中国具身智能创投报告

由量子位智库发布了《中国具身智能创投报告》这篇报告。以下是对该报告的部分摘录，完整内容请获取原文查看。自 1950年 艾伦·图 灵 首次提出具身智能（Embodied AI）的概念，直到进入21世纪，具身智能才在 机器人领域进一步发展 。

1.具身智能背景现状

根据中 国计算机协会 的定义，「具身智能（Embodied AI）」是一种基于物理身体进行感知和 行动的智能系统，它通过智能体与 环境的交互 获取 信息、理解问 题、做出决 策并 实 现行动，从而产 生 智能行为和 适应性。本篇报告研究的「具身智能」以通用智能机器人载体为主 ，不包含无人车 等物理形 态。

谷 歌继去 年 推出首个控制 机器人的视觉-语言-动作 模型RT-2之后 ，于今年 3月 又推出RT系列的最新模型RT-H，在 多个任 务评估中 相 比RT-2平均提高 了15%的成功率。  英 伟达今年 2月 宣布成立GEAR（Generalist Embodied Agent Research）实 验室 ，专 注 通用具身智能体研究； 在 3月 的GTC大会 上 ，英 伟达发布人形 机器人通用基础模型Project GR00T，以及专 为人形 机器人打造的新型计算平台 Jetson Thor。  微软不仅和 英 伟达、OpenAI一起投资了具身智能明星创企 Figure AI，今年 5月 还与 仿人机器人公司Sanctuary AI达成合 作 ，为其提供 Azure云 资源、加速具身AI研究。  OpenAI与 Figure、1X Technologies 等公司 合 作 开 发机器人大模型，并 将视觉语言模型加持在Figure01人形 机器人上 ； 同时时隔四 年 重新组建了自 己 的机器人团 队。  特斯拉持续发布擎天 柱（Optimus）机器人的演示视频，展 示其从叠 衣服、散步到进厂分拣电池的最新进展。

自 1950年 艾伦·图 灵 首次提出具身智能（Embodied AI）的概念，直到进入21世纪，具身智能才在机器人领域进一步发展 。近两年 随着人工 智能技术的进步，尤其是大模型及生 成式AI的发 展，大众逐渐 看到具身智能实 际应用的可能性 ，而不仅仅将其看作 象牙塔内的学术研究。英 伟达CEO黄仁 勋和 斯坦福李飞飞教授等产 业界和 学术界的旗帜性 人物纷纷为具身智能站台 ，越来 越多的人相 信具身智能将成为「人工 智能的下一个浪潮」。

2.具身智能技术原理与路线

具身智能本质 上 是为以机器人为代表 的物理实 体注 入人工 智能，使 其能感知、学习并 与 环境动态交互。

具身智能的算法 方案 可分为分层 决 策模型和 端到端模型两种路线。分层 决 策模型 ：以「Figure 01」为代表 ，将任 务分解成不同层 级，以多个神经 网络 训练，再以流程管线的方式组合 。Figure 01顶层 接入OpenAI的多模 态大模型，提供 视觉推理和 语言理解； 中 间 层 神经 网络 策略作 为小脑 进行运动控制 并 生 成动作 指令； 底层 机器人本体接受 神经 网络 策略的 动作 指令，进行控制 执行。分层 决 策模型的缺点 是： 不同步骤间 的对 齐和 一致性 需解决 。端到端模型：以「Google RT-2」为代表 ，通过一个神经 网络 完成从任 务目标输入到行为指令输出的全 过程。首先在 大规模互 联网数据预训练视觉语言模型，然后 在 机器人任 务上 微调，结合 机器人动作 数据，推出视觉语言动作 模型。RT-2不仅负 责 最上 层 的感知与 规划，还参与 中 下层 的控制 与执行，打通了端到端的链路。端到端模型的缺点 是： 训练数据海量、消耗资源巨 大、机器人执行实 时性 差 。

3.国内具身智能赛道创业格局

国内具身智能浪 潮的主 要参与 者包括科技大厂、传 统机器人公司 和 新生 代的具身智能创业公司等。其中，数量众多的创业公司 们正 将最前沿 学术研究与 产 品研发相 结合 ，为具身智能市场释放无限想象力。

4.具身智能创业者背景溯源

对具身智能领域的创业者而言，深厚的学术背景往 往 更 是公司 在 创始 阶段取 得成功的重要因素。当 我们遍览国内知名 具身智能创企 的创始 人们，发现几乎每位创始 人或联合 创始 人都出自 业内顶尖院校，且师承相 关 领域的专 家学者。在 小小的学术圈子里，创业者们产 生 了或多或少的交集。

在 百花齐放的具身智能创业浪 潮中 ，不少创业者除了深厚的学术背景，还有过丰 富的产 业经 历。其中 ，在智能机器人、自 动驾驶两个领域有过从业经 历的创业者拥有得天 独厚的条件 ，他们将机器人运动控制 技术积 累或自动驾驶技术架构迁移到具身智能机器人身上 ，是具身智能创业的骨干 力量。