与欧美把大语言模型（LLM）视为AGI唯一希望不同，中国选择了一条“身体—大脑—环境”协同进化的路径：通过把AI嵌入机器人、无人机、汽车乃至城市级社会仿真器，让智能体在真实约束中感知、决策、行动并持续学习。该路线被官方文件明确定义为“具身人工智能”，其核心逻辑是：只有让AI在物理世界中“摸爬滚打”，才能弥补LLM因缺乏感官—运动闭环而导致的幻觉、时空推理弱、情感与社会性缺失等根本缺陷。换言之，中国把“具身”同时当作技术补丁和范式革命：短期解决产业落地痛点，长期则希望借“交互生成数据、数据反哺模型”的飞轮，逼近通用人工智能。2023年5月以来，从国务院到北上广深杭蓉汉等十余省市，已出台30余份政策、行动计划与标准文件，形成“中央定调—地方竞赛—企业跟进”的三级火箭，标志着具身智能正式上升为国家科技战略主轴。

　　中国模式的独特之处在于政策、产业与学术的“零时差”联动。政策端，工信部、发改委、国标委在24个月内连续发布《人形机器人指导意见》《具身智能分级指南》《2025重大项目指南》等文件，直接设定“2025年万台级机器人部署、千亿级产业集群”的量化目标；地方政府则把土地、算力、数据、场景打包成“创新工场”，如北京亦庄“机器人谷”、上海“模速空间”、武汉“光谷东智”等，均采取“国家—地方共建”体制，确保资源秒级到账。产业端，华为、小米、优必选、智元、科大讯飞等头部企业被纳入“链长制”，既承担技术攻关小火箭 账号密码，又负责数据回流与标准输出；初创公司则围绕“数据采集超级工厂”“群脑网络”等细分赛道快速迭代。学术端，清华、北大、中科院、上交等12所高校在2024—2025年集中成立“具身智能系”或“交叉研究院”，并与企业共享“天工”“格物”等仿真平台，实现论文、专利、产品同日发布。这种“政策给场景、企业给数据、高校给算法”的闭环，使中国的技术转化周期从传统的3—5年压缩至12—18个月。

　　报告详细拆解了中国技术共同体对具身智能的“五级成熟度模型”（G1—G5）。G1—G2聚焦“感知—运动”闭环：通过多模态传感器+小脑控制芯片，让机器人完成抓取、行走等原子动作；G3引入“大脑级”大模型，实现任务级规划与语义理解；G4强调“云—边—端”协同，使多台机器人共享“群脑网络”，形成群体智能；G5则指向“世界模型”——一个可预测、可反事实推理的物理世界数字孪生，被视为AGI的临门一脚。当前中国正处于G3—G4过渡期，典型标志是2025年3月发布的AgiBot GO-1、华为CloudRobo、上海“龙跃”大模型等“通用具身基座”，它们均支持“一脑多机”与“零样本迁移”。值得注意的是，中国方案刻意回避了西方“端到端大模型”的算力军备竞赛，转而采用“小模型组合+硬件协同”的轻量化路线kg人形机器人，可在端侧完成实时推理，显著降低能耗与成本。这种“以场景换数据、以数据换智能”的策略，使中国能在芯片受限条件下仍保持迭代速度。

　　报告指出，中国把“数据”视为具身智能的“二次能源”，并设计了“采集—标注—仿真—回流”的全链路基础设施。武汉“光子”项目、南京“华夏机器人应用中心”、上海“10百万条真实数据”计划，均通过“人机协同”方式，让操作员穿戴动作捕捉设备训练机器人，单台机器人日均产生2—4TB高质量交互数据。更关键的是，北京“天工”平台已发布全球首个标准化通用数据集RoboMIND，采用统一坐标系、力觉语义标签与隐私脱敏规则，实现跨品牌、跨场景复用。与此同时，国家机器人标准化技术委员会（TC591）在2024年10月推出《具身智能分级指南》，把“数据可迁移性”作为G3以上等级的硬门槛，倒逼企业放弃私有格式。这种“先定标准、再铺数据、后扩生态”的路径，与美国依赖巨头私有数据联盟形成鲜明对比，使中国有望在未来3年内建成全球最大的具身智能数据 commons，形成“越用越聪明”的正循环。

　　报告最后提醒，西方若继续把AGI简化为“LLM+算力”，将错失一次范式转移的历史窗口。中国的具身智能路线一旦跑通，不仅会在工业机器人、服务机器人、无人车等领域形成“标准+成本”双重碾压，还可能输出“城市级社会仿真器”这类治理工具，重塑全球AI治理话语。为此，报告建议美欧建立“跨学科监测联盟”，用中文开源情报、专利、标准、政府采购四位一体的情报体系，实时跟踪中国技术—产业—政策耦合细节；同时加大“神经AI+物理AI”交叉投入，避免在下一轮“世界模型”竞赛中落后。简言之，具身智能已不仅是技术路线之争，更是国家创新体系效率之争。