问题——从"能展示"到"能生产"，具身智能规模化应用仍存明显门槛；周云杰调研中发现，当前我国具身智能产业热度攀升，但在复杂工业现场实现稳定、可靠、可复制的落地仍面临多重制约：一是"大脑—小脑—肢体"协同效率不足，基础模型、多模态感知、精密机构、驱控系统等环节尚未形成高效耦合，在非结构化环境下的实时响应、抗干扰能力和作业可靠性与工业要求存在差距；二是高质量物理交互数据供给不足，行业级共享机制薄弱，加上高并行、高保真仿真训练平台供给不充分，导致从仿真训练到真实部署的迁移效率不高、试错成本偏高；三是应用层面仍偏"浅"，部分产品集中在演示展示等低门槛场景，在高端装配、柔性生产、设备运维、危险环境作业等高复杂度任务上标杆案例较少，带动效应不强；四是标准、检测、认证体系建设滞后，接口不统一、评价口径不一致，影响产业链协同与工程化交付，也抬高了企业集成与推广成本。原因——跨学科融合加速，但基础能力与制度供给仍需补齐。业内普遍认为，具身智能是人工智能与机器人技术深度融合的方向，既依赖算法与算力，也依赖材料、结构、传感、控制、工艺等工程体系能力。周云杰分析指出，我国在基础模型、机器人本体与部分核心零部件上已形成较好研发制造基础，部分领域达到国际先进水平，但具身智能面向工业场景的难点于"复杂、连续、不可控"：工业现场存在光照变化、粉尘油污、电磁干扰、工件差异、节拍约束与安全红线等多重变量，单点能力的提升不足以支撑规模化，必须在数据、仿真、标准与系统工程能力上形成合力。同时，技术快速扩展也带来安全、隐私与伦理等新问题，需要在制度与技术两条线上同步推进治理。影响——既关系制造业竞争力，也关系新质生产力培育与产业安全底线。具身智能若在工业一线形成可复制的解决方案，将推动制造业向更高水平的柔性化、精密化、无人化升级，在提高效率、降低风险、优化质量一致性诸上释放潜力，并带动传感器、减速器、伺服系统、工业软件与系统集成等上下游协同发展。反之，如果关键技术、数据基础和标准体系长期缺位，容易造成重复投入、碎片化竞争与落地不及预期，产业化进程被"工程化门槛"拖慢。此外，伴随人工智能更广泛进入生产与生活，数据合规使用、模型安全、算法偏差、责任边界等问题若应对不足，可能引发信任风险与应用阻力，影响产业健康发展。对策——以国家专项、平台与标准为抓手，打通"从实验室到工厂"的关键链路。围绕抢占具身智能战略机遇、赋能新型工业化，周云杰提出多项建议：一是聚焦关键核心技术组织攻关，建议国家重点研发计划中设立具身智能重点专项，围绕多模态感知与理解、环境自适应学习、仿生灵巧操作等方向集中突破，同时加快高精度传感器、智能关节、实时控制系统等关键硬件研发与产业化，提升系统级协同能力。二是补齐数据与仿真基础设施短板，建议由工业和信息化主管部门牵头，联合龙头企业、科研院所建设国家级开放创新平台，集成高保真仿真环境、真实机器人试验场、共享算力与标准数据集，推动数据规范、接口统一与共享机制建设，降低研发门槛与试错成本。三是尽快建立工业级标准与检测认证体系，建议由标准化主管部门牵头，联合行业组织、企业与科研机构，围绕机械电气安全、功能与性能指标、人机协同规范、系统互联互通、行业工艺集成等维度，形成覆盖设计、生产、测试、应用的全链条标准体系，通过统一功能安全、环境适应性、任务可靠性等要求，提升复杂工业场景部署能力，降低集成应用门槛，促进形成可持续商业闭环。四是同步完善安全、隐私与伦理治理框架，坚持发展与安全并重，推动在数据采集与使用、敏感信息保护、模型安全评估、风险分级与应急处置、责任认定等上形成可落地的规则与工具，确保技术应用可控、可信、可追溯。前景——以场景牵引促迭代，以标准牵引促规模，工业或将成为具身智能率先突破的重要阵地。多位受访人士表示，具身智能的产业化路径需要"场景—数据—迭代—标准—规模"的正循环：工业场景任务明确、价值链清晰，最有条件沉淀高质量数据、打磨可靠性并形成可复制方案。随着关键部件国产化能力提升、仿真与数据平台逐步完善、标准体系加速成型，具身智能有望在柔性制造、仓储物流、设备巡检、高危作业替代等方向率先形成规模应用，并更向更广泛的生产生活领域延伸。与此同时，安全、隐私与伦理治理若能前置布局，将为技术扩散提供稳定预期与制度保障。
具身智能发展既是技术革命的必然趋势,也是产业升级的现实需求。周云杰代表的建议,根据当前产业发展面临实际困境,又着眼长远战略布局,反映了企业家代表对国家科技创新与产业安全的深度思考。在全球新一轮科技革命和产业变革加速演进的背景下,如何统筹发展与安全、创新与治理,将技术优势转化为产业优势和竞争优势,考验着决策者的智慧。加强顶层设计,强化协同创新,完善制度保障,才能在具身智能这个战略性领域实现突破,为建设制造强国、推动高质量发展注入强劲动能。