什么是具身智能
具身智能（Embodied Intelligence）是 AI 在物理世界落地的核心范式 — AI 算法 + 物理身体 + 环境交互三者结合，区别于纯软件 AI。
💡 一句话定义
具身智能 = AI 大脑 + 物理身体 + 环境交互闭环。“Embodied”的核心含义是：智能不是抽象计算，而是身体与环境的实时交互中涌现的。
🔧 3 个核心要素
| 要素 | 对应 | v0.6 系列承接章节 |
|---|---|---|
| 🧠 大脑（AI 算法） | VLA 大模型 · 世界模型 · 强化学习 | 1.2 大模型驱动决策 |
| 🦴 身体（物理实体） | 关节模组 + 灵巧手 + 整机集成 | 1.3 硬件与本体 + 2.2 关节模组深度 |
| 🌐 环境交互 | 感知 + 力控 + 数据闭环 | 2.3.3 数据资产路线 |
⚡ 3 大特征（区别于纯软件 AI）
1. 实时性
毫秒到秒级决策循环。控制频率分层：力控 1kHz / 全身控制 100-500Hz / 感知 10-50Hz / 决策 1-10Hz
2. 物理性
必须处理接触力 / 碰撞 / 摩擦 / 重力等物理约束。PL d Cat 3 安全等级是工厂准入硬门槛
3. 学习性
数据飞轮驱动持续迭代。场景即数据 = 胜负手不是模型规模，是数据闭环
🔄 具身智能 vs 传统自动化
| 维度 | 传统自动化（工业机器人） | 具身智能（人形机器人） |
|---|---|---|
| 智能来源 | 人工编程 + 示教器 | VLA 大模型 + 数据飞轮 |
| 环境适应 | 刚性（仅结构化场景） | 柔性（可处理非结构化） |
| 示教成本 | 高（每个动作需重录） | 低（任务级语义指令） |
| 出错恢复 | 需要人工干预 | 自主尝试 + 学习 |
| 部署周期 | 3-6 个月（产线改造） | 1-2 周（白标 PoC） |
| 典型价格 | 20-50 万 / 单元 | 9-30 万 / 单元（白标 ODM） |
| 毛利率 | 20-30%（硬件） | 25-50%（硬件 + 软件订阅） |
🌐 具身智能的形态：人形是叙事，轮式先赚钱
现实落地路径：轮式 + 机械臂 / 复合机器人因为工艺成熟 + 成本可控，先在工厂赚到钱（参考 2025-2027 国内融资潮）。
🏆 典型案例
国外人形
Tesla Optimus Gen 2/3 · Figure 02（已交付 BMW） · Boston Dynamics Atlas · 1X NEO · Sanctuary Phoenix
国内人形
宇树 G1（9.9 万）/ H1 · 智元灵犀 X1 / A2 · 银河通用 G1 · 加速进化 · 星动纪元 · ByteDance + 港大 GR-1/2
复合形态（先赚到钱）
Agility Digit（物流） · 灵动科技（仓储） · 优必选 Walker X · 节卡协作机器人
🦴 人形机器人爆炸图
图源：玉洁 v0.6 drawio 导出 · 2960×2360 → 1920×1530 PNG · 755 KB · 外链静态资源
三大系统：Head / Torso / Joints·Limbs · 28 DOF 不含手 + 22 DOF 双手 = 50+ 自由度
大模型驱动决策
🏛️ 技术栈分层 5 层模型（坐标系）
人形机器人从大脑到肌肉 = 5 层技术栈，越往下控制频率越高、决策延迟越紧、确定性越强。本节 1.2 大模型驱动决策聚焦 第 2 层（决策规划层），但要理解它必须先有 5 层全景。
| 层 | 名称 | 职责 | 代表技术 | 频率 | 延迟 |
|---|---|---|---|---|---|
| L1 | 应用 / 任务层 | 业务场景 · 人机交互 · 任务指令下发 | 场景编排 · 语音 UI · 多模态交互 | 按场景 | 秒级 |
| L2 | 决策规划层 ← 1.2 重点 | 任务分解 · 动作序列生成 · 异常恢复 | VLM / VLA / 世界模型 · CoT · ReAct | 0.1 - 1 Hz | 1 - 10 s |
| L3 | 感知融合层 | 多模态感知 · 场景理解 · 状态估计 | 视觉/触觉/IMU 融合 · SLAM · 3D 重建 | 10 - 30 Hz | 30 - 100 ms |
| L4 | 运动控制层 | 全身控制 · 轨迹跟踪 · 力控 | WBC · MPC · 阻抗控制 · 步态规划 | 100 - 1000 Hz | 1 - 10 ms |
| L5 | 硬件执行层 | 关节模组 · 灵巧手 · 传感器 · 执行器 | 电机+减速器+编码器+力矩传感器 | 1 - 10 kHz | 0.1 - 1 ms |
- 层号越小 → 越接近用户/业务 → 控制频率越低 → 决策延迟越宽松 → 容错越强（大模型答错可以重试）
- 层号越大 → 越接近硬件执行 → 控制频率越高 → 决策延迟越紧 → 容错越弱（控制信号出错可能损坏关节模组）
- 本系列 1.2-1.5 主要讲 L1-L3（应用 / 决策 / 感知），L4-L5 由 2.2 关节模组 + 3 从 0 到 1 详细展开
- 大模型主要落在 L2，但需要 L3 感知喂数据 → L4 控制去执行 → L5 硬件给反馈（5 层闭环）
人形机器人决策的"大脑"由大模型驱动，决策架构 4 档演进，VLA 是当前主战场。
📊 决策 4 档演进（关键 takeaway）
| 档位 | 方法 | 代表 | 现状 |
|---|---|---|---|
| L0 经典规划 | 人工规则 + 控制论 | MIT Cheetah / 早期 Boston Dynamics | 已成熟 |
| L1 LLM 规划 | 大语言模型做任务分解 | SayCan / PaLM-E | 已基本落幕 |
| L2 VLA（视觉-语言-动作） | 端到端视觉+指令→动作 | RT-2 / π0 / π0.5 / UniVLA | 当前主战场 🔥 |
| L3 世界模型 | 内部仿真 + 想象规划 | Dreamer V3 / GigaWorld-0 | 前沿探索 |
📐 决策 4 档架构图（关键 takeaway · 每档一张）
▌L0 经典规划 · 单回路闭环 · 已成熟
▌L1 LLM 规划 · 大脑拆任务 · 四肢用传统 · 已基本落幕
▌L2 VLA 端到端 · 视觉-语言-动作统一 · 当前主战场 🔥
▌L3 世界模型 · 在脑子里跑未来 · 前沿探索
🆚 物理模型 vs 世界模型（L3 深入）
L3 世界模型跟传统仿真（物理模型）是两个不同的"虚拟世界"路线。下图从 7 个维度对比，2025 趋势是神经+物理混合，两边各取所长。
- 物理模型擅长"已知物理规律 + 高精度仿真"，世界模型擅长"未知场景 + 数据驱动想象"
- 混合路线（神经+物理约束）正在成为主流：物理仿真器生成训练数据 → 世界模型学习动力学 → 决策规划
- 具身智能要落地，L3 不是单独一个模块，而是融合进 L2 决策（VLA + 世界模型）+ L4 控制（模型预测）
- 本系列 2.3 从 0 到 1 会再展开讲世界模型的工程实现（数据 / 算力 / 训练 pipeline）
🔧 控制频率分层（关键 takeaway）
力矩→位姿→语义→任务的四层金字塔
🎯 2025 标志性事件
π0 (2024-10)
Physical Intelligence 首个通用机器人基础模型
π0.5 (2025-04)
分层推理 + 多任务学习，估值 110 亿美元
UniVLA
统一视觉-语言-动作跨本体迁移
GigaWorld-0
世界模型 + VLA 融合第一波
银河通用
国内世界模型领跑
硬件与本体
硬件是机器人的"身体"，关节模组是核心，灵巧手是瓶颈。
🦴 整机复杂度天花板
| 部位 | DOF 数 | 说明 |
|---|---|---|
| 头颈 | 2 | 2 自由度颈部 |
| 躯干 | + 摆动腰 | 腰部 1-3 DOF（可选） |
| 双臂 | 7 × 2 = 14 | 含肩 3 + 肘 1 + 腕 3 |
| 双腿 | 6 × 2 = 12 | 髋 3 + 膝 1 + 踝 2 |
| 双手 | ~22 (×2) | 灵巧手 6-11 DOF/只 |
| 整机 DOF（不含手） | 28+ | 关节模组 BOM 占 35-45% |
| 整机 DOF（含手） | 50+ | 灵巧手 BOM 占 15-25% |
🔴 三大卡脖子部件（关键 takeaway）
1. 算力芯片
机器人 AI 算力芯片供应 + 国产替代。NVIDIA Thor / Jetson Orin vs 国产 NPU（地平线/瑞芯微/昇腾）
2. 视触觉传感器
高密度触觉感知 + 视觉融合。力矩/触觉是国产短板，依赖进口高端部件
3. 高速丝杠
直线关节模组核心部件，国产化突破中。丝杠占 BOM 5-15%（高端机型占比更高）
🤖 主流整机厂
国外
Tesla Optimus Gen 2/3 · Figure 02（已交付 BMW）· Boston Dynamics Atlas · 1X NEO · Sanctuary Phoenix
国内
宇树 G1（9.9 万）/ H1 · 智元灵犀 X1 / A2 · 银河通用 G1 · 加速进化 · 星动纪元 · ByteDance + 港大 GR-1/2
BOM 拆解
整机 BOM 50-70% 集中在关节模组 + 灵巧手两部分。
💰 整机 BOM 占比
| 部件族 | 占比 | 金额（万） | 关键 takeaway |
|---|---|---|---|
| 关节模组（28 个） | 35-45% | 10-25 | 占 BOM 最大头 |
| 灵巧手（2 只） | 15-25% | 5-12 | 降本是量产最大障碍 |
| 算力芯片（Thor/Orin） | 5-10% | 2-5 | 国产化加速 |
| 电池 + 电源 | 3-5% | 1-2 | 通用件 |
| 结构件（金属/塑料） | 10-15% | 3-6 | 国内代工强 |
| 感知（视觉/激光/IMU） | 5-8% | 2-4 | RealSense / Orbbec |
| 线缆/连接器/密封 | 3-5% | 1-2 | — |
| 整机 BOM 合计 | 100% | 25-40 万 | 零售 30-100 万，毛利 30-50% |
🎯 单关节 BOM 拆解（关键 takeaway）
| 大件 | 占单关节 BOM | 路线差异 |
|---|---|---|
| 减速器 | 5-40% | R1 高减速比（谐波 40%）vs R2 准直驱（5%） |
| 电机 | 20-55% | R2 准直驱电机占 55% 主导 |
| 驱动板 | 11-17% | R3 行星占 17% 偏高 |
| 力矩传感器 | 8-13% | 协作机器人必备 |
| 编码器 | 8-12% | R3 行星占 12% |
| 轴承/外壳/密封 | 7-12% | 通用件 |
供应链全景
中国制造在材料/电机/减速器/代工强；力觉/触觉/算力芯片国产化率仍偏低。
📊 上中下游格局
🔧 上游（材料/零部件）
稀土永磁 / 无框力矩电机 / 谐波减速器 / 力矩传感器 / 编码器。国产替代加速，但高端依赖进口
⚙️ 中游（核心部件）
关节模组集成 / 灵巧手 / 算力芯片 / 感知模块。整机厂 + 第三方供应商并行
🤖 下游（整机厂）
人形/双足整机 · 工业臂 · 复合机器人。宇树/智元/Figure/Tesla 等 30+ 厂商
📊 国产化率参考（关键 takeaway）
| 部件 | 国产化率 | 国产代表 | 进口主要 |
|---|---|---|---|
| 谐波减速器 | ~38% | 绿的（首位）/ 来福 / 大族 | 哈默纳科 / 新宝 |
| 无框力矩电机 | 替代加速 | 科尔摩根国产线 / 步科 / 雷赛智能 | 科尔摩根（美）/ Maxon（德）/ Faulhaber（德） |
| 力矩传感器 | 低端国产 · 高端依赖进口 | 坤维 / 海伯森 / 蓝点触控 | ATI（美）/ OnRobot（丹） |
| 编码器 | 低端国产 · 17+bit 依赖进口 | 禹衡光学 / 长春光机所 | 多摩川（日）/ 海德汉（德）/ Renishaw（英） |
| 算力芯片 | 国产 NPU 替代加速 | 地平线 / 瑞芯微 / 昇腾 / 寒武纪 | NVIDIA Jetson / Thor（H20 已禁运） |
| 稀土永磁 | 全球 ~70% 中国 | 中科三环 / 宁波韵升 / 金力永磁 | — |