全球具身智能机器人行业研究报告（2026）：大脑为核、数据筑基、场景落地

文章目录

一、核心结论：具身智能三年商业化验证期的三个确定性——回答行业现在处于什么位置、钱和利润流向哪里、什么在变贵什么在变便宜。

二、市场空间到底有多大？——全球六年八倍与中国工业赛道64.62%复合增速的测算过程，以及三模型外推给出的2033年区间。

三、资本正在涌向哪个环节？——大脑层吸金过半的融资结构，以及跨报告口径冲突与结构突变的双重验证。

四、出货之后能否上岗？——近八成中标来自教育科研与政府平台，工业刚需采购仅约两成的落地成色分析。

五、数据瓶颈怎么破？——五类生产路径的数量级成本差、70余座训练场的基建进度与千万小时产能冲刺。

六、谁在领跑这条赛道？——双寡头格局、大脑企业的利润验证与国产替代的集中化趋势。

七、人才与区域格局——高地锁定高薪，需求层级与薪酬高度耦合，不存在地域套利空间。

八、未来三年怎么走？——技术验证期收官、商业验证期开局与中小企业切入点。

九、行动清单与风险提示——下周就可以做的三件事，以及四类风险的具体应对方案。

一、核心结论：具身智能三年商业化验证期的三个确定性

过去两年，几乎所有制造业老板都被同一个问题困扰过：展厅里那个人形机器人翻跟头、搬箱子子的视频刷了屏，可自家工厂的车间里，依然看不到它稳定干活的身影。钱融了几百亿，展会去了十几场，真到采购决策时，多数人又犹豫了——这东西到底能不能用、值不值这个价、现在进场会不会太早。

拓端研究团队使用桌面研究与定量调查、定性分析相结合的方式，全面客观的剖析具身智能行业发展的总体市场容量、产业链、经营特性、盈利能力和商业模式等。科学使用SCP模型、SWOT、PEST、机器学习、LLM等研究模型与方法综合分析具身智能行业市场环境、产业政策、竞争格局、技术革新、市场风险、行业壁垒、机遇以及挑战等相关因素。根据具身智能行业的发展轨迹及实践经验，精心研究编制《具身智能发展报告（2026年）》，为企业、科研、投资机构等单位投资决策、战略规划、产业研究提供重要参考。本报告数据来源主要是一手资料和二手资料相结合，我们建立了严格的数据清洗、加工和分析的内控体系，分析师采集信息后，严格按照公司评估方法论和信息规范的要求，并结合自身专业经验，对所获取的信息进行整理、筛选，最终通过综合统计、分析测算获得相关产业研究成果。

1.1 确定性一：市场空间的方向没有争议，争议只在斜率

全球具身智能机器人市场规模预计从2024年的117.1亿美元增长至2030年的1010.7亿美元，年复合增长率43.2%，这是沙利文与摩根士丹利给出、由TÜV莱茵白皮书援引的预测。同一份白皮书援引的IDC预测则显示，中国具身智能机器人用户支出规模将从2025年的约14亿美元增至2030年的770亿美元，复合增速约94%，接近全球平均的两倍。换句话说，全球市场六年八倍的增长的共识已经形成，真正的分歧在于增长的节奏是线性爬坡还是指数启动——本文的三模型外推显示，不同模型对2033年的判断可以相差四成以上，这个分歧本身就是入场时机研究的核心对象。

1.2 确定性二：利润在向大脑和软件集中，不在本体组装

中泰证券研究所对仙工智能的拆解提供了一个罕见的可见样本：这家被称作港股机器人大脑第一股的公司，2025年综合毛利率47.36%，其中机器人大脑业务毛利率81.84%，软件毛利率高达89.29%。资本市场用真金白银投票的结果与此一致：2026年上半年，以具身大脑为核心业务的公司吸纳融资222.53亿元，占赛道融资总额的50.8%，而机器人本体整机公司同期融资仅56亿元、占比12.8%。本体之后，大脑为核，这不是叙事修辞，而是已经写在毛利率和融资结构里的财务事实。

1.3 确定性三：数据是当前最硬的瓶颈，也是成本弹性最大的环节

具身智能的训练数据有个通俗的类比：大模型吃的是互联网上现成的文字，具身智能模型得一口一口喂物理世界的动作数据，而这个数据的生产成本高得惊人。云启资本的测算显示，真机遥操作采集的相对成本指数为1.0，无本体采集（UMI手套、动捕等）约为0.33，物理仿真与世界模型生成可低至0.1以内——最高与最低路径之间是数量级差距。全国已建成启用的训练场超过70座，头部数据服务商正在从百万小时产能向千万小时冲刺。谁能把数据成本压下来，谁就握住了这个行业放量的闸门。

本章小结

核心结论：具身智能已从讲故事进入算账的阶段，方向共识大于节奏分歧。

一句话判断：未来三年是商业验证期，看的不是融资额，而是订单和开机率。

数据要点：全球六年八倍、中国复合增速约94%、大脑层融资占比50.8%、数据成本路径差达10倍。

二、市场空间到底有多大？全球六年八倍，中国工业赛道增速64.62%

2.1 全球盘子：2030年破千亿美元，物流分拣与工业制造辅助最先兑现

先看全局。据沙利文与摩根士丹利数据，全球具身智能机器人市场规模预计从2024年的117.1亿美元增长至2030年的1010.7亿美元，年复合增长率43.2%。这个预测背后有一个清晰的商业化排序：物流分拣、搬运、仓储操作、工业制造辅助被认为是最具商业化潜力的方向，其中物体抓取（Pick & Place，即从A点把物件抓到B点的基础动作）会被最先规模部署。对创业者的直白含义是：别盯着通用助手的远景买单，先看哪个场景的动作最标准化、环境最可控。【来源：TÜV莱茵/SENSOR CHINA《2026具身智能机器人传感器白皮书》（援引沙利文、摩根士丹利数据），2026年】

_图表10：全球具身智能机器人市场规模预测（折线图）_

核心数据：2024年117.1亿美元；2025年预计149.0亿美元；2026年预计201.6亿美元；2030年预计1010.7亿美元；CAGR 43.2%

来源：TÜV莱茵/SENSOR CHINA《2026具身智能机器人传感器白皮书》（援引沙利文、摩根士丹利数据），2026年

解读：六年八倍意味着行业尚未进入份额争夺战，仍在把蛋糕做大的阶段，这对新进入者相对友好。对应人群行动建议：产业资本战投部可以把尽调重心放在被投企业的场景订单结构上，而非技术演示效果；制造业企业的智能化决策人可以用Pick & Place类标准动作作为内部试点切口，验收标准最清晰。

2.2 中国工业赛道：47.26亿元起步，六年增长逾11倍

再看结构。据GGII数据，2025年中国工业具身智能市场规模约47.26亿元，2026年预计达58.94亿元、同比增长24.71%；随着核心零部件国产化突破与算法迭代持续降低落地成本，汽车、3C电子、物流仓储等下游用工成本上涨进一步放大智能化改造意愿，预计2030年市场规模有望超571.39亿元，2025-2030年复合增长率64.62%。这个增速意味着每过一年门槛翻一倍左右，工业场景被普遍认为是具身智能规模化落地的核心增量方向。【来源：高工机器人产业研究所（GGII）《2026中国工业具身智能产业发展蓝皮书》，2026年】

核心数据：2025年47.26亿元；2026年预计58.94亿元、同比增长24.71%；2030年预计571.39亿元；2025-2030年CAGR 64.62%

来源：高工机器人产业研究所（GGII）《2026中国工业具身智能产业发展蓝皮书》，2026年

图表1：中国工业具身智能市场规模及预测（核心数据表）

解读：64.62%的复合增速在制造业相关赛道里属于第一梯队，但要注意基数很小——47亿元的起点意味着哪怕翻几倍也还不到一个中等工业自动化细分市场的体量。对应人群行动建议：零部件供应商应把产能规划锚定在2027-2028年的放量窗口，而不是2026年；地方政府与产业园区招商时，训练场与数据服务类项目的抗周期能力强于单本体制造项目。

2.3 模型视角：三模型外推给出2033年区间，分歧本身就是信息

机构预测止步于2030年，而投资决策往往需要看得更远。本文基于公开数据对全球市场规模做了三模型回测与外推：指数平滑（ETS）、ARIMA与对数线性回归三种模型在2024-2028年回测中，对数线性回归的均方根误差最小（141.4，对比ETS的187.5与ARIMA的429.2），外推结果显示ETS与ARIMA在2031-2033年趋于收敛（约1343亿、1675亿、2007亿美元），而对数线性回归持续上行（约1379亿、1992亿、2878亿美元），两种路径对2033年的判断相差约43%。分歧的来源值得玩味：线性模型假设增长斜率恒定，指数模型假设复利加速，而行业现实更可能是先线性放量、后随通用能力突破切换为指数曲线。

核心数据：2031-2033年线性路径约1343亿/1675亿/2007亿美元，指数路径约1379亿/1992亿/2878亿美元，分歧约43%；回测RMSE：对数线性回归141.4、ETS 187.5、ARIMA 429.2

本图为本文基于公开数据独立建模，非报告原文结论，仅作情景参考，不构成投资建议。

来源：本文基于TÜV莱茵/SENSOR CHINA《2026具身智能机器人传感器白皮书》援引的沙利文与摩根士丹利历史数据外推

与全球口径互补，中国工业赛道2027-2029年的数据点在原始报告中存在缺口。本文采用三点锚定的二次插值对曲线做了补全：2027年约117.19亿元、2028年约222.02亿元、2029年约373.42亿元，并用非线性指数拟合交叉校验了增长形态。补全后的曲线显示，放量的主要压力集中在2028-2030年，2027年之前仍是订单验证大于规模交付的阶段。

_机器学习图表2：中国工业市场规模曲线补全（横向哑铃图）_

核心数据：报告锚点2025年47.26亿元、2026年58.94亿元、2030年571.39亿元；插值补全2027年约117.19亿元、2028年约222.02亿元、2029年约373.42亿元

本图为本文基于公开数据独立建模，非报告原文结论，仅作情景参考，不构成投资建议。

来源：本文基于高工机器人产业研究所（GGII）《2026中国工业具身智能产业发展蓝皮书》锚点数据插值

2.4 场景TAM：四个典型场景对应超300万台潜在需求

把市场规模落到场景层面，据CIC灼识测算，按行业就业人数、60%渗透率、0.5替代比率与10万元/年租赁价格估算：零售业TAM约5400亿元（零售行业就业人数约650百万人）、仓储与物流业约600亿元（就业人数约300百万人）、酒店业约548亿元（就业人数约183百万人）、药店约500亿元；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。其中药店场景按经济区拆分：中部约300亿元（占全国60%）、东部约94亿元（18%）、西部约64亿元（13%）、东北约43亿元（9%）。效率数据同样可量化：无人药房落地后单件拣货耗时由超150秒降至90秒以内、拣货准确率由约90%提升至98%、人力成本占营收比例由约20%降至10%以内。【来源：CIC灼识《2026具身智能大脑行业白皮书》，2026年】

核心数据：零售业约5400亿元；仓储与物流业约600亿元；酒店业约548亿元；药店约500亿元；潜在需求规模约300万台

来源：CIC灼识《2026具身智能大脑行业白皮书》，2026年

解读：5400亿元的零售TAM与47.26亿元的工业市场起点并不矛盾——TAM是理想渗透下的天花板，工业市场是今年的实际成交，两个数字共同标定了这个行业的位置：天花板极高，地面还很低。对应人群行动建议：零售与药店连锁企业可以把拣货、补货环节作为首批试点，效率提升数据（150秒到90秒、准确率90%到98%）可以直接写进内部立项报告；产业资本可以按TAM对实际成交的倍数关系筛选被投企业，倍数越低的赛道商业化越成熟。

_信息图1：具身大脑能力体系与场景TAM总览（中心框架图）_

核心数据：场景TAM合计超7000亿元；潜在需求约300万台；租赁价格10万元/年；零售业TAM约5400亿元为第一大场景；大脑能力体系含认知、规划、学习、力觉融合、小脑控制、跨本体泛化六大能力

来源：CIC灼识《2026具身智能大脑行业白皮书》，2026年

本章小结

直接回答：全球2030年破千亿美元、中国工业赛道2030年超571亿元，两本账都不小，但基数决定了这是增量市场而非存量博弈。

关键数据：全球CAGR 43.2%、中国工业CAGR 64.62%、中国用户支出CAGR约94%、2033年外推区间2007亿至2878亿美元、场景TAM合计超7000亿元。

落地提示：把产能与订单规划锚定2027-2028年窗口，2026年仍是验证年。

本文节选自拓端发布的《2026全球具身智能机器人行业研究报告（2026）：大脑为核、数据筑基、场景落地》，如需获取全文内容，可进入拓端官网搜索查看。

三、资本正在涌向哪个环节？大脑层吸金过半，结构突变已被统计确认

3.1 融资事件数：大模型企业半年超过2025年全年四倍

据GGII不完全统计，2025年国内工业具身智能产业链累计完成融资284起，其中本体企业90起、零部件相关企业114起、灵巧手企业23起、大模型企业11起；2026年上半年产业链累计完成172起，其中大模型企业融资事件增长显著至47起，零部件相关企业降至26起，本体企业67起依旧占据主导地位、占比达39%。把两期数据叠在一起看，资本重心正从硬件本体向上游模型与大脑层迁移的轮廓非常清晰：大模型企业半年的融资事件数达到了2025年全年的四倍以上，而零部件相关企业则从114起的高点退潮到26起。【来源：高工机器人产业研究所（GGII）《2026中国工业具身智能产业发展蓝皮书》，2026年】

核心数据：2025年全年本体90起/零部件114起/灵巧手23起/大模型11起；2026年上半年本体67起/零部件26起/灵巧手16起/大模型47起

来源：高工机器人产业研究所（GGII）《2026中国工业具身智能产业发展蓝皮书》，2026年

解读：融资事件数的迁移比融资金额更灵敏，因为它统计的是投资决策的频次。零部件退潮不等于零部件不重要，更可能是硬件方案趋于标准化后，资本认为该环节的想象空间见顶。对应人群行动建议：零部件创业公司应尽早证明自己在成本曲线上的位置，而不是在功能清单上；猎头与人才服务机构可以把简历投递的主战场从本体厂转向大模型与数据团队。

3.2 融资金额：大脑公司拿走半壁江山

金额口径给出同样的答案。据中泰证券研究所统计，2026年上半年国内具身智能赛道融资约438亿元，其中以具身大脑为核心业务的公司吸纳222.53亿元、占比50.8%，机器人本体整机公司同期融资仅56亿元、占比12.8%，其他环节公司约159.47亿元（按总额438亿元扣减推算）。近半数资金押注同一类资产，在产业发展史上通常是技术路线收敛的强烈信号。【来源：中泰证券研究所《港北映射研究系列：机器人大脑：本体之后，大脑为核》，2026年】

核心数据：具身大脑公司222.53亿元、占比50.8%；机器人本体整机公司56亿元、占比12.8%；其他环节公司约159.47亿元（推算值）

来源：中泰证券研究所《港北映射研究系列：机器人大脑：本体之后，大脑为核》，2026年

3.3 两处需要警惕的口径裂缝

繁荣叙事之下，有两组数据必须摆到桌面上。第一组是融资金额本身的口径冲突：2026年上半年赛道融资总额，中泰证券口径为438亿元，IT桔子口径为935亿元，两者相差约114%；2025年全年融资额也存在558.3亿元与735亿元两个版本，差异约24%。差异主要来自统计范围（是否含未披露交割的意向、是否含产业链上下游公司）与交易认定标准的不同，并不影响结构性的结论，但任何据此做的市场容量测算都必须先声明口径。【来源：中国信息通信研究院《具身智能发展报告（2026年）》（援引IT桔子口径）、中泰证券研究所《港北映射研究系列：机器人大脑：本体之后，大脑为核》，2026年】

核心数据：2026年上半年融资总额438亿元（中泰口径）与935亿元（IT桔子口径）相差约114%，严重程度高；2025年融资额558.3亿元与735亿元相差约31.6%，严重程度中；训练场数量70座与70余座口径一致（0%），作一致对照

本图为本文基于公开数据独立建模，非报告原文结论，仅作情景参考，不构成投资建议。

来源：本文基于中国信通院、中泰证券研究所及IT桔子公开数据交叉检测

跨报告数据差异对照表（核心冲突项）

第二组是结构变化的统计确认。本文对四类企业的融资事件数做了卡方齐性检验，结果显示两期结构差异极显著（统计量68.2，p值约1.05乘以10的负14次方）；调整残差进一步定位了异常来源：大模型企业为+6.99个标准差、零部件相关企业为-6.33个标准差，两类环节双双触发显著异常；CUSUM变点检测在序列第4点附近检出了结构切换位置。这不是叙事推动的结论，而是统计检验给出的确认。

核心数据：卡方统计量68.2，p值约1.05×10⁻¹⁴；调整残差：本体+1.02、零部件-6.33、灵巧手+0.19、大模型+6.99（个标准差）；CUSUM断点位于第2与第4点

本图为本文基于公开数据独立建模，非报告原文结论，仅作情景参考，不构成投资建议。

来源：本文基于高工机器人产业研究所（GGII）融资事件数数据检测

本章小结

一句话判断：资本已经用脚投票，大脑层是利润和融资的双重焦点，但统计显著的结构突变也意味着追高风险在累积。

数据要点：大脑层融资占比50.8%、大模型企业融资事件增至47起、零部件降至26起、卡方检验p值约1.05×10⁻¹⁴。

提醒：438亿元与935亿元两个口径相差约114%，引用时必须声明来源，避免高估或低估赛道容量。

四、出货之后能否上岗？近八成中标来自教育科研与政府平台

4.1 一个必须正视的数字：工业刚需采购占比仅约两成

出货量的新闻很容易制造繁荣印象，但采购主体结构说出了另一套故事。据中国信通院统计，2026年上半年国内公开披露的具身智能及人形机器人相关中标项目中，教育科研机构占比约55.5%，政府及公共平台占比约20.6%，工业及技术型企业仅占约21.1%。也就是说，超过四分之三的设备流向了实验室、展厅与示范工程，而不是产线。报告同时提示，相当比例设备仅用于展厅接待或活动演示，月均开机天数不足10天的情况并不少见——按每月22个工作日计算，这类设备的实际利用率不足一半。【来源：中国信息通信研究院《具身智能发展报告（2026年）》，2026年】

核心数据：教育科研机构约55.5%；政府及公共平台约20.6%；工业及技术型企业约21.1%

来源：中国信息通信研究院《具身智能发展报告（2026年）》，2026年

解读：这个结构说明行业仍处于从技术验证向商业验证过渡的初期——买单方是预算逻辑而非ROI逻辑。反过来说，工业采购占比从两成往上走的每一天，都是商业验证期真正的刻度。对应人群行动建议：本体厂商应把销售资源向愿意签复购条款的工业客户倾斜，教育科研订单可以保规模但很难保利润；投资机构尽调时应把客户结构中的工业客户复购率作为核心指标。

4.2 对照理想态：从演示接待属性到工业刚需主导还有多远

把现状与理想标准放在同一张图里看，差距就是路线图。现状侧的核心特征是教育与政府平台主导、演示接待属性强；理想侧的核心特征是工业刚需采购主导、可测算投资回报；中间隔着的是设备开机率偏低、真实场景落地远小于出货量这道坎。知行元界的央企蓝皮书给出的阶段判断可以作为时间标尺：2023-2025年是技术验证期，标志是头部企业完成样机迭代与工业场景试点部署；2026-2028年是商业验证期，标志是特定场景出现可测算的正向投资回报、万台级订单出现、产业从融资输血转向订单造血；2029-2030年进入规模化前夜，标志是具身基础模型完成关键突破、制造成本降至十万元人民币级别。当前行业正处在第一阶段向第二阶段切换的关键节点。【来源：知行元界《2026年央企布局具身智能产业的战略机遇与行动路径蓝皮书》，2026年】

核心数据：现状以教育科研与政府平台主导、演示接待属性强；理想态为工业刚需采购主导、可测算投资回报；工业刚需采购占比仅约21.1%

来源：中国信息通信研究院《具身智能发展报告（2026年）》，2026年

本章小结

核心结论：出货量是领先指标，开机率才是同步指标，两者之间的缺口就是商业验证期要补的课。

一句话判断：工业采购占比每上升一个百分点，都比十场展会更有说服力。

数据要点：教育科研约55.5%、政府平台约20.6%、工业企业约21.1%、月均开机不足10天。

五、数据瓶颈怎么破？五类路径成本差10倍，训练场冲刺千万小时

5.1 生产路径：从真机到仿真，成本差一个数量级

如果说芯片算力是这个行业的电力，那么动作数据就是煤炭。云启资本报告给出五类数据生产路径的相对成本指数：真机遥操作采集约为1.0，UMI手套、动捕等无本体路线约为0.2-0.4，物理仿真与世界模型生成约为0.01-0.1。易观分析与觅蜂科技的数据进一步显示，无本体路线成本约为真机的三分之一（行业参照约300-400元/小时），合成数据成本可降至真机的十分之一以内。两端对照：真机数据质量最高但单小时成本500-1000元，仿真与合成数据以数量级成本优势，成为突破百万小时级数据瓶颈的关键路径。单台设备产出1万小时训练数据需要耗资上百万元，总体采集成本为普通数据的10倍以上，这就是为什么数据被称作最硬的瓶颈。【来源：云启资本《2026具身智能数据产业链与新基础设施研究报告》、易观分析《中国具身智能数据产业分析报告2026》，2026年】

核心数据：真机/遥操作采集1.0；无本体采集（UMI/手套/动捕）约0.33；仿真/世界模型生成约0.1

来源：云启资本《2026具身智能数据产业链与新基础设施研究报告》与易观分析《中国具身智能数据产业分析报告2026》，2026年

核心数据：真机/遥操作采集相对成本1.0；UMI/手套/动捕约0.33；第一视角人类视频低成本；仿真/世界模型约0.1；公开互联网视频规模锚点

来源：云启资本《2026具身智能数据产业链与新基础设施研究报告》，2026年

解读：成本差10倍不是成本优化，而是商业模型差异——用仿真路线做预训练、用真机路线做精调，正在成为头部团队的标配组合。对应人群行动建议：算法团队应把数据预算按预训练与精调分层配置；产业资本可以重点关注同时具备多条路径整合能力的数据服务商，单路线公司的天花板明显。

5.2 训练场新基建：70余座落地，五省市贡献近七成产能

据易观分析统计，全国已建成启用训练场70余座，另有多座在建或规划中，覆盖23个以上省份，已部署机器人2500余台，总面积约28万平方米，其中13个以上中心部署超100台机器人。省级分布上，浙江12座、江苏11座、广东10座、北京8座、上海8座、四川5座、安徽5座，长三角地区密度最高。信通院口径显示截至2026年6月底全国建成启用超70家具身智能训练场、已覆盖国内超半数省份，两方数据互相印证。训练场正在成为具身智能领域的算力加数据新型基础设施。【来源：易观分析《中国具身智能数据产业分析报告2026》，2026年】

核心数据：浙江12座、江苏11座、广东10座、北京8座、上海8座、四川5座、安徽5座；全国合计70余座，覆盖23个以上省份

来源：易观分析《中国具身智能数据产业分析报告2026》，2026年

核心数据：已投用训练场70余座；覆盖23个以上省份；已部署机器人2500余台；总面积约28万平方米；13个以上中心部署超100台

来源：易观分析《中国具身智能数据产业分析报告2026》，2026年

5.3 产能冲刺：从百万小时到千万小时的九倍放量考验

头部数据服务商的产能路线图把瓶颈量化到了小时数。觅蜂科技2026年2月由智元机器人数据业务拆分成立，其MEgo采集设备累计下线2万台，累计产出超100万小时数据，覆盖22大类场景、1万余个真实环境；公司提出2026年千万小时级、2030年百亿小时级产能目标。用瀑布图拆解这条爬坡路径：从当前100万小时到2026年目标1000万小时需要增加900万小时，而从千万小时到2030年百亿小时目标需要增加约9.99亿小时——报告同时提示，千万小时产能需9倍放量，执行风险高。资本对这条赛道给出了明确定价：觅蜂成立半年内完成三轮数亿元融资，红杉中国、国方创投、中国电信先后领投；光轮智能2026年3月完成10亿元融资成为全球首个具身数据独角兽，5月估值突破20亿美元，2026年一季度新增订单5.5亿元。【来源：易观分析《中国具身智能数据产业分析报告2026》，2026年】

_图表9：觅蜂科技数据产能爬坡目标（灰底比例条形图）_

核心数据：当前累计产出超100万小时；2026年产能目标1000万小时；2030年产能目标100亿小时

来源：易观分析《中国具身智能数据产业分析报告2026》，2026年

_机器学习图表5：数据产能爬坡目标放量阶梯（瀑布图）_

核心数据：100万小时（当前）加900万小时（至2026年目标）加9.99亿小时（至2030年目标）合计100亿小时；99.9%的放量压力集中在2027-2030年

本图为本文基于公开数据独立建模，非报告原文结论，仅作情景参考，不构成投资建议。

来源：本文基于易观分析《中国具身智能数据产业分析报告2026》产能目标数据分解

本章小结

直接回答：数据瓶颈有清晰的破解路径，成本差数量级决定了仿真与合成数据是主力，训练场是载体，产能冲刺是考卷。

关键数据：真机1.0对无本体0.33对仿真0.1；训练场70余座覆盖23个以上省份；产能目标100万小时到1000万小时再到100亿小时。

落地提示：评估数据服务商时，把交付小时数的历史履约率放在估值前面。

六、谁在领跑这条赛道？双寡头初显，大脑企业利润最厚

6.1 出货格局：智元加宇树合计71%，国产厂商绝对主导

据TÜV莱茵白皮书援引数据，2025年人形机器人出货量中智元占39%、宇树占32%，两家合计71%形成双寡头格局；优必选7%、乐聚4%、Engine AI 3%、Fourier Intelligence 2%，Figure AI、Agility Robotics、Tesla各1%，其他厂商合计10%。信通院报告显示2026年上半年全球人形机器人出货量超2.2万台、五家国内整机厂商出货占比合计超86%。国产替代与集中化趋势同步强化——值得注意的是，榜单上的国际明星公司出货份额均为1%，说明在硬件出货这个环节，中国供应链的优势已经兑现为市场份额。【来源：TÜV莱茵/SENSOR CHINA《2026具身智能机器人传感器白皮书》，2026年】

核心数据：智元39%；宇树32%；优必选7%；乐聚4%；Engine AI 3%；Fourier Intelligence 2%；Figure AI、Agility Robotics、Tesla各1%；其他合计10%

来源：TÜV莱茵/SENSOR CHINA《2026具身智能机器人传感器白皮书》，2026年

解读：双寡头加长尾的格局意味着整机环节的竞争烈度将快速上升，后进入者的机会更可能在细分场景定制而非通用本体。对应人群行动建议：渠道商与系统集成商应优先绑定有场景定义能力的整机厂；产业资本在整机环节应重点考察差异化场景的复购数据。

6.2 利润验证：大脑与软件是价值链最厚的环节

仙工智能（6106.HK）为港股机器人大脑第一股，2022-2025年控制器（机器人大脑）全球销量第一。2025年公司综合毛利率47.36%，其中作为标准化核心产品的机器人大脑毛利率81.84%，控制器毛利率79.79%，软件毛利率高达89.29%。同年公司控制器销量7924台、同比增长95.4%，控制器出货（含整机内置）已超12000台，2026年上半年超8000台、同比增长逾80%。硬件放量与软件利润同向验证，这就是软件定义硬件在具身智能时代的财务表达。【来源：中泰证券研究所《港北映射研究系列：机器人大脑：本体之后，大脑为核》，2026年】

核心数据：机器人大脑（含控制器及软件）81.84%；控制器79.79%；软件89.29%；公司综合毛利率47.36%

来源：中泰证券研究所《港北映射研究系列：机器人大脑：本体之后，大脑为核》，2026年

核心数据：大脑层融资222.53亿元占50.8%；本体整机56亿元占12.8%；大脑业务毛利率81.84%；软件89.29%；控制器销量7924台、同比增长95.4%

来源：中泰证券研究所《港北映射研究系列：机器人大脑：本体之后，大脑为核》，2026年

6.3 节奏竞争：智元358计划与140家整机厂的内卷预告

格局之外，节奏正在成为新的竞争维度。知行元界的全域战略报告复盘了智元机器人的358宏图计划：三年10亿营收、五年100亿营收、八年1000亿营收的战略目标；其执行节奏为8个月完成原型机开发、9个月落地头部车企试点、12个月实现小批量交付，三年内完成技术自研、场景验证、商业变现、规模扩张的全链条突破，并成功实现1万台交付。报告同时给出行业全景：2025年国内整机企业超140家、发布产品超330款、全球出货约1.8万台、中国占比超84%。140家整机厂争1.8万台出货，均值不到130台——多数企业的量产能力与头部存在数量级差距，节奏把控能力已成为超越技术本身的核心竞争力。【来源：知行元界《2026年具身智能行业企业全域战略解决方案》，2026年】

本章小结

一句话判断：整机看格局，利润看大脑，节奏看交付，三个维度给出了完全不同的竞争含义。

数据要点：双寡头合计71%、国产五强超86%、大脑毛利率81.84%、软件89.29%、整机企业超140家。

提醒：软件毛利率89.29%是单品结构极值，不代表行业平均，引用时需保留口径。

七、人才与区域格局：高地锁定高薪，不存在地域套利

7.1 岗位需求：同比增长29.7%，算法工程师断层领先

猎聘大数据显示，2025年具身智能产业AI技术与云服务领域岗位需求同比增长29.7%，薪资分布呈现典型的橄榄型结构：20-40万年薪的中坚岗位合计占比高达39.9%，50万以上的高薪岗位占比达13.8%。分岗位看，算法工程师需求占比7.0%断层领先且薪酬最高，平均年薪43.44万元；私营/民营企业提供69.3%的岗位，本科学历要求占71.9%、硕士占10.1%——产业需要的是能把前沿算法与复杂系统进行工程化集成的实践型人才，而不是单纯的论文生产者。【来源：猎聘大数据研究院《2026具身智能产业中AI技术与云服务领域人才供需洞察》，2026年】

核心数据：北京36.02万元、上海33.31万元、深圳32.96万元、杭州28.52万元、广州25.87万元、合肥24.20万元、苏州23.89万元、成都21.93万元；岗位需求同比增长29.7%

来源：猎聘大数据研究院《2026具身智能产业中AI技术与云服务领域人才供需洞察》，2026年

7.2 城市象限：高薪与高地高度耦合，两个象限空置

把20个重点城市的平均招聘年薪与需求层级放进同一张四象限图，一个反直觉的结论浮出水面：产业高地加薪资友好的象限是空置的，机会区域加高薪异常的象限同样是空置的。北京、上海、深圳三地合计提供了近50%的岗位需求，并给出最具竞争力的平均年薪（36万、33万、33万元）；杭州、广州、苏州形成清晰的第二梯队；成都、合肥、南京等机会区域城市以薪资友好承接外溢。需求层级与薪酬水平高度耦合，意味着人才争夺不存在地域套利空间——想去高地拿高薪，就得接受高地的竞争烈度。【来源：猎聘大数据研究院《2026具身智能产业中AI技术与云服务领域人才供需洞察》，2026年】

核心数据：Ⅰ象限产业高地加高薪锚点6城；Ⅳ象限机会区域加薪资友好14城；Ⅱ、Ⅲ象限空置；北上深合计需求近50%

来源：猎聘大数据研究院《2026具身智能产业中AI技术与云服务领域人才供需洞察》，观测周期2025年1-12月

用聚类方法对TOP城市薪酬做分群，结果与报告的梯队划分互相印证：第一梯队中心约34.1万元、第二梯队约27.2万元、第三梯队约22.56万元，三群之间的断档清晰。对人力资源决策的含义很直接：异地设点降薪抢人在这行行不通，可行的路径是在高地设研发触点、在成本友好区域设交付与数据团队。

_机器学习图表6：TOP城市薪酬聚类分群（分组堆叠柱状图）_

核心数据：K-means聚类（k=3，按轮廓系数与业务可解释性双准则选定）三梯队中心约34.1万元、27.2万元、22.56万元

本图为本文基于公开数据独立建模，非报告原文结论，仅作情景参考，不构成投资建议。

来源：本文基于猎聘大数据研究院岗位薪酬数据聚类

7.3 供需缺口：短期抢人，长期缺结构

把视线从薪酬移向总量。2019年我国AI人才缺口已超过500万，供求比例约为1比10；麦肯锡预测到2030年中国对AI专业人才的需求将达600万，缺口可能高达400万。落到具身智能细分领域，短期（1-3年）高端算法研究员、系统架构师、通信协议专家等岗位将面临激烈竞争，薪资溢价显著；长期看，高校正加快交叉学科建设，企业通过开源模型与开放平台降低研发门槛，供给结构在缓慢改善。产业经验正在成为硬通货：来自自动驾驶、工业自动化、消费电子等领域的人才，其系统集成与工程落地经验可快速迁移。【来源：猎聘大数据研究院《2026具身智能产业中AI技术与云服务领域人才供需洞察》（援引麦肯锡预测），2026年】

本章小结

直接回答：人才是高地高薪、机会区薪资友好的耦合结构，没有空子可钻，但有结构机会——复合型与可迁移经验人才是洼地。

关键数据：需求增速29.7%、北上深年薪33-36万元、算法岗薪酬43.44万元、2030年AI人才缺口或达400万。

落地提示：研发触点放高地，交付与数据团队放成本友好区域，是当前最优解。

八、未来三年怎么走？技术验证期收官，商业验证期开局

8.1 三阶段时间表：现在正站在开关门上

知行元界在央企蓝皮书中给出的三阶段论，是目前对行业位置最清晰的标定。2023-2025年为技术验证期，头部企业完成样机迭代与工业场景的试点部署，人形机器人从能走进化到能干活；2026-2028年为商业验证期，特定场景（工业物料搬运、质检巡检、仓储分拣）出现可测算的正向投资回报，万台级订单出现，产业从融资输血转向订单造血；2029-2030年为规模化前夜，具身基础模型完成关键突破、通用任务能力跨过可用阈值，制造成本降至十万元人民币级别，产业进入指数增长轨道。当前正处于第一阶段向第二阶段切换的关键节点——布局过早要承担技术路线风险，布局过晚会丧失场景与生态的占位机会。【来源：知行元界《2026年央企布局具身智能产业的战略机遇与行动路径蓝皮书》，2026年】

核心内容：第一步战略定位（核心突破型、平台主导型、生态布局型三选一）；第二步场景切入（从自家场景到行业标杆）；第三步能力构建（自主研发加并购整合加战略联盟）；第四步机制改革（子公司化、市场化激励、长周期考核）；第五步规模化扩张（项目制到产品制再到服务制三级跳）

来源：知行元界《2026年央企布局具身智能产业的战略机遇与行动路径蓝皮书》，2026年

8.2 赛道选择：七大赛道的优先级排序

央企蓝皮书识别出七个高价值赛道：工业制造、能源电力、建筑基建、交通物流、应急特种、文旅与消费服务、民生服务。其共同特征是需求刚性、场景可控、支付能力确定。对中小企业的启示在于排序逻辑：工业制造是万亿级机器换人主战场，能源电力是高价值高门槛的特种应用，交通物流是可控环境下的规模化先锋——前三个赛道的支付能力与场景可控性组合最优，适合作为切入点；应急特种与民生服务属于长期增量赛道，适合生态位卡位。

核心内容：九维分为市场层（赛道选择、价值主张、商业模式）、经营层（业务范围、战略控制、核心能力）、生存层（发展节奏、资本运作、风险管理）

来源：知行元界《2026年具身智能行业企业全域战略解决方案》，2026年

8.3 经营节奏：六化循环与资本化的位置

如果说九维矩阵解决在哪竞争、凭什么赢的问题，经营六化解决的就是怎么活下去、怎么长大的问题。产品化锚定工程化落地，场景化聚焦垂直刚需，商品化构建交易闭环，规模化坚持可控扩张，利润化优化经营结构，资本化兼顾经营盈利与长期价值——六化是并行循环关系，资本化是前五化的放大器而非起点。智平方的案例给出了价值优先的注脚：在行业从资本驱动全面转向价值驱动的关键阶段，以真实商业结果穿越周期。对创始人的直白含义：现金流健康比估值故事更重要，客户付费比融资兜底更可靠。【来源：知行元界《2026年具身智能行业企业全域战略解决方案》，2026年】

_信息图9：企业经营六化全周期循环（循环流程维度图）_

核心内容：产品化、场景化、商品化、规模化、利润化、资本化六维并行、循环进阶；资本化定位为前五化的放大器

来源：知行元界《2026年具身智能行业企业全域战略解决方案》，2026年

8.4 三年情景推演：乐观、中性、悲观三条路径

把机构预测与本文外推合并，可以给出未来三年的情景框架。乐观路径下，通用能力在2027年前跨过可用阈值，工业采购占比快速提升，全球市场沿指数模型上行，2033年达2878亿美元量级；中性路径下，商业验证期按三阶段论节奏推进，2028年后放量，全球市场2033年落在2007亿至2878亿美元之间；悲观路径下，数据产能与场景回报双双不及预期，行业在Gartner曲线的泡沫幻灭期停留更久，线性路径下2033年仅2007亿美元量级。三条路径的共同点是：2026-2027年都是验证年，分歧点在2028年后的斜率切换。对入场者的含义是，用验证年的低成本试错换取斜率切换期的先发位置，是当前风险收益比最优的策略。

_信息图3：工业具身智能市场规模与增长动能（技术赋能转型价值捕获框架图）_

核心内容：短期增长2026年约58.94亿元、同比+24.71%；加速器为算法迭代与统一模型能力；组织侧为汽车、3C电子、物流仓储等下游场景；基础为2025年市场规模基数约47.26亿元

来源：高工机器人产业研究所（GGII）《2026中国工业具身智能产业发展蓝皮书》，2026年

本章小结

一句话判断：2026-2027年是验证年，2028年后是斜率切换期，现在的策略是用低成本试错换位置。

数据要点：三阶段论的时间标尺、七大赛道排序、六化循环、2033年外推区间2007亿至2878亿美元。

提醒：情景推演中的悲观路径不是危言耸听，Gartner曲线显示行业正处在期望膨胀顶峰向泡沫幻灭期跃迁的拐点。

九、行动清单与风险提示：下周就可以做的三件事

9.1 行动清单：从报告里走出来的三个动作

在能力建设维度，建议制造业企业的智能化团队用两周时间做一次内部工序盘点，把物料搬运、质检巡检、仓储分拣三类可测算回报的场景单独列出，用月均开机天数而非 demo 效果作为内部评估标准——教育科研与政府平台之外的工业采购占比，才是这个行业真正的温度计。

在思维方式维度，建议产业资本与战略部门把数据口径管理纳入日常工作：引用任何融资与市场数据前先确认统计范围与交易认定标准，438亿元与935亿元的两个口径都成立，混用才会出错；同时对模型预测保持口径自觉，区分机构原文预测与本文外推。

在行动落地维度，建议数据团队与算力团队重新配置预算结构：预训练数据走仿真与合成路线压低成本，精调数据走真机与无本体路线保证质量，两条路径的预算比例可以参考1比3的成本指数关系，并在合作协议中把交付小时数的历史履约率写进验收条款。

9.2 风险提示：四类需要提前对冲的不确定性

风险一：口径混乱导致的决策偏差。

报告没说的是：两个融资口径相差约114%，如果按高口径做市场容量测算，会把赛道容量高估一倍，进而高估自身产品的可及市场。

应对方案：建立内部数据台账，所有引用数据登记机构、报告名、发布时间与统计口径，关键决策使用双口径敏感性分析。

获取方式：完整数据与报告请通过原文链接获取。

风险二：产能执行落差。

报告没说的是：千万小时产能需要9倍放量，而头部数据服务商成立时间最短的只有半年，设备下线量与实际产出小时数之间存在交付不确定性。

应对方案：与数据供应商签订分级交付协议，把付款节点与累计产出小时数挂钩，避免为规划产能预付全款。

获取方式：完整数据与报告请通过原文链接获取。

风险三：场景成色不足导致的回报落空。

报告没说的是：月均开机不足10天的设备并不少见，采购决策如果参照展会演示效果而非开机率数据，很容易买回一台展厅展品。

应对方案：在采购合同中约定开机率与利用率的对赌条款，要求供应商提供同行业客户的复购数据作为尽调材料。

获取方式：完整数据与报告请通过原文链接获取。

风险四：技术路线与周期风险。

报告没说的是：Gartner技术成熟度曲线显示行业正处在期望膨胀顶峰向泡沫幻灭期跃迁的拐点，通用能力跨过可用阈值的时点仍无共识，三模型对2033年的预测分歧超过四成。

应对方案：采用小步快跑的试点策略，把单场景投入控制在可承受亏损范围内，用订单造血能力而非融资能力作为企业生存的底线指标。

获取方式：完整数据与报告请通过原文链接获取。

本章小结

核心结论：三件事分别对应能力、思维与落地，四类风险都有具体对冲动作，报告的价值在于把不确定性变成可管理的清单。

一句话判断：这个行业奖励会算账的人，惩罚只会讲故事的人。

数据要点：口径差约114%、产能需9倍放量、月均开机不足10天、三模型分歧超四成。

总结

总结要点

常见问题

Q1：这份报告适合谁看？

适合具身智能产业链创业者、制造业企业智能化决策人、产业资本战投部与战略研究者，报告围绕市场空间、资本流向、数据基建、竞争格局与人才地图五个维度给出可验证的数据底座。

Q2：报告数据更新到哪个时间节点？

核心数据截至2026年上半年：市场规模与融资数据更新至2026年上半年，训练场与人才数据为2025年全年口径，全球预测延伸至2030年，本文模型外推延伸至2033年并已单独标注。

Q3：2026年具身智能赛道融了多少钱？

口径存在差异：中泰证券研究所口径438亿元，IT桔子口径935亿元，相差约114%，差异主要来自统计范围与交易认定标准，本文已做并列呈现与冲突检测。

Q4：具身智能数据采集到底有多贵？

真机遥操作路线单小时成本约500-1000元，无本体采集约为真机的三分之一，仿真与合成数据可降至真机十分之一以内，最高与最低路径相差一个数量级。

Q5：工业场景的市场规模增速有多快？

GGII测算2025年中国工业具身智能市场规模约47.26亿元，2030年有望超571.39亿元，2025-2030年复合增长率64.62%。

Q6：人形机器人出货量是谁在领跑？

2025年智元占39%、宇树占32%，两家合计71%形成双寡头；2026年上半年全球出货量超2.2万台，五家国内整机厂商合计占比超86%。

Q7：现在入场具身智能是早还是晚？

行业正处于技术验证期向商业验证期切换的节点，工业物料搬运、质检巡检、仓储分拣等场景已出现可测算回报，但通用能力尚未跨过可用阈值，属于中期布局窗口。

Q8：报告里的预测数据是机构原文还是本文测算？

市场规模、融资、出货等均为机构原文数据；三模型外推、曲线补全、聚类分群与瀑布分解为本文基于公开数据独立建模，文中已逐一标注，仅作情景参考。

Q9：中小企业有哪些可以切入的细分环节？

数据采集与服务、训练场运营、垂直场景落地交付、传感器与零部件配套是四个门槛相对可控的方向，具体建议见正文第九章行动清单。

Q10：完整版报告与数据怎么获取？

完整数据图表与128份参考报告合集请阅读原文链接下载，文末附完整参考报告清单。

术语表

具身智能：拥有物理身体、能通过感知与动作在真实环境中学习并完成任务的智能系统，区别于纯软件的对话式人工智能。

VLA模型：Vision-Language-Action模型，把视觉、语言与动作控制统一建模的机器人基础模型路线。

TAM：Total Addressable Market，潜在市场空间，指某一产品在理想渗透条件下可达到的市场规模上限。

CAGR：Compound Annual Growth Rate，复合年均增长率，用于平滑衡量多年期增长的平均速度。

UMI采集：Universal Manipulation Interface，通过手持夹爪与视觉标记在无机器人本体条件下采集操作数据的方法。

遥操作：由人类远程操控真实机器人执行任务并同步记录动作数据的采集方式，数据质量最高但成本也最高。

训练场：集中部署真实机器人、用于规模化采集与验证动作数据的专用设施，被视为具身智能的新型基础设施。

HHI指数：Herfindahl-Hirschman Index，赫芬达尔指数，通过市场份额平方和衡量市场集中度，数值越高集中度越高。

卡方齐性检验：检验分类变量在不同组间分布是否一致的统计方法，本文用于验证融资结构变化是否显著。

CUSUM：累积和控制图，一种监测序列均值漂移的变点检测方法，本文用于定位融资结构的切换位置。

K-means聚类：将样本划分为k个簇使簇内距离最小的无监督学习方法，本文用于城市薪酬分群。

Pick & Place：抓取与放置，机器人把物体从一点移动到另一点的基础动作，被视为最先规模部署的核心场景。

SCP模型：Structure-Conduct-Performance范式，从市场结构、企业行为与经营绩效三个层面分析产业的框架。

Gartner技术成熟度曲线：衡量新技术从期望膨胀顶峰走向生产繁荣期的周期性工具，本文用于定位行业所处阶段。

常见误区

误区：出货量高等于商业化成功。纠正：2026年上半年近八成中标项目来自教育科研与政府平台，相当比例设备月均开机不足10天，工业刚需采购占比仅约两成，开机率与复购才是有效指标。

误区：融资金额可以随便引用。纠正：438亿元与935亿元两个口径相差约114%，统计范围与交易认定标准不同，引用前必须确认来源与口径。

误区：本体制造是价值链核心。纠正：大脑业务毛利率81.84%、软件89.29%，融资额大脑层占比50.8%，利润与资本双重指向大脑与软件环节。

误区：去薪资友好的城市可以低成本挖人。纠正：需求层级与薪酬高度耦合，产业高地加薪资友好的象限在数据上空置，异地抢人降薪策略在这条赛道不成立。

附录：图表索引

关于分析师

Summary

This report synthesizes ten industry research publications released in 2026 on the embodied intelligence sector. The global embodied intelligence robot market is projected to grow from USD 11.71 billion in 2024 to USD 101.07 billion in 2030 at a 43.2% CAGR, while China’s industrial segment is expected to grow from RMB 4.726 billion in 2025 to over RMB 57.139 billion in 2030 at a 64.62% CAGR. Capital and margins are concentrating in the brain and software layers, which captured 50.8% of sector financing in the first half of 2026, with gross margins of 81.84% for brain hardware and 89.29% for software. Data remains the hardest bottleneck, with production costs varying by an order of magnitude across collection pathways. Competitive concentration is rising, with the top two humanoid robot vendors holding 71% of 2025 shipments, and the talent market shows tight coupling between demand tiers and salary levels across cities.

免责声明：本文为行业研究与信息整理，数据均来自公开研究报告并已在文中标注来源与发布时间；文中模型预测与方法论测算仅作情景参考，不构成投资建议，请结合自身情况独立判断。

参考报告全部清单（128篇）