股票 
板块 
用户 
资讯 铢积寸累，久久为功。国金研究每周末为您精选系列研究报告，共赏“研”途美景。
9月28日，AMD宣布拟以约82亿美元全股票收购World Labs，推动世界模型进入产业投入期；OpenAI也入局自研人形机器人，开启物理AI新纪元。什么是物理AI？为什么说它是LLM通向机器人的“下一站”？当前具身智能的落地场景如何？训练体系和规模部署的核心约束是什么？Optimus产业进展如何？为什么说数据是物理AI“最卡脖子”的环节？当前机器人数据采集主要有哪些技术路线？各自优劣如何？物理AI有哪些标的值得关注？本文将一并解答。
刘高畅
国金常务副所长、科技牵头人、
计算机团队首席
执业编号：S1130525120005
陈传红
国金具身智能团队负责人
执业编号：S1130522030001
满在朋
国金机械团队首席
执业编号：S1130522030002
Q
什么是物理AI？为什么说它是LLM通向机器人的“下一站”？
A
世界模型为代表的物理AI可视为LLM通向超智能机器人的中间站，除LLM语言理解、知识调用和任务分解外，物理AI还需理解三维空间、物体状态、接触关系和动力学约束，并预测不同动作可能带来的结果，通过学习环境状态及其随时间和动作发生的变化，为机器人建立可供推演的内部环境表征，使语言指令能够进一步转化为感知、预测、规划与控制。
在这一框架下，VLA将视觉和语言输入映射为机器人动作，世界模型则为动作选择提供未来状态预测和结果评估。两者逐步融合，有望推动机器人由单步操作走向多步规划、失败识别和自主恢复。随着模型能力向物理世界延伸，Physical AI的竞争也将覆盖空间数据、物理仿真、机器人本体、训练算力和真实场景反馈等完整技术链条，从而为AI创造更大的商业化场景。
Q
当前具身智能的落地场景如何？训练体系和规模部署的核心约束是什么？
A
标准化、高重复任务已有通用或专用设备覆盖，近期落地仍以付费主体和回报测算更清晰的To B场景为主。
训练体系逐步形成真机、仿真和人类视频三线融合：真机数据校准物理误差，仿真数据扩充环境和失败恢复轨迹，人类视频提供任务语义与技能先验。Gemini Robotics 2、GR00T、V-JEPA 2和XPACE已展现跨任务、跨本体及少样本适配能力，VLA与世界模型开始支持多步规划和失败纠错。
行业呈现“GPT-2时刻”的早期特征，但部分公开多指灵巧任务成功率仍处32%至44%，陌生环境泛化、长任务稳定性和人工接管频次仍是规模部署的核心约束。
Q
Optimus产业进展如何？当前制造约束是什么？
A
Optimus由样机验证进入产线建设，制造爬坡、训练算力和真实数据开始形成迭代闭环。
Tesla在2026年Q2股东材料中确认，Fremont已停用Model S和Model X产线并安装第一代Optimus生产线，首批产品将进入Optimus Academy开展数据采集和功能开发；超过115MW的Cortex 2已投入运行。
The Information报道称，Optimus产量由二季度每周数十台提升至8月每周数百台，年底目标为建成周产超过1,000台的连续自动化产线。
当前制造约束集中在灵巧手和前臂装配、触觉传感器可靠性、工装精度、标定效率及供应商一致性。更多机器人进入工位和仓库后，真实任务、失败轨迹和人工接管数据将回流至模型训练、仿真和评测体系，推动可靠性提升与场景复制，产业价值也由核心零部件延伸至自动化装配、检测标定、数据治理、仿真训练和部署运维平台。
Q
为什么说数据是物理AI“最卡脖子”的环节？
A
当前人形机器人行业硬件方案趋于收敛，"大脑"训练成为决胜关键，而数据量级和质量直接决定模型泛化能力。机器人高质量、高保真物理交互的真实数据极度缺失。大语言模型有万亿级token训练，而具身模型可用的真实交互数据不足其万分之一。
据2026年机器人全产业链接会披露，GPT-2和GPT-3的训练数据分别对应约79万小时和1100万小时，要实现可用的具身智能至少需要1000万小时的多模态数据，而多场景、多模态、良率、长尾数据和多参与者等因素导致实际所需的多模态数据集远超1000万小时，觅蜂已将目标数据采集量提升到2030年100亿小时。
Q
当前机器人数据采集主要有哪些技术路线？各自优劣如何？
A
当前整机、UMI和EGO（第一人称视角）方案是主流真实数据采集方案，其中整机数据很难共用且采集成本最高；EGO则具备轻量化和低成本、高通用性等优点；UMI单体设备贵，但数据精度高。无论采用哪种数采技术路线，未来产业对数据质量越来越高的需求是确定的，相机、姿态感知、触觉传感应用空间越来越大。
Q
物理AI有哪些标的值得关注？
A
1）本体：特斯拉、智元、上纬新材、宇树科技。
2）北美链：科森科技、斯菱智驱、福赛科技、岱美股份、恒立液压、蓝思科技、北特科技、浙江荣泰、三花智控、拓普集团、科达利、万向钱潮。
3）其他机器人链：领益智造、泛亚微透、奥比中光、绿的谐波，禾赛、速腾聚创、海康威视、大华股份、宇树科技、上纬新材等。
4）数采：
数采设备及供应链：奥比中光、芯动联科、华依科技、日盈电子等；
数据成本和质量有壁垒的数采公司：凡拓数创、尚品宅配、海天瑞声等；
垂类应用：亿嘉和、天奇股份等。
4）其他相关：协创数据、道通科技、索辰科技、宝通科技、群核科技、智微智能、五一视界等。
＋
相关报告
2026.10.05-《计算机行业专题研究报告：AI的下一站，物理AI》
2026.09.13-《行业周报：京东构建物理AI加速计划，小鹏人形机器人量产体系加速落地》
2026.07.15-《机器人行业深度研究：数采：物理AI最大短板，数据基建即将爆发》
风险提示：世界模型技术路线快速变化的风险，仿真与真实世界存在偏差的风险，具身模型泛化和长任务能力提升不及预期的风险，Optimus生产和供应链信息存在口径偏差的风险，灵巧手可靠性、产线良率和供应商扩产不及预期的风险，国内Physical AI产品商业化不及预期的风险，下游客户资本开支和场景ROI不及预期的风险；行业竞争加剧，量产及订单交付不及预期，模型泛化及场景落地不及预期，技术路线快速迭代风险；机器人发展进展不及预期，数据采集技术路线迭代风险。
评论 (0)