具身智能，没在元年落地

文｜半导体产业纵横

12月初，国内两所领先高校先后推出了具身智能专业。这像是产学届一次盛大的牵手，让观众们幻想属于国产具身智能的美满未来。

12月8日，智元机器人宣布5000台产品量产。2025年是国内具身智能飞速发展的一年，从年初登上春晚舞台，到年末进入顶级学术殿堂。具身智能赛道的参与者越来越多，而对其的理解也越来越丰富多元。

有人认为，具身智能是AI的物理表征，有人认为，具身智能是新的交互范式；你难以找到一个所有人都同意的定义，但有一个观点人人认同：具身智能跟我有关。

具身智能做不了什么？

大模型时代里，所有的工业体系都值得被重新做一遍。

乐观者们在问"具身智能不能做什么？"

旁观者们在看，"具身智能可以叠衣服、可以做物流，可以踢足球，可以吸引人，还可以......"

繁荣的demo和真实的落地之间还存在巨大的差距。为了融资，具身智能们燃尽"想象力"demo可以展示一种能力，但不同的demo体现的却不一定展示了不同的算法能力。目前行业出现了一种"横向扩展"demo的现象，即所有的"花样"其实是"一样"，用相同元素的排列组合，营造一种虚假的繁荣。这样的矛盾是具身智能扩张与技术积累的平衡之难；太深的技术积累，会导致投资太高，难以出成果，以至于被淘汰。

demo遍地，12月已至具身智能尚未落地。第一个原因是，具身智能的能力还没有达到规模化的门槛。讨论具身智能的能力，要看具能智能简单任务的成功率、节拍、成本、可靠性。

虽然一些具身智能高度结构化的实验室环境下表现稳定，任务成功率可能超过80%，但如果放到真实环境下其成功率可能大幅度降低。更重要的是，即便单个任务成功率能提高，但是对于长程任务来讲，其成功率是相乘的结果，而小于1的数字相乘，得到的结果自然只会更低。

具身智能的真正落地既要找到合适的场景，也要保证成功率的提高。这条路要走多久还未可知，但可以确定的答案是具身智能的规模增长与demo的增长并不是绝对的正相关。就像狼来了的故事，人们曾在2015年听过"这一年是具身智能的元年"

具身智能的chatgpt时刻

具身智能要在真实世界得到应用，让所有人都想去用它，才会出现chatgpt时刻。

资本急于开拓具身智能的使用场景，但具身智能的公司们却还要思考如何应用，在哪些场景应用。12月3日，特斯拉展示了机器人奔跑的视频。是的，具身智能跑起来了，然后呢？在怎样的场景下，需要机器人替代人类去跑步呢？

产业现在将具身智能未来落地方向主要归结为三个场景：商业服务场景、工业场景、家庭场景。具身智能落地的顺序也很大概率会是先商业服务再工业服务最后走进家庭。

这样的顺序主要因为具身智能的需要大量的数据训练，以建立一个世界模型。在这个模型之中，具身智能要可以思考，也可以预测下一步。然而，就像一个鸡与蛋的问题，因为具身智能不具备实际场景中大量采集数据的机会，导致也就无法快速地去建立模型。商业场景特别是酒店类，因为环境较为固定更容易训练，从价值来看，送餐机器人确实也解决了人力成本。

工业场景对效率要求高，替代自动化的效率会是硬性门槛。我们看到，即便机器人能够完美复刻一些工业操作，但相对于人手来讲，其速度并不占优势。从用户侧来说，付费购买更慢的"人力资源"是一个亏本交易。从技术侧来说，由于工业场景碎片化，数据难收集，因此难以起量，就更难打破成本、效率的限制。

最后，再说说家庭服务。对于具身智能进入家庭的前景其实有两个极端的角度，如果说只需要期待陪伴、对话作用，或许具身智能可以很快的进入消费领域。毕竟从智能家居开始，到现在的AI玩具，已经人机交互已经不是新鲜事。但是如果具身智能要真正成为一个家庭的"家庭成员"，那它面临着安全，以及成本问题。而被定义为"家庭成员"的具身智能多是覆盖医疗、养老场景，审视其安全性更要慎重。

对于具身智能的普及之路，过程大概是从专精到通用。最开始，可能是单场景单任务的稳定执行；然后过渡到单场景多任务的执行；最后是，多场景多任务的稳定执行。

具身智能的发展也需要行业的共识，即一套基准测试，运动会赛不出具身智能的真差距。这一点的突破需要产学研的结合。学界方面，除了清华大学、上海交大已经宣布增设具身智能专业，还有一批国内高校正在申请具身智能专业。

具身智能的繁荣与焦虑

千百年来，人们一直梦想着造出某种人造物，能自动完成凭借人类智慧、能力才能实现的工作。

在荷马史诗《伊利亚特》中，掌管锻造、雕刻的铁匠之神赫菲斯托斯造出了金属机器人和黄金打造的仆人，帮助他完成杂务。亚里士多德预言了自动化工具的出现，让劳动变得不再必要。《列子》中讲述了工匠偃师为周穆王制作了一个栩栩如生、能歌善舞、甚至有感情的"机关人偶"。《格列佛游记》中描述了一个机械装置，有了它，"最愚蠢无知的人也可以撰写哲学、诗歌、政治、法律、数学和神学方面的书籍，不必凭借天赋或加以学习"。

过去，人们对具身智能的畅想总是，替代人类去做无聊的、重复性的、低价值的工作；于此同时人们又担心他们发展成为"掌控"人类的神，2025年围绕AI对人力的冲击就印制了这一点。因此具身智能的未来，不一定是替代重复性的工作，或许让他们能够替代人类进行危险工作，才更有意义。

虽然焦虑具身智能的未来，但具身智能带来了相当多产业的繁荣。对于芯片行业来说，一大批芯片厂商找到了产品的新增长空间。

边缘端，多家国产芯片厂商发布具身智能产品。极海发布G32R501实时控制MCU可满足具身机器人在感知与决策、运动控制以及高效人机交互等方面的高算力、高效率与高精准度等性能需求。以"MCU+Driver+IPM"全栈式电机专用芯片为核心，搭配极海自研电机算法平台，可应用于机器人关节、工业编码器、无框力矩电机等核心场景，构建具身智能"神经中枢"。

国民技术N32H7系列MCU凭借多核异构架构与超高主频，提供强大算力与实时响应能力，能够满足人形机器人对复杂控制与高同步性的严苛要求。其内置的CORDIC协处理器能够高效完成运动学涉及的三角/坐标变换等数学计算，显著释放CPU负载。

全志科技MR系列机器人芯片采用12nm制程，集成CPU+GPU+NPU异构架构，算力达3-4TOPs，功耗仅5W，支持毫秒级响应，为小米CyberDog、宇树Unitree系列等产品提供运动控制和环境感知核心算力，成本仅为英伟达Jetson Nano的1/3。

瑞芯微的RK3588采用八核64位ARM架构 ，4颗cortex-A76 高性能内核(主频达2.4GHz)与4颗Gortex-A55 能效内核(主频2.0GHz)组合多任务处理和复杂计算能力出色。内置6TOPS 算力的NPU，支持多种数据类型与主流深度学习框架，能高效处理图像识别、语音交互等A任务。业内人士透露，瑞芯微面向具身智能行业已经出货上万片相关产品。

佰维存储表示已推出适用于具身智能领域的eMMC、UFS、BGA SSD、LPDDR4X/5/5X 等产品，并积极拓展具身智能领域头部客户。根据第三方媒体拆解报告，宇树科技的Go2智能机器狗中已应佰维存储的LPDDR4X、eMMC存储产品。

算力端，英特尔、英伟达仍是机器人"头部"算力的核心玩家。正如前文所说，具身智能的VLA需要构建世界模型，而构建模型必然带动算力需求。英特尔通过推出GPU+NPU+CPU的异构系统，满足运动控制、AI推理的不同负载要求，实现VLA模型运行。

此外，除了聚焦硬件，英伟达推出了NVIDIA Cosmos 平台以加速物理AI。该平台可以整合前沿生成式世界基础模型 (WFM) 先进分词器、护栏以及用于加速数据处理和管理的高效工作流的集成平台。为世界模型训练提供支持，并加速智能汽车(AV) 和机器人的物理 AI 开发。

因为涉及机械控制、边缘算力等缓解，具身智能的芯片供应商和汽车芯片的供应商具有很高重合度。而具身智能的发展和汽车的发展也有了一些相似之处。

1885年，卡尔·本茨 制造了第一辆使用汽油内燃机驱动的三轮车。或许，机器人现在的"社会角色"就像和汽车在1900-1910 年：是技术奇观，却不是社会基础设施。而现在汽车已经成为随处可见的普通角色，具身智能的发展还要一定时间，但不会是百年之久。

确定的是，我们看到的是具身机器人角色还没定型，但不是能力不足。