具身智能（Embodied Intelligence）

具身智能的理论根基是认知科学中的「具身认知」（Embodied Cognition）假说。传统 AI 将智能视为纯粹的符号推理——如同运行在真空中的程序，与物理世界无关。具身认知则主张：智能的本质不在于抽象计算，而在于身体与环境的持续交互。

人类婴儿通过抓握、爬行、行走来理解物理规律，而非通过阅读教科书。认知机器人学（Cognitive Robotics）将这一理念工程化：为机器人提供处理架构，使其能学习并决定如何在复杂世界中行为。

核心技术包括感知处理（视觉、触觉、本体感觉）、注意力分配（在复杂场景中选择性关注）、预期（预测行动后果）、规划（分解复杂目标）和运动协调（多关节协同控制）。

学习方法包括运动咿呀学语（Motor Babbling，类似婴儿随机运动并关联感觉反馈）、模仿学习（观察他人行为并复制）和自主知识获取（独立探索环境）。

2026 年 4 月 19 日北京亦庄人形机器人半程马拉松是具身智能发展史上的分水岭事件。赛事规模较首届扩大 5 倍：参赛队伍从 20 支增至 100 余支，覆盖 13 个省份，新增 5 支国际队伍，约 1.2 万名人类跑者同场竞技。

荣耀「闪电」机器人以 50 分 26 秒（自主导航版）夺冠，超越人类世界纪录 7 分钟。前三名全部来自荣耀。赛事规则中一个关键设计是：自主导航组加权系数 1.0，遥控操作组加权 1.2——遥控版虽然以 48 分 19 秒最先冲线，但加权后约 57 分钟，不如自主导航版。

北京经济技术开发区管委会明确表示：「1.2 系数的设定旨在引导、鼓励自主导航技术研发。」换句话说，行业共识是遥控只是过渡方案，自主导航才是终极形态。从完赛率看，首届 21 支队伍中仅 6 支完赛，大多数频繁摔倒或失控旋转；第二届百余支队伍中近半数采用自主导航完赛——进步速率远超行业预期。

2026 年具身智能产业呈现两条技术路径的激烈竞争。第一条是「纯自主导航」路线，以荣耀、特斯拉 Optimus 为代表，追求完全无需人类干预的自主行为能力。第二条是「遥控+自主混合」路线，以宇树科技等为代表，在复杂场景保留人类遥控介入。赛事加权系数的设计暗示行业更看好前者。产业链关键瓶颈包括：

• 关节执行器——需要高扭矩密度、低功耗、高精度的电机和减速器，目前国产方案与波士顿动力仍有差距
• 感知系统——多模态传感器融合（视觉+触觉+力觉+本体感觉）的实时处理能力不足
• 决策规划——从语言指令到运动原语的中间层仍然薄弱，VLA（Vision-Language-Action）模型是解决方向之一
• 能源系统——当前人形机器人续航普遍在 2-4 小时，限制了实际应用场景。资本层面，2026 年全球人形机器人赛道融资超过 50 亿美元，Figure AI、宇树科技、AgiBot 等公司估值均超 10 亿美元