AI具身智能：谁在领跑这场未来之战？

撰文 | 程书书编辑 | 李信题图 | 豆包 AI

2023年5月，英伟达创始人黄仁勋在ITF World半导体大会上断言："AI的下一个浪潮是具身智能。" 这个判断迅速被产业趋势验证，从春晚舞台上扭秧歌的机器人，到机器人大会上跳舞打拳的机械臂，具身智能正以惊人的速度走进公众生活。

图源：春晚视频截图

这个关乎未来的赛道，腾讯、阿里、字节、京东、美团等互联网巨头悉数入场，它们不再满足于云端的算法竞争，而是希望将AI"装进身体"。投资、自研、生态共建……一场AI时代的"抢滩登陆战"已经打响。

一、具身智能到底是什么？

具身智能的概念最早可追溯至1950年，根据全国科学技术名词审定委员会定义，具身智能（Embodied Artificial Intelligence, EAI）是指一种基于物理实体进行感知和行动的智能系统。这类系统通过智能体与环境的交互获取信息、理解问题、作出决策并执行行动，从而展现出智能行为和适应性。

与传统人工智能存在明显差异，后者主要存在于计算机程序、云端服务器中，依赖抽象的符号计算和数据处理。而具身智能更注重通过物理实体的感知、运动以及与外部环境的交互实现认知，形成"感知－思考－行动"的闭环。

现在很多人将具身智能等同于人形机器人，实际上，具身智能系统的实现形式并不局限于人形结构。比如具备环境感知能力的智能扫地机器人、用于高空作业的无人机、已进入路测阶段的自动驾驶汽车等，都是具身智能的具体应用载体。

2022年12月，谷歌发布机器人大模型RT-1，"大模型+机器人"概念兴起。随后，微软于2023年2月发表论文，公布ChatGPT应用于机器人的研究成果，展示了大模型提升机器人人机交互能力的潜力。

同年7月，基于RT-1研究成果，Google融合了视觉语言模型（VLM）和RT-1中收集的大量机器人真实动作数据，提出了视觉语言动作（VLA）模型RT-2。这个模型可以从网络和机器人数据中学习到大量知识，并将这些知识转化为机器人控制的通用指令。使得机器人也能像ChatGPT一样理解自然语言，并根据自然语言做出一系列动作，能数学推理、能辨认人物、也能泛化到各种新环境、新任务。

RT-2展现出的各项能力，刷新了大众对传统机器人模型的认知，也让市场看到了通过堆叠人工智能（AI）算力，可以实现人机多轮交互的高度智能化。不仅能完成文本、图片甚至视频生成，还能应用到硬件尤其是具有运动能力的硬件上——即所谓的"具身智能"，其中最直观的产品就是人形机器人。

不久前的2025世界机器人大会发布了《人形机器人十大潜力应用场景》，描绘了人形机器人应用于各行各业的未来图景，包括工业通用操作、汽车制造、3C制造、船舶制造、石油化工、电力生产、安全应急、商业服务等。

图源：2025世界机器人大会

随着技术不断成熟和应用场景持续拓展，具身智能有望成为继移动互联网之后的下一个重要技术平台。对大厂们来说，如何平衡投资成本与回报周期，还有实现技术突破与商业落地的有效结合，将成为决定其战略成败的关键。

二、谁在领跑这场未来之战？

如果说美团是"早布局"，那京东则以"快节奏、高密度"著称。曾一日（7月21日）内宣布领投逐际动力、众擎机器人、千寻智能三家具身智能企业，两个月内领投5家。

京东的投资聚焦"硬件+大脑"与"量产能力"，核心目标明确：服务于自身的零售与物流体系。例如，逐际动力推出的LimX VGM技术，可通过人类操作视频实现机器人行为学习，无需真机样本即可泛化部署，其TRON 1双足机器人已在巡检、安防、配送等场景开展规模化应用。众擎机器人则已完成产品量产，正加速推进规模化交付，计划将生产团队能力提升五倍。

不仅如此，京东还同步推进自研布局：2025年3月成立具身智能专项部门，并挖来商汤科技副总裁沈徽担任负责人；7月推出"JoyInside平台"，旨在将京东大模型能力嵌入各类机器人硬件，构建"硬件+软件+服务"的生态闭环。

图源：京东官方

相较京东与美团的高调出击，腾讯与阿里则采取更为克制和平台化的策略。

腾讯明确"不做硬件，只做伙伴"的定位。马化腾曾表示："腾讯希望成为所有机器人厂商的合作伙伴。" 2025年世界人工智能大会上，腾讯推出具身智能开放平台 Tairos（钛螺丝），提供从基础模型、数据采集、训练仿真到真机部署的全栈式模块化能力，赋能行业开发者。其投资路径也印证了这一理念——参与宇树科技、智元机器人等明星项目的中后期融资，重在生态协同而非控制权。

阿里巴巴和蚂蚁集团则展现出"投资+自研+生态共建"的立体化布局。蚂蚁集团不仅投资了宇树科技、星海图、灵心巧手等产业链关键环节企业，更成立了全资子公司蚂蚁灵波科技，专注于人形机器人研发。该公司已在浦东建设人形机器人开放训练场，联合大模型、传感器、灵巧手等上下游企业，构建覆盖感知、决策、操控、安全的技术闭环，并向家庭服务、养老护理、医疗辅助等场景延伸。

字节跳动虽未以公司主体直接出手，但其关联基金锦秋基金已投资宇树科技、乐享智能、因克斯等企业。与此同时，字节正悄然推进自研机器人项目。据披露，其机器人研发团队已从2023年的约50人扩展至15比，自主研发的机器人产量累计超千台，显示出其"以投促研、以研带产"的长期意图。

三、未来格局由谁主导？

互联网大厂们在具身智能领域，选择了不同的战略布局和发展路径，这些差异化的战略，既反映了各自的核心优势和业务需求，也塑造着中国具身智能产业的未来格局。

随着技术不断成熟和应用场景持续拓展，具身智能有望成为继移动互联网之后的下一个重要技术平台。对大厂们来说，如何平衡投资成本与回报周期，还有实现技术突破与商业落地的有效结合，将成为决定其战略成败的关键。

图源：京东官方