沙利文正式发布《2025年全球及中国具身智能机器人及复合机器人行业白皮书》（内附全文获取方式）

《2025年全球及中国具身智能机器人及复合机器人行业白皮书》从具身智能技术演进与产业落地的视角出发，系统梳理了具身智能机器人与复合机器人行业的发展背景、核心技术体系、应用路径等。同时，结合工业、服务与新兴应用场景，对全球及中国市场规模、竞争格局与产业链结构进行系统分析，并对具身智能机器人及复合机器人行业的未来发展趋势与商业化路径进行了前瞻性研判

具身智能机器人是指将人工智能融入到具有物理身体的机器人实体中，使其能够像人类一样感知、学习并与物理环境进行动态交互，从而产生智能行为和适应性。

传统的AI更多是在数字世界中处理数据进行决策，例如计算机视觉软件、对话式AI软件等；而具身智能则强调AI与真实物理世界的互动，通过机器人实体感知环境（例如视觉、触觉、听觉、力觉）、理解问题、做出决策并采取行动。

资料来源：沙利文分析

传统机器人（主要为工业机器人）通常专注于在封闭、结构化的环境中精确、重复地执行预设任务；而具身智能机器人是一个融合了基于AI的决策系统和机器人本体的智能体，能够在开放、动态的环境中自主感知、理解、学习、决策和行动。

具身智能的出现预示着机器人将从生产工具的角色向更具通用性和适应性的智能生产力和助手角色的转变，从而渗透到更广泛的工业生产、专业服务和生活场景中。

具身智能机器人正通过多模态感知交互、基于大模型的自主决策与学习算法，及软硬件深度协同的系统集成的三大技术路径，实现从单一功能执行向环境自适应智能体的跨越式发展。

●多模态感知交互

具身智能的感知与交互技术正从单一模态感知向多模态深度融合与协同理解演进。这一进展使得智能体不仅能以高精度解析几何信息，更能对物体的物理属性（如材质、硬度）和交互状态（如滑动、受力）进行动态估计。在交互层面，技术重点已从简单的指令传递转向意图驱动的自然交互，通过结合视觉语言模型与物理交互策略，智能体正逐步实现对模糊、连续的人体动作与自然语言指令的理解与反馈，为人机共融协作奠定了坚实基础。

●基于大模型的自主决策与学习算法

在自主决策与学习算法的演进道路上，技术发展的核心脉络是从依赖人工预设规则，转向让机器能够从数据与交互中自行掌握完成复杂任务的能力。早期，强化学习等方法通过在特定任务中反复试错来优化决策，证明了机器自主学习的可行性，但这类方法通常需要大量训练，且学到的技能难以直接迁移到新环境中。

当前，发展的关键驱动力来自于大型语言模型等基础模型。这些模型具备丰富的背景知识和强大的决策能力，能够直接理解人类用自然语言下达的抽象指令，并将其自动分解为一系列具体的、可操作的步骤。未来，通过将大模型的高层理解和规划能力，结合强化学习在低层物理控制上的精确优化与自适应学习能力，能够构建出能快速理解意图、适应新场景并能从经验中持续改进的通用决策系统。

●软硬件深度协同的系统集成

软硬件系统集成是指将机器人的硬件和软件组件有机地整合在一起，以实现机器人系统的协调运作和执行特定任务。这个过程涉及多个方面，包括机器人的传感器、执行器、控制器、编程和用户界面等多个组成部分。

硬件方面：1）根据任务需求和工作环境条件进行机械结构的选型与关节配置；2）选配与安装视觉、力觉、激光雷达等传感器，并将其接入机器人硬件系统；3）集成电机、液压或气动等驱动执行器，实现对其机械运动的实际控制，并与机械本体有效连接；4）还需将急停开关、碰撞检测模块等安全系统整合到硬件中，以保障操作过程的安全可靠。

软件方面：1）控制系统负责协调与管理机器人的运动控制、传感器信息融合及任务决策；2）路径规划与碰撞检测算法负责生成安全、高效的运动轨迹；3）用户编程界面提供直观的操作与调试环境；4）通信系统实现与外部设备或控制中心的数据交互；5）软件集成实时处理多类传感器数据的能力，如视觉识别与力矩测量等。

具身智能机器人的主要驱动因素及发展趋势包括大模型技术的应用与发展，以及应用场景从工业制造向多领域的快速拓展与渗透。

●大模型技术的应用与发展

大模型技术的应用推动具身智能机器人在跨模态感知与推理方面实现技术突破，显著提升了其在复杂环境中的理解和决策能力。

具身智能基础模型经过大规模多模态数据预训练，拥有卓越的通用性和泛化能力，使得具身智能机器人能够处理文本、图像等多种模态的输入信息，进而理解复杂的指令并自主推理和规划任务执行策略。

对复杂任务的泛化处理能力是具身智能机器人实现商业化规模落地的关键技术支撑。未来，随着大模型技术的不断发展，具身智能机器人将结合结构化空间智能技术加强在仿真世界的数据合成，从而持续优化模型并进一步开拓在混合三维表征环境中的泛化能力，摆脱对大量现场数据采集的依赖，并大幅降低任务的泛化难度和环境适应性问题。这种能力的增强将显著降低其部署和维护成本，加速其在非结构化场景中的商业化落地，进而持续推动全球及中国具身智能机器人市场规模的持续扩张。

●应用场景由工业制造向多领域快速拓展渗透

在市场的发展初期，具身智能机器人供应商多集中于在对精度和效率有明确要求的结构化工业应用场景下实现具身智能机器人产品的规模化生产与迭代更新，例如汽车产线的精密装配和柔性物流等任务。

随着大模型技术在处理非结构化环境和任务泛化能力方面持续进步，具身智能机器人的应用场景正经历从传统的、结构化的工业环境，向更广阔的、非结构化的应用领域快速拓展。

在商业服务领域，具身智能机器人逐渐被广泛部署在零售、餐饮和楼宇管理等场景，执行如商品分拣、餐点配送、清洁维护等任务。在医疗健康领域，其应用前景包括康复护理、远程诊断辅助和手术辅助等高附加值任务。

应用场景的持续拓展为具身智能机器人提供了巨大的新增市场空间，推动了整体市场规模的持续上升。

随着全球主要经济体对人工智能和机器人技术投入的持续增加、生成式AI模型与机器人本体的深度融合催生出更强的泛化操作能力，全球具身智能机器人市场规模预计将从2024年的117.1亿美元大幅增长至2030年的1,010.7亿美元，2024年至2030年期间的年复合增长率达到43.2%。展望未来，随着技术标准和安全规范的逐步建立，以及制造成本的持续下降，具身智能机器人有望在全球范围内实现大规模的商业化应用，彻底改变劳动力的构成和工作方式。

资料来源：沙利文分析

复合机器人由底层的移动平台和上层的协作机械臂所构成，是一种兼具操作和移动能力的具身智能机器人。通过集成先进的感知系统，如视觉、触觉等多模态传感器，复合机器人能够实时感知环境变化，并借助高效的学习算法优化自身行为，实现与物理环境的动态交互，展现出高度的智能性和适应性，从而高效完成复杂多变的任务。

根据不同的运动方式，复合机器人可分为轮式复合机器人、轮履复合机器人和轮腿式复合机器人等。根据不同的手臂数量，复合机器人可分为单臂复合机器人和双臂复合机器人等。

复合机器人通过整合移动与操作能力，在技术复杂度、环境适应性和任务通用性方面显著超越单功能机器人，实现了从单一指令执行到自主协同作业的技术跃迁。

复合机器人技术的未来发展趋势与前沿探索主要包括多机器人协作与群体智能、云边端融合、生成式AI赋能任务规划与交互，以及认知智能的跃迁。

●多机器人协作与群体智能

多机器人协作与群体智能是复合机器人技术进阶的核心方向。该技术使复合机器人系统从独立作业单元发展为通过感知共享和分布式决策实现协同操作的智能群体。复合机器人通过局部感知网络实现动态任务分配与协同规划，显著提升复杂场景的适应性。随着仿生算法与具身智能模型的应用，复合机器人群体实现从行为协同到认知协同的跨越，能够进行语义解析和自主任务分解，在智能制造、物流等场景中展现出更强的系统鲁棒性和可扩展性。

●云端+边缘计算结合

云端与边缘计算协同的架构模式正成为提升复合机器人智能化水平的关键技术路径。该模式通过构建分层次、分布式的计算网络，有效解决了复合机器人对实时响应、复杂认知与持续学习的多重需求。既保障了复合机器人在动态环境中的作业实时性、可靠性，也为其实现知识共享、持续进化及大规模集群协同提供了可行基础，是推动行业从“单机自动化”迈向“系统自主化”的核心支撑。

●生成式AI赋能任务规划与交互

生成式AI可将复杂任务分解为可执行的子任务序列。例如，面对多步骤装配任务，具身智能机器人通过自然语言处理技术理解指令，利用生成式模型生成详细的执行步骤和动作轨迹。

●生成式AI使复合机器人能够更好地理解人类指令和意图

通过语音识别和自然语言处理技术，具身智能机器人可与人类进行自然对话，接收任务指令并实时反馈执行情况。在协作场景中，机器人能根据人类的动作和需求，自主调整工作节奏和方式，实现高效的人机协同。

●认知智能跃迁

AI技术及多模态大模型等前沿技术的蓬勃发展推动复合机器人智能化升级。先进技术全方位赋能复合机器人，使其在环境理解、自主决策与协同交互等方面的能力显著增强，大幅提升了在复杂环境中的适应能力。

AI技术+机器人技术的融合创新，将赋予复合机器人更精准、更智能、更灵活的移动及执行能力，实现认知智能的跃迁，进而直接推动复合机器人应用场景的实质性拓展，推动其从工业制造的生产线物料搬运、精准装配到医疗、农业等场景的延伸。

全球复合机器人潜在市场规模在未来中长期将持续保持增长趋势，预计将从2030年的650亿美元左右进一步增长至2035年的接近2,000亿美元，2030年至2035年期间的年复合增长率达到25.2%。

全球复合机器人市场呈现金字塔式竞争格局，市场领先者凭借领先的技术实力及成熟的商业模式持续领跑，并通过加大研发投入和场景拓展，进一步巩固其在全球市场的品牌影响力和领先地位。