China's Embodied AI: A Path to AGI
Center for Security and Emerging Technology2025-12-2540 页
报告概述
本报告聚焦中国将人工智能与物理系统（机器人、无人机、车辆等）相结合的发展路径，即具身智能。报告分析了中国为何将具身智能视为实现人工通用智能（AGI）的重要途径，而非仅依赖大语言模型。报告覆盖了中国国家及地方政府对具身智能的政策支持、主要研究中心的建立、顶级AI科学家的观点、学术出版趋势以及产业应用。采用文献分析、政策梳理和案例研究的方法，旨在为读者呈现中国在具身智能领域的全景图，并为其对美国及盟国的启示提供参考。
报告的核心结论
中国将具身智能视为实现AGI的关键路径
报告指出，中国主流AI科学家和政策制定者普遍认为，仅靠大语言模型无法达到人类水平的智能，需要通过身体、大脑与环境交互的具身智能来弥补。这种观点已体现在国家政策、科研投入和产业布局中，形成了一条有别于美国侧重LLM的AGI发展路线。
中国政府通过多层级政策大力支持具身智能
自2023年起，北京、上海等地方政府以及中央部委（如工信部）相继发布行动计划、指导意见和标准体系。2025年政府工作报告首次将具身智能列为重点发展领域，多个省市将其写入本地规划。这些政策推动了创新中心、产业园区和专项资金的建立。
中国顶尖AI科学家形成广泛共识
报告列举了张钹、姚期智、黄铁军、蒲慕明等知名学者的观点，他们一致认为具身智能是克服大模型局限、实现AGI的必要方向。这些科学家在学术会议、白皮书和公开演讲中反复强调身体与环境交互的重要性，推动了中国AI研究的范式转变。
具身智能研究正在快速产业化和规模化
中国已在多个城市（北京、上海、深圳、杭州、合肥等）建立了国家级和地方级的具身智能创新中心，并涌现出华为、优必选、智元机器人等一批龙头企业。计划在2025-2027年部署上万台具身智能机器人，形成千亿级产业集群。
报告回答的关键问题
什么是具身智能？
具身智能是指基于物理身体进行感知和行动的智能系统，通过智能体与环境的交互获取信息、理解问题、做出决策并产生行为。与仅处理符号的大语言模型不同，具身智能强调身体、大脑和环境的动态耦合，被认为更接近人类智能的本质。
中国为什么认为大语言模型不足以实现AGI？
中国AI科学家指出，大语言模型存在幻觉、推理能力有限、缺乏对物理世界的真实理解等根本缺陷。它们基于数据的统计关联而非真实体验，无法获得情感、动机和社会智能。具身智能通过直接与环境互动，能更有效地学习因果规律和通用能力。
中国具身智能有哪些主要研究机构和公司？
主要研究机构包括北京国家地方共建具身智能机器人创新中心、上海国家地方共建人形机器人创新中心、清华大学、北京大学、中国科学院等。代表性公司有华为（CloudRobo平台）、优必选（群脑网络）、智元机器人（AgiBot GO-1）、科大讯飞（Spark LLM与机器人融合）等。
报告中的代表性数据
2022年Q1至2025年Q3持续增长，Q2 2025达到峰值
中国具身智能论文发表数量趋势
2022年1月-2025年9月，基于CSET合并语料库和CNKI数据库统计，显示具身智能研究自2023年起加速，2025年成为AI主流方向。
清华43篇，北大26篇，浙大17篇，北航16篇，中科院、上海交大、中科大各15篇
前12所中国机构具身智能论文数
2022年1月-2025年9月，统计显示北京和上海是主要研究集群，其中清华大学被称作中国具身智能的'黄埔军校'。
以上数据根据报告摘要整理，具体统计口径和数值请以完整报告原文为准。
完整报告包含什么
- 完整报告包含中国具身智能政策制定的详细时间线，从2023年北京首批措施到2025年中央全会纳入规划，共列举20余项关键政策及事件。
- 报告深入剖析了中国多位顶级AI科学家（如张钹、姚期智、蒲慕明等）对具身智能与AGI关系的公开论述和学术观点，并附有原文引用。
- 报告详细介绍了北京、上海、深圳、杭州、合肥等10个城市的主要具身智能创新中心，包括成立时间、核心企业、研究方向和代表性机器人产品（如天工、格物、启江二号等）。
- 报告提供了学术文献计量分析，基于CSET合并语料库和CNKI数据库，展示2022-2025年中国具身智能论文的季度数量变化和机构排名。
- 报告附录包括第一、二届中国具身智能大会的分论坛主题列表（共30余个），涵盖具身大模型、操作、导航、安全、世界模型等前沿方向。
- 报告附录还列出了华为、优必选、智元机器人、科大讯飞等15家重点具身智能企业，并描述其技术路线和产品进展。
- 报告最后提出美国及盟国的应对建议，包括加强监测、基准测试中国声明、探索超越大模型的多元化AGI路径等，并附有详尽的脚注和参考文献。
本页内容由川海智库整理，用于帮助读者快速了解报告主题、核心观点和主要内容。由于报告量大、人工能力有限，部分观点、数据、统计口径或表述可能存在偏差，具体内容请以完整报告原文为准。
