率先规模化，轮式与轮足在仓储以成本效率占现实份额，复合机器人在柔性工位增长快。

报告认为中游的竞争焦点正在迁移：早期比运动能力，跑得快、跳得高、空翻稳； 如今比作业能力，抓得准、操作得细、用得持久。

产业叙事从运动炫技转向干活挣钱，报告把它称为商业化理性回归的重要标志。系统方案商的角色是弥合通用机器人与行业 Know-how 之间的鸿沟， 报告判断这一环节未来可能与本体厂商深度融合。

下游已经形成五个梯队：工业场景是滩头阵地，能源与公共设施单点价值大，物流仓储规模效应显著， 特种作业支付意愿好，商用与家用想象空间最大但约束也最大。

报告还点名了一个新环节，机器人运营服务。随着部署规模扩大，资产管理、远程监控、性能保障、 数据运营需求会快速增长，机器人即服务可能把收入结构从卖硬件改成卖劳动。

行业内卷的解法很清楚，从比谁跳得高，转向比谁用得久、用得稳。

图源：《最新进展、落地场景、商业化演进、产业链及相关》（第7页）

七、价值曲线两头高，中间最容易被稀释

报告画了一条微笑曲线：左端是大脑环节，即具身大模型与算力芯片，规模效应和网络效应强， 利润率与议价能力最高。

左端还包括高壁垒核心零部件：行星滚柱丝杠、高精度六维力传感器、灵巧手，技术壁垒带来超额利润。中部是本体组装，结构件加工与整机集成，进入壁垒低，随着玩家增多与标准化提升， 将重演消费电子的代工化价值稀释路径。

右端是场景运营与数据服务，掌握场景入口与数据回流的企业，在飞轮效应下获得复利式积累。

报告还叠加了三个时间趋势：本体的手机化，标准关节模组普及后组装环节利润趋零； 模型的服务化，交付从一次性部署转向持续订阅，估值逻辑从硬件转向软件； 数据的资产化，高质量场景数据可能完成从资源到资产的确认。

三个趋势指向同一结论，利润池正在从物的环节向智的环节迁移。

营收集中在本体组装的企业，估值逻辑迟早要被重算一遍了。

图源：《最新进展、落地场景、商业化演进、产业链及相关》（第8页）

八、四个方阵各有各的打法

报告把全球竞争分成四大方阵。美国走技术引领路线，以 OpenAI、特斯拉、Figure AI 为代表， 靠基础模型原创优势追求从通用智能到具身应用的降维，优势在智，风险在产业化节奏与供应链成本。

中国走产业纵深路线，以宇树、智元、银河通用为代表，靠供应链完整性与场景丰富度， 追求从场景验证到能力上探的升维，优势在实，风险在模型原创性与人才厚度。

日本走工艺积淀路线，本田、丰田、安川、发那科积淀深厚但策略保守，优势在精， 风险在软件生态与商业模式转型迟缓。欧洲走工业嵌入路线，ABB 与库卡把智能能力渐进嵌入既有自动化体系，优势在专，风险在错失通用化浪潮。

报告对中国位置的判断是硬件强、场景强、模型追赶，人形整机成本已下探至数十万元人民币区间， 显著低于国际同行。

但差距也很具体：具身基础模型的架构创新、世界模型的研究积累、顶尖人才的密度，与美国头部机构 仍有明显差距。

图源：《最新进展、落地场景、商业化演进、产业链及相关》（第9页）

九、落地场景按确定性和付钱能力排了座次

工业制造是确定性最强的场景，2026年市场规模占比超55%。中国制造业增加值连续14年位居全球第一， 拥有超过600万家制造业企业。

汽车领域的验证最密集：特斯拉 Optimus 在自家超级工厂做电池分拣和物料搬运，Figure 02 在宝马工厂 协助组装超3万辆汽车，优必选 Walker S 在比亚迪承担上下料与巡检，智元远征系列进入宁德时代电池产线。

车企自己也在变成双料角色。比亚迪自研的机器人计划2026年内部部署2万台，奇瑞墨甲完成智警机器人 千台签约，广汽 GoMate Mini 已投入地铁安保巡逻的实战应用。

电力巡检是第二梯队的高刚性场景，市场规模占比超12%；物流仓储占比超10%，商业服务占比超15%。2025年8月，智元创新与富临精工达成数千万元合作，近百台远征 A2-W 落地工厂， 被报告称为国内首个工业领域具身机器人规模化商业签单案例。

科研教育需求稳定但规模小，家庭服务仍停留在技术研发与概念验证阶段，预计2028年后逐步启动渗透。

场景排序的本质是在排序风险，环境越可控，签约就越快。

图源：《最新进展、落地场景、商业化演进、产业链及相关》（第10页）

十、大规模商业化差三块，时间表排到2035

第一道坎是泛化能力。固定场景下充足训练后成功率可以很高，但柔性生产工况多变， 换个环境、换个任务、换个物品，成功率就明显下降。

第二道坎是数据。真实工业场景采集成本高、效率低，采集到的数据通用性差，难以跨工位、跨产线复用。 复旦大学教授肖仰华的说法是，现有数据量与训练具身大模型所需之间至少还差两个数量级。

第三道坎是成本与 ROI。客户看的是稳定性、连续运行时长、能否无缝融入现有产线， 这直接把门槛抬高了。

时间表上，2027年工业制造领域预计部署超5万台人形机器人，2030年工业场景保有量有望达25至50万台； 商业服务领域2030年全球保有量20至30万台；家庭场景要等2030年以后。

报告预计到2028年，中国具身智能产业将形成3至5家头部整机企业、10至15家核心零部件龙头 和上百家专业方案商的格局。26页全文、产业链拆解表与六家公司梳理都在运营动脉（www.yydm.cn）， 搜标题即可打开。

数据差两个数量级这件事，不是多买几台机器就能补上的。