1、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，尤其是大模型的出现，人们开始看到具身智能实际应用的可能性，越来越多的企业开始布局和投身这一人工智能的下一个浪潮。今年以来，科技巨头们在具身智能领域的动作不断谷歌发布了融合视觉、语言、动作的RT系列机器人模型的新成果RT-H，英伟达在GTC大会上推出了人形机器人通用基础模型Project GR00T，特斯拉擎天柱（Optimus）机器人从叠衣服、散步到进厂“打工”，就连OpenAI也宣布时隔四年重新组建机器人团队除了顶流大厂之外，具身智能初创企业

2、更是参与和推动这次浪潮的主角。遍观海内外，近年来不断有顶级院校和科技巨头AI/机器人实验室出身的专家创立或参与创立具身智能企业；不同企业具身智能机器人产品的动态相较以往更密集地向公众传递；具身智能初创公司融资状态火热，明星创企单轮融资额破亿屡见不鲜，整体估值水涨船高。在中国具身智能创投报告中，量子位智库对具身智能的背景现状、技术原理与路线、国内创业格局、融资梳理及代表创企、创业者背景等方面进行了系统介绍，希望为科技从业者和爱好者们描绘出国内具身智能创业的澎湃蓝图。010203040501具身智能定义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

3、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。普通机器人具身智能机器人自主性按预设程序执行任务可自主完成任务感知能力只有基本的感知能力具备高级的感知系统，如视觉、听觉、触觉等交互能力依赖于编程指令或外部控制与环境和人类进行复杂交互学习能力依靠人工进行编程或更新可实现自我进化和适应性学习适应能力只能在预设的参数或条件下工作可在变化的环境中自主调整行为应用场景适用于结构化环境和重复性任务可用于未知环境和复杂任务具身智能机器人与普通机器人的区别主要集中在自主性、感知与交互能力、

4、学习与适应能力、应用场景等方面。具身智能火热现状 产业端科技巨头布局具身智能生态 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、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Figure 01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。具身智能火热现状 学术端高校机构研究具身智能系统 斯坦福大学李飞飞团队推出VoxPoser，基于环境信息和自然语言命令，通过大语言模型和视觉语言模型的交互，指导系统为机器人生成相应的操作指示地图。李飞飞教授今年也发起

6、空间智能方向的创业项目，目标让AI像人类一样对视觉信息进行高级推理。卡内基梅隆大学研发出OmniH2O（Omni Human-to-Humanoid）全身遥控系统，实现全尺寸人形机器人的实时全身远程操作，并用宇树科技的H1-ReS人形机器人做了效果演示。北京大学推出一系列具身智能研究成果，包括具身导航系统DiscussNav、具身大模型ManipLLM、机器人多模态大模型RoboMamba等。清华大学、中南大学研发出具身智能体开放平台LEGENT，利用所生成的数据训练视觉-语言-动作模型。智源研究院在今年6月的智源大会上推出世界首个端到端基于视频的多模态具身大模型NaVid。具身智能火热原因：