2025年具身智能产业链分析：从实验室到市场的商业化探索

微信扫码，打开到小程序

1 报告提供的任何内容（包括但不限于数据、文本、图表、图像等）均系头豹研究院独有的高度机密性文件（在报告中另 行标明出处者除外）。未经头豹研究院事先书面许可，任何人不得以任何方式擅自复制、再造、传播、出版、引用、改 编、汇编本报告内容，若有违反上述约定的行为发生，头豹研究院保留采取法律措施、追究相关人员责任的权利。头豹 研究院开展的所有商业活动均使用“头豹研究院”或“头豹”的商号、商标，头豹研究院无任何前述名称之外的其他分支机构 ，也未授权或聘用其他任何第三方代表头豹研究院开展商业活动。 头豹研究院 2025年具身智能产业链分析 从实验室到市场的商业化探索 概览标签：具身智能、人形机器人 2025 Embodied Intelligence Industry Chain 2025年の具身知能産業チェーン 市场研读 | 2023/11 www.leadleo.com 400-072-5588 2 01 具身智能产业链上游： ◆ 具身智能上游芯片方面，其所需芯片种类 众多，其中AI芯片为核心，主要分为云端 训练芯片、云端推理芯片和端侧推理芯片； ◆ 机器人传感器方面，力传感器、电子皮肤、 视觉传感器、惯性传感器是人形机器人迈 向具身智能的关键传感器。这类传感器不 仅价值量较高，且与人形机器人的智能化、 仿生化和高自由度等发展方向紧密相连； ◆ 自动驾驶载具传感器方面，智能驾驶系统、 智能座舱系统、智能动力系统所需的传感 器数量，随自动驾驶等级的提升而增加。 02 具身智能产业链中游： ◆ 具身智能的载体不一定是人形机器人，可 以是任意形态的机器人，也可以是自动驾 驶载具，其均具备具身和智能两种属性； ◆ 机器人根据功能和应用场景可分为工业机 器人、服务机器人、特种机器人及人形机 器人四大类，从具身智能的本质——通过 物理实体与环境的持续互动实现智能涌现 来看，人形机器人是其最佳载体； ◆ 自动驾驶载具为具身智能的物理载体之一， 其可大致分为汽车类和低空飞行类，两者 均通过“感知-决策-控制”闭环实现场景适 配，具身智能的强弱直接取决于对各自运 行场景的动态响应与任务完成能力。 ◼ 研究背景 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核心 赛道。而具身智能也正从实验室转向 商业化探索，在各行业场景开启试点 应用。 ◼ 研究目标 • 了解具身智能的产业链构成 • 重点了解具身智能的最佳载体——人形 机器人的产业链情况 ◼ 本报告的关键问题 • 具身智能的产业链构成 • 具身智能上游基础支撑层情况 • 具身智能中游主机厂分类及特征 行业研究 | 2025/06 www.leadleo.com 400-072-5588 3 ◆ 具身智能产业链分析 --------------------------- 04 • 产业链全景图谱 --------------------------- 05 • 上游芯片 --------------------------- 06 • 上游机器人传感器 --------------------------- 07 • 上游自动驾驶载具传感器 --------------------------- 09 • 上游机器人执行器与驱动系统 --------------------------- 10 • 上游具身智能大模型 --------------------------- 11 • 中游载体-机器人 --------------------------- 12 • 中游人形机器人主机厂 --------------------------- 13 • 中游载体-自动驾驶载具 --------------------------- 14 ◆ 头豹业务合作介绍 --------------------------- 15 ◆ 方法论与法律声明 --------------------------- 16 目录 4 www.leadleo.com 400-072-5588 Chapter 1 具身智能产业链分析 行业研究 | 2025/06 5 www.leadleo.com 400-072-5588 行业研究 | 2025/06 • 具身智能产业链上游的基础支撑包括AI芯片、传感器、执行器、驱动 系统等硬件，以及AI算法与大模型、操作系统等软件供应商；中游为 具身智能本体集成，包括机器人、自动驾驶载具；下游为应用场景 具身智能产业链分析——产业链全景图谱 具身智能产业链全景图谱 来源：头豹研究院 上 游 硬件 核心基础支撑 软件 AI芯片 传感器 执行器与驱动系统 通信模组 能源管理 AI算法与大模型 操作系统 云服务 中 游 具身智能载体集成 机器人 自动驾驶载具 下 游 应用场景与服务 工业制造 物流运输 低空经济 航空航天 医疗保健 家庭服务 教育培训 休闲娱乐 6 www.leadleo.com 400-072-5588 行业研究 | 2025/06 • 具身智能应用需要的芯片种类较多，其中AI芯片为核心。根据部署位 置和功能差异，具身智能所需AI芯片分为云端训练芯片、云端推理芯 片和端侧推理芯片，其在设计目标、技术路径、应用场景上存在差异 具身智能产业链分析——上游芯片 具身智能所需AI芯片分类 来源：头豹研究院 ◼ 具身智能产业中所需的芯片种类较多，包括AI算力芯片、通用计算芯片、传感器接口芯片、存算一体芯 片、通信与互联芯片等，覆盖了从云端大模型训练到具身智能端侧执行的全链条需求。其中，AI算力芯 片是支撑具身智能“感知-决策-执行”闭环的核心硬件。根据部署位置和功能的差异，具身智能所需AI芯 片可分为云端训练芯片、云端推理芯片和端侧推理芯片，三者在设计目标、技术路径及应用场景上存在 显著差异。 云端训练用AI芯片 云端推理用AI芯片 通过海量多模态数据（视觉、语言、动作）训练 具身大模型，优化任务规划与泛化能力 为复杂任务提供高算力支持，降低端侧负载 端侧本体推理用AI芯片 内置于具身智能本体，实现实时环境感知、运动控制与本地决策 云端训练AI芯片 云端推理AI芯片 端侧推理AI芯片 核心 目标 支持大 规模 模型 训练， 处理 海量 数据并 优化 模型 参数 高效执行训练后的 模型推理任务，兼 顾性能与能效比 实现终端的实时本地 推理，满足低延迟、 低功耗需求 典型 架构 GPU/TPU/ASIC ASIC/FPGA 异构SoC 功耗 范围 300-700W 50-200W 1-10W 典型 场景 具身智 能大 模型 训练、 复杂 工业 仿真 云端实时决策、边 缘-云端协同 机器人实时避障、精 准操控 代表 型号 • 英伟达H200 • 谷歌TPU v5e • 华为昇腾910 • 英伟达T4 • 华为昇腾310 • 依图QuestCore • 黑芝麻智能C1200 • 地平线征程6 • 芯驰D9-Max 7 www.leadleo.com 400-072-5588 行业研究 | 2025/06 • 具身智能通过传感器与物理世界的交互实现感知、决策和执行能力， 其所需传感器类型众多。在人形机器人载体中，力传感器、电子皮肤、 视觉传感器、惯性传感器是其迈向具身智能的关键传感器 具身智能产业链分析——上游机器人传感器 机器人关键传感器类型及国内代表企业——以人形机器人为例 来源：头豹研究院 ◼ 具身智能通过传感器与物理世界的交互实现感知、决策和执行能力。根据具身智 能载体的不同，传感器在机器人和自动驾驶载具上的功能定位和应用场景存在差 异。机器人传感器的核心目标是模拟人类感知能力，实现精细化操作和交互，例 如通过触觉传感器感知物体接触力、温度及滑动状态，或通过六维力传感器精准 控制关节力矩以完成抓取、装配等任务；而自动驾驶载具传感器则侧重于环境建 模与动态避障，例如激光雷达提供高精度三维点云以识别障碍物，毫米波雷达在 恶劣天气下穿透性强，超声波雷达用于近距离泊车检测。 ◼ 人形机器人所需传感器类型众多，其中，力传感器、电子皮肤、视觉传感器、惯 性传感器是人形机器人迈向具身智能的关键传感器。这类传感器不仅价值量较高， 且与人形机器人的智能化、仿生化和高自由度等发展方向紧密相连，对提升机器 人的性能有决定性作用，因此这些传感器拥有较大的市场潜力。 力传感器 电子皮肤 视觉传感器 惯性传感器 16% 3.5% 3.5% 3% 人 形 机 器 人 关 键 传 感 器 传感器类型 价值量占比 代表企业 8 www.leadleo.com 400-072-5588 行业研究 | 2025/06 • 人形机器人在迈向具身智能的过程中，其感知能力呈现多元化，运动 控制频率持续提升。人形机器人内置传感器数量将由60~100个逐步 增长至超过200个，手部自由度将由3增长至超过20 （接上页——上游机器人传感器） 人形机器人运动控制及传感器数量发展趋势 来源：专家访谈，头豹研究院 灵巧手驱动分类 电机驱动式 气动驱动式 驱动 方式 控制电机的转速和转 向来实现机器人关节 的运动 通过气体的压力和流动驱 动气缸实现关节的运动 应用 主流驱动方式，如特 斯拉灵巧手 上海交大联合MIT开发的 气动灵巧手 优点 驱动力大、控制精度 高、响应快、模块化 设计、易于更换维护 易于控制、能量储存方便、 柔性高 缺点 电机的体积较大，会 占用较大的空间 刚度低、动态性能差、负 载能力差 人形机器人全身趋势：感知多元化，控制频率提升 传感器数量：60~100 → ＞200 人形机器人手部趋势：操作精细化、接口小型化 手部自由度：3 → ＞20+ ◼ 人形机器人在迈向具身智能的过程中，其感知能力呈现多元化，运动控制频率持 续提升。在感知层面，机器人不仅实现了传统力/视觉/温度/位置等基础传感功能 的全面升级，更在触觉、空间定位、环境交互等维度实现了感知能力的深度融合， 其内置传感器（如力、视觉、温度、位置、触觉等）数量与价值量占比显著提升， 传感器数量将由初期的60~100个逐步增长至超过200个。 ◼ 在运动控制层面，人形机器人的关节自由度设计同样取得突破性进展。以最具代 表性的仿生灵巧手为例，其手部自由度经历了从3自由度基础模型到20自由度以 上高精度执行机构的技术迭代。这种自由度数量级的提升，使得机器人能够模拟 人类手指的复杂运动轨迹，实现包括精细抓取、物体旋转、柔性触控在内的多类 操作任务。配合毫秒级响应的运动控制算法，未来具身智能人形机器人将具备精 密电子装配等高难度动作的潜力。 9 www.leadleo.com 400-072-5588 行业研究 | 2025/06 • 对于载具而言，自动驾驶技术在L3及以上等层级中，逐步展现出与具 身智能相关的特征。在迈向具身智能的过程中，汽车的智能驾驶系统、 智能座舱系统、智能动力系统传感器数量随自动驾驶等级提升而增加 具身智能产业链分析——上游自动驾驶载具传感器 汽车不同自动驾驶等级下智能化系统对应车载设备数量 来源：专家访谈，头豹研究院 ◼ 具身智能强调智能体通过载体与环境的交互实现自主决策和适应性行为，对于载具而言，自动驾驶技术 在L3及以上等层级中，逐步展现出与具身智能相关的特征。 ◼ 以载具中的汽车为例，在自动驾驶汽车迈向具身智能的过程中，智能驾驶系统、智能座舱系统、智能动 力系统所需的传感器数量，随自动驾驶等级的提升而增加。随着自动驾驶等级提升，车载摄像头数量显 著增长（L2级约6~8个，L3及更高级别达12~14个），同时需配合毫米波雷达（L2级3~5个，L3+级5个 以上）与激光雷达（L2级1~2个，L3+级2~3个）构建多传感器融合系统，实现全维度环境感知。新能源 汽车以三电系统（电池、电机、电控）为核心的智能动力架构，其配套的动力传感器数量（60~80个） 较传统燃油车（45~60个）明显增加。 系统 设备 L1 L2 L2+/L3 L3+/L4 智能驾驶系统 摄像头 2~4个 6~8个 10~12个 12~14个 毫米波雷达 1~3个 3~5个 3~5个 5个 超声波雷达 6个 12个 12个 12个 激光雷达 - 1~2个 1~3个 2~3个 惯导定位传感器 - - 1个 1个 系统 设备 2020 2030E 智能座舱系统 传感器 舱内：车载摄像头、毫米波雷达、体征测 试传感器等 3.3个 11.3个 系统 设备 燃油车 新能源车 智能动力系统 传感器 燃油车：进排气压力类、冷却液/燃油/机 油温度等类型传感器 新能源车：用于电池、电机、电控的各类 传感器 45~60个 60~80个 L2 部分自动驾驶 L3 有条件 自动驾驶 L4 高度 自动驾驶 L5 完全 自动驾驶 ◼ 报告完整版/高清图表或更多报告：请登录 www.leadleo.com ◼ 如需进行品牌植入、数据商用、报告调研等商务需求，欢迎与我们联系 分析师团队：service@leadleo.com 10 www.leadleo.com 400-072-5588 行业研究 | 2025/06 • 对于人形机器人而言，执行器与驱动系统是实现具身智能的关键部件， 其包括旋转关节、线性关节、灵巧手等，通过以上部件的协同运作， 赋予机器人高度灵活的运动能力和精细操作能力 具身智能产业链分析——上游机器人执行器与驱动系统 特斯拉Optimus硬件拆解及对应国产供应商 来源：Tesla AI Day，头豹研究院 ◼ 对于人形机器人而言，执行器与驱动系统是实现具身智能的关键部件，通过旋转关节、线性关节和灵巧 手的协同运作，赋予机器人高度灵活的运动能力和精细操作能力。 ◼ 旋转关节通常采用无框力矩电机或空心杯电机驱动，配合谐波/行星减速器，实现高精度扭矩控制和轻 量化设计，而线性关节则依赖丝杠或腱绳传动，以平衡负载能力与柔性需求。灵巧手作为末端执行器， 集成多轴自由度驱动系统、触觉传感器和六维力传感器，通过“触觉+视觉”多模态感知实现毫米级抓取 精度。这一系统直接体现了具身智能的核心理念——通过本体与环境的动态交互和感知-决策-执行的深 度融合，使机器人突破传统“程序化动作”局限，在复杂场景中展现类人化的自主适应能力。 驱动器 汇川技术、禾川科技、蓝海华腾等 无框力矩电机 禾川科技、步科股份、昊志机电 谐波/行星减速器 谐波：绿的谐波、丰立智能、双环传动； 行星：中大力德 力矩传感器 柯力传感、宇立仪器、坤为科技等 轴承 五洲新春、苏轴股份、长盛轴承等 编码器 汇川技术、奥普光电、禾川技术 驱动器 汇川技术、禾川科技、蓝海华腾等 无框力矩电机 禾川科技、步科股份、昊志机电 编码器 汇川技术、奥普光电、禾川技术 轴承 五洲新春、苏轴股份、长盛轴承等 滚柱丝杠/梯形丝杠 北特科技、贝斯特、恒立液压、鼎 智科技、震裕科技、五洲新春 旋 转 关 节 线 性 关 节 电机驱动控制芯片 峰岹科技等 IMU 芯动联科、敏芯股份 摄像头 奥普特等 触觉传感器 汉威科技、申昊科技等 力矩传感器 柯力传感、宇立仪器、坤为科技等 感 知 系 统 电池模组 宁德时代、亿纬锂能、比亚迪等 空心杯电机 鸣志电器、兆威机电、鼎智科技、拓 邦股份等 精密行星齿轮箱 丰立智能、夏厦精密等 微型丝杠/蜗轮蜗杆 丰立智能、恒立佳创等 驱动器 汇川技术、禾川科技、蓝海华腾等 编码器 汇川技术、奥普光电、禾川技术 灵 巧 手 11 www.leadleo.com 400-072-5588 行业研究 | 2025/06 • 国外典型的具身智能大模型包括谷歌的RT-X、英伟达的GROOT、 Meta和卡耐基梅隆大学联合打造的RoboAgent等；国内典型的具身 智能大模型有智元Genie Operator-1、银河通用GraspVLA等 具身智能产业链分析——上游具身智能大模型 国内外具身智能大模型盘点 来源：头豹研究院 大模型 发布团队 简介 PaLM-E Google & TU Berlin 谷歌与柏林工业大学合作开发的视觉语言模型，结合PaLM语言模型与视觉模型 （ViT），支持指令驱动的机器人动作生成（如抓取、导航），通过图文联合表征 实现具身任务。 RT-X Google 谷歌为机器人开发的多模态模型，融合视觉、语言、运动数据，支持实时动作规 划与环境交互，强调端到端决策和硬件协同，目标是优化机器人在复杂场景中的 实时响应。 VoxPoser 斯坦福大学李飞 飞团队 斯坦福大学李飞飞团队开发的3D姿态生成模型，通过文本指令生成人体或机器人 动作姿态，用于虚拟角色控制、具身交互及机器人动作模拟。 RoboAgent Meta & Carnegie Mellon University Meta与卡耐基梅隆大学联合开发的机器人任务规划模型，结合多模态感知与决策 能力，支持复杂场景下的任务分解与执行（如仓库分拣、导航避障）。 GROOT NVIDIA 英伟达的视觉-动作模型，通过视频-语言-动作数据训练，实现从自然语言指令到 机器人动作的直接映射，应用于抓取、操作等任务，并强调实时推理与硬件加速。 OpenVLA Stanford & Google 斯坦福大学与谷歌等机构合作的开源多模态模型，支持视觉、语言、动作的联合 训练，可执行指令驱动的机器人任务（如物体抓取、场景操作），注重开放性和 跨领域应用。 Octo UC Berkeley & Stanford 加州大学伯克利分校与斯坦福大学联合开发的多模态决策模型，融合视觉、语言、 运动数据，用于机器人多任务协同（如导航、操作、对话交互），强调实时性和 跨场景泛化。 π0 Physical intelligence Physical Intelligence公司开发的机器人控制模型，专注于低延迟动作生成与环境感 知，支持家庭服务机器人（如清洁、配送）的实时交互与动态避障。 Genie Operator-1 智元机器人 智元机器人开发的多模态决策模型，通过自然语言指令生成机器人动作序列，支 持复杂场景下的任务规划与动态调整，适用于服务机器人和工业场景。 GraspVLA 银河通用 银河通用的端到端抓取模型，基于视频-语言-动作数据训练，实现零样本泛化抓 取（如家庭场景中的物体抓取），通过仿真合成数据预训练提升泛化能力。 RDT 清华TSAIL团队 清华大学智能产业研究院（TSAIL）的强化学习框架，通过仿真训练机器人动作策 略，支持多模态感知与动态环境适应，用于复杂操作任务（如灵巧手操作）。 Master 2000 有鹿机器人 有鹿机器人开发的多模态机器人控制模型，整合视觉、语言、运动数据，支持家 庭服务机器人（如清洁、配送）的多任务执行，强调低成本与易部署性。 九天大模型 若愚科技 若愚科技的多模态大模型，支持视觉、语言、动作的联合推理与指令执行，用于 机器人场景理解与复杂任务规划（如工业巡检、服务场景交互）