具身智能产业观察：本体与智能加速融合

执行摘要：2025年具身智能产业进入规模化落地阶段。智元机器人出货量全球领先，印证可规模化优质本体价值日益凸显；启元机器人PrimeSim世界模型登顶仿真榜单，验证世界模型成为训练基础设施；心言机器人切入家庭情感陪伴场景，拓展下游应用边界。本报告从产业格局、上中下游链条、数据与竞争要素、未来趋势四个维度，客观梳理具身智能从技术验证走向商业落地的演进路径与关键变量。

产业现状与竞争格局

1.1 从样机到量产：具身智能跨过商业化门槛

2025年是具身智能从“实验室样机”走向“规模出货”的关键一年。以智元机器人为代表的头部厂商率先实现了量产交付：2025年全年出货5000余台，占全球约40%的市场份额；进入2026年，这一势头进一步加速，上半年出货已达9700台，全球份额超过43%。2026年9月，智元第20000台机器人下线，标志着行业头部玩家已经进入万台级交付阶段。

出货规模的快速攀升意味着两件事：其一，具身智能的供应链、制造工艺与品控体系正在走向成熟，产品从“能演示”进化为“能交付”；其二，规模化出货带来了真实场景数据的回流，为后续的模型迭代提供了燃料，具身智能的“数据飞轮”开始转动。

值得注意的市场争论是：当GPT-6 Astra这类通用大模型具备直接控制机器人的能力时，本体厂商是否会被上游基座模型边缘化？智元联合创始人兼CTO彭志辉（稚晖君）在2025年10月的第四届创新日上给出了相反的判断——无论基座模型能否“通吃”具身智能，智能最终都必须落在可靠的身体上，可规模化的优质本体不仅不会被边缘化，反而会越来越重要。这一判断折射出头部厂商对“本体+智能”融合路线的坚定押注，也是当前竞争格局的底层逻辑。

1.2 三条路线：本体、模型与场景的分化布局

随着产业从概念验证进入商业落地，厂商们不再追求“一站式通吃”，而是围绕各自禀赋，沿三条路线分化布局：

• 本体路线：以智元为代表，强调硬件的可靠性、可制造性与成本控制，通过规模出货建立份额与数据优势，将本体作为智能的承载基座。
• 模型路线：以启元机器人发布的世界模型仿真器PrimeSim为代表，聚焦机器人训练的基础设施。PrimeSim登顶WorldSimProbe LIBERO榜单，为机器人构建可交互、可试错、可持续学习的虚拟世界；测试显示，借助其开展强化学习，策略成功率从61.7%提升至73.2%。这条路线的逻辑是“卖铲子”——谁掌握训练基础设施，谁就掌握模型迭代的上游话语权。
• 场景路线：以心言机器人发布的具身家庭智能体“巴布（Bubbo 1）”为代表，深耕垂直场景。巴布基于自研Bubbo OS，以"Family Agent"视角识别家庭成员及关系，搭载13类共26个传感器与6自由度输出端，并可与智能戒指数据共享以感知情绪，瞄准家庭陪伴与情感交互。这条路线不追求通用能力，而是在细分场景中构建差异化壁垒。

三条路线并非彼此割裂，而是呈“分层协同”的结构：模型层需要本体层提供数据与载体，本体层的价值又要靠场景层的商业变现来兑现。头部厂商往往在守住主阵地的同时向相邻层渗透，但多数厂商仍需在资源有限的前提下明确主攻方向。

1.3 格局初定：份额集中与生态卡位并行

从当前格局看，具身智能产业呈现三个特征：

份额向头部集中。 智元一家在2026上半年即占据全球超43%的份额，且份额随出货量扩大而继续提升，先发规模优势正在转化为生态位优势。

竞争重心从单点能力转向系统整合。 本体、模型、场景三者缺一不可，仅靠单一环节的优势已难以构筑完整壁垒，厂商间的竞争演变为“本体可靠性+模型能力+场景落地”的综合较量。

基础设施成为新的卡位点。 启元PrimeSim登顶仿真榜单说明，世界模型、仿真训练等上游基础设施正在成为头部争夺的战略高地——谁能定义行业标准化的训练环境，谁就能在生态中占据枢纽位置。

总体而言，2025—2026年是具身智能竞争格局的成型期：头部厂商凭借规模出货确立份额优势，三条路线的分化布局勾勒出产业分工的雏形。下一阶段的看点在于，本体与智能的融合能否催生真正的杀手级场景，以及份额集中是否会进一步挤压中小厂商的生存空间。

上游：本体与核心硬件

本体重新成为竞争焦点

随着 GPT-6 Astra 等通用大模型的能力快速演进，市场一度出现疑问：当基础模型可以直接控制机器人时，本体厂商是否会被边缘化。在 10 月 29 日智元机器人第四届创新日上，联合创始人兼CTO彭志辉（稚晖君）给出了相反的判断：无论基座模型能否“通吃”具身智能，智能最终都必须落在可靠的身体上——可规模化的优质本体正变得越来越重要。

这一判断背后有实际的产业数据支撑。智元机器人 2025 年出货 5000 多台，占全球约 40% 的份额；2026 上半年出货已达 9700 台，份额提升至 43% 以上，第 20000 台机器人也于 9 月下线。出货规模与份额的持续增长表明，头部厂商的竞争重心正在从“能不能做出来”转向“能不能稳定、批量、低成本地交付”。

传感器：从功能件到体验入口

核心部件需求的上升，直接体现在整机产品的硬件配置上。心言机器人发布的具身家庭智能体「巴布（Bubbo 1）」搭载 13 类共 26 个传感器，输出端具备 6 个自由度和两块表情屏。这组配置说明：在家庭陪伴与情感交互场景中，机器人不再只是“会动”，而需要全方位感知环境与人的状态。

更值得注意的是传感器的用途延伸。巴布内置基于摄像头的心率检测功能（非医疗级），并与测测智能戒指达成合作实现数据共享，以感知用户情绪变化。传感器数据由此从“控制机器人”扩展到“理解人”，硬件配置清单的长度和复杂度都在上升。

执行器与集成度：成本的关键变量

传感器数量翻倍式增长只是表象，更深层的问题在于系统集成。传感器、执行器、线束、算力单元在有限的本体空间内高度耦合，硬件集成度直接决定了三个变量：

1. 可靠性——部件越多，故障点越多，规模化交付对可靠性提出更高要求；

2. 成本——集成度越高，单机 BOM 与装配成本越可控；

3. 迭代速度——模块化程度高的本体可以更快适配不同场景。

对于以出货量论胜负的当前阶段，集成度与成本构成了本体的核心竞争力。可以预见，具备垂直整合能力的整机厂商将在上游部件采购与下游规模交付之间形成正循环。

硬件与智能的耦合关系

上游本体的地位强化，并不意味着与软件智能对立，而是形成更紧密的耦合。启元机器人发布的 PrimeSim 世界模型仿真器登顶 WorldSimProbe LIBERO 榜单，测试显示借助该仿真器进行强化学习，策略成功率从 61.7% 提升至 73.2%。仿真基础设施的成熟，意味着机器人策略可以在虚拟世界中高效试错，再把训练成果落到真实本体上——智能的训练效率越高，对可靠本体的依赖反而越强，因为只有物理表现稳定、传感器数据一致的本体，才能把仿真中习得的策略有效迁移到现实。

小结

上游环节正在经历一次价值重估：当模型能力趋于同质化，可规模化、可靠优质的差异化本体成为产业竞争的焦点。传感器多模态化（如巴布的 13 类 26 个传感器）、执行器性能要求提升、系统集成度与成本的平衡，共同定义了上游的技术议程。对于产业参与者而言，本体的护城河不在于单点参数，而在于“设计—集成—量产—交付”的全链条能力。

中游：训练基础设施与模型

一、世界模型成为机器人训练的核心基础设施

2025年以来，具身智能产业的技术重心正从“本体制造”向“训练基础设施”加速上移。其中，世界模型与仿真器正在成为机器人策略训练的关键底座，其地位类似于大模型时代的算力集群——决定了谁能以更低的成本、更快的迭代速度获得更强的智能。

启元机器人发布的世界模型仿真器 PrimeSim 是这一趋势的标志性事件。PrimeSim 登顶 WorldSimProbe LIBERO 榜单，刷新了机器人仿真表现的行业纪录。其核心价值在于为机器人构建一个可交互、可试错、可持续学习的虚拟世界，使策略验证与强化学习能够高效开展——机器人无需在真实环境中承担高昂的试错成本，即可完成大规模策略训练。

实测数据直接验证了这条技术路径的实用价值：借助 PrimeSim 进行强化学习后，策略成功率从 61.7% 提升至 73.2%，提升幅度达 11.5 个百分点。这意味着世界模型已不再是论文中的概念验证，而是能够实质性改善下游策略表现的训练基础设施。

从产业链视角看，仿真器登顶 LIBERO 榜单的意义在于：训练基础设施层开始出现可对标、可排名的公共基准，行业竞争从“有没有仿真器”进入“谁的仿真器更贴近真实物理世界”的阶段。Sim-to-Real 迁移质量、交互保真度与训练吞吐，正在成为衡量中游厂商技术能力的核心指标。

二、训练基础设施的价值分层

当前机器人训练基础设施的价值链条呈现清晰的分层结构：底层是物理仿真与世界模型提供的“环境供给”，中层是强化学习框架与策略训练流程，顶层是最终落地的具身策略与任务成功率。越靠近底层的环节，规模效应与护城河越强。

值得注意的是，训练基础设施的进步具有外溢效应：LIBERO 榜单作为公共基准，使全行业可以横向比较仿真器质量，避免重复造轮子，加速了“仿真先行、真机部署”这一训练范式在产业内的普及。

三、通用大模型与本体厂商的边界之争

与训练基础设施快速成熟并行，产业界另一条主线是通用大模型与本体厂商之间的边界之争：当 GPT-6 Astra 这类通用大模型能够直接控制机器人时，本体厂商是否会被边缘化？

10月29日，智元机器人在上海世博中心举办第四届创新日。联合创始人兼CTO彭志辉（稚晖君）正面回应了这一疑问，并给出了与“本体被边缘化”相反的判断：无论基座模型能否通吃具身智能，智能最终都必须落在可靠的身体上，可规模化的优质本体正变得越来越重要。

支撑这一判断的是智元的出货数据：

这组数据揭示了一个关键产业逻辑：在具身智能领域，“智能”与“身体”并非替代关系，而是互补关系。大模型提供认知与决策能力，但策略的兑现依赖机械可靠性、传感器融合、量产一致性与成本控制——这些恰恰是本体厂商的长期积累。智元两年内从5000台到近万台的出货爬坡，以及第20000台下线，说明规模化制造能力本身正在构成本体厂商的竞争壁垒。

四、两类玩家的竞争定位

将当前格局放入“技术门槛—商业价值”坐标系，可以看到中游的核心玩家正在沿不同路径卡位：

五、小结：融合而非替代

综合本章观察，中游格局呈现两条并行演进的曲线：其一是训练基础设施的垂直深化——以 PrimeSim 登顶 LIBERO、策略成功率提升 11.5 个百分点为标志，世界模型正成为具身智能的“电厂”；其二是大模型与本体厂商的边界持续博弈——通用基座模型试图向下延伸控制权，本体厂商则以量产数据、可靠硬件和场景闭环回应。

从产业逻辑看，这更可能走向融合而非替代：训练基础设施越强，对优质本体的需求越迫切，因为仿真中训练出的策略最终需要在真实硬件上兑现价值。谁能在“更强的世界模型”与“更可靠的本体”之间建立闭环，谁就掌握了具身智能中游的定价权。

下游：场景落地与商业化

具身智能的商业化正在经历一个清晰的路径迁移：从结构化、标准化的工业场景，逐步向非结构化、高交互需求的家庭场景延伸。工业场景中，机器人面对的任务边界明确、环境可控，部署逻辑接近传统自动化的升级换代；而家庭场景则要求机器人同时处理开放环境感知、多成员关系理解和长周期情感交互，这对产品形态、技术栈与商业模式都提出了截然不同的要求。

4.1 从工业到家庭：场景迁移的产业逻辑

工业场景目前仍是具身智能出货的基本盘。智元机器人公布的数据显示，其2025年出货5000多台，占全球约40%；2026年上半年出货9700台，份额超过43%。规模化的优质本体正在成为产业竞争的关键变量——正如智元CTO彭志辉在第四届创新日上所指出的：无论通用大模型能否“通吃”具身智能，智能最终都必须落在可靠的身体上。这一判断揭示了产业链分工的底层逻辑：即使GPT-6 Astra这类基模可直接控制机器人，本体厂商依然掌握着可靠执行与规模交付的核心环节。

而家庭场景的商业化逻辑则不同。其核心难点不在“干活”，而在“理解”——理解家庭结构、理解成员情绪、理解长期关系。这决定了家庭智能体在安全、隐私和交互体验上的门槛显著高于工业场景。

4.2 巴布：Family Agent定位与多模态感知整合

心言机器人发布的具身家庭智能体「巴布（Bubbo 1）」是家庭场景落地的代表性案例。其定位并非通用家务机器人，而是以「Family Agent」（家庭智能体）为核心的产品叙事——基于自研的Bubbo OS，以“外部视角”识别家庭成员及其相互关系，从而在家庭网络中建立自己的角色坐标。

在硬件与数据整合上，巴布呈现出两个值得关注的特征：

其一，深度感知硬件配置。 搭载13类共26个传感器，输出端具备6个自由度和两块表情屏，交互重心明显偏向情感表达而非任务执行。

其二，跨设备数据整合。 巴布内置基于摄像头的心率检测功能（非医疗级），并已与测测智能戒指达成合作实现数据共享，通过可穿戴设备的生理数据感知用户情绪变化。这一“具身本体+可穿戴数据”的组合，指向了家庭智能体的关键技术路径：单点感知难以准确理解情绪，多源生理数据的融合才能支撑长周期的情感建模。

4.3 家庭场景的三重门槛：安全、隐私、交互体验

家庭场景对产品的要求，本质上是对“信任”的要求，可以拆解为三个维度：

• 安全：家庭环境中有老人、儿童和宠物，机器人的运动控制、材质接触和异常行为兜底都必须达到消费级安全标准，容错空间远小于工业现场。
• 隐私：巴布的摄像头心率检测与智能戒指数据共享，说明家庭智能体必然持续采集生理与行为数据。这类高敏感数据的采集边界、存储方式和授权机制，将直接决定产品的市场接受度，也可能成为未来监管关注的焦点。
• 交互体验：情感交互的“拟人度”是一把双刃剑——表情屏等表达方式能提升亲近感，但过高的情感预期若无法匹配真实能力，反而会加速用户流失。

4.4 小结

从产业视角看，具身智能下游正在形成“工业托底、家庭攻坚”的双曲线结构：工业场景贡献当下出货规模与现金流，家庭场景承载长期估值空间。支撑两端商业化的共同底座，是仿真训练基础设施的成熟——启元机器人PrimeSim世界模型登顶WorldSimProbe LIBERO榜单，将策略成功率从61.7%提升至73.2%，说明虚拟环境中的可交互、可试错训练正在显著压缩真实场景的调试成本。当可靠本体、高效训练基础设施与家庭级安全标准三者齐备，Family Agent类的情感陪伴智能体有望成为具身智能商业化下一个关键落点。

数据要素与竞争壁垒

具身智能的竞争正在从“本体性能”单一维度，转向“本体+数据+智能”的综合体系较量。数据作为训练具身模型的核心要素，其获取方式、成本结构与闭环能力，正在重塑产业竞争格局。

一、数据飞轮：三种来源的协同

具身智能的数据体系由三部分构成：真机数据提供真实物理交互信号，仿真数据以低成本大规模扩充训练场景，世界模型则在虚拟空间中构建可交互、可试错的持续学习环境。三者相互促进，形成正循环：出货规模带来真机数据积累，数据反哺模型能力，模型能力提升产品竞争力，进而扩大出货。

仿真训练的价值已获得实证。启元机器人发布的世界模型仿真器PrimeSim登顶WorldSimProbe LIBERO榜单，测试显示，借助该仿真器进行强化学习，策略成功率从61.7%提升至73.2%，验证了世界模型作为机器人训练基础设施的实用价值。PrimeSim为机器人构建可交互、可试错、可持续学习的虚拟世界，支持策略验证与强化学习高效开展，显著降低了数据获取成本。

二、出货规模即数据护城河

真机数据具有天然的规模壁垒。智元机器人2025年出货5000多台，占全球约40%；2026上半年出货9700台，份额超过43%。头部厂商的规模化出货，意味着其在真实场景数据采集上拥有同业难以复制的优势——每一台部署在真实环境中的机器人，都是持续运转的数据采集终端。

这与智能层面的发展趋势并不矛盾。面对“当GPT-6 Astra这类通用大模型可直接控制机器人时，本体厂商是否会被边缘化”的疑问，智元联合创始人兼CTO彭志辉的判断相反：无论基模能否通吃具身，智能都必须落在可靠的身体上，可规模化的优质本体越来越重要。这一判断的产业逻辑在于——本体是数据的物理入口，掌握本体就掌握了真机数据的主导权。

三、数据质量与闭环能力决定迭代速度

数据竞争的下半场，比拼的不仅是数量，更是质量与闭环效率。真机数据虽真实但采集成本高、场景覆盖有限；仿真数据可无限生成，但存在“现实鸿沟”，需要与真机数据校准融合。企业能否构建“部署—采集—训练—回流”的高效闭环，直接决定模型迭代速度。

垂直场景厂商同样在构建自己的数据体系。心言机器人发布的具身家庭智能体“巴布”搭载13类共26个传感器，输出端具备6个自由度和两块表情屏，并内置基于摄像头的心率检测功能（非医疗级），已与测测智能戒指达成合作实现数据共享。多模态感知与跨设备数据共享，本质上也是在家庭陪伴这一垂直场景中构建独有的数据资产——情感交互数据是通用大模型难以覆盖的稀缺资源。

四、小结

数据要素正在成为具身智能产业最深的竞争壁垒：出货规模决定真机数据的积累速度，仿真训练与世界模型决定数据的获取成本，而数据质量与闭环能力决定模型迭代的天花板。头部厂商凭借“规模出货+仿真基建”的双轮驱动率先构筑壁垒，垂直场景玩家则以独占性数据寻找差异化空间。未来产业竞争的关键变量，将是数据闭环效率——谁能更快地将物理世界的交互转化为模型能力的提升，谁就能在具身智能的下一轮洗牌中占据主动。

趋势判断：智能与本体协同演进

一、通用基模难以替代可靠身体

随着通用大模型能力持续跃升，市场曾出现一种担忧：当基座模型（如 GPT-6 Astra 这类可直接控制机器人的通用模型）足够强大时，本体厂商是否会被边缘化？智元机器人联合创始人兼CTO彭志辉（稚晖晖）在2025年10月第四届创新日上给出的判断恰好相反——无论基座模型能否“通吃”具身智能，智能都必须落在可靠的身体之上，可规模化的优质本体只会越来越重要。

这一判断背后有清晰的产业逻辑：物理世界交互远比数字空间复杂。机器人在真实环境中面对的摩擦、形变、遮挡与不确定性，是纯软件迭代无法完全在云端解决的；执行器的精度、耐用性、成本曲线，直接决定了智能系统能否在物理世界中闭环。换言之，模型再强，也需要一个“靠谱的身体”去落地。缺乏高质量本体，智能就成了空中楼阁；缺乏规模化的本体制造，训练数据的采集、场景的验证都无从谈起。

二、训练基础设施成为新竞争维度

智能落在本体之上，对训练体系提出了更高要求。真实世界试错成本高、周期长，仿真与世界模型因此成为具身智能的关键基础设施。启元机器人发布的机器人训练世界模型仿真器 PrimeSim 是典型案例：其登顶 WorldSimProbe LIBERO 榜单，为机器人构建可交互、可试错、可持续学习的虚拟世界，支持策略验证与强化学习高效开展。测试数据显示，借助该仿真器进行强化学习，策略成功率从 61.7% 提升至 73.2%。

这说明训练基础设施的成熟度，正在直接转化为模型能力差距。谁能在仿真环境中更快、更便宜地完成策略迭代，谁就能在真实部署上取得先发优势。训练基础设施与本体数据采集能力，共同构成了具身智能的“隐性护城河”。

三、垂直整合：模型—本体—场景的一体化演进

从当前产业实践看，头部厂商正沿着“模型—本体—场景”的垂直整合路径演进，而非停留在单一环节。

本体端，规模化交付能力成为分水岭。智元机器人2025年出货5000多台，占全球份额约40%；2026年上半年出货已达9700台，份额超过43%，并于9月迎来第20000台机器人下线。量产能力不仅是商业结果的体现，更是数据飞轮的起点——交付规模越大，真实场景数据越多，模型迭代越快。

智能端，本体与智能的边界正在重塑。心言机器人发布的具身家庭智能体“巴布（Bubbo 1）”提供了另一种视角：其基于自研 Bubbo OS，以“Family Agent”外部视角识别家庭成员及其关系，硬件上搭载13类共26个传感器，输出端具备6个自由度和两块表情屏，主打情感理解能力。值得注意的是，巴布内置基于摄像头的心率检测功能（非医疗级），并与测测智能戒指达成数据共享合作以感知用户情绪——这体现了本体传感、边缘智能与场景生态的深度耦合，智能设计从硬件选型阶段就已介入。

场景端，家庭陪伴、工业制造等不同场景对“身体”的要求截然不同：家庭场景强调安全、情感表达与多模态感知，工业场景强调可靠性、效率与成本。这种差异决定了智能无法脱离本体与场景被抽象地通用化，也解释了为何垂直整合成为头部玩家的共同选择。

四、小结：竞争分水岭的两条线

综合来看，具身智能产业的竞争分水岭正在清晰化为两条线：其一是规模化交付能力——能否以稳定质量和可控成本将可靠本体大规模送入真实场景；其二是训练基础设施——能否通过世界模型、仿真器等工具链，将真实与虚拟数据高效转化为智能能力。单纯的模型能力或单纯的硬件制造，都难以独立构成壁垒。智能与本体的协同演进、模型—本体—场景的垂直整合，将成为下一阶段具身智能产业格局重塑的主旋律。