具身智能
AI 操作物理世界的执行层——走出平民化、干活机器人、工程化标准三条截然不同的路径
定义
具身智能（Embodied Intelligence）是指让 AI 学会操作物理世界的技术方向。如果说 OpenClaw 让 AI 学会了操作电脑、调用 API（数字世界的执行），那么具身智能让 AI 学会了操作机器、搬运物体（物理世界的执行）。
核心特征
1. 三条路径的分化
中国具身智能赛道走出了三条截然不同的路径：
| 路径 | 代表公司 | 核心赌注 | 叙事逻辑 |
|---|---|---|---|
| 平民化 | 宇树 | 机器人进入千家万户 | 机器人不是奢侈品，是工具 |
| 干活机器人 | 银河通用 | 先在大规模工业生产中证明价值 | 炫技可以拿融资，但只有干活才能拿订单 |
| 工程化标准 | 它石智航 | 瓶颈在于工程化能力 | 我们炫的不是技，是能干精细活 |
2. 从实验室走进真实场景
三条路共同指向同一个方向：具身智能正在从实验室走进真实场景。谁能在这个过程中定义标准，谁就能拿到通往下一个时代的船票。
3. 执行层的两个维度
AI 执行层有两个完全不同的维度：
- 数字世界的执行：AI 操作电脑、调用 API（OpenClaw 定义的事实标准）
- 物理世界的执行：AI 操作机器、搬运物体（具身智能正在探索的方向）
不同素材中的观点
关于三条路径的共同方向
来源：2026-06-18-2026-ai-narrative-definition-power
“三条路，三种对机器人产业终极形态的判断。宇树赌的是机器人进入千家万户，银河通用赌的是先在大规模工业生产中证明价值，它石智航赌的是瓶颈在于工程化能力。但它们共同指向同一个方向。具身智能正在从实验室走进真实场景。谁能在这个过程中定义标准，谁就能拿到通往下一个时代的船票。“
关于制约具身智能的”数据荒”
来源：2026-07-15-woshipm-embodied-ai-data-industry
这篇素材从数据供给的角度补充了具身智能的另一面：训练一个接近人类水平的机器人”大脑”需要 10 亿小时级别的真实操作数据，而全球有效供给仅 500 万小时，缺口达 200 倍，业内将 2026 年视为”具身智能数据元年”。数据（而非本体）正在成为具身智能落地的核心瓶颈和战略资源——不同于大语言模型可从互联网语料获取，机器人需要真实世界”拿、放、走、抓、避障、操作”的三维动作数据。参见 具身智能数据、无本体采集。
相关页面
- 宇树 — 平民化路径代表
- 银河通用 — 干活机器人路径代表
- 它石智航 — 工程化标准路径代表
- OpenClaw — 数字世界执行层的事实标准
- AI Agent 智能体 — AI 执行能力的技术基础
- 具身智能数据 — 制约具身智能落地的核心资源与瓶颈
- 无本体采集 — 降低数据采集成本的采集模式
- 2026-06-18-2026-ai-narrative-definition-power — 具身智能三条路径的完整论述
- 2026-07-15-woshipm-embodied-ai-data-industry — 具身智能数据产业链的完整论述