问题：具身智能被视为新一轮产业竞争的重要方向，但从实验室走向规模化应用仍面临多重瓶颈。一方面，算法能力与机器人本体、控制系统之间协同不足，模型不同场景中的稳定性和泛化能力仍待提升；另一上，高精度传动、驱动等关键零部件对外依赖度较高，产业链韧性与成本控制压力并存。同时，应用场景较为碎片化，示范带动不足，部分企业布局同质化，影响商业化落地的速度与质量。 原因：具身智能的复杂性决定了其难以依靠单点突破。关键于打通“认知决策—运动控制—执行机构”，形成从感知到行动的闭环。现实中，算法企业与本体企业在研发目标、数据体系和工程迭代节奏上往往不一致，导致模型与硬件耦合不够、接口标准不统一。同时，多模态感知融合对数据质量、标注体系与训练方法提出更高要求；若缺少真实场景的持续数据供给，模型可能在实验条件下表现突出，却在复杂环境中“可用性”不足。零部件环节则受制于长期技术积累、制造工艺与供应链配套，短期内难以通过简单扩产实现追赶。 影响：若模型融合与供应链短板长期存在，具身智能产业可能出现“示范热、规模冷”的局面：产品在单一场景可用，但跨行业复制成本高；企业更多依赖硬件销售，后续运维与服务能力不足，难以形成稳定现金流；产业链关键环节一旦受到外部扰动，交付与成本将面临更大不确定性。反过来，一旦在模型融合、多模态能力拓展和核心零部件上实现突破，有望推动机器人从“专用工具”加速迈向“通用平台”，带动康养、工业、商业等领域效率提升与新业态形成，并逐步构建可持续的产业生态。 对策：围绕加快推进具身智能核心技术攻关与产业化落地，委员建议聚焦协同攻关与生态构建，形成系统化推进路径。 一是强化核心技术协同，构建“大脑+小脑+肢体”一体化攻关体系。推动世界模型与机器人深度融合，鼓励算法研发与机器人本体企业开展更紧密的联合研发与工程验证，通过协同迭代提升场景泛化能力与任务完成可靠性。 二是全面拓展感知交互的多模态边界。将视觉、语言、触觉等多模态信号融合列为重点方向，推动融合算法、传感器体系与控制策略联动升级，使机器人在复杂环境下具备更强的理解、交互与操作能力，推动能力从“可演示”迈向“可规模应用”。 三是建设基于真实场景的高质量数据采集场。以应用牵引形成“数据—训练—优化”的闭环，持续沉淀可复用的数据资产与评测标准，为模型迭代提供稳定供给，并降低企业在数据采集与工程化验证上的重复成本。 四是攻坚核心零部件，打造自主可控的产业供应链。围绕高精度传动与驱动技术、灵巧操作能力等关键环节加大研发与产业化支持，培育本土零部件生态，提升产品一致性与成本可控能力，增强产业链安全与韧性。 五是优化产业化支持政策，推动“技术—场景—市场”良性循环。建议搭建场景示范平台，优先在康养、工业、商业等领域推进人形机器人示范应用，形成可复制的行业解决方案；在支持模式上探索设立CVC基金，发挥产业资本对技术突破与生态构建的支撑作用；鼓励企业从一次性硬件销售向全周期服务转型，以运维、升级、培训等服务降低应用门槛、提升客户黏性。 六是加强产业引导与统筹布局。通过政策与资源配置引导企业差异化发展，鼓励深耕垂直赛道，减少低水平重复建设，并加大对商业化落地、场景开放、标准体系建设等方向的支持力度，形成更清晰的产业分工与协作网络。 前景：从趋势看，具身智能竞争将更多体现在“系统集成能力”和“场景落地能力”上。上海具备产业基础扎实、应用场景丰富、科创资源集聚等优势。若能在模型融合、多模态能力、数据闭环与核心零部件上形成持续攻关机制，并以示范应用带动标准、数据、供应链与服务体系成熟，有望加快打通从技术创新到产业扩张的通道，推动有关产业迈向更高质量、更高能级的发展阶段。
具身智能的突破既是技术命题，也是产业生态的系统工程。上海若能在核心技术自主化与场景落地之间架起桥梁，或将为全国探索出一条“技术-市场-政策”协同创新的发展路径。该进程不仅关乎单一产业的发展，也将成为衡量城市数字化转型成效的重要标尺。