推动具身智能公共服务平台从规模扩张向提质增效转变

多方合力助推平台发展

国家牵引与地方布局形成合力，国家战略引领下的政策体系加速成型。国家层面，2025年政府工作报告首次将具身智能列入国家重点培育的未来产业；2026年政府工作报告再次明确“培育发展具身智能”，“十五五”规划纲要进一步提出推动具身智能成为新的经济增长点。同时，国家发改委明确提出推动训练与中试平台等基础设施建设，促进全国范围内具身智能技术、产业资源整合和开放共享。工业和信息化部与国务院国资委联合开展2026年度人形机器人与具身智能实景实训专项行动，一体推进实景实训空间建设、创新应用联合体培育等重点任务。地方层面，北京经开区出台《北京经济技术开发区关于推动具身智能机器人创新发展的若干措施》，提出打造5个以上公共服务平台；深圳发布《深圳市具身智能机器人技术创新与产业发展行动计划（2025—2027年）》，围绕打造公共服务平台矩阵细化6条重点任务；上海印发《上海市具身智能产业发展实施方案》，提出建设算力、实训场、中试、投资、租赁五大平台，夯实具身智能产业发展基础底座。

公共服务平台类型日趋丰富，覆盖研发、中试、数据、应用等产业链重要环节。在研发端，北京人形机器人创新中心发布全球首个“一脑多能”“一脑多机”的通用具身智能平台“慧思开物”，填补了具身智能领域通用软件系统空白，实现了从任务理解到执行的全流程智能化。在中试端，全国唯一面向具身智能领域的国家级应用中试基地在杭州揭牌，已汇聚140余台机器人，打造电力巡检、物流搬运、康养护理等40多个应用导向场景。在数据端，上海机器人产业技术研究院牵头联合19家产学研机构，发布国内首个具身智能标准化数据集平台“浦江X”，构建覆盖数据采集、治理、训练、验证的全链路闭环。在应用端，全国首个人形机器人全生命周期管理服务平台在北京经济技术开发区正式发布运行，已覆盖100余家企业、200余个产品型号、2.8万余台机器人。

平台运营模式日趋多元，支持平台发展的措施工具不断涌现。从运营模式看，国家人工智能应用中试基地（具身智能）探索出混合所有制模式，构建起国企主导、行业头部企业和应用场景企业共同参与的开放式合作架构；苏州太湖具身智能数据科技公共技术服务平台形成了“前店承接需求、中心训练验证、后园转化落地”的闭环服务模式，打通从场景需求识别到技术验证再到产业落地的价值传递链条。从支持平台发展的措施工具看，各地政府积极通过算力券、训力券等精准施策降低企业使用门槛，上海对达到一定算力租用规模的具身智能企业给予最高4000万元/年的算力券支持，深圳于2025年发放首批总额近2亿元的“训力券”，北京、杭州等地也相继推出区域性算力补贴政策，通过“真金白银”投入降低中小企业算力获取成本。

风险挑战不容忽视

平台重复投入与区域协同缺位并存，资源配置低效制约规模效能释放。一方面，平台低水平重复投入隐患突出。以面向居家养老场景的数据采集为例，其采集的数据涵盖喂饭、搀扶下床等特定任务类型，这类数据采集任务在不同养老机构中高度相似，但由于参与研发的企业不同，各企业为训练模型都需要独立开展数据采集工作，不可避免地造成了重复投入，从而制约了平台效能提升。另一方面，区域间平台协同程度不足。以长三角为例，上海、杭州、苏州等城市正从技术研发向训练场、中试平台布局，各区域平台在研发、训练、场景应用等功能上各有侧重，但跨区域服务流程割裂、测试结果难以复用、规则与产权机制缺位，致使优质的平台资源难以流动共享，有需求的企业难以跨区域获取匹配的资源支撑，不仅推高了企业的研发成本，也拖慢了具身智能技术整体的落地转化进度。

“数据孤岛”化与标准碎片化并存，平台间的互联互通尚未实现。一方面，数据与接口等标准尚未统一。不同公共服务平台的数据格式互不兼容，坐标系定义、量纲单位缺乏统一规范。硬件构型、软件架构尚未形成统一技术范畴，产品接口、协议、评价体系不统一，导致互操作性差。部分具身智能领域公共服务平台虽然构建了本体库、数据库、模型库及工具链，但内部仍面临不同品牌机器人的数据格式互不兼容的现实困难。另一方面，共享机制不健全。当前各公共服务平台之间缺乏有效的数据共享通道与激励机制，采集到的数据多为自采自用。同时，由于所采集的数据与大模型、本体存在强耦合关系，存在“数据跟着本体走”现象，使各平台的数据资源难以汇聚形成规模效应，公共服务平台的协同效能难以充分发挥。

中试验证服务供给不足，从实验室研发向规模化量产跨越的系统性支撑能力不强。一方面，现有中试验证公共服务平台数量难以满足行业需求。目前，全国正式投入运营的具身智能专业化中试公共服务平台数量仍然相对有限，而国内具身智能相关企业已超过3500家，平台与企业数量的比例相对失衡。以北京首个人形机器人中试验证平台为例，其年产能为5000台（套），但相较于行业规模化量产需求而言仍属小批量级别。另一方面，现有中试验证公共服务平台工程化能力仍然有待提升。调研发现，部分地区中试验证公共服务平台仅能提供单一的场景训练服务，而缺乏工程化落地、标准化测试、算力与仿真支撑等能力。同时，当前中试平台偏重硬件性能和单机功能服务，而对数据安全、服务标准和运维成本验证等方面服务能力仍然有待提升。

多管齐下强化平台建设

强化顶层设计与区域统筹，构建资源高效配置的具身智能产业创新生态。一是建立国家级平台统筹管理机制。加强对各地具身智能公共服务平台的建设指导，针对居家养老、工业分拣等典型场景中高度同质化的数据采集任务，统筹安排统一的采集计划与资源分配，避免不同企业、不同区域的低水平重复投入，大幅降低行业整体的研发成本。二是打造跨区域协同样板。推动长三角、京津冀、大湾区率先建立“统一底座+行业采集+通用标准”的跨区域协同机制，打通上海、杭州、北京、深圳等重点城市的平台服务流程，实现跨区域测试结果互认、训练资源共享。三是完善跨区域资源流动的配套规则。明确跨区域数据产权、服务定价、收益分配的相关机制，破除区域间的行政壁垒与规则差异。

推动具身智能领域统一标准体系建设，构建跨平台互联互通的具身智能数据资源网络。一是加快全链条标准制修订。聚焦数据采集、预处理、标注、质量评价等重点环节，分类分层推进具身智能相关标准落地，统一坐标系定义、量纲单位、数据格式等基础规范，明确不同品牌机器人数据的兼容转换规则。二是建立跨平台数据共享激励机制。出台数据资源确权、流通、交易的配套政策，通过数据资产化确权、收益按贡献分配的模式，引导各平台开放非涉密的公共数据集，推动分散的数据资源汇聚形成规模效应。三是做强软件栈与开源生态，通过开放接口降低重复研发、提高产业协同效率。推动控制中间件、仿真平台、数据工具链、评测基准开源或开放标准，提高资源跨平台复用率，降低中小企业进入门槛。

补齐中试验证服务供给短板，构建覆盖从实验室原型到规模化量产的全链条支撑体系。一是加大专业化中试平台的布局力度。围绕国内具身智能相关企业的需求，在京津冀、长三角、大湾区等产业集聚区域新增一批国家级、省级具身智能专业化中试平台，逐步优化平台与企业的数量配比，满足行业规模化量产的基础需求。二是升级中试平台的全维度工程化能力。推动现有单一功能的训练平台向综合型中试枢纽转型，补齐工程化落地、标准化测试、算力与仿真支撑等配套能力，为企业提供从原型验证到量产测试的一站式服务。三是拓展中试平台的服务内容。在常规性能测试之外，新增数据安全合规验证、服务标准合规校验、运维成本优化测算等专项服务模块，帮助企业提前排查量产落地后的潜在风险，大幅降低产品从实验室走向市场的试错成本。