L4及L5具身智能应用展望 05 从人脑看具身大脑 国内外厂商大模型进展 从人脑看 具身大脑 01 Partone 5 人脑结构拆解 01 6 资料来源：浙商证券产业研究院 了解机器人大脑之前我们不妨先了解一下我们人类的人脑。人脑由大脑、小脑、脑干以及间脑组成。其中大脑是人脑核心，其分为左右两个 大脑半球，二者由神经纤维构成的胼胝体相连。脑干又可分为中脑、脑桥及延髓三部分。 泌系统 人脑结构与机器人大脑对应关系 01 7 资料来源：浙商证券产业研究院 依照低层次感知到高层次感知逐个来看，人脑的间脑与脑干在机器人中对应的主要是（1）各类传感器及执行器自身部署的嵌入式驱动及算法。 各类传感器及执行器包括旋转执行器、直线执行器、力传感器、温度传感器、姿态传感器等，此类部件一般内部配有MCU，其内部的嵌入式 驱动及算法监控部件的各类状态，保证机器人部件的基本运作能力 递信息的线束及网关，起到各个控制器，传感器信息交互通联的 作用。 部位 在人体中功能 在人形机器人中功能 机器人对应硬件 大脑 高级认知：负责思维、记忆、语言、决策、情感灯复杂功 能 感觉与运动：处理视觉、听觉、触觉等信息、并控制自主 运动 语义理解、环境信息理解、动 作决策等 目前为机器人中央控制器担任此角色， 但目前并未获得相应能力。后续可能 在此基础上进一步增加硬件及算力 小脑

1 人形机器人标准化白皮书 （2024 版） 全国机器人标准化技术委员会 2024 年 12 月 3 目 录 前 言....................................................................................................................................... ....................................1 一、人形机器人概述...............................................................................................................................................4 1.1 概念 ........................................................................................ 4 1.1.2 人形机器人与其他相关概念的关系..................................................................................7 1.1.3

携程 AI 平台及客服机器人 分享人：于磊 1 携程 AI— Democratize AI 2 携程客服机器人 & 知识图 谱 3 携程小诗机 4 Q&A 目录 CONTENTS Democratize AI 共赢、高 速创新 下一代的 OTA 用户体 验 合作、互补、共享 AI 的民主化—携程 AI 接入平台 智能 导购 自然 语言 语音 语音 视觉 硬件 图片清晰化 活体检测 小诗机 多语种翻译 滤黄滤政 声纹识别 客服机器人 计算广告 语音合成 用户意图 图片风格转换 身份识别 情绪识别 图片识别 外部 AI 服务 模型评估 测评 标准化 选型 / 综合 携程 AI 接入平台 携程 AI 开放平 台 自研 AI 服 BI-LSTM+CNN 售前机器人 聊天对话历史 标准 QA 信息 酒店基本信息 机票航线信息 POI 信息 …… 用户意图识别 输入联想 情绪识别 对话管理 知识图谱 KB-QA 个性化推荐 携程客服机器人 少 数据 应用架构 售后机器人 翻译助手 客服助手

具身机器人行业现状 及 未来趋势分析 CONTENTS 目 录 当前研发状态 01 应用现状 02 未来发展方向 03 商业化挑战与突破点 04 投资逻辑建议 05 总结 06 01 运动控制进展与瓶颈 运动控制基础行走抓取已实现，动态平衡复杂地形适应 受限，如宇树科技春晚表演机器人在复杂舞台环境中需 多次调整才能稳定行走。 运动控制技术瓶颈制约应用场景拓展，复杂环境适应性 应性 不足，限制了机器人在野外勘探、灾难救援等复杂地形 场景的应用。 核心零部件研发与成本 关节模组传感器轻量化材料研发加速，但成本高，如特斯拉 Optimus单体成本超10万美元，高昂成本阻碍大规模商业应 用。 核心零部件成本居高不下，影响产业链下游企业采购意愿， 导致市场推广缓慢，制约行业快速发展。 能源效率提升需求 能源效率续航不足4小时，需提升功率密度，以满足 长时间 长时间作业需求，如工业巡检机器人需频繁充电，影 响工作效率。 能源效率问题限制机器人在物流仓储等需要长时间连 续作业场景的应用，增加运营成本。 硬件技术突破 具身智能算法环境感知与决策能力相当于GPT- 2水平，依赖大量数据训练，如星海图机器人需人工干预才能完成复杂任务。 具身智能算法数据依赖性强，数据采集标注成本高，且算法泛化能力有限，难以适应多样化场景。 多模态交互视觉语言动作协同尚未成熟，MIT实验完成指令需3

⼈⼯智能机器⼈的崛起 物理⼈⼯智能即将到来 花旗全球展望与解决⽅案 2024年12⽉ 花旗是全球最⼤的⾦融机构之⼀，在所有主要成熟和新兴市场开展业务。在这些世界市场上，我们的员⼯进⾏着持续的多学科对话 - 获取信息，分析数据，制 定⻅解和提出建议。作为我们的⾸要思想引领产品，花旗全球展望旨在帮助我们的读者应对全球经济⾯临的最具挑战性的问题，并预测⼀个快速变化且相互关 联的世界中的未来主题和 GPS：全球展望与解决⽅案 AI机器⼈的崛起 物理⼈⼯智能即将到来 我们正在进⼊⼀个新时代，⼈⼯智能机器⼈和⼈形机器⼈将在我们周围移动。我们的分析 表明，到2035年，可能会有13亿个⼈⼯智能机器⼈，到2050年将达到40亿个。 英伟达CEO⻩仁勋最近表⽰“⼈⼯智能的下⼀波浪潮已经到来。 受物理⼈⼯智能驱动，机器⼈将彻底改变产业。1” 特斯拉CEO埃隆·⻢斯克表⽰，某种形式 的机器⼈市场——⼈形机器⼈——可能每年 的机器⼈市场——⼈形机器⼈——可能每年超过10亿台，我们最终将拥有的机器⼈数量将超过 ⼈类。2 这个新市场有3个主要推动因素: 1. 技术-多项技术进步，特别是⼈⼯智能（AI）的发展，已经显著改变了机器 ⼈的前景 2 经济-机器⼈可以解决劳动⼒短缺问题。随着⼈⼝⽼龄化和更为严格的移⺠政策加剧，短 缺问题变得更加棘⼿ 此外，对于功能强⼤的机器⼈来说，投资回报周期相对于⼈类的吸引⼒越来越⼤。劳动 ⼒在全球国内⽣产总值中占⽐超过50%。因此，市场机会可能是巨⼤的

技术正加速从虚拟空间向实体经 济领域拓展，机器人作为 AI 技术的理想载体，凭借其高度的灵活性 和强大的适应性，正在迅速发展并广泛应用于各个行业，成为推动产 业升级和变革的重要力量。工业领域自动化基础良好、环境结构化程 度高且市场需求大，成为近期“机器人+人工智能”应用落地的首要 方向。凭借其在提高生产效率、降低人力成本、提升产品质量等方面 的显著优势，“机器人+人工智能”正在汽车制造、电子信息、金属 材料等关键行业加速落地，展现出广阔的应用前景。 本报告中的“机器人+人工智能”指的是建模优化、机器视觉、 语音交互、机器学习、深度学习等人工智能技术应用于机器人上的智 能体。其工业应用包括两个层次，一是嵌入各类智能软硬件的机器人 产品在生产操作、物流配送等典型工业场景中的应用，二是智能化的 工业控制平台通过集成人工智能技术与工业机器人等设备，在产线优 化和试验验证等群体智能场景中的应用。 四个部分。首先，从技术突破、大国竞争和市场前景三个角度，分析 “机器人+人工智能”工业应用的发展背景；其次，从技术趋势的角 度，回顾人工智能与机器人融合的三大技术方向，分析在人工智能大 模型推动下，以人形机器人为代表的具身智能技术的前沿进展；接着， 从应用场景的角度，通过全球 88 个案例分析“机器人+人工智能”在 典型场景、行业中应用情况；最后，从技术、产品和应用三个方面， 展望“机器人+人工智能”在工业场景中的应用前景。

智能机器人产业研究报告2025 2 智能机器人产业发展背景 智能机器人产业发展现状 01 02 智能机器人发展趋势 03 QUbVjVvWhXnVaZ8OcMbRoMoOtRnQkPoOpMfQqRxP9PpNrQxNoPoNNZrQoQ 第一章： 智能机器人产业发展 背景 4 研究范围 智能机 器人 按应 用场 景分 类 工业机器人 个人/家用服务机器人 公共服务机器人 公共服务机器人 特种机器人 其他领域机器人 按机 械结 构分 类 垂直关节型机器人 平面关节型机器人 直角坐标型机器人 并联机器人 其他机械结构型机器人 工业机器人 1959 年，戴沃尔与美国发明家英格 伯格联手制造出第一台工业机器人。 1970年，斯坦福研究所制造第一个 能够推理周围环境的移动机器人 Shakey。 1972年，早稻田大学发布全球第一 台全尺寸类人智能机器人WABOT-1。 台全尺寸类人智能机器人WABOT-1。 1973年，德国库卡推出全球首台电 动驱动工业机器人Famulus。 1979 年，美国 Unimation 公司推 出通用工业机器人PUMA标志着工业 机器人技术已经成熟。 智能与消费类机器人 80年代，专家系统在医疗、化学领 域大显身手，工业机器人逐渐普及。 1997年，运行在IBM的Deep Blue深 蓝国际象棋专家系统，击败了人类 的国际象棋冠军，被认为是人工智

工业场景篇 图片由AI生成 2025人形机器人应用场景洞察白皮书 M2觅途咨询 · 人形机器人研究小组 By Lynn Liu, Miao Wang, Ivan Wu 2025.4 M2 2025 Proprietary and Confidential All Rights Reserved. 目录 2 1. 背景 2. 洞察：人形机器人落地场景顺序与评估模型 3. 聚焦：工业场景落地（新能源汽车制造） 聚焦：工业场景落地（新能源汽车制造） 4. 纵览：国内外人形机器人落地场景顺序 5. 展望：人形机器人产业关键节点识别（工业、家庭） M2 2025 Proprietary and Confidential All Rights Reserved. 背景与结论 3 ◆ M2觅途咨询聚焦人形机器人产业、持续输出前瞻洞见，希望为产业提供全面、可靠、新颖的视角，帮助全产业生态玩 家理性决策，助力产业健康、可持续发展： 家理性决策，助力产业健康、可持续发展： • 2024年1月，发布《人形机器人核心硬件市场发展白皮书》，获得上游产业链等各界广泛关注 • 2024年9月，发布《全球人形机器人整机企业画像与能力评估报告》，完善中游整机环节产业洞察 • 2025年4月，发布本报告《人形机器人应用场景洞察白皮书-工业场景篇》持续贯穿至下游应用，聚焦汽车制造 • Next Step，计划发布人形机器人家用场景落地相关调研，从场景画像、用户画像等角度进一步打开

智能客服 —— 聊天机器人 问题解决型 实现技术 解决方案 架构及开发流程 小 Y （智能机器人） 问题解决型机器人 问题解决型机器人，存在的目的是为了帮用户解决具体问题， 例如：售前咨询、售后报修、订机票、酒店、餐厅座位等等 需要提供给用户自己都不知道的信息 -- 知识库 1. 理解用户问题，知道用户在问什么 多轮对话的上下文管理 提问：今天北京多少度啊？ 回答： 35 度 提问：有雾霾吗？ （北京有雾霾吗？） 回答：空气质量优。 提问：那上海呢？（上海有雾霾吗？） 回答：空气质量也是优。 结合上下文 聊天机器人解决方案 自然语言处理、文本挖掘、知识图谱 知识库中存储的是一对对的“问题 - 答案”对（ QA Pair ）。这些 Pair 可以是 人工构建的，源于客户系统或者旧有知识库的，也可以是从互联网上爬取下 上能够表示知识之间的关联关系。 在提取了意图和实体后，构造出对知识库的查询（ Query ），实施查询，得 出结果后生成回答，回复给用户。 用户问题 -> 语义理解 -> 知识库查询 -> 查询结果生成答案 聊天机器人实现技术 语义理解 NLU 意图识别 实体抽取 用来识别用户所提问题 的意图，也就是用户希 望做一件什么事 用于提取用户对话中所 提供的和意图相关的参 数 ( 实体 ) ，例如时间、