2025年汽车行业深度报告：智能汽车产业链与具身智能产业链协同发展

步入2025年后，具身智能赛道进入加速落地阶段

2020年以后具身智能发展沿革

2020年伴随OpenAI发布ChatGPT3语言模型，具身智能开启智能化发展周期

2020年之前，人形机器人研发处于硬件驱动的技术积淀期，技术栈以运动控制算法优化与机械结构创新为核心。2020年OpenAI发布ChatGPT3语言模型，标志着智能化时 代开启，具身智能（以人形机器人为代表）进入快速发展周期。2020-2025年处于初级智能化阶段（产业成长期），技术与产业生态加速构建：2021年特斯拉宣布进军人 形机器人并于2022年发布Optimus，2022年小米布局并推出CyberOne，2023-2025年傅利叶、智元机器人等科技企业，以及小鹏、比亚迪、华为等车企和智能化方案商密 集入局，形成“科技+制造”双轮驱动的产业链雏形。这一阶段，具身智能依托AI大模型实现初步认知与复杂动作执行，在工业、商业场景开始替代简单人工任务，为产 业规模化奠定基础。

ChatGPT3对具身智能产业链的核心带动体现在：其一，语言模型突破赋予具身智能“认知能力”，使其从机械执行迈向基于数据学习的自主操作，推动人形机器人从 “硬件载体”升级为“智能体”；其二，技术热度吸引跨行业资本与企业入场，加速技术迭代（如自主学习算法、运动控制优化）与生态拓展（从科技企业到车企、智 能化方案商的全产业链覆盖），形成“研发-生产-应用”闭环。2020-2025年的产业成长期，ChatGPT3引发的“智能革命”已构建具身智能产业链的基本框架，为2026年 后中级阶段（自我学习能力强化、场景替代深化）的发展筑牢根基。

供给端——具身智能赛道进入加速落地阶段

2025年，众多厂商的量产计划密集释放，应用场景持续拓展，行业正从技术验证阶段迈入规模化生产，具身智能量产元年特征突出，有望带动产业驶入快 速发展通道，为后续市场开拓与技术迭代夯实基础。

从产能规划看，特斯拉2025年预计产能超5000台，2026年目标年产5万台；优必选2025年产能达1000台，2027年有望实现万台交付；智元机器人年初已有 千台下线，二期工厂将支撑万台级产能；figure首年计划生产1.2万台，未来四年规划量产10万台；Agility Robotics2025年产能扩展至1万台；宇树科技 工厂二期投产后，四足机器人产能将从1.5万提升至5万。

应用场景方面，当前具身智能技术仍在迭代完善，工业场景因技术成熟度与市场需求的适配性较高，成为厂商优先攻坚的“试验田”。因此，特斯拉、优 必选、figure、Agility Robotics、宇树科技等主流厂商中短期都将重心放在工业场景的突破上。

政策端——步入2025年，多数省市出台相关支持政策

2025年以来，北京、深圳、广东、杭州等地纷纷出台专项政策，围绕技术攻关、产业链协同、场景落地、生态培育四大核心维度部署任务，同步在政策引导、资金支持、 平台建设、资源整合等方面提供系统性支撑，明确以抢占全球技术制高点、构建自主可控产业生态为目标。

从政策路径看，各地普遍遵循"技术攻关-场景开放-生态聚合"三位一体推进模式：深圳、北京依托深厚技术研发积淀与产业配套基础，有望形成具身智能发展的"双核" 引擎；广东凭借制造业重镇优势推进商业化落地，推动机器人技术融入智能网联汽车等优势产业集群；杭州则聚焦深耕医疗康养、市政巡检等细分场景，同步强化国际 化合作探索差异化竞争路径。综合判断，2025-2027年将成为我国具身智能与机器人产业技术突破、场景拓展、生态成型的关键窗口期。

需求端——多数行业都蕴含着较高的机器人替代可能性

从行业自动化替代逻辑看，具身智能在多领域展现出显著应用价值。第二届中国人形机器人与具身智能产业大会发布的《2025具身智能与具身智能产业研究报告》数据 显示，2025年中国具身智能市场规模预计达52.95亿元，占全球比重约27%。

制造业作为重复性体力劳动集中领域，天然适配具身智能替代场景。麦肯锡研究显示，制造业工人从事重复性体力及机械操作的时间，占总工作时长比例超过三分之一。 无论是包装产品、装载材料等基础作业，还是焊接工艺、设备维护等复杂操作，均呈现高度标准化特征。结合当前技术成熟度判断，至2035年约59%的制造业生产活动 具备自动化改造可行性，为机器人应用提供广阔空间。

整车产业链与具身智能产业链深度结合

整车产业链正在积极布局具身智能赛道

技术方面：汽车企业深耕智能驾驶，积累了感知、决策、执行等技术（如多传感器融合、车辆动力学控制算法），可无缝迁移至具身智能的环境感知与运动控制， 大幅降低研发门槛，为快速切入提供技术支撑。 应用场景方面：现代化工厂提供封闭可控测试环境。特斯拉率先在生产线部署Optimus，完成搬运、组装等复杂任务，既验证了实际应用可行性，也为同行提供范 例，拓展了工业应用场景。 供应链管理方面：汽车企业凭借强大的供应链能力，可保障具身智能硬件开发与量产效率；依托全球化供应链，能优化成本，确保硬件生产高效，在竞争中占据 成本优势。 资金储备方面：汽车企业资金雄厚，为机器人领域长期研发提供支撑。如特斯拉以稳定现金流持续投入，保障研发稳步推进，为技术突破和产品迭代提供财务保 障。

迈入智能电动新汽车时代，汽车产业链中的整车企业在电气化与智能化技术应用领域积累了丰富的产业实践经验，在数据挖掘与智能制造领域也形成了深厚积淀。凭借 大规模制造的属性，这些企业天然具备丰富的具身智能应用场景。近年来，特斯拉等车企在具身智能领域的突破，为行业指明了新的发展方向。正如小鹏汽车董事长兼 CEO何小鹏所言，具身智能与汽车产业的深度融合，有望成为企业未来新的增长曲线。

近两年，超10家车企如上汽、广汽、比亚迪、小鹏、小米等，纷纷通过自主研发、技术合作、战略投资等方式，将业务版图拓展至智能机器人领域。2024年11月，小鹏 率先发布自主研发的AI具身智能Iron，该机器人已在小鹏广州工厂参与小鹏P7+车型的生产实训，未来将聚焦工厂和线下门店等场景。紧随其后，次月广汽与长安均公 布了具身智能机器人的最新规划。与此同时，比亚迪已着手进行技术研发和人才储备。新势力头部车企理想也于2025年6月发布公告，其战略委员会决定成立"空间机器 人"和"穿戴机器人"两个新的二级部门，正式发力智能机器人赛道。

整车产业链积极布局具身智能赛道原因——硬件趋同

供应链需求的高度复用：在零部件采购环节，智能汽车与具身智能机器人存在大量重叠场景。传感器、芯片、电机等核心组件作为两者共性硬件基础，推动供应商 选择形成高重合度。通过共享零部件供应链，企业能够依托规模采购优势降低成本——例如批量采购同类型传感器及芯片时，可显著增强议价能力，获取更优采购 价格。

智能制造产线及能力复用：智能汽车在自动化生产与组装工艺上积累的成熟经验，为机器人制造提供直接借鉴。汽车产线广泛应用的机器人焊接、自动化喷涂等先 进装配技术，在提升生产效率与质量一致性方面优势显著。将类似的自动化设备及工艺引入机器人制造流程，既能减少人工操作误差，亦可通过标准化生产模式提 升效率、降低成本。

整车产业链积极布局具身智能赛道原因——软件趋同

源于物理世界交互的共性需求与技术演进，自动驾驶与具身智能正加速向视觉-语言-动作（VLA）模型收敛：

自动驾驶VLA（视觉-语言-动作）模型的发展经历了从规则驱动到数据驱动，最终向知识驱动的范式跃迁。2020年前，传统模块化算法（如百度Apollo）依赖 人工定义规则，存在无法Scaling的核心缺陷。2020-2025年，ChatGPT-3的发布推动端到端模型兴起，特斯拉等企业通过"两段式"架构实现感知-规控模块化， 但信息传递损耗问题突出。2023年后，Waymo EMMA首次将多模态大语言模型（LLM）引入自驾领域，开创VLA架构先河；2024年小米ORION通过QT-Former解决长 时序记忆问题，理想Mind VLA则深度融合3D空间理解与扩散模型轨迹生成，标志着知识驱动范式的成熟。这一演进路径的核心逻辑在于：LLM的引入使模型从" 数据即知识"转向"理解即知识"，解决了传统方法在长尾场景和交互体验上的瓶颈。

当前自动驾驶VLA呈现三大核心特性：1）多模态融合，以3DGS技术获取中间特征，结合语言模型实现场景理解与动作生成的统一；2）计算效率优化，通过MOE 架构、模型量化等技术平衡端侧算力约束；3）仿真闭环构建，世界模型成为强化学习的关键基础设施。主要参与者中，Waymo凭借EMMA模型在开环测试保持领 先，但其闭源特性限制商业化潜力；小米ORION在具有挑战性的闭环评测Bench2Drive数据集上实现了优秀的性能，驾驶得分为77.74分，成功率为54.62%，相 比之前的SOTA方法分别高出14.28分和19.61%的成功率。此外，ORION的代码、模型和数据集将很快开源;理想汽车通过自研Mind VLA实现"3D编码器-语言模型扩散解码器"全链路优化，预计年内完成车端部署。

具身智能核心硬件及布局企业

具身智能核心硬件及布局企业——丝杠

基本定义：丝杠主要由丝杆和螺母两部分组成。丝杆是一种具有螺纹母线的长条状零件，而螺母则是一种外部具有螺纹母线的零件。螺母可以通过转动丝杆来移动沿 丝杆的方向。丝杠是能将回转运动转化为直线运动，或将直线运动转化为回转运动的一种高精度零件，可主要分为梯形丝杠、滚珠丝杠和行星滚柱丝杠3种类型。在 机器人领域，丝杠主要用于关节和运动机构传动，实现高精度运动控制;

精度是衡量滚珠丝杠性能的关键指标之一:高精度的滚珠丝杠可以提供更精确的定位和重复定位能力。根据ISO、DIN以及JIS规定，行星滚柱丝杠和滚珠丝杠的精度等 级划分大致相同，主要都是通过丝杠任意300mm长度的导程误差（V_300）分类。其中，ISO将精度等级划分为C0、C1、C3、C5、C7、C10，DIN将精度等级划分为C1、 C3、C5、C7、C10，除C0外，ISO与DIN等级划分基本相同。部分欧美企业采用字母G区分精度等级，但含义与ISO的等级一一对应。国内滚珠丝杠的精度等级分为7类 （P1、P2、P3、P4、P5、T7、T10），1-10精度依次递减，即数字越小代表精度越高。

具身智能核心硬件及布局企业——减速器

具身智能减速器是机器人机械系统中的关键组件，占机器人成本30%，主要负责在原动机（如电机）和工作机构（如机器人的关节）之间起到匹配转速和传递转矩的 作用。减速器由多个齿轮组成，通过不同大小齿轮的啮合传递动力，从而降低驱动设备的转速并提供更高的扭矩输出和承载能力。

减速器核心作用包括：（1）降低转速：在设备运转过程中，电机可以提供较高的转速，但不同的应用场景和功能需求需要匹配不同的转速，因此需要使用减速器对 电机的输出转速进行减速。（2）增大扭矩：转速的降低换来的是扭矩的提高，从而使得额定输出功率不变的电机能够应对更大的负载、对抗更大的阻力。（3）增加 传动精度：减速器能够提高电机的传动精度，减小了传动误差和回程误差，适用于对传动精度要求较高的场合。（4）增加负载能力：减速电机通过减速器提高了输 出扭矩，增加了系统对负载的适应能力，能够承受更大的负载和冲击负荷。

按照精度划分，减速器目前主要可分为一般传动减速器和精密减速器两大类。其中，一般传动减速器可进一步划分为通用减速器和专用减速器，精密减速器则主要包 括精密行星减速器、谐波减速器和RV减速器等，具备体积小、精度高、重量轻、稳定性强等优点。

报告节选：

编辑：火腿肠