2023年5月，英偉達創(chuàng)始人黃仁勛在ITF World半導(dǎo)體大會上斷言：“AI的下一個浪潮是具身智能。” 這一判斷迅速被產(chǎn)業(yè)趨勢所驗證，從在春晚舞臺上扭秧歌，到不久前機器人大會上跳舞和打拳擊賽，具身智能正以前所未有的速度進入公眾視野。
圖源：春晚視頻截圖
在這個關(guān)乎未來的賽道，騰訊、阿里、字節(jié)、京東、美團等互聯(lián)網(wǎng)巨頭悉數(shù)入場，它們不再滿足于云端的算法競爭，而是希望將AI“裝進身體”。投資、自研、生態(tài)共建……一場 AI 時代的 “搶灘登陸戰(zhàn)” 已然打響。
01、AI大模型引爆具身智能
什么是具身智能？
具身智能概念最早可追溯至1950年，根據(jù)全國科學技術(shù)名詞審定委員會定義，具身智能（Embodied Artificial Intelligence, EAI）是指一種基于物理實體進行感知和行動的智能系統(tǒng)，其通過智能體與環(huán)境的交互來獲取信息、理解問題、作出決策并執(zhí)行行動，從而展現(xiàn)出智能行為和適應(yīng)性。
其與傳統(tǒng)人工智能存在差異，后者主要指存在于計算機程序、云端服務(wù)器中的虛擬智能，依賴于抽象的符號計算和數(shù)據(jù)處理，而具身智能則更注重通過物理實體的感知、運動以及與外部環(huán)境的交互來實現(xiàn)認知，從而構(gòu)成“感知－思考－行動”的閉環(huán)。
現(xiàn)在很多人將具身智能等同于人形機器人，實際上，具身智能系統(tǒng)的實現(xiàn)形式并非局限于人形結(jié)構(gòu)，而是可根據(jù)場景需求適配多樣化智能實體。例如具備環(huán)境感知能力的智能掃地機器人、用于高空作業(yè)的無人機、已進入路測階段的自動駕駛汽車等，都是具身智能的具體應(yīng)用載體。
2022年12月，谷歌發(fā)布機器人大模型 RT—1，“大模型 + 機器人”概念興起。隨后，微軟于2023年2月發(fā)表論文，公布 ChatGPT 應(yīng)用于機器人的研究成果，展示了大模型提升機器人人機交互能力的潛力。
同年7月，基于RT-1研究成果，Google融合了視覺語言模型（VLM）和RT-1中收集的大量機器人真實動作數(shù)據(jù)，提出了視覺語言動作（VLA）模型RT-2，它可以從網(wǎng)絡(luò)和機器人數(shù)據(jù)中學習到大量知識，并將這些知識轉(zhuǎn)化為機器人控制的通用指令。使得機器人也能像 ChatGPT一樣理解自然語言，并根據(jù)自然語言做出一系列動作，能數(shù)學推理、能辨認人物、也能泛化到各種新環(huán)境、新任務(wù)。
RT-2 展現(xiàn)出的各項能力，刷新了大眾對傳統(tǒng)機器人模型的認知，也讓市場看到了通過堆疊人工智能（AI）算力，可以實現(xiàn)人機多輪交互的高度智能化，不僅能完成文本、圖片甚至視頻生成，還能應(yīng)用到硬件尤其是具有運動能力的硬件上——即所謂的“具身智能”，其中最直觀的產(chǎn)品就是人形機器人。
不久前的2025世界機器人大會發(fā)布了《人形機器人十大潛力應(yīng)用場景》，描繪了人形機器人應(yīng)用于各行各業(yè)的未來圖景，包括工業(yè)通用操作、汽車制造、3C制造、船舶制造、石油化工、電力生產(chǎn)、安全應(yīng)急、商業(yè)服務(wù)等。
圖源：2025世界機器人大會
隨著AI大模型與機器人技術(shù)的深度融合，場景通用性持續(xù)提升，人形機器人商業(yè)化進程不斷加速。與此同時，產(chǎn)業(yè)政策也在及時跟進、密集出臺。
2023年11月，國家工信部印發(fā)《人形機器人創(chuàng)新發(fā)展指導(dǎo)意見》，指出人形機器人有望成為計算機、智能手機、新能源汽車之后，又一顛覆性產(chǎn)品。2024年1月，工信部等七部門聯(lián)合印發(fā)《關(guān)于推動未來產(chǎn)業(yè)創(chuàng)新發(fā)展的實施意見》，人形機器人位列“創(chuàng)新標志性產(chǎn)品”之首。
今年3月5日，國務(wù)院總理李強在《2025年政府工作報告》中首次提及具身智能，將其列為未來產(chǎn)業(yè)的重點發(fā)展方向之一。此后，地方政府也紛紛出臺相關(guān)政策，推動具身智能產(chǎn)業(yè)的發(fā)展。例如，北京市計劃到2027年實現(xiàn)不少于100項規(guī)模化應(yīng)用，深圳市則提出到2027年相關(guān)企業(yè)超過1200家，產(chǎn)業(yè)規(guī)模達到1000億元以上等。
在技術(shù)突破、市場需求與政策支持的多重驅(qū)動下，具身智能產(chǎn)業(yè)進入快速發(fā)展階段。第二屆中國人形機器人與具身智能產(chǎn)業(yè)大會發(fā)布的《2025人形機器人與具身智能產(chǎn)業(yè)研究報告》顯示，2025年中國具身智能市場規(guī)模預(yù)計達52.95億元，占全球約27%；人形機器人市場規(guī)模預(yù)計達82.39億元，占全球約50%，展現(xiàn)出廣闊的發(fā)展前景。
02、巨頭卡位
資本市場上，具身智能賽道也是持續(xù)升溫。
高工機器人產(chǎn)業(yè)研究所數(shù)據(jù)顯示，2025年上半年國內(nèi)具身智能產(chǎn)業(yè)鏈上下游共發(fā)生144次融資事件，融資金額達195億元，平均單筆融資規(guī)模1.35億元。隨著資本熱度與產(chǎn)業(yè)布局雙升溫，阿里、美團、騰訊、京東等互聯(lián)網(wǎng)大廠在具身智能領(lǐng)域動作愈發(fā)活躍，各自展開獨特卡位。
出手最早、節(jié)奏最快的美團，自2024年以來已累計投資7家具身智能企業(yè)，完成8次出手，采用“廣撒網(wǎng)”策略實現(xiàn)全賽道覆蓋。在硬件本體方面，美團投資了宇樹科技和銀河通用；在具身智能模型領(lǐng)域，布局了它石智航；在“硬件+模型”一體化方向，則押注自變量機器人和星海圖。
其投資邏輯始終緊扣“本地生活服務(wù)”場景。它石智航聚焦“低空+地面”協(xié)同技術(shù)，擅長在餐飲后廚、商場倉儲等復(fù)雜環(huán)境中執(zhí)行任務(wù)；星海圖研發(fā)“輕量化具身智能模組”，其低功耗行為決策算法可適配外賣柜、自動點餐機等高頻服務(wù)終端；自變量機器人則構(gòu)建統(tǒng)一感知、規(guī)劃與控制的一體化架構(gòu)，在2025世界機器人大會上，僅用一個模型就完成了制作香囊、分揀快遞、家務(wù)清潔等跨場景復(fù)雜任務(wù)，展現(xiàn)出強大的泛化能力。
這種圍繞場景的精準布局與美團戰(zhàn)略高度契合。CEO王興曾明確表示，美團將持續(xù)深化與被投企業(yè)的協(xié)同，強化自動化配送等關(guān)鍵能力迭代。美團買藥與銀河通用聯(lián)合打造的“人形機器人智慧藥房”，正是“投資+業(yè)務(wù)”協(xié)同模式的典型范例。通過具身智能投資，美團正著力解決其人力密集型業(yè)務(wù)的效率痛點。
如果說美團是“早布局”，那京東則以“快節(jié)奏、高密度”著稱。曾一日（7月21日）內(nèi)宣布領(lǐng)投逐際動力、眾擎機器人、千尋智能三家具身智能企業(yè)，兩個月內(nèi)領(lǐng)投5家。
京東的投資聚焦“硬件+大腦”與“量產(chǎn)能力”，核心目標明確：服務(wù)于自身的零售與物流體系。例如，逐際動力推出的LimX VGM技術(shù)，可通過人類操作視頻實現(xiàn)機器人行為學習，無需真機樣本即可泛化部署，其TRON 1雙足機器人已在巡檢、安防、配送等場景開展規(guī)模化應(yīng)用。眾擎機器人則已完成產(chǎn)品量產(chǎn)，正加速推進規(guī)模化交付，計劃將生產(chǎn)團隊能力提升五倍。
不僅如此，京東還同步推進自研布局：2025年3月成立具身智能專項部門，并挖來商湯科技副總裁沈徽擔任負責人；7月推出“JoyInside平臺”，旨在將京東大模型能力嵌入各類機器人硬件，構(gòu)建“硬件+軟件+服務(wù)”的生態(tài)閉環(huán)。
圖源：京東官方
相較京東與美團的高調(diào)出擊，騰訊與阿里則采取更為克制和平臺化的策略。
騰訊明確“不做硬件，只做伙伴”的定位。馬化騰曾表示：“騰訊希望成為所有機器人廠商的合作伙伴。” 2025年世界人工智能大會上，騰訊推出具身智能開放平臺 Tairos（鈦螺絲），提供從基礎(chǔ)模型、數(shù)據(jù)采集、訓練仿真到真機部署的全棧式模塊化能力，賦能行業(yè)開發(fā)者。其投資路徑也印證了這一理念——參與宇樹科技、智元機器人等明星項目的中后期融資，重在生態(tài)協(xié)同而非控制權(quán)。
阿里巴巴和螞蟻集團則展現(xiàn)出“投資+自研+生態(tài)共建”的立體化布局。螞蟻集團不僅投資了宇樹科技、星海圖、靈心巧手等產(chǎn)業(yè)鏈關(guān)鍵環(huán)節(jié)企業(yè)，更成立了全資子公司螞蟻靈波科技，專注于人形機器人研發(fā)。該公司已在浦東建設(shè)人形機器人開放訓練場，聯(lián)合大模型、傳感器、靈巧手等上下游企業(yè)，構(gòu)建覆蓋感知、決策、操控、安全的技術(shù)閉環(huán)，并向家庭服務(wù)、養(yǎng)老護理、醫(yī)療輔助等場景延伸。
字節(jié)跳動雖未以公司主體直接出手，但其關(guān)聯(lián)基金錦秋基金已投資宇樹科技、樂享智能、因克斯等企業(yè)。與此同時，字節(jié)正悄然推進自研機器人項目。據(jù)披露，其機器人研發(fā)團隊已從2023年的約50人擴展至150人，自主研發(fā)的機器人產(chǎn)量累計超千臺，顯示出其“以投促研、以研帶產(chǎn)”的長期意圖。
結(jié)語
互聯(lián)網(wǎng)大廠們在具身智能領(lǐng)域，選擇了不同的戰(zhàn)略布局和發(fā)展路徑，這些差異化的戰(zhàn)略，既反映了各自的核心優(yōu)勢和業(yè)務(wù)需求，也塑造著中國具身智能產(chǎn)業(yè)的未來格局。
隨著技術(shù)不斷成熟和應(yīng)用場景持續(xù)拓展，具身智能有望成為繼移動互聯(lián)網(wǎng)之后的下一個重要技術(shù)平臺。對大廠們來說，如何平衡投資成本與回報周期，還有實現(xiàn)技術(shù)突破與商業(yè)落地的有效結(jié)合，將成為決定其戰(zhàn)略成敗的關(guān)鍵。