2025年具身智能产业链分析_从AI芯片_传感器_大模型到人形机器人_自动驾驶载具_全景解码_感知-决策-执行_闭环_17页_5mb

报告摘要

2025年具身智能产业链分析总结

核心内容

具身智能作为融合“感知-决策-执行”闭环的新兴技术领域，正从实验室走向商业化应用。2025年，中国政府工作报告首次将具身智能纳入未来产业培育计划，标志着其成为推动新质生产力发展的重要方向。本报告聚焦于具身智能产业链的上游与中游，分析其构成、关键技术与市场趋势。

主要观点

01 上游产业链

AI芯片：
- 分为云端训练芯片、云端推理芯片、端侧推理芯片，分别用于大规模模型训练、高效推理任务和终端实时推理。
- 典型代表：英伟达H200、谷歌TPU v5e、华为昇腾910等。
- 云端训练芯片功耗高（300-700W），端侧推理芯片功耗低（1-10W）。
机器人传感器：
- 人形机器人关键传感器包括力传感器、电子皮肤、视觉传感器、惯性传感器，用于提升智能化、仿生化和高自由度。
- 传感器数量将由60-100个增长至超过200个，手部自由度将由3增长至超过20个。
- 传感器功能多样化，从基础的力觉、视觉扩展到触觉、空间定位等。
自动驾驶载具传感器：
- 自动驾驶等级提升导致传感器数量增加，如L3级自动驾驶乘用车配备12-14个摄像头、5个毫米波雷达和2-3个激光雷达。
- 新能源汽车的传感器数量（60-80个）高于传统燃油车（45-60个）。
- 特种自动驾驶车辆和低空飞行载具在特定场景中依赖多传感器融合实现任务完成和环境感知。
执行器与驱动系统：
- 旋转关节、线性关节、灵巧手等是人形机器人实现灵活运动和精细操作的关键。
- 电机驱动式具备高精度、响应快，但体积较大；气动驱动式柔性高，但动态性能较差。
具身智能大模型：
- 国内外典型模型包括谷歌的PaLM-E、RT-X、Meta与卡耐基梅隆大学的RoboAgent、英伟达的GROOT、智元Genie Operator-1、银河通用GraspVLA等。
- 模型具备多模态感知、指令驱动、环境交互等能力，用于复杂任务规划与执行。

02 中游产业链

载体分类：
- 具身智能载体可以是机器人或自动驾驶载具，其中人形机器人是最佳载体，因其拟人化结构、多模态感知、通用场景适配能力。
- 机器人分为工业、服务、特种、人形四类，各自具有不同的应用场景和核心特征。
人形机器人主机厂：
- 分为先驱型、初创型、跨界型、传统工业/协作机器人型、科技/互联网巨头型企业。
- 先驱型企业（如波士顿动力）技术壁垒高，商业化较慢；初创型企业（如宇树科技）依托开源算法快速迭代；跨界型企业（如特斯拉、小米）具备规模化量产优势。
自动驾驶载具：
- 分为汽车类和低空飞行类，均通过“感知-决策-控制”闭环实现场景适配。
- 汽车类载具关注行驶平稳性、制动/转向精度；低空飞行类载具强调悬停稳定性、抗风能力及载重续航。

关键信息

具身智能产业链包括上游的AI芯片、传感器、执行器与驱动系统，以及中游的机器人和自动驾驶载具。
人形机器人是具身智能的最佳载体，具备多模态感知、高自由度和通用场景适配能力。
AI芯片在具身智能中起核心支撑作用，根据部署位置分为云端训练、云端推理和端侧推理芯片。
自动驾驶载具的传感器数量随等级提升而增加，新能源汽车的传感器数量显著高于燃油车。
国内外具身智能大模型在多模态感知、指令生成和任务执行方面各有优势。
人形机器人主机厂类型多样，技术路径和市场定位各异，形成差异化竞争格局。
具身智能强调通过物理实体与环境的持续互动实现智能涌现，是推动机器人与自动驾驶技术发展的关键方向。

产业链全景图谱

产业链结构

层级	核心内容
上游	AI芯片、传感器、执行器与驱动系统、大模型
中游	机器人、自动驾驶载具
下游	应用场景（如工业、家庭、医疗、物流等）