通信世界网消息（CWW）人工智能正从“感知”“认知”向“行动”“交互”延伸。具身智能依托机器人等物理载体感知环境、理解任务、决策并执行动作，在与真实世界持续交互中形成“感知—决策—行动—反馈”的闭环。
近年来，基础模型、机器人本体、传感器、执行器、仿真训练等技术快速发展，推动具身智能由实验室验证向工业制造、商业服务、医疗康养、特种作业、家庭服务等真实场景延伸，产业竞争也由单项突破逐步走向系统能力竞争。
我国具备较完整的制造业体系、丰富的应用场景和机器人产业基础，但在高端算力、先进感知、精密零部件、复杂任务执行等方面仍有不足。如何形成系统协同能力，是机器人由“能动”走向“自主”的关键。
产业链及关键技术卡点分析
具身智能产业化取决于核心零部件、整机系统和应用场景协同成熟：上游决定硬件基础，中游决定系统能力，下游检验产品可用性和复制推广能力。
具身智能由环境、智能和本体三大要素构成。环境提供任务场景和交互对象，智能完成感知、决策与学习，本体执行动作并作用于环境，三者形成“感知—决策—行动”的闭环。
围绕三大要素，产业链可划分为上中下游：上游提供芯片、传感器、执行器和机械结构等核心零部件，中游完成整机、模型和软件集成，下游依托家庭、工业和服务等场景实现应用落地，如图1所示。
图1 具身智能产业链分布
上游核心零部件
上游是具身智能产业体系的硬件基础，计算芯片、传感器、执行器等关键部件直接影响机器人的感知、计算和运动性能，国内外代表产品对比如表1所示。国产相关产品持续追赶，目前部分产品性能已接近国际先进水平。
表1 国内外具身智能上游零部件能力对比
从代表产品看，国产核心零部件在高端算力、先进感知、功耗控制和软硬件适配等方面仍需提升。受体积、重量、电池和散热条件约束，人形机器人还需要加强核心部件与整机协同优化。
中游整机及系统
中游是将上游核心部件转化为具备环境交互能力智能体的关键环节，核心在于软硬件协同和系统集成。整机能力主要体现在本体性能、具身模型、训练体系和软件生态等方面，国内外具身智能中游整机系统能力对比如表2所示。
表2 国内外具身智能中游整机系统能力对比
从代表产品看，整机竞争正由身高、负载、续航等单项参数向软硬件协同延伸；具身模型向多模态理解、导航、操作、多任务及跨本体泛化演进，训练体系加快贯通数据采集、仿真训练、评测和真机部署。受功耗和续航约束，部分复杂智能还需要端边云协同承载并持续迭代。
下游应用及场景
下游应用是具身智能技术价值的最终检验场。当前，具身智能正加快向工业制造、商业服务、医疗康养、特种作业和家庭服务等领域落地，如表3所示。
表3 中国具身智能机器人主要应用场景落地情况
从落地情况看，工业制造和商业服务正由场景验证向批量部署、连续作业演进，医疗康养和特种作业形成较明确的专业化方向。家庭环境更加开放、动态，对自然交互、安全性、泛化能力、长期运行和异常恢复的要求较高，目前仍处于产品形态和技术路线探索阶段。
综合来看，具身智能已由单点技术突破向系统能力竞争演进：上游仍有高端算力、先进感知等短板；中游复杂任务执行和跨本体泛化能力仍需提升；下游规模应用仍受成本、可靠性和持续作业能力制约。产业竞争的关键正由单项领先转向系统协同，可进一步从自主能力与技术支撑两个层面观察其演进路径。
具身智能“自主进化”的关键能力
机器人由“能动”走向“自主”，核心在于自主智能能力持续提升。具身智能机器人借鉴自然人的感知、认知、运动与学习机制，在开放环境中完成环境理解、任务规划、动作执行和持续学习，如图2所示。
图2 自然人大脑到机器人“大脑”的映射关系
当前，机器人硬件能力持续提升，但真实场景下的软件算法、高质量数据和复杂任务自主执行能力仍是主要瓶颈。能力提升不仅是“能跑、能跳、能抓”，更在于理解任务、连续执行、应对变化并持续学习。
从能力表现看，自主智能体现为自主交互、自主出行、自主作业和自主学习四个方面，分别对应人机交流、空间移动、物理操作和持续适应。
自主交互
自主交互的目标是实现多模态、情境化的自然人机协同。机器人不仅要理解语言指令，还要结合视觉、声音、环境状态和上下文理解用户意图，并根据任务进展进行必要的询问、确认和反馈，在人机共处场景中还应兼顾个性化与安全性。
自主出行
自主出行要求机器人在复杂、动态、非结构化环境中稳定移动。机器人需要融合多源信息完成定位和环境感知，并通过SLAM（Simultaneous Localization and Mapping，即时定位与地图构建）、路径规划、动态避障和运动控制到达目标位置；面向家庭和开放空间，还需要提升长期导航和环境变化适应能力。
自主作业
自主作业是机器人作用于物理世界的核心能力，当前已由抓取、放置、搬运等基础操作向柔性装配、电器操作、工具使用等复杂任务延伸。真实任务通常包含连续步骤，需要结合任务理解、动作规划、灵巧操作和反馈调整，由单项技能向多技能组合和长程任务演进。
自主学习
自主学习决定机器人能否通过持续交互提升能力。机器人可利用模仿学习、强化学习、在线自适应等方式，从人工示范和任务执行中获取经验，并将新数据用于训练和技能优化，形成“使用—反馈—学习—更新”的循环。
支撑自主智能的关键技术
自主智能能力提升需要模型、数据、本体、平台和网络协同支撑，可概括为“模—数—体—台—网”技术体系。其中，本体既包括整机硬件，也包括与本体紧密耦合的运动控制能力，具身智能技术体系如图3所示。
图3 具身智能技术体系
模型
模型主要负责多模态感知、环境理解、任务规划和高层决策。“视觉—语言—动作（vision-language-action，VLA）”模型是当前重要探索方向，它可将语言、视觉与机器人状态等多模态信息进行融合，并生成动作指令驱动本体执行，如图4所示。目前，相关技术正在快速演进，核心是提升机器人理解环境、分解任务并根据状态变化动态调整的能力。
图4 具身智能大模型技术路线
数据
数据是具身模型训练和持续迭代的基础。针对真实具身数据采集成本高、效率低等问题，需要融合真机采集、遥操作、无本体采集和仿真合成等多元路径，并贯通数据采集、处理、标注、训练、评测和回流全流程，形成高效数据闭环，如图5所示。
图5 具身智能数据与仿真训练技术框架
本体
本体是具身智能作用于物理世界的载体，形态、自由度、执行器、传感器、灵巧手和能源系统等直接影响本体的实际能力。本体研发涉及多个环节，需要在整机层面实现软硬件协同，并在性能、可靠性、成本、功耗和可维护性之间取得平衡，如图6所示。
图6 机器人本体研发构成
运动控制是本体能力的重要组成，负责将高层任务目标转化为稳定、精确的肢体与关节运动。近年来，强化学习逐步成为复杂运动控制的重要路线，可通过动作数据生成、策略训练以及仿真到真机迁移等环节形成运动控制能力，并增强机器人对复杂动作和环境变化的适应能力，如图7所示。
图7 基于强化学习的运动控制技术
平台
平台负责共性能力封装、设备接入和应用服务开放等。随着机器人形态和技能的变化，平台需要适配不同本体和接口，向上提供统一应用程序接口、开发工具、设备、应用、运营与身份管理等，降低能力开发、部署及运营门槛，促进跨设备、跨场景复用。
网络
网络是连接机器人本体智能、边缘智能和云端智能的重要纽带，也是突破单机算力边界、实现网联协同的基础。面向多模态数据回传、算力卸载、远程控制和多机器人协作等需求，可通过多制式网络与边缘算力协同，支撑终端、近端与中心智能之间的信息交互和任务协作，如图8所示。
图8 具身智能网系统架构
实践探索与未来展望
相关实践探索
中移（杭州）信息技术有限公司（中国移动具身智能产业创新中心）围绕具身智能关键技术开展研发，并重点结合泛家庭场景验证机器人的综合自主能力。家庭环境中的人员、物品和任务变化频繁，对自然交互、自主移动、操作执行、长期运行和异常恢复均提出较高要求，具有综合验证价值。
在模型方面，公司研发灵韬具身大模型，采用双路由解耦机制，融合视觉、语言、力觉、触觉等多模态信息，VLA模型端到端掌握15种原子技能，在家庭厨房、电器操作等任务中成功率超过90%，可完成17步以上长程任务；在数据方面，建设灵霄具身智能训练场，依托真机遥操、无本体采集和仿真合成等方式沉淀百万级具身数据，自研数据平台兼容6款主流本体，提供“采—处—标—训—测”一站式服务；在本体方面，以灵犀四足、轮臂等机器人本体为载体，构建标准化硬件研发体系，并形成灵枢运控框架和多模态动作生成能力，提升复杂地形与全身运动控制能力；在平台方面，建设灵磐具身智能平台，搭建一体化运营平台和具身智能体商城，实现设备全生命周期管理与能力开放；在网络方面，构建灵通具身智能网，聚焦多机协同、智算卸载和身份管控，开展5G LAN组网、端边协同推理和AI-SIM身份识别等技术探索。
从实践看，真实任务往往同时涉及环境理解、任务规划、动作执行、状态反馈和异常处理，单一能力提升难以直接转化为稳定的自主作业能力。具身机器人能力提升需要从基本运动、交互和单点技能可用，逐步向任务稳定执行、多技能组合和连续作业演进，并进一步提升开放环境下的自主决策、异常应对和动态适应能力。
未来展望
当前，具身智能仍处于快速演进阶段，技术路线尚未完全收敛，但机器人由“能动”走向“自主”的方向较为明确，即持续提升复杂环境理解、长程任务规划、多技能协同、异常恢复和持续学习能力，技术竞争也将进一步由单点突破转向系统协同。
不同场景将推动技术路线分化与收敛。工业制造更关注稳定性、节拍和连续作业；商业服务强调成本和运营效率；医疗康养与特种作业重视安全可靠和专业能力；泛家庭场景环境开放、任务多样、长期人机共处，对自主智能综合能力提出较高要求，也是检验机器人综合能力的重要场景。规模化应用尚需进一步解决可靠性、成本、持续运行和场景适配等问题，并在真实应用中形成持续迭代闭环。
本文刊载于《通信世界》2026年第9期；原文标题：《关于具身智能“自主进化”技术路径的探索与思考》。
