中国信通院具身智能发展报告2025年解读PPT.pptxVIP

CAICT中国信通院

集智蓝皮书

《具身智能发展报告(2025年)》解读

中国信息通信研究院

2026.01

01.具身智能概念内涵逐步明确

02.数据驱动下的具身智能技术多路径探索

03.场景驱动下的具身智能产品谱系不断丰富

04.具身智能产业生态加速完善

05.具身智能产业展望

目录

Directory

CAICT中国信通院

2

机器人、智能运载工具、新型智能产品

智能内核

认知、决策与行动的统一

环境交互

“第一人称视角”与现实物理世界交互和自适应

认知能力：从“看见”到“看懂”

写作能力：从“单机执行”到“协同作业”学习能力：从“干前学”到“干中学”

来源：ITU-TF.748.66

01.具身智能概念内涵逐步明确CAICT中国信通院

□具身智能：指与物理实体融合的人工智能，能够自主与物理世界交互并适应环境。

核心内涵：基于身体交互的“智能闭环”

增加认知、协作和学习能力

具身本体

模型

本体

具身智能

基础模型

环境

本体

本体

模型

LLMVLMVLA世界模型

云-边-端服务平台

云侧边侧

数据服务仿真平台模型服务开发工具数据处理技能编排

02.数据驱动下的具身智能技术多路径探索CAICT中国信通院

口具身智能围绕“数据-模型-本体”三个关键要素加快技术探索，云-边-端协同支撑现实应用落地。

数据

数据是具身智能闭环飞轮启动起点，行业围绕仿真合成数据和真实数据开展广泛技术实践。

模型

模型作为智能核心处于早期阶段，路径明显分散。大脑能力和大小脑协同是当前核心瓶颈和主要创新方向。

本体

本体是承载智能的物理实体，多元形态融合发展，底层硬件和零部件工艺链沿技术复用和创新并进。

云-边-端

为具身智能提供了互补运行

环境，支撑系统智能在现实

场景中有效泛化。

4

数据回流

数据

模型本体

系统集成

模型部署

数据上传

执行系统

端侧

端侧计算芯片

来源：中国信息通信研究院

物体资产合成

物理环境生成

轨迹

合成

动作

视频

遥操作

VR遥操

同构遥操

开放环境

采集

夹爪数采

灵巧手数采

外骨骼数采

动作捕捉

光学捕捉惯性捕捉

物理模拟引擎+仿真平台、世界模型、

生成式模型

数据

仿真合成数据真机采集数据

本体

感知系统

动力系统能源系统

高性能材料结构件

02-1.多路径探索具身基础模型CAICT中国信通院

口当前具身智能模型技术路径分为四条，聚焦具身基础模型探索分层大模型、端到端大模型和世界模型路线

聚焦具身基础模型

世界模型在大脑中构建了物理模拟世界，通过

文本视频音频触觉RGB+Depth

来源：中国信息通信研究院

以VLM为核心，促进规划推理与动作

执行的有效衔接。通过融合多模态、

辅助信息或思维链等，强化空间理解、

动作推理能力。

世界模型

路线4

分层大模型

以VLA为核心，呈现“大一统”和

“分层协作”两类设计架构。融合或

集成不同组件实现关键能力突破，尚

未形成“感知-决策-执行”闭环。

运动控制

指导

世界模型

(感知、决策、执行)

行为推演

动作预测

VLA

(感知、决策、执行)

能力更强的VLA

VLA+VLM

运动控制

人工编程

任务规划

感知算法集成

运动控制

调用

LLM、VLM

(感知、决策)

全模态感知

推理规划

模块化分层路线

路线1

本体

分层大模型

路线2

外部环境

行为推演和预测优化行为策略。

小脑

大脑

端到端大模型

端到端大模型

路线3

数据采集

难以用可控成本获得大规模、高质量数据

缺乏数据质量控制方法和量化指标

数据流通

数据难整合、难互通、难共享

尚未形成可复制的数据配方

依赖仿真或真实场景搭建、

专业设备和专家示教

真实数据：人在环，单次采集成本高

仿真合成数据：算力需求大、技术门槛高，无法弥合虚拟到现实差距

数据挑战

具身智能数据从采集、处理到使用的生产环节均存在突出问题

数据处理数据使用

需要针对多模态、强异构数据进行严格的质量把控