编制单位：淞基科技（上海）有限公司、淞基信息通信研究院
报告日期：2026年10月
具身智能正从实验室样机走向规模化商业落地。据 Counterpoint Research 统计，2026年上半年全球人形机器人出货量突破2.2万台，同比增长接近300%；中国信息通信研究院与清华大学联合发布的《具身智能发展报告（2026年）》进一步确认了这一趋势。然而，出货量的增长并不自动等同于产业成熟。具身智能能否真正进入工厂、仓储、医疗与家庭场景，取决于四个互为条件的支点是否稳固：数据质量、仿真闭环、安全评估与互操作标准。2026年10月13日至16日，国际电信联盟具身智能标准焦点组（ITU FG-EAI）第三次全体会议首次走出日内瓦、在杭州召开，来自43个国家的近400名专家围绕多模态数据、系统集成、接口规范、能力评估与开源生态推进标准研究。本文在核实一手产业数据与国际标准进展的基础上，系统梳理具身智能标准体系与数据治理的现状、核心议题、制度安排与产业路径，并就其规模化落地所面临的关键瓶颈与对策提出研判。
关键词：具身智能；人形机器人；标准体系；数据治理；仿真闭环；安全评估；互操作
具身智能（Embodied Intelligence / Embodied AI）指将人工智能能力嵌入具有物理形态的实体之中，使系统能够在真实世界中感知、推理、行动并与人和环境协作。与仅处理数字信息的传统人工智能不同，具身智能强调”身体—环境—行动”的紧密耦合，其能力边界由物理世界而非单纯的数据空间所界定。过去数年，具身智能长期停留在样机演示与技术验证阶段，场景高度受限，商业化进展缓慢。
进入2026年，这一局面发生显著改变。先进视觉—语言—动作（VLA）模型逐步部署至新一代人形机器人，工业与商用服务领域的试点项目完成验证并开启批量部署。具身智能由此进入”从技术闭环走向生态协同”的关键窗口期。清华大学电子工程系教授汪玉在2026年10月的报告发布中指出，具身智能的发展不会以一次技术突破突然完成，而更可能呈现螺旋式上升、渐进式演化的特征。这一判断提示，产业规模的扩张与技术能力的成熟之间存在时间差，而标准化正是弥合这一时间差的关键工具。
市场研究机构 Counterpoint Research 于2026年8月20日发布的人形机器人研究报告显示，2026年上半年全球人形机器人出货量突破2.2万台，较2025年同期增长接近300%。出货量前五名厂商均为中国企业，合计占据全球市场份额的86%：
• 智元（AGIBOT）：出货约9,700台，占比43.1%，居全球首位；
• 宇树科技（UNITREE）：出货超7,000台，占比31.1%；
• 银河通用（GALBOT）：出货超1,100台，占比约5.0%；
• 优必选（UBTECH）：交付千台级别，占比约4.4%；
• 乐聚机器人：出货650台，占比2.9%；
• 其他厂商：合计占比约13.4%。
值得关注的是，宇树科技凭借持续盈利能力已登陆上海证券交易所科创板，反映资本市场对人形机器人赛道远期空间的认可；优必选上调其 Walker S 系列2026年出货指引，由2000—3000台上调至5000台；智元则持续推进”从1到N”的产品化复制，布局 RaaS（机器人即服务）模式，并规划以觅蜂科技打造集数据采集、治理于一体的一站式 Physical AI 数据平台。Counterpoint 预计2026年全年全球人形机器人出货量将突破5万台，同比增长约210%；IDC 的测算则更为激进，预计到2030年全球出货量将超过75万台。尽管不同机构口径存在差异，但产业处于高速扩张期这一点并无分歧。
从应用场景分布看，人形机器人出货仍以文娱商演与科教数采为主导。据 Counterpoint 数据，2026年上半年文娱商演占比约33.6%，数据生产与科研占比约27.0%，导览导购约19.0%，智能制造约12.8%，仓储物流约4.9%。文娱商演与科教数采合计占比虽较上年有所回落，但仍超过六成。
这一结构的深层含义在于：当前人形机器人的主要市场仍偏向”展示体验”而非”实际使用”。不过，智能制造与仓储物流的占比已出现明显提升，分别达到13%和5%，反映出产业正由单点验证向规模应用、由展示体验向实际使用逐步深化。交通枢纽的人形机器人开始常态化部署，车厂在生产、销售、售后全环节推进场景落地，3C制造与物流仓储场景中针对搬运、分拣、巡检等标准化作业的方案加速涌现。2026年下半年起，服务业与工业领域的更多试点项目将进入批量部署阶段。
《具身智能发展报告（2026年）》显示，中国具身智能产业保持较高的区域集中度。北京、广东、上海分别收录相关企业109家、84家和58家，合计占比约62%；江苏与浙江分别为45家和39家，前五省市合计占比超过八成。其中，北京广泛布局算法模型、整机产品与数据采集设备；广东、上海在整机研发与基础配套方面参与较多；江苏、浙江则在机器人产品、配套供应及行业应用方面形成聚集趋势，呈现”头部集中、长尾分布”的产业格局。
在产业链分工上，2026年中国具身智能产业链上下游分工进一步明确，形成上游数据、算力、基础软硬件和核心零部件，中游具身智能产品与技术服务，下游行业应用的发展格局。数据被明确列为核心产业要素，这与具身智能”数据驱动”的技术特征直接相关，也决定了数据治理在整个产业生态中的枢纽地位。
国际电信联盟具身智能标准焦点组主席、中国信息通信研究院人工智能研究所副总工程师王蕴韬指出，国际标准化并非技术创新的前置约束，而是具身智能走向全球规模化应用的现实需要。这一论断揭示了标准化的本质定位：标准不是创新的绊脚石，而是市场扩张的润滑剂。
具身智能系统的复杂程度远超传统工业设备。一套完整的人形机器人涉及感知传感器、多模态数据采集、运动控制、VLA 模型推理、云边端协同、人机交互界面等多个层次，且需要在开放、动态的物理环境中与人和既有系统共存协作。当此类系统仅在单一厂商、单一场景内运行，其内部接口可以自定标准；但一旦进入跨厂商采购、跨场景部署、跨系统集成阶段，缺乏统一标准将导致高昂的适配成本、碎片化的数据孤岛和难以评估的安全风险。因此，标准建设的进程直接决定了具身智能能否从”单点演示”跃迁为”规模经济”。
新加坡企业发展局（EnterpriseSG）发布的白皮书《Embodied AI：未来具身智能标准发展路径》系统识别了可能成为具身智能采用战略瓶颈的五大标准化缺口：
1. 数据治理与隐私：具身智能依赖大规模真实物理交互数据，这些数据往往涉及作业环境、人员行为乃至个人信息，缺乏统一的数据采集、标注、元数据与安全合规规范；
2. 企业系统中的 AI 安全与可靠性：机器人在真实生产环境中作业，其决策与动作必须满足可证明的安全边界，现有安全标准难以覆盖具身智能的动态特性；
3. 作业场所安全与风险管理：人机协作的安全间距、力位控制、紧急停机与事故责任划分等缺乏统一规范；
4. 互操作与中间件：不同厂商的机器人、传感器、云平台之间缺乏统一的接口与数据交换协议，导致”系统之系统”难以集成；
5. 质量、性能与采购级认证：缺乏可用于招投标、采购与验收的基准测试与认证体系，用户难以横向比较不同产品的真实能力。
这五大缺口相互咬合，共同构成制约具身智能规模化落地的标准瓶颈。数据治理是基座，安全可靠与作业安全是底线，互操作是效率，认证是信任。本文后续章节将围绕这些维度逐一展开。
国际电信联盟（ITU）于2026年2月19日由其电信标准化部门第21研究组（ITU-T SG21）批准设立”面向多媒体技术的具身智能焦点组”（Focus Group on Embodied AI for Multimedia Technologies，FG-EAI），这是全球首个具身智能国际标准平台。焦点组主席由中国信息通信研究院的专家担任，副主席分别来自韩国电子通信研究院（ETRI）与印度通信部。
FG-EAI 围绕具身智能的完整技术栈设立了九大工作组（WG），覆盖从基础架构到产业应用的全链条：
• WG1 基础架构与术语（下设术语、全栈框架两个子组）；
• WG2 多模态数据框架；
• WG3 具身智能模型；
• WG4 系统集成与接口；
• WG5 连接与互操作；
• WG6 垂直行业应用（下设工业环境、移动与物流、家庭、医疗、智能电网等子组）；
• WG7 人机对齐与交互（下设无障碍子组）；
• WG8 评估与基准测试；
• WG9 开源生态。
焦点组重点研究真实与虚拟数据集、闭环控制、世界模型训练以及先进人机交互等基础技术。其设置本身即为具身智能标准化需求的结构性映射：数据框架、模型、接口、互操作、评估、开源，与本文第二章识别的五大缺口高度吻合。据焦点组统计，目前该平台已汇聚来自57个国家和地区的500余名专家，数十项标准工作项目有序开展。
2026年10月13日至16日，FG-EAI 第三次全体会议在浙江杭州举行，并同步举办具身智能标准高级研修班。这是该平台自成立以来首次走出日内瓦、在中国举办全体会议。来自43个国家的近400名专家参会，美国、英国、韩国、加拿大、瑞士等国均有代表出席。会议通过全体大会及九个工作组的专题研讨，审议在研技术规范和技术报告，议题覆盖具身智能数据、模型、人机对齐、接口及云边端协同等方向，累计提交文稿104份。
会议拟批准两项关键技术规范，分别由中石油数智研究院与中国信息通信研究院牵头。围绕多模态数据、接口互操作、行业应用等议题，国际专家还实地参访了本地企业与赛事现场，推动国际标准与产业实践的对接。与会专家普遍认为，跨国技术协同是标准建设的关键，各国产学研主体应持续深化联动，完善基准测试与评估体系，以共同的国际规则推动具身智能安全、可靠地应用于各行各业。
值得注意的是，此次会议首次走出日内瓦、落地杭州，具有多重象征意义：其一，表明中国在具身智能国际标准领域的主导性正在上升；其二，将国际标准讨论与中国产业实践（尤其是杭州滨江的人形机器人产业生态）直接对接，推动标准从”纸面规则”走向”工程验证”；其三，通过高级研修班等形式开展国际能力建设，扩大标准制定的参与面。
中国参与具身智能国际标准制定已取得具体成果。由中国信息通信研究院牵头推动的 ITU-T F.748.66《具身智能系统框架及能力要求》，已于2025年12月获批生效。该标准明确了具身智能的定义、系统框架以及感知、决策、执行、交互、学习等关键能力要求，为全球研发提供了共同的技术依据，标志着中国研究成果已通过国际协商转化为全球共同认可的标准成果。
此外，ITU 在具身智能评估与数据领域亦有布局。ITU-T F.BA-EAI（具身智能系统基准测试与评估框架）及面向真实场景的遥操作数据采集系统技术报告（TR-ED）等，已对设备标定、多模态输入信号（视觉、力觉）约定及统一数据元数据结构作出规范。这些成果共同构成具身智能国际标准体系的早期骨架。
在推进国际标准的同时，中国国内标准体系建设明显提速，形成了”国家标准—行业标准—团体标准”的多层级格局。
行业标准方面，工业和信息化部于2026年3月以2026年第3号公告批准发布《YD/T 6770-2026 人工智能 关键基础技术 具身智能基准测试方法》，这是具身智能领域首份行业标准，于2026年6月1日正式实施。该标准规范了仿真环境与真实环境下具身智能基准测试的环境设置、任务库构建、测试过程和指标计算方法，搭建起行业统一的基准测试框架，直接回应了”机器人能力如何评估”这一核心命题。
国家标准方面，全国标准信息公共服务平台检索结果显示，已发布《GB/Z 220-2026 人工智能 具身智能数据生成平台技术要求》等多项国家标准，覆盖数据生成平台的技术要求。工信部人工智能标准化技术委员会（MIIT/TC1）提出的”标准体系（2026版）“，将具身智能标准化从专项规则升级为覆盖数据、模型、测试、接口、安全、应用等六大维度的完整体系。
这一”从专项到全链”的升级，本质上是从”解决单点问题”转向”构建系统规范”，与具身智能系统本身的系统性相匹配。
在数据治理层面，政策与法规层面的制度供给正在加速。
部委专项行动：工业和信息化部办公厅与国务院国资委办公厅联合开展的”2026年度人形机器人与具身智能实景实训专项行动”，明确要求构建高质量、高保真数据集，提升全身运动轨迹、力位控制曲线、操作执行序列及时序逻辑等全维度信息记录的精度与准度，持续丰富空间语义、物体属性以及异常处置、突发干扰、边界工况等真实场景数据；同时强调”加强数据治理，在保障数据安全、隐私保护、商业秘密前提下稳妥有序开放共享”。这一表述将”数据治理”确立为专项行动的明确任务项，并划定了安全与共享之间的边界。
数据标准组织：工业和信息化部 TC8 数据标准工作组（WG7）成立并召开首届研讨会，提出”三层七类”架构，遵循分类分级、安全合规、可用性、滚动修订四项原则，按照”预研池—立项池—在研池—存量池”实施四池滚动管理，重点围绕前瞻性、实用性、安全性和国际性四个方向发力。工作组明确提出”高质量真实物理交互数据储备极低，比数量缺口更严峻的是标准之缺”，把数据标准建设提升到与数据采集同等重要的地位。
地方法规：以杭州为代表的产业高地已着手制度供给。杭州市促进具身智能机器人产业发展条例规定，从事具身智能机器人研发、生产、应用及服务活动的单位和个人，应当建立全流程数据安全管理与个人信息保护制度，依法采取数据安全防护措施，防范数据泄露、丢失、损毁或被窃取、篡改等安全风险，并探索对具身智能机器人进行编码管理。这是将数据安全要求直接写入地方法规的早期实践。
信通院与清华大学联合发布的报告指出，要实现机器人领域的”ChatGPT时刻”，模型需要千万小时级有效数据。在高数据需求与大规模数据缺口牵引下，国内数十家公司已进入具身数据赛道，形成仿真合成与真实数据并行演进的能力格局。
这一数据缺口是理解整个标准与数据治理议题的起点。具身智能的训练高度依赖”人在回路的遥操作采集”与”真实场景物理交互”，此类数据不仅获取成本高、标注难度大，而且高度依赖特定机器人本体与特定场景，难以像互联网文本那样大规模、低成本地获取与复用。数据缺口的存在，使得”数据质量”与”数据共享”问题同时尖锐化：数据不足要求开放共享，但数据涉及安全与商业秘密又要求严格管控，二者之间的张力正是数据治理制度设计的核心议题。
具身智能数据是典型的多模态数据，涵盖视觉（RGB、深度）、触觉（力觉、力矩）、本体感觉（关节角度、角速度）、语音、语义文本乃至世界模型所需的环境状态序列。数据的价值高度依赖其质量与规范性。
当前具身数据治理面临的首要问题是元数据与标注标准的缺失。不同厂商、不同采集设备产生的数据，在坐标系约定、采样频率、时间同步、物理单位、力位标定等方面缺乏统一约定，导致数据难以跨本体、跨平台复用。ITU FG-EAI 的 WG2（多模态数据框架）与 WG4（系统集成与接口）正是针对这一问题展开研究；ITU-T TR-ED 技术报告已对设备标定、多模态输入信号约定及统一数据元数据结构作出尝试。数据生成平台国家标准（GB/Z 220-2026）亦对数据生成平台的技术要求作出规范。
数据质量的治理需贯穿”采集—清洗—标注—存储—使用”全生命周期，建立可追溯的数据血缘与质量分级机制，使”高质量真实数据”成为可度量、可交易的资产，而非模糊的能力主张。
面对千万小时级数据缺口，仿真合成数据被视为关键补充。国内企业已在港口、矿山等复杂场景中，基于英伟达等平台积累端到端辅助驾驶场景及合成数据用于机器人训练；“穹顶—DOME”平台致力于统一数据接口与格式规范，打破数据孤岛，构建产业通用语言，以推动跨场景互操作与高质量数据供给。
北京谋先飞（Motphys）提出的”真实—仿真—真实”闭环理念具有代表性：将真实场景转化为训练资源，再通过仿真开展大规模训练与验证。该公司以自研 MotrixSim 物理引擎为基础构建 MotrixLab 训练平台，探索缩小仿真环境与真实作业之间差距的路径。在业界看来，推动数据与仿真资产标准统一，有助于提升训练与评测的规范性，降低技术落地中的衔接成本。
仿真闭环的技术价值在于：其一，以低成本生成规模化的训练数据，缓解真实数据缺口；其二，在安全前提下覆盖真实场景中的边界工况与异常工况；其三，为能力评估提供可复现、可比较的测试环境。但仿真数据的有效性高度依赖物理引擎的保真度，存在”Sim-to-Real 差距”（仿真与真实之间的迁移落差）。这一差距能否通过标准化的”真实—仿真—真实”闭环加以收敛，是决定仿真数据能否真正支撑工业落地的前提。
具身智能在家庭、医疗、仓储等场景作业，必然采集大量涉及环境、人员行为乃至个人生物特征的信息，数据安全与隐私保护成为不可回避的合规底线。
从制度层面看，中国已通过《网络安全法》《数据安全法》《个人信息保护法》构建起数据安全与个人信息保护的顶层法律框架，具身智能数据治理必须在这一框架内展开。信通院报告与部委专项行动均强调”在保障数据安全、隐私保护、商业秘密前提下稳妥有序开放共享”，将安全作为共享的前提条件。杭州市促进具身智能机器人产业发展条例进一步将”全流程数据安全管理与个人信息保护制度”法定化。
在技术层面，需建立分级分类的数据安全机制：区分公开数据、受控数据与敏感数据；对涉及人员面部、生物特征的数据实施脱敏与差分隐私处理；对涉及商业秘密的作业数据实施访问控制与审计追踪。数据的”可用不可见”（如隐私计算、联邦学习、安全多方计算）技术路径，有望在保障安全的同时释放数据价值。
数据权属与流通是具身数据产业化的核心制度难题。具身数据的产生主体高度多元——遥操作采集的数据可能同时涉及机器人厂商、操作员、作业环境所有者与其中的个体，多主体权属交叉使得数据确权与交易面临困境。数据孤岛与碎片化严重制约高质量数据的积累与复用。
推动数据流通需要制度与技术双轮驱动：制度上明确数据权属与使用授权规则，建立数据登记、定价与收益分配机制；技术上通过统一数据格式与接口、可信数据空间与数据血缘追溯，降低数据流通的交易成本。“穹顶—DOME”平台”统一数据接口与格式规范、打破数据孤岛”的实践，正是这一方向的早期探索。值得强调的是，数据开放共享必须以安全合规为边界，两者的平衡需要在治理制度中精细化设计。
仿真环境在具身智能的研发体系中承担三重功能：作为训练数据的规模化来源、作为模型迭代的低成本试验场、作为能力评估的可复现测试台。三者共同指向一个目标——在物理世界部署之前，先以可计算的方式验证系统行为。
闭环控制与世界模型训练是当前技术演进的核心方向。Counterpoint 观察到，世界模型与 VLA 的融合正成为新技术范式：以世界模型作为支撑组件，全新的端到端 Transformer 架构不仅能输出动作，还能对长程任务下的连续状态进行预测，从而解决 VLA 在物理规则学习与推理层面的短板，在动态环境下具备更强鲁棒性，实现少样本或零样本条件下的泛化能力。仿真环境正是训练与验证这类模型的高效载体。
能力评估是标准化中最具操作价值的环节。YD/T 6770-2026《具身智能基准测试方法》确立了仿真与真实环境下基准测试的环境设置、任务库构建、测试过程与指标计算方法，为行业提供了统一的”能力标尺”。ITU-T F.BA-EAI 则在国际层面推进具身智能系统的基准测试与评估框架。
能力评估的核心难点在于任务库与指标设计的科学性。具身智能能力的度量不能仅依赖单一指标，需覆盖感知精度、操作成功率、任务完成时间、鲁棒性、安全性与人机协作质量等多维度指标，并保证测试任务与真实作业场景的相关性。基准测试的标准化，使用户能够在统一标尺下比较不同厂商产品的真实能力，为采购、验收与认证提供依据，也为模型研发提供可量化的迭代目标。这正是”让具身智能可部署、可比较、可信赖”的技术前提。
FG-EAI 设立的 WG7（人机对齐与交互）专门研究具身智能与人类价值观、意图的对齐问题。在开放动态环境中，机器人需要理解人类意图、遵守社会规范、在歧义情境下作出安全判断，并在故障时实施安全的降级与退避行为。人机对齐既是技术问题（如何建模人类偏好），也是伦理与安全问题（如何界定机器人行为的责任边界）。
可信赖性（Trustworthiness）是能力评估的最终落脚点。一个可部署于真实场景的具身智能系统，必须同时具备功能可信赖（能力达标、行为可预测）、安全可信赖（不造成人身与财产损害）、合规可信赖（遵守法律法规与社会规范）三个维度。安全评估体系需覆盖从设计、测试到部署运行的全生命周期，并将”安全边际”以标准化方式固化为可验证的工程要求。
具身智能并非单一设备，而是”系统之系统”。一台部署于工厂的人形机器人需要与工业控制系统、生产线调度、仓储管理系统（WMS）、物联网平台以及云端模型服务实现集成。系统集成与接口规范（对应 FG-EAI 的 WG4）正是解决不同子系统间”如何接、按什么接”的问题。
接口规范的缺失直接导致集成成本高企与系统碎片化。各厂商的感知数据接口、控制指令协议、状态上报机制若互不兼容，用户将面临严重的锁定效应与高昂的二次开发成本。统一接口规范的意义在于：降低多厂商集成成本、支持异构系统的即插即用、促进云边端协同的高效运行。
互操作（对应 WG5）是接口规范的延伸与深化。互操作不仅要求接口格式一致，还要求语义层面的一致——不同系统对同一任务、同一状态的描述必须可互相理解。连接则指向云边端协同的网络基础设施，涉及机器人与云端模型服务、边缘算力节点之间的实时通信与时延保障。
对于具备实时控制需求的具身智能系统，网络连接的低时延、高可靠与确定性是关键约束。这也解释了为何具身智能标准研究与通信网络标准紧密交织，并由 ITU 这一电信标准化机构主导推进。云边端协同的标准化，将使”轻本体+重云端大脑”的架构成为可能，从而降低单机成本、提升模型迭代速度，这也是当前头部厂商竞相布局的”模型+数据+云”闭环能力的一部分。
FG-EAI 专设 WG9 研究开源生态，反映开源在具身智能领域的关键作用。开源数据集、开源模型、开源仿真平台与开源硬件框架，能够以更低门槛汇聚多方研发力量，加速技术收敛与生态成型。数据格式与接口的开源，本身也是促进互操作与数据流通的有效途径。开源生态的标准化（即”如何开源、开源到什么程度、如何确保开源组件的安全”）将成为标准体系的重要补充。
工业制造被视为具身智能最具确定性的落地场景。2026年上半年，智能制造在人形机器人出货中占比约13%，并持续提升。智元精灵系列通过与龙旗科技、均胜电子等合作，其 G2 集群已落地消费电子、汽车零部件制造产线开展实际作业；银河通用针对工业真实场景开发专用 VLA 模型，其面向工业、物流重载场景的轮式双臂 Galbot S1 于2026年3月完成宁德时代产线验收；优必选客户集中于汽车、3C制造等领域。车厂正逐步在生产、销售、售后全环节推进人形机器人部署。
工业场景对标准化的要求最为严苛：机器人需与既有产线系统无缝集成（互操作）、在安全边界内与人协作（作业安全）、在批量部署时具备一致性与可维护性（质量与认证）。工业环境的标准化将成为具身智能标准体系的优先突破方向，对应 FG-EAI 的 TG6.1（工业环境）。
仓储物流出货占比约5%，但增长迅速。针对搬运、分拣、巡检等标准化作业，正涌现出可适配实际生产条件的落地方案。仓储环境相对结构化的特征，使其成为具身智能从”展示”走向”实用”的理想过渡场景。无人药店、无人零售等线下场景同时承担数据训练场的功能，导览导购机器人（占比约19%）的规模化部署也在持续积累真实作业数据。
医疗是具身智能最具想象空间但也最具挑战的场景（FG-EAI 的 TG6.4）。医疗场景对安全性与可靠性要求极高，机器人可能涉及患者接触、手术辅助与康复训练，其能力评估与安全认证将面临远高于工业场景的门槛。当前医疗应用仍处于早期探索阶段，标准建设需与技术成熟同步推进，避免因标准缺失而阻碍合规应用，或因标准滞后而积累风险。
家庭场景（TG6.3）指向情感陪伴、教育娱乐等需求，优必选推出的面向消费者子品牌优世界（UWORLD）即定位该市场。家庭环境的高度非结构化与人员接触的密切性，对机器人的安全性、隐私保护与人机交互质量提出独特要求。家庭场景的个人信息保护问题尤其突出，机器人在家庭中采集的视听与行为数据几乎全部涉及个人隐私，必须在设计与部署阶段内置隐私保护机制。
信通院联合清华大学的研究警示，具身智能泡沫风险正在积聚，未来两三年有望完成首轮出清。2025年世界机器人大会发布新品123款，2026年增至311款，供给端扩张速度远超需求验证速度。在融资与市场热情高涨背景下，大量缺乏真实技术能力与商业闭环的企业涌入赛道，可能出现估值泡沫与低质内卷。
这一警示提示标准化工作的节奏考量：一方面，标准建设不宜在技术尚未收敛时过早僵化；另一方面，标准的缺失又会放任低质供给与无序竞争。合理的路径是”标准先行与动态演进并重”——先建立基础架构、术语、数据与安全等”必答题”标准，再随技术成熟逐步完善能力评估与行业应用标准，以标准筛选劣质供给、以演进避免约束创新。
技术层面，世界模型与 VLA 的融合正成为产业突破的关键。这一融合使机器人从”反应式执行”向”预测性规划”跃迁，显著提升长程任务的泛化能力。头部厂商的核心竞争力，正从单纯角逐模型能力与产能扩张速度，转向打造覆盖先进模型、垂直场景落地、数据体系构建、模型快速迭代的闭环能力。这意味着数据体系与标准化能力将成为未来竞争的分水岭——谁拥有高质量数据与统一标准的话语权，谁就掌握生态主导权。
展望未来，具身智能的成熟将经历”螺旋式上升、渐进式演化”的过程。技术层面需要重新思考人工智能的底层架构，使模型、身体、环境和行动形成更紧密的动态耦合；产业层面将从”技术驱动”转向”价值驱动”，在能力边界内做深做实是产业可持续发展的关键。
具身智能能否真正进入工厂、仓储、医疗和家庭，最终取决于四组支点是否成熟：数据质量决定模型能力的上限，仿真闭环决定研发与评测的效率，安全评估决定部署的合规底线，互操作标准决定规模化的经济性。这四者相互依赖、缺一不可，共同构成具身智能规模化落地的”标准—数据”基础设施。
综合上述分析，本报告形成以下结论与建议：
一、产业已跨越规模化的起点，但远未到达成熟。 2026年上半年全球人形机器人出货量超2.2万台、同比增长近300%，产业进入商业化落地关键窗口期；但应用仍以文娱商演与科教数采为主（合计超60%），制造与物流占比虽在提升，仍处于批量部署的早期。出货量的增长不等于能力成熟，标准与数据治理的短板将在规模化进程中愈发凸显。
二、标准化已从”要不要做”进入”怎么做、做多快”的阶段。 ITU FG-EAI 杭州全会、ITU-T F.748.66、YD/T 6770-2026、GB/Z 220-2026及”标准体系（2026版）“的推进，表明国际与国内标准框架已初步成型，覆盖数据、模型、接口、互操作、评估、开源等维度。下一步应优先突破工业环境、安全评估与数据互操作三个”必答题”。
三、数据治理是具身智能的第一性基础设施。 千万小时级有效数据缺口决定了数据质量、数据流通与数据安全的三重压力。建议：建立统一的多模态数据采集、标注与元数据标准；推动”真实—仿真—真实”闭环与仿真资产标准化；在《数据安全法》《个人信息保护法》框架内建立分级分类的数据安全与开放共享机制；探索数据权属登记与可信流通的技术制度安排。
四、评估与认证是建立市场信任的关键。 应依托 YD/T 6770-2026 等基准测试标准，构建覆盖感知、操作、鲁棒性、安全与人机协作的多维能力评估体系，推动采购级认证，使用户能够”可部署、可比较、可信赖”地选择产品，以标准筛选劣质供给。
五、产业主体应以”标准+数据”双能力构筑长期壁垒。 具身智能竞争正从模型与产能转向模型、数据、标准与生态的复合竞争。具备数据体系构建能力与标准参与能力的主体，将在产业出清与生态成型中占据主导位置。
六、对政策制定者的建议。 在保持标准动态演进的同时，加快安全评估、作业安全与互操作等基础标准的供给；引导数据在安全合规前提下有序开放共享；警惕泡沫风险，推动能力导向的产业化考核，避免低质扩张对产业生态的透支。
1. Counterpoint Research，《2026年上半年全球人形机器人出货量同比增长近300%，商用落地持续提速》，2026年8月20日发布；
2. 中国信息通信研究院人工智能研究所、清华大学电子工程系、具身智能测试实验室，《具身智能发展报告（2026年）》，2026年10月16日发布；
3. 国际电信联盟（ITU），Focus Group on Embodied AI for Multimedia Technologies（FG-EAI）官方网站及第三次全体会议材料，2026年10月13—16日，杭州；
4. 中国新闻网，《专家、业界聚杭州 共探具身智能全球规范》，2026年10月17日；
5. 中国科技网，《定规则、赛技术、聚人才，两大具身智能活动将在杭州启幕》，2026年10月13日；
6. 中国经济网，《报告指上半年全球人形机器人出货量超2.2万台》，2026年10月17日；
7. 工业和信息化部2026年第3号公告，YD/T 6770-2026《人工智能 关键基础技术 具身智能基准测试方法》；
8. 全国标准信息公共服务平台，GB/Z 220-2026《人工智能 具身智能数据生成平台技术要求》；
9. 工业和信息化部办公厅、国务院国资委办公厅，《关于联合开展2026年度人形机器人与具身智能实景实训专项行动的通知》，2026年6月；
10. 中国日报网，《工信部TC8数据标准工作组成立 首届研讨会成功召开》，2026年7月24日；
11. 杭州市促进具身智能机器人产业发展条例；
12. Enterprise Singapore，White Paper on Embodied AI: A Pathway for Future Embodied AI Standards Development；
13. 中国网，《标准先行，助推具身智能产业化》，2026年4月1日。
本报告由淞基科技（上海）有限公司、淞基信息通信研究院编制，旨在提供具身智能标准与数据治理领域的宏观信息与研究参考，不构成任何投资、采购、合规或商业决策的直接建议。报告中所引用的市场数据、标准文件及政策信息均来源于公开渠道，编制方已尽合理努力核实其准确性，但不对其完整性、时效性与绝对准确性作出保证；不同机构（如 Counterpoint Research、IDC 等）的统计口径与预测存在差异，报告中已尽力注明来源与口径。本报告中的分析、判断与展望仅代表编制方基于截至2026年10月可得信息的研究观点，可能随技术演进、政策调整与市场变化而改变。具身智能涉及的安全、法律与合规问题，建议读者结合专业意见审慎处理。因使用本报告内容所引致的任何直接或间接损失，编制单位不承担法律责任。
