Logo
Become a Client

Resource Regions: China

7月以来，2026年中国上半年宏观经济数据陆续发布。根据中国国家统计局数据，中国软件和信息技术服务业保持了两位数的平稳增长，展现出信息产业的行业韧性。在宏观数据和企业技术投入上升的背后，国内部分ICT市场已从快速增量期进入存量优化期，拓展海外市场、布局全球化成为中国企业寻找新增长点的关键选择。

对于寻求增量空间的企业而言，出海已从“可选项”变为“必选项”。

然而，面对全球9个地区、53个国家、28个行业的复杂格局，企业最常陷入三个决策困境：该优先去哪片市场？该带什么产品去卖？该主攻哪些行业客户？

本文基于国际数据公司（IDC）最新发布的《全球ICT支出指南：行业与企业规模》（2026V2版），用一组对比数据和三个核心判断，为中国企业的全球化布局提供量化参照系。核心结论浓缩为一句话：逐步降低硬件规模化的优先级，拥抱新兴市场的云化与软件红利，优先在金融与政务两大高预算领域建立标杆。

坐标一：将目光从“存量红海”转向“增量蓝海”

（核心问题：去哪儿？）

从全球大盘来看，企业级数字化转型与智能化投入仍在加速。IDC数据显示，全球整体ICT市场预计到2030年将增长至9.67万亿美元，五年复合年增长率（CAGR）为9.6%；其中企业级ICT市场到2030年规模将达7.44万亿美元，增速达12.4%，是驱动整个市场增长的核心引擎。

在进行全球化选址时，中国IT厂商需要将视角从“只看绝对规模”转向“寻找高增长增量”：

  • 成熟市场规模巨大，但增速分化：2026年美国在全球企业级支出中占比近五成，五年复合增长率达14.8%，这主要由其高科技与算力投入拉动；西欧以约两成份额位列全球第二，但受到合规与政策监管影响，其企业级增速相对温和。
  • 新兴市场份额有限，但韧性极强：2026年亚太（不含中日）在全球企业级ICT支出中占比8.1%，份额位列全球第三；拉丁美洲在全球企业级支出中占比为3.5%，但其五年复合增长率达10.4%，是理想的业务落地突破口。从细分国家看，巴西占拉美大盘的三成以上，且拉美的阿根廷、巴西、智利均展现出两位数的企业级增长；中东的土耳其、沙特和阿联酋的五年企业级增速也分别高达12.5%、11.1%和10.9%。

针对出海企业的行动建议：中国企业应采取区域分轨战略。对于美欧等高壁垒成熟市场，可将其作为技术对标；对于东南亚、中东及拉美等高成长区域，则应作为规模化扩张的主战场。企业应当结合自身优势，优先深耕土耳其、沙特、智利、巴西等政策红利持续释放、企业级投入跨过两位数增长的核心国家。

坐标二：跳出“硬件主导”惯性，顺应海外“云化轻装”趋势

（核心问题：卖什么？）

选定了区域，接下来必须厘清：在这些市场上，中国企业的产品形态应该如何调整？一个关键的结构性差异值得高度关注。

拆解硬件、软件、IT服务等技术板块可以发现，海外新兴市场与中国本土存在本质的技术结构差异：

  • 新兴市场以软件与云服务为主导：IDC数据显示，中国市场呈现显著的“硬件主导”特征（占比达54%）。然而在海外，亚太（不含中日）的软件占比已达30%，超过其硬件；拉丁美洲与中东和非洲的硬件占比仅为18%和23%，软件和服务则占据了核心份额。这表明海外新兴市场正跳过传统的重资产硬件堆叠，直接进入以软件驱动和云服务为主的轻资产模式。
  • 软件增速全面领跑：未来五年，全球九大区域中只有中国和美国呈现硬件增速高于软件的特征。而在亚太（不含中日）、拉美、中东和非洲，软件的增长速度都在16%以上，远超其硬件增速。其中，位于应用开发与部署市场中的人工智能核心软件在各个新兴区域均实现了超过50%的爆发式五年增速。同时，中东和非洲的硬件需求大量以“云服务”形式重塑，其基础设施即服务（IaaS）市场的五年CAGR高达21.1%。

针对出海企业的行动建议：中国企业出海应顺应海外的云化与轻资产趋势。硬件及基础设施厂商应考虑将产品与海外本地的云平台深度集成，提供“硬件+本地化运维”的打包服务。软件与方案商则应顺应当地软件高增速红利，将国内沉淀的成熟应用方案进行云化移植，把海外企业级市场对前沿软件的刚性需求作为业务突破口。

坐标三：聚焦金融与政务两大“预算高地”，兼顾零售增长红利

（核心问题：卖给谁？）

企业全球化布局落地的关键在于“卖给谁”。对比全球与中国市场，虽然软件和信息服务行业都是绝对的支出主力，但当视线转向新兴市场时，海外传统实体行业与公共服务部门的IT预算体量表现出更强的确定性。

  • 金融与政务构成海外核心预算支柱：在亚太（不含中日），银行业和中央/联邦政府的IT支出紧随软件与信息服务行业之后；零售业五年增速达11.7%。在拉丁美洲，银行业以15.1%的份额成为企业级ICT投资的龙头行业，专业和个人服务行业增速领先。在中东细分市场，银行业和中央/联邦政府合计占据了近四分之一的市场份额，且中东银行业在保持高体量的同时，仍拥有11.1%的强劲增速。

针对出海企业的行动建议：中国IT厂商应应兼顾体量与增长潜力筛选目标行业。在国内具备成熟“智慧银行”或“数字政务”解决方案的厂商，应优先聚焦亚太和中东的头部传统行业，尤其是数字化预算密集投入的中东金融业。面向拉美市场，IT厂商则应紧扣其银行业的Top级体量，顺应当地专业及个人服务行业的增长红利，输出相应领域的轻量化软件与服务方案。

【IDC分析师展望与观点】

展望2025-2030年，随着全球AI技术的行业渗透与数字化转型的深化，全球IT支出的边界将进一步模糊，跨国界、跨行业的数字化协同将成为常态。

在这一进程中，中国企业需要回答的已不仅是“要不要出海”，更重要的是“以怎样的数字化能力出海”。全球化的下半场，核心竞争力不再是成本优势或产品交付能力，而是企业对海外客户业务痛点的深度理解、对当地数据合规与生态规则的敏捷适应，以及对全球技术趋势的前瞻性卡位。

在全球化新阶段，“出海”已不是简单的地理位置转移，而是企业综合数字化生存能力的全球化延伸。值得注意的是，AI正在成为重构全球IT支出结构的最强变量。那些率先将AI能力嵌入行业解决方案（如智能风控、自动化运维、精准营销）的企业，将在新兴市场获得远超平均水平的议价能力和客户粘性。换言之，出海不是产品的语言转换，而是用全球化的技术能力适应海外市场，提升对客户的价值回报。

数据是这一切决策的底层支撑。利用量化的支出指南，企业可以不再仅凭历史经验或行业热潮做判断，而是在复杂的全球市场中锚定属于自己的确定性增长路径。

IDC《支出指南》致力于为IT厂商、行业用户和投资/金融机构在战略规划、产品研发、IT支出及投资规划等方面提供数据支撑。《支出指南》系列产品聚焦IT热门领域，从多个维度预测市场规模和增速，助力厂商发掘市场潜力；引导行业用户根据热点技术及应用场景进行IT规划；通过分析特定市场的发展前景，帮助投资和金融机构更好地做出决策。

IDC《支出指南》相关研究：

China Provincial Cloud Solutions Spending Guide

Worldwide ICT Spending Guide Enterprise and SMB by Industry

Worldwide AI and Generative AI Spending Guide

Worldwide Software and Public Cloud Services Spending Guide

进一步交流：

如您希望进一步了解中国省级及云解决方案支出、全球AI及生成式AI支出、企业级ICT支出等行业细分数据，或需要针对贵公司目标市场进行定制化数据解读，欢迎联系IDC中国分析师团队。

Wendy Zhang

Wendy Zhang - Research Analyst

Analyst Profile
Wendy Zhang is a research analyst in the Data and Analytics group at IDC China. She is responsible for business operations and spending guide in China Enterprise Team. She provides dynamic forecasts of future China and global ICT market development.…

随着WAIC 2026上物理AI（Physical AI）成为产业关注焦点，工业作为物理世界中数据密集、任务复杂且商业价值明确的应用领域，正在成为Physical AI率先落地的重要场景。工业具身智能机器人作为Physical AI在制造领域的重要应用形态。国际数据公司（IDC）数据显示，2025年中国工业具身智能机器人市场规模约为57.4亿元，其中以工业机器人为载体的具身智能应用市场规模约36.2亿元，成为当前产业商业化落地的主要方向。随着产业竞争从机器人本体性能逐步转向模型、数据、工程化和场景落地能力的综合竞争，工业具身智能机器人正在成为智能制造发展的重要方向。

基于这一产业发展趋势，国际数据公司（IDC）于近期发布了《中国工业具身智能机器人市场份额，2025》与《中国工业具身智能机器人技术评估，2025》两项研究报告，从市场格局、技术能力及产业发展趋势等维度，对中国工业具身智能机器人产业进行系统分析。本文结合两项研究的核心观点，以对工业具身智能机器人的定义、市场发展、竞争格局及未来趋势进行解读。

工业具身智能机器人定义

工业具身智能机器人是指面向工业生产环境，通过融合人工智能模型、多模态感知系统、机器人控制系统与机器人本体，使机器人具备感知、学习、决策与执行等能力闭环，并能够在真实工业场景中完成自主作业任务、与人员及生产设备进行交互的智能机器人系统。

工业具身智能机器人是物理 AI在制造领域的重要应用形态，相比传统工业机器人主要依赖预设程序，在结构化环境中执行重复性任务，能够基于环境感知和任务理解动态调整作业策略，并通过真实生产数据反馈持续优化任务执行能力。

市场进入规模化导入阶段，工业机器人是主要落地载体

IDC数据显示，2025年，中国工业具身智能机器人市场进入商业化加速阶段，整体市场规模约为 57.4亿元。当前市场主要以多形态机器人为载体，通过对工业生产线和制造工位进行智能化升级，实现感知、学习、决策和执行能力融合，推动制造场景向更加柔性化、自主化方向发展。

IDC数据显示，2025年以工业机器人为载体的具身智能应用市场规模约为36.2亿元，占据当前市场主体地位。主要包括协作机器人、复合（移动操作）机器人、多关节机器人等。该类机器人依托成熟工业基础，通过融合视觉感知、力控技术、环境理解以及具身智能模型能力，实现“机器人硬件+智能软件+行业服务”的一体化交付，已应用于上下料、质量检测、打磨修复、柔性装配、物料搬运等工业场景。

上述市场结构清晰地表明，当前工业具身智能机器人的商业化主力仍依托于成熟的工业机器人品类，它们以“硬件+软件+服务”的整包模式快速渗透进各类制造工位。然而，市场格局并非一成不变——随着AI模型能力跃升和硬件成本下降，不同背景的玩家正从各自优势领域切入，竞争焦点也在从单一产品性能向系统级综合能力转移。下面我们将从竞争主体和出海动态两个维度，进一步剖析当前市场的主要力量。 

  • 工业AI厂商率先建立竞争优势。 当前市场竞争优势主要来自工业视觉、感知决策以及场景数据积累能力。以微亿智造、梅卡曼德等为代表的企业，依托工业AI技术和数据闭环能力，将具身智能能力应用于质检、打磨、修复、上下料等标准化工业场景，并推动跨行业复制。
  • 同时，大量机器人本体、工业自动化及AI厂商正加速布局工业具身智能赛道，依托各自在硬件、算法、软件平台及行业资源等方面的积累，探索差异化产品定位和商业化路径，市场竞争持续加剧。
  • 中国厂商加速全球化布局。 2025年，工业具身智能机器人厂商出海模式由单机产品输出逐步转向软硬一体化解决方案输出，产品开始进入欧洲汽车、东南亚电子、北美制造等海外市场。本地化部署、模型优化和运维服务能力成为企业拓展海外市场的重要支撑。

2025年，以人形机器人为代表的新型具身智能载体正在进入工业场景探索阶段，市场规模约为 21.1亿元。当前应用主要集中于示范产线部署、场景验证及POC测试。人形机器人具备更强的形态通用性和复杂环境适应潜力，但当前处于技术能力完善与商业化模式探索阶段，产品成本、可靠性、工程化成熟度以及实际生产效率等因素正在进一步验证。关于人形机器人工业应用的相关数据，可参考IDC《Worldwide Annual Humanoid Robotics Tracker》。

从技术能力到商业价值：工业具身智能机器人竞争进入综合能力阶段

随着工业具身智能机器人从技术验证逐步走向商业化应用，工业用户对于机器人的评价标准正在发生变化。IDC用户调研显示，制造企业用户关注厂商的“技术能力+工程化能力+商业价值”的综合表现。

基于工业用户需求变化，IDC构建覆盖工业智能决策、多模态感知与理解、自主操作与任务执行、复杂场景适配与持续优化、工业级可靠性与工程化、工业系统融合与生态、行业实践与规模化落地、商业价值与ROI验证等8个维度的技术评估框架，对具备产品能力并已在汽车制造、新能源、半导体、3C电子等场景开展商业化探索的中国典型供应商进行综合评估。未来企业竞争优势将来自工业知识、数据、模型与制造体系的深度融合。

锚定未来三年：从场景试点到系统重构的关键跃迁

未来三至五年，中国工业具身智能机器人市场将进入由单点场景验证向生产流程级应用扩展的重要阶段。IDC认为，行业将呈现以下发展趋势：

  • 从单工位智能走向生产流程智能。机器人将突破单一任务限制，与MES、WMS、ERP、PLC以及工业互联网平台深度融合，从执行单一任务的设备，逐步演进为生产系统中的智能节点。
  • 工业知识成为模型能力的重要组成。工业具身智能模型需要进一步融合工艺规则、设备机理和生产经验，实现从“完成任务”向“理解生产过程”演进。未来模型竞争不仅取决于数据规模，也取决于工业知识融合能力。
  • 多形态机器人长期共存。未来工业场景将形成多机器人协同格局：人形机器人适用于高柔性、非结构化任务；移动操作机器人适用于跨空间任务；协作机器人适用于人机协作场景；专用工业机器人适用于高精度、高稳定任务。未来竞争重点不是机器人形态，而是谁能够真正解决工业问题。
  • 数据闭环与工程化能力决定规模化落地。随着市场进入批量部署阶段，真实工业数据积累、模型迭代效率以及规模化交付能力将成为关键竞争因素。能够建立：数据采集 → 模型训练 → 工业部署 → 反馈优化闭环体系的企业，将获得长期竞争优势。
  • ROI成为商业落地核心指标。IDC用户调研显示，超过80%的制造企业希望工业具身智能机器人项目能够在两年内实现投资回收。未来，能够实现快速部署、稳定运行并产生明确经济价值的解决方案，将优先获得市场认可。

IDC中国机器人与具身智能领域研究经理李君兰，工业具身智能机器人的竞争正从单点AI能力转向软硬协同、行业Know-how与数据闭环能力的综合竞争。头部厂商持续加大研发投入，推动具身智能大模型、工业AI与机器人本体深度融合；在政策支持、制造业智能化升级及海外市场拓展的共同驱动下，中国厂商有望进一步提升全球竞争力。

进一步交流

工业具身智能正从概念验证走向产线价值交付，如何选择适配的技术路径、评估投资回报、并构建可持续的数据闭环，已成为制造企业面临的实际课题。IDC基于对市场格局、技术评估及用户需求的深度研究，可为您提供定制化的行业洞察与战略建议。如需获取完整版《中国工业具身智能机器人市场份额，2025》及技术评估报告，或就具体场景应用进行探讨，欢迎联系IDC中国机器人与具身智能研究团队，我们将为您提供专业的数据支撑与决策参考。

Lily Li

Lily Li - Research Manager

Analyst Profile
Lily is the Research Manager for China Robotics and Embodied Intelligence, specializing in market research on embodied intelligent robots. She has long focused on the development trends of China’s embodied intelligence robotics industry, systematically studying the evolution of robot hardware,…

2026年7月16日，2026世界人工智能大会暨人工智能全球治理高级别会议开幕前夕，来自29个国家的代表在上海签署《关于成立世界人工智能合作组织的协定》，成为该组织的创始成员国。协定明确，世界人工智能合作组织是独立的政府间国际组织，总部设在上海。

7月17日，大会发布了《2026世界人工智能大会暨人工智能全球治理高级别会议主席声明》《人工智能合作发展行动计划》和《国际人工智能伦理治理行动计划》。

距离2025年WAIC发布《人工智能全球治理行动计划》并倡议成立世界人工智能合作组织，仅短短一年时间，人工智能全球治理便已落地到组织建设、能力合作、标准协调和运行机制等具体层面。

Agent治理决定企业能够开放多少业务权限

Agent治理已经进入企业风险和投资决策。IDC在2025年10月发布的全球预测中提到，到2030年，多达20%的G1000组织可能因AI Agent控制与治理不足引发高影响力业务事故或中断，面临诉讼、巨额罚款和CIO被解职。IDC最新全球调研数据也显示，全球企业计划中的AI投资平均有16.7%用于AI及Agent安全与治理，投入比例已经接近AI技术栈中的其他主要部分（Future Enterprise Resiliency and Spending Survey, Wave 10）。

这些治理要求并非是对Agent的限制，而是真正决定Agent是否能够深入的业务流程的前提。

  • 身份与授权不清晰，企业就难以将核心系统开放给Agent；
  • 缺少链路观测和行为日志，企业就无法还原Agent的判断与执行过程；
  • 缺少流程暂停、任务回退和人工接管机制，企业也难以在Agent出现异常时控制其连锁影响。

只有当Agent的身份、权限、行动过程和异常处置都处于可验证、可追溯、可控的范围内，企业才可能放心地让它进入核心业务，读取真实数据并执行具体操作。

全球AI经济需要共同的信任基础

Agent开展跨组织、跨平台协作时，企业内部的治理机制还要与外部规则连接。身份标识和协作互认帮助不同主体识别彼此，接口协议负责建立连接，语义与流程兼容支持任务理解和协同，行为验证与追溯则为信任和责任提供依据。

一个Agent要接入另一套系统，需要确认其身份、授权来源、能力范围和风险等级。系统还要判断它能否读取某类数据、调用某个工具、修改某项状态，以及哪些操作必须等待人工确认。

不同的身份体系、协议和评测标准会增加Agent经济的交易成本。如果每个平台都使用独立的身份体系、协议和评测方法，跨平台协作就需要反复进行技术适配、安全验证和风险评估。共同的Agent身份标识、安全基线和互操作协议可以减少重复工作，降低不同组织之间Agent交互的成本。

全球Agent经济要实现规模化运行，各方需要围绕Agent身份认证、安全基线和互操作规则形成基本共识，并建立相对统一的标准。在此基础上，Agent才能跨越平台、组织和市场执行任务，不同组织也才愿意开放数据、工具和业务能力，让Agent之间的协作形成可验证、可复制、可持续的生产与交易关系。

全球AI经济需要共同的信任基础

全球治理提出的身份互认、行为追溯和风险分级，最终会体现在企业Agent的系统建设和任务执行中。

  • 身份互认进入企业，会形成Agent账号、授权主体和凭证管理机制；
  • 行为可追溯进入业务流程，会形成任务日志、工具调用记录和责任归属；
  • 风险分类分级则决定Agent可以访问哪些数据、执行哪些操作，以及哪些节点需要人工确认。

以一份企业报价为例，Agent需要读取客户信息、产品配置、库存情况和折扣规则，还要识别销售人员的权限、判断报价是否超过审批额度，并把结果写回业务系统。如果客户信息涉及敏感数据，系统需要限制读取范围；如果折扣超过阈值，任务需要转入人工审批；如果写回失败，Agent还要保存当前状态，避免重复提交或生成两份相互冲突的报价。

这样的治理需求也会逐渐改变企业评估Agent的方法，未来企业除了关注Agent完成任务的成本和准确率，还需要重点关注Agent能否遵守权限约束，能否在任务执行失败时可控回退，以及能否在关键节点及时转交人工审查。


WAIC 2026全球治理议程关注的一个核心问题，是如何管理能够代表人和组织执行任务的AI。AI 及Agent 应用能进入多深的业务流程，取决于治理能力能否跟上。企业内部的身份、权限和行为记录，平台之间的互操作与验证，国家之间的规则协调与能力建设，共同构成AI经济的信任基础。规则越清楚，企业越有可能向Agent开放真实数据、业务工具和核心流程；共同基线和互认机制越完善，Agent跨组织、跨平台和跨市场协作的成本也会越低。治理既约束风险，也为AI能力的大规模应用提供通行条件。

给企业和技术厂商的行动倡议

1. 为Agent建立独立身份与账号

Agent身份需要明确授权主体、数据范围、工具权限和人工确认节点。不同风险等级的任务需要配置不同的执行边界。低风险操作可以自动完成，涉及敏感数据、资金、合同和生产状态的操作，应保留审批、暂停和人工接管机制。

2. 让Agent的执行过程可观测、可回退、可追溯

企业需要记录Agent的任务输入、数据读取、工具调用、业务状态修改和人工介入，形成完整的行动链路。

出现异常时，系统应能暂停任务、保存当前状态、回退相关操作，并定位异常发生的环节及其影响范围。

3. 用可验证的评测说明Agent的能力边界

技术厂商需要说明Agent在不同权限、异常和跨系统环境中的表现。除了任务成功率，还应提供越权拦截、失败恢复、人工介入逻辑和风险控制机制等评测结果，便于企业判断Agent适合进入哪些业务流程，以及可以获得多大的权限范围。

4. 为Agent跨系统、跨组织协作做好准备

Agent连接外部平台时，应能够提供可验证的身份、授权来源、能力范围和任务目的。企业也需要根据Agent的身份、授权来源和风险等级，明确可以向其开放哪些数据和工具、授权持续多长时间，以及哪些操作需要再次确认。

技术厂商则需要支持身份凭证传递、权限委托与撤销、标准化能力描述和互操作协议，让不同平台上的Agent能够在清楚的授权边界内协作。

进一步交流

如果您希望了解人工智能相关的研究或开展进一步交流，欢迎点击这里与我们联系！

Zhenya Sun - Research Manager - IDC

Zhenya Sun is a research manager for the IDC team focused on exploring the application of technology and industrial development of AI and AI agents. He is also responsible for providing clients with consulting services on technologies, products, and markets related to large language models (LLMs) and AI agents, as well as delivering speeches at industry conferences and internal seminars. Before joining IDC, Zhenya served as a project management officer (PMO), responsible for internal and external strategic consulting, AI application research and advisory services, AI project framework standardization, management system construction, and technical training on AI applications. Prior to that, he also led initiatives in product development process optimization and user market analysis. Zhenya holds a Master's Degree in Engineering Management with a specialization in Information Systems Engineering from the University of the Chinese Academy of Sciences.

过去几年，大语言模型和生成式AI率先改变知识处理、内容生产和软件流程。随着多模态模型、世界模型、VLA模型和边缘AI持续发展，AI正在进入车辆、机器人、无人机、工业设备和城市设施，能力范围也从生成内容、调用软件，扩展到感知环境、规划任务和控制设备。

物理AI面对持续变化的真实环境，需要处理设备状态、空间关系、环境变化、物理规律和安全要求。系统既要形成“感知—决策—执行—反馈”的实时运行闭环，也要形成“真实运行—数据回流—模型训练—仿真验证—重新部署”的研发迭代闭环。前一类闭环影响任务能否稳定完成，后一类闭环影响产品能否持续改进并扩大应用范围。

IDC 2026年全球CEO调查显示，35.2%的受访CEO将物理AI列为未来12—24个月重点关注的新技术投资方向。资源行业的比例达到50%，制造和零售均为46%，医疗为38%。当前市场已经进入投入和生产验证并行阶段，企业普遍从任务清晰、数据可获得、收益可衡量的场景切入。

IDC认为，硬件决定系统能否稳定进入现场，软件影响学习速度、验证效率和复制能力，数据闭环负责把应用需求、软件工具和硬件执行连接起来。物理AI未来的差距，会越来越多地体现在运行数据能否沉淀为场景资产、验证用例和模型更新。

数据闭环贯穿三层产业架构

为了更系统地拆解数据闭环如何落地，IDC将中国物理AI产业划分为三层相互咬合的结构。 应用和业务层定义真实任务、运行流程和商业价值；软件基础设施层组织模型与策略、仿真验证和场景数据；硬件基础设施层提供计算、连接、供能、感知和物理执行条件。

三层围绕真实运行形成循环：应用产生任务和现场问题，硬件完成感知与执行，软件把运行数据转化为训练数据、仿真场景和验证用例，更新后的模型再进入设备和业务系统。下面逐层展开，看每一层在闭环中具体承担什么角色、当前进展到哪一步。

应用和业务层：闭环质量影响商业化节奏

任务边界、数据反馈、安全责任和投入产出，是判断场景成熟度的四项重要条件。运行问题能够被记录、复现和验证的场景，更容易进入规模部署。

智能驾驶已经形成较完整的数据采集、场景挖掘、仿真测试和版本回归流程，是当前数据闭环较成熟的物理AI场景。

具身智能终端正在从动作演示进入连续任务执行阶段。任务成功率、人工接管频率、异常恢复能力和跨环境适应能力，将逐步成为主要评价指标。

无人机和空天系统需要把飞行状态、空间环境、通信链路、任务调度、运行监管和异常处置纳入统一的运行与验证体系。

工业现场与工程装备拥有清晰的工艺、安全和成本目标。质量检测、预测维护、物料搬运、巡检、精密操作和无人作业等任务，已经开始产生可量化的效率、质量和安全收益。制造业具备流程明确、数据基础较好和指标体系成熟等条件，将继续成为物理AI的重要验证场。

智慧城市相关应用需要打通感知、分析、调度和执行。AI进入交通、设施、低空和应急等物理系统的实际运行后，才会形成更完整的物理AI能力。

无论哪个场景，应用层产生的海量运行反馈，都需要经由软件层转化为可复用的能力——这正是下一层的核心使命。

软件基础设施层：把运行反馈转化为可复用能力

软件基础设施层包括模型与策略、仿真与验证、场景数据与合成数据。三类能力通过数据闭环持续协同，决定物理AI的进化速度和规模复制能力。

模型与策略方面，世界模型仍处于多条技术路线并行发展阶段，可用于交互环境生成、状态变化预测和行动结果推演；VLA模型连接视觉、语言和动作，为机器人及自主设备生成任务策略。未来系统将更多采用分层架构，由高层模型理解任务与环境，中间层完成预测和规划，底层控制系统负责实时、稳定和安全执行。

仿真与验证方面，数字孪生、空间智能和仿真平台之间的协同正在加强。数字孪生提供设备结构、空间关系、物理参数、工艺规则和实时状态；空间智能帮助模型理解三维环境和对象关系；世界模型扩展场景生成、状态预测和策略探索；仿真平台承担测试、回归和安全验证。虚拟环境由此可以覆盖训练、方案推演、系统测试和运行优化。

场景数据与合成数据方面，物理AI需要的数据已经从单帧图像和单点记录，扩展到包含时间、空间、设备状态、动作过程和执行结果的连续场景数据。真实运行中的故障、接管、任务失败和高风险事件，需要经过筛选、标注和结构化处理，沉淀为可检索、可复现和可重复使用的场景资产。

数据闭环将分散的模型、数据和仿真工具连接成持续研发体系。任务覆盖度、异常覆盖度、问题复现率、回归关闭率和跨版本一致性，将逐渐成为物理AI软件平台的重要评价指标。物理AI软件平台商业模式也会从单次工具采购，延伸到场景资产管理、模型生命周期管理、持续验证和安全证据链服务。

软件层的一切优化最终都要回到物理世界中验证，而硬件层正是这个闭环的起止点。

硬件基础设施层：连接真实数据与物理执行

硬件层包括能源电力、算力和IoT/OT连接基础设施。云端承担模型训练、批量仿真和数据处理，边缘节点负责现场协同与模型管理，设备端完成实时感知、推理和控制。

传感器、摄像头、雷达和设备运行系统提供真实环境数据，控制器和执行器负责把模型判断转化为物理动作。硬件层既是数据闭环的起点，也是系统执行结果的出口。

涉及车辆制动、机器人避碰和工业安全的关键任务，还需要保留本地执行、故障降级、冗余控制和人工接管能力。

中国在设备制造、通信网络、能源系统和工程实施方面具备较好基础，高端AI芯片、工业级传感器、核心零部件和复杂环境可靠性仍需持续提升。

三层架构完整就位之后，真正的挑战不在于单点突破，而在于如何让闭环从技术层面延伸到行业应用层面。

展望：从技术闭环走向行业闭环

未来几年，世界模型仍将保持多条技术路线并行，数字孪生、空间智能、仿真平台、合成数据和真实运行数据之间的连接会继续加强。模型能力的提升将扩大系统可以完成的任务范围，验证体系则负责控制进入真实环境的速度和风险。

中国拥有丰富的制造、城市运行和机器人应用场景。下一阶段需要提高软件平台的产品化水平，推动场景数据跨项目复用，加强设备接口协同，并建立覆盖模型、硬件和运行过程的评测与验证体系。

物理AI的市场差距将更多体现在系统学习效率、验证可信度、长期运行能力和跨场景复制能力。企业能否把现场问题快速转化为场景资产、验证用例和模型更新，将影响其产品迭代速度和规模化能力。

IDC将持续跟踪物理AI技术、市场和生态变化，并通过“物理AI+行业场景”的研究方式，重点关注制造业、城市物理系统和具身智能等方向，进一步分析技术架构、市场机会、厂商格局和产业化路径，为技术供应商和行业用户提供持续参考。

进一步交流

如需了解物理AI架构评估、场景落地路径或数据闭环能力诊断等研究方向，欢迎联系IDC中国物理AI与行业智能化研究团队。我们将安排对应行业分析师与您深入沟通，提供定制化决策参考。

Lily Li

Lily Li - Research Manager

Analyst Profile
Lily is the Research Manager for China Robotics and Embodied Intelligence, specializing in market research on embodied intelligent robots. She has long focused on the development trends of China’s embodied intelligence robotics industry, systematically studying the evolution of robot hardware,…

Physical AI时代开启：具身智能机器人重构新一代生产力

7月20日，2026世界人工智能大会迎来收官之日。值此大会尾声，IDC同期举办了“Physical AI时代开启：具身智能机器人重构新一代生产力”线上专场会议，IDC中国分析师团队基于全球追踪数据及工业用户调研，系统分享了具身智能机器人的技术演进、市场格局与商业化路径。本文为会议核心内容纪要。

本届WAIC特设具身智能专属展区，汇聚众多机器人整机、核心零部件及具身智能大模型企业，集中展示量产人形机器人、四足机器人、轮臂复合机器人以及具身智能大模型的最新进展。展馆内，人形机器人在展台前挥手致意、四足机器人在人群中灵活穿行、机械臂在模拟产线上精准操作——围观的人群里，既有举起手机拍照的普通观众，也有拿着笔记本仔细记录参数的工程师和采购决策者。

热闹背后，一个更值得关注的信号正在浮现：今年的展品不再只是“能动的演示”，而是围绕3C电子、汽车制造、仓储物流、商用服务、家庭陪伴等真实场景展开应用展示，反映出中国具身智能机器人正由技术验证迈向商业化落地，产业实用价值持续释放。

这一变化背后，是AI产业正由生成式AI迈向Physical AI。生成式AI赋予机器认知能力，Physical AI进一步赋予机器在物理世界中自主感知、规划和行动的能力。国际数据（IDC）最新用户调研结果显示，继生成式AI之后，Physical AI将成为未来两年企业AI布局的重点方向。

具身智能机器人是Physical AI最重要的产业载体。IDC预计，未来五年中国具身智能支出将由14亿美元增长至770亿美元，年复合增长率达94%，中国有望持续引领全球具身智能机器人产业发展。

机器人原生智能的三大技术底座

围绕机器人原生智能的持续提升，正在推动模型、数据和算力三大技术底座加速演进。这三者环环相扣，共同决定了机器人的智能化上限。

在模型层面，世界模型与VLA（视觉-语言-行动）的协同正成为核心架构。世界模型负责物理世界建模、任务规划及仿真数据生成，VLA模型负责感知、理解与动作生成，两者协同推动具身智能机器人迈向理解、预测、规划、执行的全面能力。

在数据层面，“仿真优先、虚实融合”已成为行业共识。互联网视频、第一视角数据、仿真数据和真实机器人运行数据共同构建数据飞轮，持续驱动机器人能力迭代。数据飞轮转得越快，机器人的进化效率就越高。

在算力层面，AI原生计算正驱动机器人架构全面升级。随着模型规模持续扩大，推理算力需求快速增长——IDC预测，到2027年推理将占智能算力需求的70%以上。云边协同带动计算平台、感知系统、运动控制及机器人操作系统全面升级，为规模化部署提供支撑。

从关注热度走向落地探索，多形态具身机器人需求形成

技术突破之外，市场的反应同样关键。IDC用户调研显示，超过80%的企业已开始关注并评估具身智能技术，部分企业已进入试点验证阶段。不同应用需求正在推动机器人向多形态发展，各品类的商业化节奏也呈现出明显差异。

人形机器人是增长最快的品类。2025年全球出货量接近1.8万台，同比增长800%，正由展示验证走向工业应用。中国厂商保持领先，中尺寸机型贡献主要出货量，全尺寸机型支撑高价值市场。IDC预计，2030年全球出货量将突破51万台。

四足机器人形成“消费驱动规模、商用驱动价值”的发展格局。2025年全球出货量预计约6万台，工业巡检、应急救援等行业应用持续扩大，情绪陪伴与专业作业需求共同推动市场增长。

商用服务机器人进入全球化扩张阶段。2025年全球出货量超过15.5万台，配送、清洁等应用持续向室外、多功能及多机器人协同方向发展，中国厂商继续保持全球领先。

外骨骼机器人加速向医疗康复、消费助力和工业辅助等多场景拓展。2025年中国市场出货量约2.6万台，多模态感知、轻量化设计及AI算法持续提升产品能力，医疗康复场景已形成成熟商业模式，消费与工业场景正处在从0到1的突破期。

家庭清洁机器人：家庭具身智能发展的最佳入口

相比通用家庭机器人仍处于早期探索阶段，家庭清洁机器人已率先实现规模化商业落地，成为家庭具身智能发展的最佳入口。

2025年全球家庭清洁机器人出货量达到3273万台，同比增长20.1%，市场正由单一室内清洁迈向覆盖扫地、割草、擦窗、泳池等场景的全场景智能清洁。其中，扫地机器人仍是最大的细分市场，2025年全球出货量达到2412万台；割草机器人和擦窗机器人保持高速增长，增速分别达到64%和70.4%，无线化、智能化成为产品升级的重要方向。

随着AI能力持续提升，行业竞争正由清洁能力转向智能能力。空间理解、自主导航、多模态感知、智能决策以及家庭IoT生态协同，正在成为产品差异化的核心竞争力。依托AI算法、供应链和全球化布局优势，中国厂商持续扩大在全球家庭清洁机器人市场的领先地位。

展望未来，家庭清洁机器人将逐步由单一功能设备演进为家庭具身智能体，并进一步融合家庭大模型、智能家居和IoT生态，成为未来家庭服务的重要智能终端。

商业化进入规模复制阶段

当技术逐步成熟，产业竞争的核心正由单点技术突破转向规模化落地能力。谁能在真实场景中跑通闭环、实现复制，谁就能在下一阶段占据主动。

从应用场景来看，分层演进的节奏已逐步清晰。服务场景率先完成市场培育；工业场景进入规模化导入阶段，码垛、搬运、拾取、检测等应用持续落地；家庭场景则处于技术迭代和应用培育阶段，蓄势待发。

从工程化能力来看，落地周期持续缩短。机器人正从单一产品走向工程化交付，模块化软硬件提升了场景适配能力，全栈解决方案与云边端协同架构加快应用部署，多品类机器人协同作业持续拓展应用边界，推动具身智能从单机智能迈向系统智能。

从商业模式来看，行业正由卖产品走向卖服务。“硬件+软件+服务+AI”的融合模式正在成为主流，一次性销售、RaaS租赁/订阅、服务增值、本体与模型协同等模式并行发展。其中RaaS有效降低了用户使用门槛，加速了机器人的普及推广。

IDC四个判断：未来五年的竞争焦点

基于持续的全球市场跟踪，IDC对具身智能机器人产业提出四点判断：

  • 技术竞争进入系统能力竞争阶段。 模型、数据和算力将持续协同演进，世界模型、VLA和数据飞轮将成为机器人智能能力提升的核心驱动力。单点技术的领先不再足以构建壁垒，系统能力才是决胜关键。
  • 商业价值将由场景验证走向规模复制。 未来竞争重点将由技术突破转向场景适配、工程化交付和商业模式创新，机器人将进入规模化部署阶段。谁能率先跑通场景闭环，谁就能占据先机。
  • 生态能力将成为产业竞争的分水岭。 平台能力、开源生态、数据闭环和产业协同，将决定企业能否在五年后依然留在牌桌上。生态建设不再是可选项，而是必答题。
  • 中国厂商有望持续引领全球产业化。 依托完善的制造体系、丰富的应用场景、完整的供应链和数据规模优势，中国企业有望继续引领全球具身智能机器人产业的发展。

进一步交流

具身智能机器人产业正处在从技术验证走向规模化落地的关键转折期。IDC持续追踪全球机器人市场动态，覆盖人形、四足、商用服务、家庭清洁、外骨骼等全品类，为企业提供数据驱动的市场洞察与战略决策支持。如需获取完整报告、行业数据或与分析师团队深入交流，欢迎联系IDC中国。

Lily Li

Lily Li - Research Manager

Analyst Profile
Lily is the Research Manager for China Robotics and Embodied Intelligence, specializing in market research on embodied intelligent robots. She has long focused on the development trends of China’s embodied intelligence robotics industry, systematically studying the evolution of robot hardware,…
Predictions Jul 20, 2026 Erin Lin

IDC最新报告：医院核心业务系统市场规模破100亿大关，智能体与医共体成为“十五五”时期新增长极

2025年国内医院核心业务系统市场的智能体、医共体、本土替代的改造需求将稳步释放，成为新的增长极。头部厂商相继完成云原生底座迭代与医疗大模型原生融合布局，AI 智能体、全域数据治理、全栈信创持续迭代，未来市场的竞争将更加聚焦于技术深度与、服务运营与生态协同能力的综合较量。

Read full release
Marketing Jul 20, 2026 Siri Si

IDC最新报告：揭秘金融生成式AI规模化卡点，端到端落地能力决定胜负

未来市场竞争不再比拼单一产品功能，而是由分层产品体系、金融专属工程落地能力、多智能体协同架构、长期持续运营服务四大维度共同决定。数据治理、模型全生命周期管控、智能体治理等核心议题将贯穿行业发展全程，能够深度融合金融业务规则、解决规模化落地工程难题、绑定业务长期价值的解决方案，将主导下一阶段金融行业大模型市场格局。

Read full release