2026年央企布局具身智能产业的战略机遇与行动路径蓝皮书

1央企布局具身智能产业战略机遇与行动路径蓝皮书3当历史的指针指向2026年，全球产业界正在见证一场静水深流却意义深远的技术革命——人工智能正在获得"身体"。从ChatGPT掀起的认知智能浪潮，到人形机器人走上工厂产线、变电站巡检通道与物流分拣场地，人工智能与物理世界的深度融合已经从概念验证走向产业落地的临界点。具身智能，这一被2025年政府工作报告正式纳入国家产业政策语言的前沿方向，正在从实验室的科学命题，转化为关乎国家产业竞争力、企业增长曲线与千行百业生产方式变革的战略命题。在这场变革中，中央企业（央企）处于一个特殊而关键的位置。一方面，央企是国民经济的"顶梁柱"与"压舱石"，掌握着能源、电力、建筑、交通、通信、装备制造等国民经济命脉行业的大规模真实场景，拥有长周期的资本实力、体系化的组织能力与不可替代的数据资源；另一方面，央企也面临着从传统产业承担者向前沿产业引领者跃迁的时代考题，面临着决策机制、创新文化、人才结构与新质生产力发展要求之间的深刻适配挑战。具身智能之于央企，既是一次不容错过的战略机遇，也是一场关于体制机制、能力结构与战略定力的综合大考。本蓝皮书聚焦一个核心命题：央企应当如何理解、把握并系统性布局具身智能产业。围绕这一命题，本书试图回答三个递进的问题。其一，"为什么"——具身智能为何构成央企不可回避的战略必然？政策脉络、产业逻辑与时代叙事如何交汇？其二，"凭什么"——相较于行动敏捷的民营头部企业与积淀深厚的国际巨头，央企的禀赋优势与短板约束究竟何在？其三，"怎么干"——从战略定位、场景切入、能力构建、机制改革到规模化扩张，央企的行动路径应当如何设计？政策环境与考核机制4在研究方法上，本书采取"政策文本分析+产业链图谱分析+多案例研究"的复合框架。政策维度，报告系统梳理了2023年以来从国家顶层设计、产业专项政策、国资监管部署到地方竞逐的完整政策链条；产业维度，报告基于"感知—决策—执行"技术栈与"上游零部件—中游本体—下游场景"价值链，绘制了具身智能产业全景图谱；案例维度，报告选取中国移动、中国电子、国家电网、中建集团、中国邮政等五家代表性央企进行深度剖析，并归纳提炼出央企布局的三种典型模式，同时将央企与宇树科技、智元机器人、银河通用等民营头部企业的协同关系纳入分析视野。本书的读者对象主要包括：国资监管机构与央企集团总部的战略决策人员，希望从产业格局与央企禀赋出发理解具身智能的投资机构与产业研究者，以及关注新质生产力培育路径的政策研究界同仁。全书共九章，遵循"时代之问—产业全景—实践图景—战略诊断—赛道识别—行动路径—风险地图—顶层建议—未来展望"的递进逻辑：第一章至第四章回答"为什么"与"怎么样"，第五、六章回答"做什么"与"怎么干"，第七章提供风险地图，第八、九章面向决策者给出建议并展望2030图景。需要说明的是，具身智能产业正处于快速演进期，技术路线、市场格局与企业动态均在持续变化之中，本书所引用的数据与案例信息均来源于公开渠道，截至研究成稿时点，相关判断亦带有研判属性，仅供决策参考。产业演进的未来，终究要由实践来书写；而本书的写作初衷，正是希望为这场伟大实践中的关键行动者——中央企业——提供一份兼具理论深度与实践操作性的战略参考。5 6 7 9.3央企角色演进研判：从"参与者" 8执行摘要本执行摘要遵循"结论先行"原则，以五个核心结论概括全书八万字的研究发现，供时间有限的决策者快速把握全书要义。核心结论一：具身智能是央企实现从"传统产业承担者"向"前沿产业引领者"跃迁的战略性窗口，其产业地位可类比"继PC、智能手机之后的下一代智能终端"，战略意义远超单一新兴产业赛道。具身智能的本质，是人工智能从数字世界向物理世界的能力延伸——以大模型为"大脑"、以多模态感知为"感官"、以高性能本体为"身体"，在非结构化真实环境中完成"感知—决策—行动"的智能闭环。其与工业机器人的根本差异在于：工业机器人解决的是"结构化环境中的程序化执行"问题，而具身智能解决的是"非结构化环境中的任务级自主"问题。这一代际差异决定了具身智能的应用边界将远超传统机器人——从产线走向电站、工地、矿山、医院与千家万户。全球范围内，特斯拉、FigureAI、波士顿动力等头部力量已将2025—2027年推向"从演示到部署"的产业拐点，中国依托全球最完整的机器人供应链与最丰富的应用场景，正在形成与美方"模型与资本驱动"不同的"供应链与场景驱动"路径。对央企而言，这意味着一次十年一遇的产业占位机会：错过PC与智能手机时代的产业主导权之争，不应在具身智能时代重演。核心结论二：央企布局具身智能的核心竞争壁垒，不在单点技术，而在"场景资源+资本实力+生态整合"三位一体的系统性优势；央企的真正对手不是民营企业，而是自身的体制机制约束。研究显示，民营头部企业在技术迭代速度、人才密度、组织敏捷性上具有显著优势，央企在"快"的维度上难以取胜；但具身智能产业的第一性规律是"数据—场景"闭环：谁掌握高价值的真实场景与可持续的数据回流，谁就掌握模型迭代与商业闭环的主动权。央企恰恰是全球范围9内罕见的"场景富矿"持有者——国家电网的百万级电网设备运维场景、中建集团的全球最大建筑面积在建场景、中国邮政的端到端物流网络场景，均是民营公司可望而不可即的战略资源。叠加长周期资本能力与跨产业链整合的信用优势，央企完全有能力选择"以场景换生态、以资本换时间"的差异化路线。问题在于，这一系统性优势的释放，受制于决策链条、考核周期、容错机制与人才激励的四重体制约束——本书第四章至第六章对此给出了系统性的诊断与解法。核心结论三：2026—2030年是央企布局具身智能的"黄金五年"，窗口期由技术成熟度曲线、政策周期与竞争格局三线交汇而成，具有明确的开启与收敛逻辑。技术侧，业界普遍预期具身基础模型将于2027年前后完成关键突破、通用人形机器人于2029—2030年进入规模化商用，这意味着当前至2027年是"低成本试错、高价值占位"的战略投入期；政策侧，从2023年《人形机器人创新发展指导意见》到2025年政府工作报告首提"具身智能"，再到国资委对中央企业布局战略性新兴产业的体系化部署，政策红利处于历史最强的释放周期；竞争侧，民营头部企业尚在"融资—研发—小批量"的验证阶段，国际巨头尚未形成对中国场景的渗透，央企以"场景所有者"身份入局的谈判筹码正处于峰值。三线交汇构成的时间窗，一旦错过，央企将从"生态组织者"退化为"价格接受者"。核心结论四：央企应采取"有所为有所不为"的差异化定位，聚焦工业制造、能源电力、建筑基建、交通物流、应急特种、文旅与消费服务、民生服务七大高价值赛道，通过"五步行动法"系统推进，避免与民营头部企业在消费级市场正面竞争。七大赛道的共同特征是：需求刚性、场景可控、支付能力确定、与央企主业天然耦合。央企的切入逻辑不应是"再造一个宇树"，而应是"成为具身智能时代的场景所有者、标准制定者与生态组织者"。为此，本书提出"五步行动法"：第一步战略定位，在"核心突破型、平台主导型、生态布局型"三选项中做出符合自身禀赋的选择；第二步场景切入，以自有场景打造可复制的标杆；第三步能力构建，以"自主研发+并购整合+战略联盟"的组合齐能力短板；第四步机制改革，以子公司化、市场化激励与长周期考核破除体制约束；第五步规模化扩张，完成从"项目制"到"产品制"再到"服务制"的三级跳。核心结论五：成功布局的关键支撑在于"战略定力+市场化机制+生态开放"的三角结构，其中机制改革是牛鼻子，顶层政策适配是催化剂。调研与案例研究反复证明：央企布局具身智能的失败风险，八成不在于"方向错误"，而在于"机制不配"。长周期投入与年度考核的矛盾、创新容错与问责制度的张力、市场化薪酬与工资总额管制的冲突，构成央企深度参与前沿产业的三大机制性障碍。对此，本书第九章面向国家部委、国资委与央企集团总部三个层面提出系统性建议：在国家层面推动央企具身智能专项规划与差异化"引导+负面清单"管理；在国资委层面优化考核体系（引入长周期指标、战略权重与尽职免责清单）、完善产业基金与并购重组工具；在央企层面强化"一把手工程"、深化内部市场化改革、实质性突破人才机制。全书结构上，第一、二章建立"为什么"的认知框架，第三、四章完成"现状怎么样"的实证诊断，第五、六章给出"做什么与怎么干"的行动方案，第七章提供风险地图，第八、九章落脚于政策建议与2030图景展望。附录提供央企布局案例对比表、国内外头部企业全景图与政策汇编，供读者查阅。每一个重大产业浪潮的开启，都会重新洗牌既有竞争格局，也会重新定义各类市场主体的历史使命。蒸汽机时代成就了机械装备巨头，电气化时代成就了能源与制造帝国，信息化时代成就了平台企业与芯片霸主。当前，以大模型为标志的人工智能革命正从数字世界向物理世界纵深推进，具身智能作为这场革命的物理载体与终极形态，正在开启下一个十年最重要的产业叙事。对中央企业而言，问题不是"要不要关注具身智能"，而是"如何理解这一浪潮的本质，以及以何种身份、何种节奏参与其中"。本章作为全书的理论起点，首先厘清具身智能的产业本质与全球竞速格局，其次系统梳理从国家顶层设计到地方竞逐的完整政策脉络，最后将央企置于"国之大者"的坐标系中，回答央企布局具身智能的三重战略价值。1.1重新理解具身智能：继PC、智能手机之后的下一代计算平台1.1.1具身智能的本质：从"感知智能"到"行动智能"的范式跃迁理解具身智能，首先要理解其与主流人工智能范式的关系。2022年底以来，以大语言模型为代表的生成式人工智能展现了惊人的认知能力——理解语言、生成内容、推理规划，但其能力边界被锁定在数字世界之中：模型可以"说"出如何泡一杯咖啡，却无法"做"出这杯咖啡。这一局限在人工智能领域被称为"莫拉维克悖论"——对人类而言困难的高阶推理，对计算机相对容易；对人类而言毫不费力的感知与运动控制，对计算机却极为困难。具身智能正是为攻克这一悖论而生：它将智能"嵌入"物理身体，通过身体与真实环境的交互来感知、学习与行动，其技术内核可以概括为"大脑—感官—身体"的三位一体——以多模态大模型为大脑完成理解与决策，以视觉、力觉、触觉、听觉等多模态传感为感官完成环境感知，以高性能机器人本体为身体完成物理执行。这一范式跃迁的产业意义极为深远。PC时代，计算智能的个人化释放了信息处理生产力；智能手机时代，计算智能的移动化重塑了社交、消费与服务的组织方式；具身智能时代，智能将获得物理身体与行动能力，其改造对象从"信息流程"升级为"生产流程"本身——制造业的产线组织、能源业的运维模式、建筑业的施工方式、物流业的仓配体系，都将因"会思考的机器身体"而重构。换言之，具身智能不是机器人行业的一个升级版本，而是人工智能产业的物理延伸，是"智能×实体"的乘法革命。据高盛预测，全球人形机器人市场规模2035年有望达到380亿美元；摩根士丹利更为激进，预计2050年全球人形机器人保有量将达到约10亿台、对应数万亿美元的产业空间。无论预测的具体数字如何，产业界对"具身智能是继PC、智能手机之后下一代智能终端"这一判断已形成广泛共识。1.1.2具身智能与工业机器人、服务机器人的代际差异厘清概念边界，是战略研判的前提。具身智能与工业机器人、服务机器人存在本质性的代际差异，可从任务属性、环境适应性、交互方式、技术内核、价值逻辑五个维度加以区分。工业机器人服务机器人具身智能机器人任务属性程序化重复作业限定场景半自主任务任务级自主完成环境适应性结构化环境（围栏内）半结构化环境非结构化真实环境交互方式无交互/预编程简单人机交互技术内核精密机械+控制算法感知+导航+专用算法大模型+多模态感知+运动控制价值逻辑替代重复劳动辅助人类服务泛化任务替代与典型场景焊接、喷涂、搬运扫地、送餐、导览工厂柔性工位、电站巡检、现场表中差异的核心在于"泛化能力"：工业机器人是"专才"，一台机器人被编程为执行特定动作序列，环境稍有变化即需人工重新调试；具身智能机器人追求"通才"，通过大模型的任务理解能力与学习泛化能力，在同一身体上完成跨任务、跨场景的作业——今天在产线装配零部件，明天在仓库搬运料箱，后天在电站巡检设备。这种泛化能力带来两个决定性的经济后果：其一，部署门槛大幅下降，用户无需为每个任务单独开发，机器人从"专机"变为"通用劳动力"；其二，规模效应从制造端延伸至模型端，部署规模越大、数据回流越多、模型越强，形成"数据飞轮"的正循环。正是这两点，决定了具身智能的市场空间将数量级地超越传统机器人——它竞争的不是既有的工业机器人市场，而是物理世界的广义人力劳动市场。1.1.3全球巨头布局节奏与产业拐点研判全球具身智能竞赛已在三条战线上展开。第一条战线在美国：特斯拉将Optimus人形机器人定位为"比特斯拉汽车更大的业务"，规划中的量产目标以百万台计；FigureAI获得微软、OpenAI创业基金、英伟达、贝索斯等顶级资本加持，估值在2025年攀升至数百亿美元量级，并与宝马等制造企业开展产线部署合作；波士顿动力在电动化改造Atlas之后，与丰田研究院合作将大模型能力注入其运动控制体系。美国路径的典型特征是"模型与资本双轮驱动"——以通用人工智能的长期叙事支撑高估值融资，以顶级模型能力定义产品形态。第二条战线在中国：宇树科技凭借四足机器人积累的运动控制与机电一体化能力快速切入人形赛道，并于2026年登陆科创板；智元机器人以"生态战略"著称，通过开源、供应链绑定与借壳上市构建产业生态；银河通用专注具身大模型与零售场景的商业闭环；逐际动力聚焦全尺寸人形运动控制的技术纵深。中国路径的典型特征是"供应链与场景双轮驱动"——依托全球最完整的机器人零部件供应链实现快速低成本迭代，依托全球最大的制造业与应用市场完成场景验证。第三条战线在日本与欧洲：本田、丰田延续人形机器人数十年的技术积淀，ABB、库卡等工业机器人巨头则以"渐进智能化"策略将AI能力嵌入既有工业产品线，走的是"从专用到通用"的稳健路线。对产业拐点的研判，本书采取"三阶段论"：2023—2025年为"技术验证期"，标志是头部企业完成样机迭代与工业场景的试点部署，人形机器人从"能走"进化到"能干活"；2026—2028年为"商业验证期"，标志是特定场景（工业物料搬运、质检巡检、仓储分拣）出现可测算的正向投资回报，万台级订单出现，产业从"融资输血"转向"订单造血"；2029—2030年为"规模化前夜"，标志是具身基础模型完成关键突破、通用任务能力跨过可用阈值，制造成本降至十万元人民币级别，产业进入指数增长轨道。当前正处于第一阶段向第二阶段切换的关键节点——这正是央企以适度超前节奏布局的战略依据：布局过早将承担过高的技术路线风险，布局过晚则将丧失场景与生态的占位机会。三条战线的竞速之外，还有一个容易被产业叙事忽略、却对央企极具启示价值的观察：全球具身智能的产业主导权正在经历"重心下沉"——从研究机构的算法竞赛，下沉到供应链的成本竞赛，再下沉到场景侧的部署竞赛。2023年前后，产业话语权由论文与演示定义（谁的模型跑分高、谁的机器人空翻稳）；2024—2025年，话语权向制造与成本转移（谁能量产、谁的价格低、谁的交付可靠而下一阶段，话语权将进一步向场景与数据转移（谁的部署量大、谁的数据回流多、谁的场景壁垒深）。重心的逐级下沉，本质上是产业从"技术驱动"向"价值驱动"的成熟化过程——每一次下沉，都是一次话语权的重新分配，也都是一次后来者的机会窗口。对央企而言，这一趋势的含义近乎明示：产业竞赛正朝着央企的主场（场景、部署、数据、运营）移动——现在的具身智能产业比拼"谁更聪明"，成熟期的具身智能产业将比拼"谁用得好"，而后者的胜负手，恰恰握在场景所有者手中。理解了这一趋势，就理解了为什么此刻入局不算晚：比赛才刚刚进入央企擅长的赛段。1.2政策坐标：具身智能产业政策的系统梳理政策是中国具身智能产业最重要的环境变量之一。2023年以来，围绕具身智能的政策供给呈现出"顶层设计定调、专项政策落地、国资部署加码、地方竞逐跟进"的四层结构，其密集程度与协同水平在中国新兴产业政策史上并不多见。系统梳理这一政策链条，是研判央企战略机遇的基础性工作。1.2.1国家顶层设计：从"人工智能+"到"具身智能"的政策演进国家层面的政策演进经历了三个标志性节点。第一个节点是2023年12月中央经济工作会议提出"要大力推进新型工业化，发展数字经济，加快推动人工智能发展"——人工智能被确立为经济工作的战略性方向，为后续产业政策打开了空间。第二个节点是2024年3月政府工作报告首次提出"开展'人工智能+'行动"——这一表述意味着人工智能从技术议题升格为与"互联网+"同等级别的产业行动纲领，政策重心从"发展AI技术"扩展为"以AI改造千行百业"，为具身智能作为AI与实体经济融合载体的地位埋下伏笔。第三个节点最具决定性：2025年3月政府工作报告在"建立未来产业投入增长机制，培育生物制造、量子科技、具身智能、6G等未来产业"的表述中，首次将"具身智能"写入国家产业政策文件——具身智能由此完成了从学术概念、行业术语到国家产业政策语言的三级跳，正式跻身国家未来产业的战略序列。这一演进路径清晰地传递出顶层设计的深层逻辑：政策的关注对象不是"人形机器人"这一产品形态本身，而是"智能与实体融合"这一产业能力——形态可以是人形、四足、轮式或复合式，但"具身"的智能是确定的产业方向。1.2.2产业专项政策：从创新体系到未来产业的专项部署在顶层设计之下，产业主管部门的专项政策构成第二层。2023年10月，工业和信息化部印发《人形机器人创新发展指导意见》，这是我国首个针对人形机器人产业的国家级专项政策，提出了清晰的两步走目标：到2025年，人形机器人创新体系初步建立，整机产品达到国际先进水平并实现批量生产；到2027年，产业综合实力达到世界先进水平，成为重要的经济增长新引擎。该文件同时规划了"大脑、小脑、肢体"的技术攻关布局与关键技术攻关清单，成为后续产业界研发投入的重要指引。2024年1月，工业和信息化部等七部门联合印发《关于推动未来产业创新发展的实施意见》，将人形机器人列为未来产业十大标志性产品之首，并部署了前瞻布局未来产业重点赛道、技术创新与产业化等一系列任务。此后，工信部还通过揭榜挂帅、未来产业创新任务等机制，对具身智能关键技术攻关给予持续的项目化支持。这一层政策的信号意义在于：国家不仅"鼓励"具身智能发展，而且以目标倒排时间表的方式"督促"产业按节奏突破，政策确定性极高。1.2.3国资委部署：中央企业的体系化行动指令如果说前两层政策面向全社会，第三层政策则直接面向央企。2023年以来，国务院国资委围绕中央企业布局战略性新兴产业实施了一系列体系化部署：启动中央企业战略性新兴产业焕新行动与未来产业启航行动，明确中央企业到2025年战略性新兴产业收入占比达到35%的总体目标；先后遴选多批"启航企业"，对发展未来产业的中央企业新设公司在考核、激励等方面给予政策支持，其中人工智能、机器人是启航企业集中的领域方向；同时，国资委多次召开中央企业人工智能专题推进会，明确要求中央企业"在人工智能领域展现更大担当作为"，把加快布局人工智能等战略性新兴产业作为央企"十五五"规划的重要内容。这一层部署的政策含义极为明确：对央企而言，布局具身智能不再是"可选项"，而是国资监管部门考核框架内的"必答题"；布局的质量与成效，将直接进入央企负责人的业绩评价体系。政策压力与产业机遇在此形成罕见的历史性交汇。1.2.4地方政策竞逐：重点省市的产业卡位战第四层是地方政府的政策竞逐，其激烈程度折射出产业预期之高。北京市发布机器人产业创新发展行动方案，并于2025年进一步出台具身智能科技创新与产业培育的相关行动计划，依托机器人产业基地与顶尖高校资源，打造具身智能创新策源地；上海市先后推出智能机器人产业高质量发展行动方案与人形机器人领军培育计划，目标打造具有全球影响力的人形机器人产业高地；深圳市将机器人与人工智能纳入"20+8"战略性新兴产业集群体系，依托产业链配套优势推动整机与零部件协同发展；杭州、成都、苏州、深圳等城市亦围绕产业基金、应用场景开放、算力补贴等维度出台配套政策。地方竞逐对央企的间接价值在于：场景开放、算力基础设施、产业基金等地方政策工具，均可与央企布局形成对接，"央企国家队+地方产业生态"具有天然的政策耦合性。地方政策的深度阅读还能发现三个对央企布局具有操作价值的结构性特征。特征一，"场景招商"成为地方竞争的新范式——多个城市将"开放城市场景"（环卫、巡检、文旅、养老）作为吸引机器人企业落地的核心筹码，这意味着央企在地方的城市运营、市政业务板块可与地方场景政策形成"打包合作"：以央企的区域业务为载体，联合地方政府共同开放场景、共建验证基地，央企由此获得场景、地方获得产业、企业获得订单的三赢结构。特征二，产业基金的"省市两级联动"格局——省级母基金与市区级子基金构成的投资网络，为央企产业基金提供了放大杠杆：央企基金以少量出资撬动地方配套资金，共同投向符合央企布局方向的标的，以资本合力放大对产业链的组织力。特征三，人才政策的"抢人竞赛"——各地对具身智能人才的支持政策（落户、住房、个税优惠、项目资助）力度空前，央企的区域布局可与地方人才政策组合使用，以"央企平台+地方政策"的双重筹码参与人才竞争，部分对冲央企自身激励机制的刚性约束。三个特征的共同指向是：地方政策不是央企布局的环境背景，而是可以直接调用的战略资源——会用地方政策杠杆的央企，同样的资源投入可获得数倍的布局效能。1.2.5政策信号研判：从政策文本到央企战略机遇的转化将四层政策链条综合研判，可以提炼出三个对央企具有直接行动含义的信号。信号一：政策期待央企成为具身智能产业的"国家队"与"压舱石"。从国资委对央企战新产业收入占比的硬性要求，到启航企业的遴选导向，政策语境中的央企角色不是"参与者"而是"组织者"——政策期待央企以其场景、资本与信用，平抑产业早期的市场失灵，牵引产业链协同发展。信号二：政策周期与技术周期形成共振，放大了战略机遇的确定性。政策目标（2025年批量生产、2027年产业综合实力世界先进）与技术界对产业拐点的预期高度吻合，这意味着央企按政策节奏布局，等于"顺风而行"，政策资源、产业资源与资本资源将同向聚集。信号三：政策体系为央企预留了差异化空间。从国家到地方的政策文本均强调"场景牵引""应用为先"，这恰恰是央企最强禀赋所在——政策鼓励的方向与央企的优势方向高度重合，这是一种结构性的政策红利。综上，政策环境对央企布局具身智能构成"明牌式"支持，央企需要做的不是等待政策信号进一步明朗，而是将政策红利转化为行动节奏。1.3央企的战略坐标：在"国之大者"中重新定位1.3.1央企在新质生产力培育中的核心使命新质生产力由技术革命性突破、生产要素创新性配置、产业深度转型升级而催生，其核心标志是全要素生产率的大幅提升。在新质生产力的培育格局中，央企承担着三重新使命。其一，"原创技术策源地"使命——在关键核心技术攻关中发挥国家队作用，破解"卡脖子"难题；其二，"现代产业链链长"使命——在产业链强弱项、补短板中发挥牵引作用，带动上下游协同发展；其三，"国家战略安全支撑"使命——在能源、粮食、产业链供应链安全领域提供兜底保障。具身智能产业恰好同时命中这三重使命：其"大脑"层的具身大模型与高端算力芯片属于典型的原创技术攻坚领域；其产业链的零部件、本体、系统集成各环节均需链长型主体组织协同；其在能源、特种作业场景的应用直接关系国家安全能力。使命与产业的这种高耦合度，决定了央企布局具身智能不是"蹭热点"式的多元化扩张，而是使命驱动的战略必答。1.3.2时代叙事转换：从"大基建"到"新基建+大智能"的范式迁移将镜头拉远，央企布局具身智能还有一层更深层的历史逻辑——中国经济发展的时代叙事正在发生结构性转换。过去二十余年，中国经济的增长引擎以"大基建"叙事为主导：高速公路、高铁网络、机场港口、城市地产，这一叙事成就了建筑、能源、装备领域的央企黄金时代。但随着传统基建投资边际回报递减、人口结构变化与债务约束收紧，"大基建"叙事的动能正在系统性减弱。接棒的新叙事由"新基建"与"大智能"双轮构成：新基建（算力网络、5G/6G、新能源体系）构建数字与能源时代的物理底座，大智能（人工智能及其具身化）构建新底座之上的生产力革命。叙事转换对央企的含义是深刻而具体的：其一，央企传统的"工程能力"需要升级为"工程+智能"的复合能力——未来的变电站不仅是建造对象，更是机器人运维的作业环境；未来的工地不仅是施工场所，更是智能建造的场景载体。其二，央企的增长逻辑需要从"投资驱动规模"转向"智能驱动效率"——具身智能正是"以智能提效率"的核心工具。其三，叙事转换期是产业地位重新洗牌的窗口——在大基建叙事中占据主导的央企，若不能在大智能叙事中完成能力与角色的跃迁，其产业地位将面临结构性侵蚀。从这个意义上说，布局具身智能是央企穿越时代叙事转换的"船票"。1.3.3央企布局具身智能的三重战略价值综合以上分析，央企布局具身智能的价值可以从国家安全、产业升级、经济增长三个层面加以确认。国家安全层面：具身智能的产业链自主可控（高端芯片、精密传感器、基础模型）关系国家科技安全，其在危险环境作业（核电、矿山、消防、应急救援）中的应用直接提升国家应对重大风险的能力，央企以其安全底线思维与体系化能力，是上述领域最可靠的建设主体。产业升级层面：央企掌握的能源、电力、建筑、交通等国民经济命脉行业，恰是具身智能应用价值最高、示范效应最强的领域，央企的率先应用将为全行业提供"第一块试验田"，其采购标准与准入规则将事实上定义行业应用范式，产生巨大的产业牵引外溢价值。经济增长层面：具身智能被视为未来十年最重要的新增长引擎之一，央企的深度参与，一方面可直接分享产业成长红利、培育第二增长曲线，另一方面可通过"以场景养产业、以产业促场景"的循环，将既有资产的重资产优势转化为智能时代的运营服务优势，实现资产价值的再激活。三重价值的叠加，使具身智能之于央企，成为兼具"国之所需"与"企之所能"的战略必争之地。第二章产业全景：具身智能产业链与价值地图战略决策的质量，取决于对产业版图认知的精度。央企布局具身智能，首先需要一张清晰的产业链全景地图：这条产业链的环节构成如何？价值在哪些环节聚集？哪些环节存在"卡脖子"风险？数据要素为何成为制高点？全球竞争格局中中国处于什么位置？本章依次回答这些问题，为后续的模式分类、赛道识别与路径设计提供产业认知底座。2.1一张图读懂具身智能产业链具身智能产业链呈现典型的"上游零部件—中游本体集成—下游场景应用"三段式结构，但与传统制造业产业链不同的是，其价值形态中还叠加了一条"数据—模型"的软件价值线，两者共同构成产业的"双螺旋"。2.1.1上游：核心零部件与基础层上游是产业的技术根基，可细分为四个板块。第一是计算与控制芯片板块。智能芯片是具身智能的"大脑硬件"，当前国际主流方案以英伟达JetsonOrin及后续的Thor系列为代表，国内则以华为昇腾、地平线等为代表的国产算力生态正在快速追赶，CPU与MCU层面国产化程度相对较高。第二是传感器板块，这是具身智能区别于传统机器人的关键增量。视觉传感器（工业相机、深度相机、激光雷达）国产供给已较成熟；六维力/力矩传感器用于机械臂与关节的力控，其精度与可靠性直接决定精细作业能力；触觉传感器（阵列式、视触觉）是灵巧操作的前沿方向，全球范围内均处于产业化早期；惯性测量单元（IMU）为运动控制提供姿态基准，高精度IMU仍以进口为主。第三是执行器板块，即"肌肉与关节"。旋转执行器由无框力矩电机、谐波减速器/行星减速器、编码器与驱动器构成；线性执行器由空心杯电机/有框电机与行星滚柱丝杠构成，行星滚柱丝杠因工艺壁垒高，是当前国产替代攻坚的重点环节；灵巧手作为末端执行器，其自由度数量与触觉集成度是产品力的重要标志。第四是电池与能源管理板块，人形机器人对能量密度的苛刻要求使电池成为续航能力的瓶颈环节，高比能电池与快换电方案均在探索之中。上游板块的总体格局是：中低端环节国产化充分且竞争激烈，高端环节（高精度力传感器、行星滚柱丝杠、高端芯片）存在明确的进口依赖，是产业链政策与投资的重点方向。上游格局的另一个观察维度是国产化进程的"时间梯度"，这对投资与采购决策具有直接的操作意义。伺服电机、谐波减速器、结构件等环节的国产替代已基本完成，国内供应商在产能、成本与响应速度上具备全球竞争力，相关环节的投资逻辑已从"替代红利"转向"份额竞争"；激光雷达、工业相机等感知器件的国产化率快速爬升，头部国产厂商在性能上已与国际先进水平大体并跑；六维力/力矩传感器与行星滚柱丝杠处于"验证导入期"——国产产品在精度、寿命、一致性上与进口标杆仍有可感知的代差，但已在头部本体厂商的验证序列中获得越来越多的一席之地，未来两到三年是国产供应商锁定批量订单的关键窗口；高端智能算力芯片则处于"攻坚期"，其突破节奏更多取决于国家级的产业链协同而非单点企业的努力。这一时间梯度提示：对央企产业资本而言，"验证导入期"环节（力传感器、丝杠）是当前风险收益比最优的投资区带——技术方向已验证、竞争格局未固化、导入订单即将放量；而对采购方而言，梯度化的国产化进度意味着供应链策略必须差异化配置，切忌"一刀切"的国产化或进口依赖。2.1.2中游：本体制造与系统集成中游是产业链的集成环节，包含本体制造商与系统方案商两类主体。本体制造呈现"形态多元、人形为纲"的格局：人形机器人因与人类环境（工具、通道、空间尺度）天然适配而被视为终极形态，全球主要厂商均以此为旗舰产品；四足机器人在巡检、安防等场景率先实现规模化商用；轮式与轮足复合形态在仓储物流场景中以更优的成本效率占据现实份额；复合机器人（移动底盘+机械臂）则在工业柔性工位场景中快速增长。值得注意的是，中游的竞争焦点正在发生迁移：早期比拼"运动能力"（跑得快、跳得高、空翻稳），如今比拼"作业能力"（抓取得准、操作得细、用得持久）——产业叙事从"运动炫技"转向"干活挣钱"，这是商业化理性回归的重要标志。系统方案商则面向具体行业提供"本体+工艺+部署"的整合方案，其价值在于弥合通用机器人与行业Know-how之间的鸿沟，这一环节未来可能与本体厂商深度融合。2.1.3下游：场景应用与运营服务下游是价值实现的环节，当前已形成清晰的场景梯队。第一梯队是工业场景：物料搬运、上下料、质检、装配等环节已在汽车、3C、锂电行业开展规模化试点，其特点是环境相对可控、任务标准化程度高、投资回报可测算，被视为具身智能商业化的"滩头阵地"。第二梯队是能源与公共设施场景：变电站巡检、输电线路运维、场站作业等，特点是环境半开放、安全要求极高、单点价值大，国家电网等央企是核心采购方。第三梯队是物流仓储场景：分拣、搬运、存取作业，环境高度可控、规模效应显著。第四梯队是特种作业场景：消防救援、核电检修、矿山作业、深海探测，特点是"人不宜为"，支付意愿与支付能力俱佳。第五梯队是商用与家用场景：导览、零售、养老陪护、家庭服务，市场想象空间最大但技术要求与社会接受度约束也最大，是远期主战场。下游还孕育着一个正在显形的新环节——机器人运营服务：随着部署规模扩大，机器人资产管理、远程监控、性能保障、数据运营等服务的需求将快速增长，"机器人即服务"（RaaS）可能重构产业的收入结构，从"卖硬件"走向"卖劳动"。2.2关键技术栈与价值分布2.2.1感知层、决策层、执行层的技术要素与格局具身智能的技术体系可拆解为感知、决策、执行三层。感知层的核心命题是"多模态融合"——将视觉、力觉、触觉、听觉、位置等多源传感信息统一到机器人的环境表征之中，其中视触觉融合（以视觉信号解析接触力）与全身力控感知是当前技术攻关的前沿。决策层是产业竞争的制高点，技术路线呈现"端到端"与"分层架构"的分野：端到端路线以视觉-语言-动作（VLA）大模型为代表，将感知到动作的映射压缩进单一神经网络，泛化能力强但可控性与数据需求构成瓶颈；分层路线将任务拆解为"大脑"（任务规划）与"小脑"（运动控制）两级，工程可控性强、更易落地，成为当前工业部署的主流选择。两条路线并非非此即彼，业界普遍的判断是：短期内分层架构主导商业化，长期看端到端能力将持续渗透，世界模型（对物理环境演化规律的习得）是通向通用具身智能的关键拼图。执行层的核心是运动控制与灵巧操作：全身运动控制（WC）决定机器人行走的稳定性与动态适应能力，中国团队在此领域处于全球第一梯队；灵巧操作（手部精细作业）则是公认的"最后堡垒"，其突破依赖触觉传感、腱绳/连杆传动、操作学习算法的协同进步。2.2.2价值分布：微笑曲线与利润高地产业链的价值分布呈现"微笑曲线"形态，且曲线的弯曲程度将随产业成熟而加剧。曲线左端（高价值）是"大脑"环节——具身大模型与算力芯片，具备极强的规模效应与网络效应，未来可能形成"少数基础模型+多元场景微调"的格局，利润率与议价能力最高；曲线左端还包括高壁垒核心零部件（行星滚柱丝杠、高精度六维力传感器、灵巧手），其技术壁垒带来持久的超额利润。曲线中部（低价值）是本体组装环节——结构件加工与整机集成，进入壁垒相对较低，随着玩家增多与标准化提升，将重演消费电子"代工化"的价值稀释路径。曲线右端（高价值）是场景运营与数据服务——掌握场景入口与数据回流的企业，将在飞轮效应下获得复利式价值积累。对这一价值地图，央企的战略含义清晰：应坚决规避"中部陷阱"（以传统制造业思维投资低壁垒的本体组装），将资源聚焦于两端的"大脑"（通过资本与场景参与基础模型生态）、"高壁垒零部件"（通过产业培育与并购切入）与"场景运营"（以自有场景构建数据闭环）。价值分布的静态地图之上，还需叠加动态演化的时间维度——三个趋势值得决策者预判。趋势一，"本体的手机化"：随着供应链标准化（标准关节模组、标准计算单元的普及）与设计工具的成熟，本体的进入壁垒将持续下降，其终局形态可能类比智能手机的整机环节——品牌与渠道攫取大部分利润，纯粹的组装环节利润趋零；这意味着当前部分高估值的本体厂商将面临价值重估，央企在本体环节的投资应高度关注"产品定义能力与渠道能力"而非"制造能力"。趋势二，"模型的服务化"：具身模型的能力交付将从"一次性部署"转向"持续订阅"（模型的持续学习、技能的在线更新、场景的远程适配），模型厂商的收入结构将向经常性收入迁移，其估值逻辑随之从硬件估值转向软件估值——这是产业利润表最深刻的重构。趋势三，"数据的资产化"：随着数据权属规则的明晰化（这是政策变量，而非技术变量），高质量场景数据将完成从"资源"到"资产"的会计与法律确认，具备排他性数据采集能力的主体将获得资产负债表之外的价值重估。三个趋势共同指向一个结论：产业的利润池正在从"物的环节"向"智的环节"迁移，央企的布局设计应以此为时间轴校准方向。2.2.3中国产业链的优势环节与薄弱环节综合评估，中国具身智能产业链呈现"集成与应用强、基础与高端弱"的哑铃型特征。优势环节包括：整机制造的工程化与迭代速度全球领先，头部人形机器人厂商的样机更新周期已压缩至一年以内；供应链配套完整度全球独有，伺服电机、减速器、结构件、传感器中低端环节均可在国内一站式配齐，成本优势显著；场景资源丰富度全球第一，全球最完整的工业门类与超大规模单一市场，为场景验证与数据采集提供了得天独厚的土壤。薄弱环节则集中于四处：高端智能算力芯片受制于人，是供应链安全的最大风险点；高精度力觉/触觉传感器与行星滚柱丝杠的精度、寿命与进口产品存在代差；具身基础模型的原创性架构与顶尖人才密度落后于美国头部机构；以及高质量真机数据集的体系化积累刚刚起步。这一格局的战略含义是：中国的胜负手不在"造得出"，而在"想得深"（模型）与"做得精"（高端零部件）——产业政策、国家资本与央企力量应当向薄弱环节定向聚集。2.3数据要素：具身智能时代的战略制高点2.3.1真机采集、无本体采集、仿真合成、互联网学习：四条数据路径具身智能模型的能力上限，本质上由训练数据的规模与质量决定，业界将当前阶段称为“数据期”。与互联网大模型可低成本爬取海量文本不同，具身智能训练需要连续的关节力矩、末端位姿、触觉反馈等多模态物理交互数据，采集门槛极高；行业同时面临“不可能三角”约束——高质量、大规模、低成本三项要素在单一采集路径内无法兼得。获取具身数据的路径由此分化为四条，四者各有优劣、互为补充，共同构成梯次配合的数据供给体系。路径一是真机遥操作采集：人类操作员通过遥操作设备控制真实机器人执行任务，同步记录机器人本体的全套多模态传感数据。设备形态上，以同构主从臂（斯坦福ALOHA及其移动版本MobileALOHA、伯克利GELLO等）与VR头显加控制手柄两大类为主流。其优势是数据质量最高——直接来自目标部署环境与目标机器人本体，动作标签天然对齐、无需重定向转换；劣势是成本高、效率低，严重依赖操作员技能，且数据与特定本体构型和场景深度绑定，跨本体复用性差。路径二是无本体人类数据采集，即人类操作员在真实场景中直接执行任务，由穿戴式或手持式传感设备同步记录人体动作与第一视角感知数据，机器人本体无需在场，采集结果事后经动作重定向（retargeting）转换为机器人可执行的训练数据。该路径是近两年发展最快的数据来源，已分化出三种主要形态：其一为手持式采集，以斯坦福UMI（通用操纵接口）为代表，在人类手部部署夹爪与视觉传感器即可完成采集，单条数据采集时间从真机遥操作的约50秒压缩至10秒左右，海外已有头部模型厂商基于该范式开启大规模数据生产；其二为穿戴式外骨骼采集，以AirExo、DexCap等轻量化外骨骼为代表，以数百美元级的设备成本获取精确的臂部与手部运动数据；其三为动作捕捉采集，技术细节上存在光学与惯性两条路线：光学动捕通过相机阵列追踪标记点，精度高但受环境遮挡、光照与场地约束，多用于实验室环境；惯性动捕基于穿戴式IMU传感器，部署灵活、可支持大范围移动作业，但存在漂移累积，需算法融合校正——两者并非替代关系，而是分别适配实验室级精细数据与现场级规模化数据的不同需求。无本体路径的综合优势，在于“以人类劳动的规模成本获取接近真机的数据质量”，摆脱了机器人本体数量对数据产能的束缚；其固有短板则是人机构型差异带来的重定向损失，以及触觉、力觉等本体反馈数据的缺失或需间接估计。国内产业实践已进入规模化阶段：动捕技术厂商以“无本体数据工厂”模式批量生产跨本体训练数据，头部传感器企业建设的超级数据工厂已部署上百个标准化采集单元，日产能达数十万条量级。路径三是仿真合成数据：在物理仿真引擎中构建虚拟环境与任务，批量生成训练数据。其优势是边际成本趋零、可生成危险场景数据；劣势是“仿真与现实差距”（sim-to-realgap）——仿真中的成功未必能迁移到真实世界，需要域随机化等技术弥合。路径四是互联网视频学习：从海量人类活动视频中学习常识与技能先验。其优势是数据规模无上限；劣势是视频缺少动作标签与本体差异，需复杂的跨本体迁移。四条路径并非并列竞争关系，而是构成分层互补的数据金字塔：互联网视频以无上限的规模提供技能先验与常识底座，仿真合成以趋零的边际成本承担规模放大与危险场景覆盖，无本体人类数据以可控成本承担规模化的“真值”供给，真机遥操作以最高保真度承担关键任务的精标数据生产。产业实践的主流方案，正是在这一分层结构上形成“视频育先验、仿真打底子、无本体上规模、真机提质量”的混合管线——其中无本体采集的引入，实质性地弥合了原有“仿真打底+真机提质”体系中规模与质量之间的断层，真机数据与无本体数据的边际价值均随模型能力的提升而持续放大。2.3.2数据—模型—场景的飞轮效应数据的价值不在静态存量，而在动态闭环。具身智能产业最深刻的商业规律是"数据飞轮"：机器人部署于真实场景，产生作业数据与失败数据；数据回流训练模型，模型能力提升扩大可完成任务集；任务边界的扩展带来更多部署与数据——如此循环，强者恒强。飞轮的启动条件苛刻：需要场景（数据来源）、需要部署规模（数据流量）、需要模型团队（数据消化能力）三者同时到位，缺一不可。这解释了为什么全球范围内能够有效运转飞轮的机构屈指可数。飞轮效应对产业格局的推演含义是：第一，场景所有者将成为产业权力的核心节点——没有场景，模型团队与本体厂商都将"无米下锅"；第二，数据的独占性构成持久壁垒——公开数据人人可用，而特定场景的真机数据具有排他性；第三，飞轮存在时间窗口——先发者完成数据积累后，后来者将面对能力代差，追赶成本指数上升。这三点共同指向一个结论：数据要素是具身智能产业真正的战略制高点，其地位类比互联网时代的"流量入口"与移动时代的"应用生态"。2.3.3央企作为数据资源天然拥有者的战略位势以上分析为央企揭示了一个常被低估的战略事实：央企是全球范围内罕见的"具身数据富矿"持有者。其一，场景独占性：电网设备运维、核电检修、铁路巡检、矿山作业、建筑工地等央企场景，民营机器人公司原则上无法自主进入采集数据——安全资质、产权边界与保密要求构成天然屏障，这些场景的数据只能由央企主导产生。其二，场景规模性：央企场景不是单点，而是全国性网络——百万级杆塔、数千座变电站、数十万个建设工地、覆盖城乡的物流网络，一旦形成规模化部署，数据产量将呈指数增长。其三，场景多样性：工业、能源、建筑、交通、物流的场景差异，恰好覆盖了具身智能泛化能力所需的"环境多样性"，天然构成多场景数据组合。其四，数据治理能力：央企在数据安全、合规与资产管理方面的体系化能力，是数据要素合规流通的基础保障。战略位势能否转化为战略优势，取决于央企能否建立"数据资产化"的运营机制——将场景开放给谁、以什么方式开放、数据权益如何分配，这些机制设计问题将在第六章行动路径中展开。2.4全球竞争格局与中国位置2.4.1中、美、日、欧四大产业方阵的差异化路径全球具身智能竞争呈现四大方阵并立的"多极格局"。美国方阵走"技术引领路线"：以OpenAI、特斯拉、FigureAI为代表，凭借基础模型研究的原创优势与全球顶级风险资本的耐心加持，追求"从通用智能到具身应用"的降维路径，优势在"智"，风险在"产业化节奏与供应链成本"。中国方阵走"产业纵深路线"：以宇树、智元、银河通用等为代表，凭借供应链完整性与场景丰富度，追求"从场景验证到能力上探"的升维路径，优势在"实"，风险在"基础模型原创性与人才厚度"。日本方阵走"工艺积淀路线"：以本田、丰田与安川、发那科等为代表，数十年人形机器人与精密制造的积淀深厚，策略稳健保守，优势在"精"，风险在"软件生态与商业模式转型迟缓"。欧洲方阵走"工业嵌入路线"：以ABB、库卡（美的集团控股）为代表，将智能能力渐进嵌入既有工业自动化体系，优势在"专"，风险在"错失通用化浪潮"。多方阵并立意味着产业标准、技术路线与生态体系尚未定型，这恰恰为后发主体（包括央企）保留了定义规则的机会窗口。2.4.2中国的位置：从"跟跑"到"并跑"的关键跃迁期综合研判，中国具身智能产业正处于从"跟跑"转向"并跑"的关键跃迁期，局部领域已现"领跑"苗头。跃迁的证据链包括：硬件迭代速度上，中国头部厂商的产品更新周期与成本控制能力全球领先，人形整机成本已下探至数十万元人民币区间，显著低于国际同行；运动控制能力上，中国的四足与人形运动控制研究处于全球第一梯队，动态运动能力屡有突破；产业生态上，从零部件到整机到场景的全链条本土化配套基本成形，具备"内循环迭代"的独特能力。尚存的差距集中在"软件纵深"：具身基础模型的架构创新、世界模型的研究积累、顶尖研究人才的密度，与美国头部机构仍有明显差距。对中国位置的准确认知应是"硬件强、场景强、模型追赶"——这一格局下，国家战略资源的配置逻辑应当是"以场景与供应链优势，换模型与芯片的时间"，即以中国最富集的资源（场景、数据、制造成本）加速最薄弱环节（基础模型、高端芯片）的攻坚，这正是新型举国体制在具身智能领域的用武之地，也是央企作为"国家队"的核心价值所在。观察全球格局，还需引入"要素流动"的动态视角——人才、资本与技术知识四大要素的跨国流向，正在重塑竞争的天平。人才流向上，全球具身智能研究人才形成了一个有趣的"环流"结构：华人研究者构成全球具身智能学术与工程队伍的重要力量，其中相当比例在近年回流国内创业或加入头部企业，这一"人才环流"是中国模型能力快速追赶的隐性引擎，但也面临地缘政治对学术交流与人才流动的扰动风险，人才政策的开放度将成为中国保持追赶速度的关键变量。资本流向上，美元基金与人民币基金对具身智能的定价存在系统性温差——国际资本对基础模型叙事给予更高估值溢价，国内资本则更看重场景落地的确定性，两种定价体系各自强化了中美企业的差异化路径。技术知识流向上，开源社区成为跨国知识流动的主通道，具身智能领域的开源模型、数据集与仿真工具显著降低了后发者的学习成本，也意味着"知识壁垒的半衰期"在缩短——任何技术领先都需要以持续的迭代速度而非存量优势来维持。要素流动的综合含义是：中国场景与供应链的"引力场"越强，全球要素向中国体系聚集的趋势就越明显；央企作为引力场中最重质量的天体，其场景开放度与生态友好度，本身就是国家产业竞争力的组成部分。第三章实践图景：央企布局的全景扫描与典型案例产业认知解决"看懂"的问题，实践扫描解决"看清"的问题。央企布局具身智能并非纸上谈兵——2023年以来，一批央企已经以不同的方式、不同的深度、不同的节奏展开行动。本章遵循"先梳理、再分类、后案例"的三层递进逻辑：首先对央企布局的整体图景进行全景扫描，回答"有多少家央企、以什么深度、按什么节奏在布局"；其次构建分类框架，提炼央企布局的三种典型模式；最后选取五家代表性央企进行深度案例剖析，并以"央企与民企协同"收束全章，为后续的战略诊断与路径设计提供实证基础。3.1全景扫描：央企布局具身智能的整体图景3.1.1布局广度：多行业央企的多点进入从行业分布看，涉足具身智能领域的央企已覆盖信息通信、能源电力、装备制造、建筑、交通运输、电子信息、军工等多个板块。信息通信板块的三大运营商以算力平台与产业投资方式入场；能源电力板块的国家电网、南方电网以电力场景应用与产业培育双线推进；建筑板块的中建集团以智能建造为牵引布局建筑机器人；装备制造板块的国机集团、通用技术集团依托装备制造基础探索智能装备升级；交通运输板块的国家铁路集团、招商局集团（港口）、中国邮政（物流）以场景智能化改造为主线；电子信息板块的中国电子、中国电科以自主可控技术体系为依托；军工板块的兵器工业集团、航天科工等则以特种机器人为切入点。粗略估计，以投资、研发、场景应用任一方式实质性进入具身智能领域的央企已超过二十家，且呈持续扩大之势。值得注意的是，布局广度呈现明显的"场景行业优先"特征——拥有大规模真实场景的行业（电网、建筑、通信、物流、铁路）中，央企的布局活跃度显著高于纯资本运作型行业，这印证了第二章的核心判断：场景是央企入场的第一动因。布局广度的扫描还揭示了一个值得深思的"梯度结构"：央企入场的方式与其主业属性呈现规律性的对应。第一梯度是"装备供给型入场"——原有机器人与装备业务的央企（如电力机器人、物流装备、特种装备的产业单位）以既有产品线向具身智能升级，入场最深但路径依赖也最强，其成败关键在于能否完成从"专用装备"到"智能系统"的能力跃迁。第二梯度是"场景应用型入场"——场景富集的央企以采购方与验证方的身份入场，以场景需求组织外部技术供给，入场成本低、杠杆效应大，但自有能力的沉淀速度偏慢。第三梯度是"资本生态型入场"——资本与平台型央企以投资人和生态组织者身份入场，布局的灵活度最高，但与产业的业务咬合最浅。三类入场方式没有优劣之分，却各有其"进化任务"：供给型要补智能化之课，应用型要建自有能力之基，资本型要强业务协同之实——梯度结构的意义在于提示各央企：布局的深化不是同质化的"加大投入"，而是针对自身入场方式的短板定向进化。3.1.2布局深度：从试探参股到系统自建央企布局的深度存在显著差异，可归纳为四级。第一级是"观察性参与"：通过产业论坛、战略合作协议、小比例基金投资保持产业触点，尚无实质资源投入，此类占比最高，反映多数央企仍处观望评估期。第二级是"投资性布局"：通过集团产业投资平台或参与国家级基金，对机器人产业链企业开展股权投资，投入真金白银但尚不介入运营，如多家央企产业基金对头部机器人公司的注资。第三级是"业务性协同"：将具身智能纳入集团战略或"十五五"规划，成立专门工作组或创新中心，在自有场景开展试点部署，投入运营资源验证价值。第四级是"体系性自建"：设立专业化子公司或事业部，构建"研发+产品+场景运营"的完整业务体系，将其培育为独立的业务增长极——目前达到此级的央企尚属少数，但正是这少数派定义了央企布局的"天花板"与可能性。四级的分布呈金字塔结构，塔基宽泛、塔尖稀缺，整体仍处"从第二级向第三级跃迁"的爬坡阶段。3.1.3时间线梳理：2023—2026年的阶段性演进以时间为轴观察，央企布局经历了三个阶段的节奏变化。2023年为"政策预热期"：工信部指导意见出台后，央企的动以战略研究、论坛参与、框架协议为主，实质投入有限，布局呈零星分布。2024年为"加速启动期"：国资委战新产业焕新行动与启航行动的部署，叠加人形机器人产业热度的资本化浪潮（头部民企估值快速攀升、多家公司启动上市进程），央企布局明显提速——产业基金密集设立，创新联合体纷纷组建，多个央企在人形机器人大会等场合高调发布布局计划，"启航企业"中机器人与智能装备方向占据显著位置。2025年为"体系化深化期"：政府工作报告首提"具身智能"后，央企布局从"表态式"转向"结构式"——多家央企将具身智能写入"十五五"规划编制框架，场景试点从单点走向体系，组织形式从项目组走向专业公司，投资策略从财务性参股走向战略性控股与生态构建。演进的时间规律与政策周期高度同步，再次印证央企行为对政策信号的强敏感性——这既是央企的体制特征（政策响应可靠也是其效率约束（市场先觉不足）。3.1.4总体特征研判：热度、结构与非均衡性对全景的综合研判可概括为三句话。第一句："热度已至"——从论坛热度、基金规模、组织动作看，央企层面对具身智能的重视程度已达历史高点，方向共识基本形成。第二句："结构偏轻"——现有布局在结构上呈现"四重四轻"：重投资轻研发（资本投入多，核心技术团队少）、重本体轻数据（关注买机器人，忽视数据资产运营）、重单点轻生态（个别项目试点，缺乏产业链组织）、重形式轻机制（创新中心挂牌多，市场化机制配套少）。第三句："非均衡显著"——布局深度高度分化，少数央企已构建体系化能力，多数仍停留在低深度层级；行业间差异明显，场景型行业央企远快于资本型行业央企。这一"高热度、轻结构、大分化"的图景，意味着央企布局整体上仍处于"上半场"，真正的深水区——能力构建、机制改革与规模化——尚未到来，这正是本书第五、六章的任务所在。3.2模式分类：央企布局的类型学分析3.2.1分类框架构建：布局方式×战略意图的双维矩阵对央企布局行为进行类型学提炼，需要一把好的分析手术刀。本书构建"布局方式×战略意图"双维分类矩阵：布局方式维度区分"资本杠杆型"（以投资与平台资源为主要投入品）与"业务深耕型"（以研发与运营为主要投入品）；战略意图维度区分"平台生态型"（追求产业生态的组织权与平台价值）与"垂直应用型"（追求特定产业的智能化升级与应用价值）。两维交叉形成四种组合，其中三种在央企实践中已成规模，构成本书的三种典型模式——战略投资+生态平台型、产业链整合+技术牵引型、场景驱动+产研融合型；第四种组合（资本杠杆×垂直应用）对应纯粹的财务投资行为，因不构成战略性布局，不纳入模式分析。3.2.2类型一：战略投资+生态平台型该类型的典型画像是以资本与平台资源为杠杆、以产业生态组织权为目标。其布局逻辑是：不自建机器人本体能力，而是通过产业基金投资、算力与网络平台开放、创新中心组织等方式，成为具身智能生态的"连接器"与"底座供应商"。适配主体是信息通信、金融投资类央企——它们不掌握物理作业场景，但掌握智能时代的关键基础设施（算力、网络、数据流通能力）与资本供给能力。该模式的价值创造机制在于"平台效应"：以基础设施服务换取生态位，以资本纽带锁定优质标的，以生态组织权分享全产业成长红利。其风险在于两点：一是平台价值依赖产业繁荣度，若产业本身不及预期，平台将面临"底座悬空"；二是"投而不控"的治理风险——资本纽带能否真正转化为业务协同，考验央企的生态运营能力。三大电信运营商是该类型的主要实践者，本章3.3节以中国移动为典型案例。3.2.3类型二：产业链整合+技术牵引型该类型的典型画像是围绕自主可控的技术使命，沿产业链实施纵向整合，追求关键环节的技术话语权。其布局逻辑是：以央企在电子信息、高端装备领域的既有技术体系为依托，通过自研攻关、并购整合与产学研协同，构建覆盖"芯片—软件—整机—系统"的垂直技术栈，在自主可控的前提下形成产业供给能力。适配主体是电子信息、军工科技类央企——它们具备深厚的技术积淀、体系化的研发组织与国家安全使命的天然牵引。该模式的价值创造机制在于"技术纵深"：在国产替代的历史窗口期，以央企的组织能力攻坚高风险、长周期的底层技术，形成难以复制的技术壁垒。其风险亦有两点：一是市场化能力短板——技术领先不等于产品竞争力，面向竞争性市场的产品定义、渠道与服务体系是此类央企的传统弱项；二是整合陷阱——产业链各环节的技术节奏与商业模式差异巨大，纵向整合对管理能力提出极高要求。中国电子、中国电科是该类型的代表，本章以中国电子为典型案例。3.2.4类型三：场景驱动+产研融合型该类型的典型画像是把自有场景作为需求源、试验田与市场，以应用牵引产业培育。其布局逻辑是：央企自身就是具身智能的最大潜在客户——电网要机器人巡检、工地要机器人施工、矿山要机器人采掘、物流要机器人分拣，与其等待市场供给，不如以场景需求为牵引，通过"出题—立项—验证—采购—推广"的应用创新链，联合科研机构与机器人企业共同开发解决方案，并在验证成熟后向全行业输出。适配主体是能源、建筑、交通、物流等场景富集型央企。该模式的价值创造机制在于"场景飞轮"：场景开放换取技术定制，规模化部署产生数据资产，数据反哺模型迭代，最终形成"场景—数据—能力"的正循环，并将内部应用能力外化为行业解决方案业务。其风险在于三点：场景的非标化导致解决方案难以复制；安全底线要求抬高验证成本；内部采购关系可能弱化产品的市场竞争力检验。国家电网、中建集团、中国邮政是该类型的代表，本章分别以之为典型案例。3.2.5三类模式的对比分析与演化趋势战略投资+生态平台型产业链整合+技术牵引型场景驱动+产研核心杠杆资本+算力网络平台技术体系+自主可控使命场景需求+采购规模价值主张生态组织者与底座供应商关键环节技术供应用牵引者与行业方案商投入重心基金投资、平台建设、生态运营研发攻关、并购整合、垂直整合场景开放、联合研发、部署运营资源基础本、渠道技术积淀、研发组织、安全资质场景独占、需求刚性、资金规模主要风险底座悬空、投而市场化短板、整合陷阱采弱竞争代表央企中国移动等电信运营商国家电网、中建集团、中国邮政关键成功要素生态运营能力技术产品化能力场景价值转化能力三种模式并非互斥，头部央企的实践正呈现"模式融合"趋势：平台型央企开始向场景渗透（联合场景方共建应用），场景型央企开始向平台延伸（将内部能力平台化对外输出），技术型央企则在寻求与场景方的深度绑定。模式的边界将在演化中持续重构，但分类框架的价值恒定——每一家准备入局的央企，都应首先回答"我以什么杠杆、追求什么价值主张"的定位之问。3.3典型案例：三类模式的深度剖析以下五个案例覆盖三种典型模式（类型一1个、类型二1个、类型三3个），每个案例遵循"背景—历程—布局—优势—问题—战略"的六部分分析框架。案例一：中国移动——算力网络+具身智能生态平台（类型一）中国移动是"战略投资+生态平台型"的典型代表——以算网底座为支点、以资本与生态为杠杆，致力于成为具身智能时代的"基础设施供应商+生态组织者"，其路径展示了不直接制造机器人的央企如何参与并分享具身智能产业红利。背景：作为全球用户规模最大的电信运营商，中国移动面临人口红利见顶、传统通信业务增长趋缓的结构性压力，数年前即确立从"通信服务"向"信息服务"的转型战略，提出建设"世界一流信息服务科技创新公司"的目标。在这一转型蓝图中，算力网络被定位为继移动通信之后的第二增长曲线，而人工智能（含具身智能）则是激活算力需求、贯通"连接+算力+能力"新型信息基础设施的钥匙。政策层面，国资委对央企发展战新产业的硬性要求，进一步强化了其向智能产业纵深布局的使命驱动。历程：中国移动的具身智能布局是"AI+行动"的延伸而非孤立动作。2023年前后，其发布人工智能行动规划，将"九天"大模型体系作为AI能力的旗舰载体；2024年，公司层面全面启动"AI+"行动计划，明确从"5G+"向"AI+"的范式升级，同期组建具身智能产业创新中心，将其作为聚合产业资源、开展技术攻关与场景对接的实体平台；2025年以来，围绕"具身智能写入政府工作报告"的政策东风，其布局从组织建设转入生态运营——联合机器人企业、科研院所组建创新联合体，依托产业基金开展股权布局，并推动具身智能应用在其自身网络运维、营业厅服务及合作伙伴场景中落地。布局：中国移动的布局可概括为"三层架构"。底座层：以遍布全国的智算中心集群与"算力网络"体系为具身智能提供训练与推理算力，算力规模居国内运营商首位；能力层：以"九天"大模型为基座，向具身智能的方向延伸多模态与决策能力，为机器人企业提供可调用的模型服务；生态层：以具身智能产业创新中心为枢纽，通过联合实验室、产业基金、开发者生态与展会活动（如世界机器人大会的深度参与），构建"央企出题、生态解题"的协作网络。优势：其一，算力资源的规模性与全国布局，是模型训练时代最稀缺的基础资源；其二，网络与渠道的触达能力——覆盖全国的政企客户关系网，是机器人企业触达行业场景的天然桥梁；其三，资本实力与信用背书，使其在产业投资中具备强议价与强召集能力；其四，运营商自身的通信机房巡检、营业厅服务等场景，为具身智能提供了"自用验证"的试验田。问题：其一，主协同深度不足——算力、网络与机器人本体之间的业务耦合弱于预期，"底座"与"应用"之间存在价值传递的断层；其二，平台模式的商业闭环尚待验证——生态运营的投入如何转化为可持续收入（算力消费、平台服务费、投资收益），路径仍不清晰；其三，机制灵活性约束——运营商体系的人才薪酬与决策机制，与AI创业生态的市场化节奏存在落差，生态运营团队的稳定性面临考验。战略：中国移动的战略纵深在于完成"三级跳"——第一级，以算力与网络服务锁定具身智能企业的"基础设施钱包"；第二级，以模型能力与数据服务提升在价值链中的位置，从"卖资源"走向"卖能力"；第三级，以生态组织权获取产业成长的结构性红利，成为具身智能产业中"收税者"而非"竞争者"。其成败关键，在于能否抵御"下场造机器人"的诱惑（那将使其陷入低壁垒的红海），坚守平台与生态的定位定力。案例二：中国电子——自主可控全栈体系的攻坚者（类型二）中国电子是"产业链整合+技术牵引型"的典型代表——以网络安全与信息化国家队的使命为牵引，构建从芯片、操作系统到整机系统的自主可控技术体系，其具身智能布局的本质是为国产智能硬件生态锻造"大脑与神经系统"。背景：作为我国网信事业的核心央企，中国电子历经数十年发展，构建了以"飞腾CPU+麒麟操作系统"为代表的自主计算体系（PK体系在党政、金融、能源等关键行业的信息化替代中发挥主力作用。人工智能浪潮对自主计算体系提出了新命题：智能时代的"卡脖子"将从通用芯片延伸至智能算力、具身模型与机器人系统，若不能在具身智能的软硬件底座上延续自主可控能力，此前数十年替代攻坚的成果将在新代际中被稀释。这一战略忧患构成其布局具身智能的根本动因。历程：中国电子的布局遵循"底座先行、由虚入实"的节奏。在通用AI阶段，其围绕智算硬件、行业大模型开展布局，将AI能力嫁接于既有的行业信息化渠道；随着具身智能的产业热度确立，其开始将自主计算体系向机器人领域延伸——探索国产芯片与操作系统在机器人控制器、边缘智能单元中的适配，推动"PK体系"向"PK+机器人"的场景扩展；2024年以来，通过体系内企业的业务重组与对外合作，其机器人相关业务从零散探索走向体系化整合，明确了以自主可控的机器人核心部件与系统解决方案为方向的产业定位。布局：其布局可概括为"垂直整合的三个层次"。芯片层：以飞腾等体系内芯片平台为基础，面向机器人场景发展具备实时性与安全性的控制芯片与智能算力芯片方案；软件层：以麒麟操作系统及其生态适配为基础，向机器人操作系统、中间件与工具链延伸，构建机器人软件底座的国产方案；系统层：联合本体企业与行业用户，将"国产芯片+国产OS+行业算法"打包为面向特定场景的机器人系统解决方案，在安全要求高的行业场景中先行落地。优势：其一，全栈自主的技术纵深——从芯片到软件到系统的完整布局，在国内产业界独一无二，构成安全敏感场景的准入壁垒；其二，关键行业的渠道与信任资产——数十年深耕党政与关键行业所积累的客户关系与安全资质，是机器人国产方案落地的天然通道；其三，体系化的研发组织能力——央企建制化的科研体系适合攻坚长周期、高不确定性的底层技术。问题：其一，市场化基因不足——技术导向的组织文化在产品定义、用户体验与商业竞争上反应迟缓，而机器人恰恰是高度市场化的竞争领域；其二，生态开放度悖论——自主可控的封闭性与开发者生态的开放性存在张力，如何让国产机器人软件底座获得产业界广泛采用，是比技术攻关更难的课题；其三，迭代速度压力——具身智能技术栈的演进以月为单位，与央企研发体系的年度节奏存在结构性错配。战略：中国电子的战略要义在于"从替代者到定义者"的升维——短期，以安全敏感场景（军工、能源、政务）为根据地，完成国产机器人软硬件底座的场景验证与商业闭环；中期，以底层组件（芯片、OS、工具链）的生态采用率为核心指标，通过开源、适配基金、开发者激励等机制扩大产业根基；长期，力争使国产具身智能技术体系成为事实标准之一，从"跟随国际标准做替代"转向"参与乃至主导标准定义"。其最大战略风险是在市场化竞争的洪流中退守为"政策市场供应商"——避免之道在于以真正开放的产品化能力赢得竞争性市场。案例三：国家电网——电力场景具身智能的规模化先行者（类型三）国家电网是"场景驱动+产研融合型"在能源领域的典型代表——以全球最大电网的运维需求为牵引，从巡检机器人一路演进至具身智能体系化布局，展示了"场景所有者"如何以应用创新链牵引产业、以规模部署定义标准。背景：国家电网经营着全球规模最大的电网，资产规模数万亿元，输电线路长度、变电站数量均居世界首位。庞大资产带来同样庞大的运维压力：设备巡检依赖人工，存在效率、安全与人力供给三重约束——输电线路穿越崇山峻岭，人工巡检艰苦且危险；变电站带电设备近距巡检存在安全风险；而电网规模的持续扩张与运维人才的结构性短缺之间的矛盾日益尖锐。以机器替代人工高危、重复、低效的运维作业，是电网企业数十年一贯的内在需求，这一需求在具身智能时代迎来技术上的历史性交汇点。历程：国家电网的机器人应用史几乎与中国电力自动化史同步。早在2010年代，变电站巡检机器人即开始规模化部署，国网智能（山东）等产业单位发展成为电力特种机器人领域的头部企业；随后，输电线路无人机巡检、电缆隧道巡检机器人、配电带电作业机器人等品类陆续成熟，形成覆盖发、输、变、配、用各环节的电力机器人谱系；2023年以来，随着人形机器人与具身智能技术突破，其布局进入新阶段——从"专用机器人"向"通用具身智能"跃迁，探索大模型赋能的变电站多任务作业机器人、具身智能巡检体系等方向，并通过产业单位投资、创新大赛、联合实验室等方式向具身智能产业链延伸。布局：其布局呈"应用—产业—标准"三位一体。应用侧：以真实的运维痛点为清单，分场景推进机器人部署——变电站智能巡检已成规模，输电线路无人机自主巡检体系日趋成熟，带电作业机器人从试点走向推广，新一代具身智能作业机器人进入技术验证期。产业侧：以国网智能等产业单位为平台，横向联合机器人本体、零部件与模型企业，纵向贯通"需求—研发—制造—运维"链条，并配套产业投资基金布局产业链关键环节