广发如是说 | 关于物理AI

【广发如是说】系列围绕最新市场热点，传递广发研究观点。本期关于：物理AI。

物理AI迎海内外同步催化：英伟达CEO黄仁勋在GTC柏林演讲中表明“物理AI是下一个前沿领域”；上海经信委印发行动方案，鼓励企业前瞻布局物理AI。当前具身智能正迎来加速突破：Astra带来“大脑”曙光，SuperMimic实现“小脑”训练突破。展望未来，物理AI有望推动大模型从数字世界延伸至更广泛的物理场景，广发计算机、机械、军工团队对此深度解读。

目 录

计算机 | 计算机行业AI模型系列（八）：国产旗舰追近，新场景接力可期——大模型行业近期跟踪（2026 年 10 月）（2026-10-28）

机械 | 人形机器人行业：SuperMimic：人形机器人动作学习颠覆性的新范式（2026-10-27）

机械 | 人形机器人行业：大语言模型后，具身模型何时迎来GPT时刻？（2026-10-25）

机械 | 人形机器人行业：Optimus量产时刻：弗里蒙特的节拍即是催化（2026-09-20）

军工 | 国防军工行业：物理AI迎新进展，大飞机与军贸景气向上（2026-10-25）

计算机：计算机行业AI模型系列（八）：国产旗舰追近，新场景接力可期——大模型行业近期跟踪（2026 年 10 月）

物理AI远期空间大，但仍处于投入期，当前收入主要落在训练侧。与编程、知识工作和消费端不同，物理AI尚未形成面向终端用户的规模化收入，现阶段的投入主要用于模型训练、仿真和数据采集，最先受益的是算力和数据的供应方。从布局看，英伟达以全栈平台卡位基础设施，头部模型厂商从“机器人大脑”切入，资本则加速流向机器人模型公司和数据采集环节，而终端部署仍以工业和物流等场景的试点为主。

模型厂商从“机器人大脑”切入，但路线明显分化。Google于7月30日发布GeminiRobotics2系列，包括动作模型GeminiRobotics2、基于Gemini3.5Flash的具身推理模型ER2和端侧版本On-Device2，其中ER2已通过GeminiAPI向开发者开放；此前，Google还与波士顿动力合作，将GeminiRobotics接入新一代Atlas，并计划在现代汽车工厂测试。OpenAI选择软硬一体，Altman于10月确认将自研人形机器人，最早2027年公开演示，目前开放的相关岗位已覆盖运动控制和规模化制造。Anthropic在6月更新的ProjectFetch实验中，ClaudeOpus4.7在极少人工监督下编程控制四足机器人，效率分别是使用旧版AI的团队和无AI辅助人类的19倍和38倍。国内厂商更多采用开源模型或全栈方案切入，阿里6月发布千问Qwen-Robot系列，覆盖操作、移动和世界模型三类模型，腾讯在7月的WAIC上一次发布三项具身基座模型，字节Seed则持续迭代GR系列操作模型，并配套自研机器人本体。

数据先行，终端部署仍处早期，但远期空间广阔。数据端是当前机器人模型的瓶颈，海内外厂商都在加大采集投入。终端侧，工业和物流是最先落地的场景，头部人形机器人公司已从工厂试点逐步走向小批量订单，数据积累、硬件量产和可靠性仍有待突破。展望未来，物理AI有望把大模型的应用从数字世界延伸到制造、物流、出行和家庭等物理场景，面向的是全球劳动力市场，空间广阔。我们认为，随着机器人模型泛化能力提升、硬件成本下降，物理AI的需求有望从训练侧逐步向部署和终端传导，成为支撑AI投入回报的长期重要来源。

风险提示：AI技术迭代不及预期；商业化与收入增长不及预期；价格竞争加剧；算力供给与资本开支波动；监管与地缘政治风险；第三方数据口径偏差。

相关报告：《计算机行业AI模型系列（八）：国产旗舰追近，新场景接力可期——大模型行业近期跟踪（2026年10月）》2026-10-28；作者：刘雪峰S0260514030002；戴亚敏S0260526070004

机械：人形机器人行业：SuperMimic：人形机器人动作学习颠覆性的新范式 

SuperMimic：人形机器人动作学习颠覆性的新范式。在传统动作学习方式中，运控模型是在仿真器中，通过大量的重复试错调整逐渐学习；根据论文《SuperMimic: Scaling Humanoid Whole-Body Control with One Differentiable World Model》，SuperMimic可简单理解为“仿真器-运控模型-可微世界模型”的循环学习，运控模型在仿真器中行动产生数据→从数据中训练世界模型→运控模型借助世界模型练习→世界模型根据预测结果反馈运控模型的调整方向→运控回到仿真器继续产生数据。其过程最核心是可微世界模型，世界模型可以预测运控模型动作执行后的机器人情况，在将预测的情况与理想动作进行对比后反馈给运控模型“调整意见”，之后运控模型再在仿真器中验证。

SuperMimic实现了人形机器人动作学习效率的数量级提升。SuperMimic在单张H100上训练3小时的效果超过了使用128张L40 GPUs训练7天的SONIC，开发周期从“周/集群”降到“小时/单卡”，产品试错快一个数量级；其通过双卡训练9.8小时后即可实现12.95万段训练动作的零失败。根据论文《MorphMimic: Morphology-Conditioned World Model and Policy Sharing Across Humanoids》，其延续 SuperMimic 技术路线推出 MorphMimic，可支持宇树G1、智元X2 Ultra、Booster T2三款不同机器人共用一套世界模型与运动控制框架训练，解决了统一模型下跨本体训练的障碍，进一步提升模型训练效率。

SuperMimic训练出的“超级小脑”或强化具身模型分层控制路线。从模型功能定位来看，SuperMimic所训练出的运控模型并非通用具身智能“大脑”，而是分层控制架构下的“小脑”运控模块，其并不承担环境感知、任务理解和高层规划。在SuperMimic训练方式下，算力不再是模型发展的瓶颈，行业可以第一次系统地研究“数据量→动作能力”的曲线—就像当年LLM靠便宜算力跑出Scaling law一样，人形机器人的“小脑”也进入了可规模化阶段；而这将显著强化分层运控的模型路线，主机厂有望更便捷地将其与较为成熟的“大脑”大模型进行结合，由“大脑”决定做什么，由“小脑”负责动作执行，从而赋予机器人更强的泛化能力。

SuperMimic有望突破产业现阶段瓶颈-具身模型，加快产业发展进程。当前人形机器人具身模型能力较弱是产业发展的瓶颈，若SuperMimic能在产业中得到验证，具身模型运动控制/小脑的瓶颈将逐渐打开，叠加近期Astra展现出大脑层级更强的综合性能，主机厂的护城河将转向硬件制造一致性（量产中关节精度、批次稳定性），这对整机厂是利好也是新考题，具备稳定量产、成本控制和场景落地能力的主机厂，有望成为下一阶段产业发展的核心受益者。

风险提示：技术迭代不及预期、下游需求不及预期、行业竞争加剧风险。

相关报告：《人形机器人行业：SuperMimic：人形机器人动作学习颠覆性的新范式》2026-10-27；作者：孙柏阳 S0260520080002；蒲明琪 S0260524080003

机械：人形机器人行业：大语言模型后，具身模型何时迎来GPT时刻？

迈过量产节点后，产业发展的重心已迁移至具身模型。当前产业已迈过量产节点，硬件方案基本定型，发展重心已逐渐从硬件层零部件迁移至软件侧的具身模型-影响着具身智能的智能化程度和动作执行效果，其模型能力也决定着具身智能的应用场景边界和终端需求，是决定后续产业发展节奏和发展阶段的关键变量。

具身模型：身处前GPT时代，多路线并行发展，迷雾中前行，离理想目标存在较大差距。正如2017年Transformer提出后、GPT收敛前的大模型行业：多路线并行、胜负未分、迷雾中前行。当前具身模型对于如何实现机器人理想的“稳定、准确、强泛化、跨场景”智能化能力存在三条路线的尝试：（1）大小脑分层：大脑大模型负责高层级规划+小脑技能库执行具体动作；是成熟度高、特定任务和特定场景落地较快的方案，但能力上限低、泛化能力弱；（2）VLA：重构了动作表达与动作生成，是当前的主流布局路线，但长时任务与分布外场景仍是短板；（3）世界模型：先想象、再决策、后执行，最接近“理解物理世界"的远期形态，但尚处初期。

具身智能模型路线的收敛需等待两大基石的归位。参考大模型的收敛历史，收敛需要两块基石。（1）“三大要素”：数据墙-核心是指模型训练数据，目前具身模型缺乏海量标准化数据，训练成本高；表征墙-缺乏类似 “预测下一个词”的统一任务目标，模型能力无法跨任务、跨场景、跨本体沉淀；闭环墙-物理试错代价高、反馈慢，行业缺少统一评测标尺，迭代无法自驱。（2）收敛方向的“指路牌”：大模型在满足三堵墙的前提下，出现Scaling Law法则才开始收敛，当下具身模型类Scaling Law的收敛法则尚未出现，路线正确性无从验证，产业只能多线分散试错。国内外厂商多路线布局探寻具身模型理想答案。建议关注本体相关厂商；垂类模型相关的本体厂商。

风险提示：技术迭代不及预期、安全和隐私法规影响、道德因素。

相关报告：《人形机器人行业：大语言模型后，具身模型何时迎来GPT时刻？》2026-10-25；作者：孙柏阳 S0260520080002；蒲明琪 S0260524080003

机械：人形机器人行业：Optimus量产时刻：弗里蒙特的节拍即是催化

特斯拉Optimus首批批量订单落地，步入量产阶段。9月上旬特斯拉向核心供应链一次性下达约5000台Optimus批量订单，当前的量产节奏指引为：7月每周150台，8月每周300台，9月每周1000台，年底将达到每周2500台的产能节奏，根据未来机器人网公众号，按计划2026年特斯拉Optimus将下线超万台。

远期量产目标与产能规划明确。在先前的特斯拉业绩会中，特斯拉已确认即将进入量产阶段并提出远期V3100万台/年和V41000万台/年的量产目标，同时也宣布其正在弗里蒙特工厂安装第一代Optimus的生产设备，预计今年晚些时候开始投产，本次批量订单是上次量产关键指引后的首笔批量级订单。

产业发展重心已逐渐从硬件层转向软件层。当前多家人形机器人厂商已进入量产阶段，表明产品硬件方案已经基本成熟，产业重心将逐渐转向智能化能力的软件层及算力硬件层。目前人形机器人软件层技术路径暂未收敛，主流路线包含短期可快速落地的VLA+底层运控的分层架构，以及需要大量数据训练VLA一体化模型（特斯拉方案）和世界模型。在特斯拉Q2电话会，马斯克表示Optimus将采用与FSD自动驾驶相同的端到端战略，前期将通过员工示范以及专门的数据采集团队进行训练，后续在经过实机试错闭环采集数据的强化学习阶段后，Optimus将完全获得“类人”的智能化能力。

机器人板块量价与情绪已至低位，叠加产业量产推进或迎较优配置机会。量价是主题类资产择时的重要依据，在行业未突破关键节点时，板块定价较为充分且成交量跟随关注度逐渐走弱；而在产业取得突破性进展后，市场将重新定价边际变化，同时板块关注度提高，成交量也同步恢复，进入阶段性行情。根据我们先前的复盘，板块在情绪低迷且板块成交量触及300亿元以下区间时，叠加产业进展突破，往往会出现阶段性行情。当前人形机器人板块自8月以来成交量处于400亿元以下的低区间，在9月已触及232亿元的低点，伴随特斯拉量产推进板块情绪与成交量有望同步修复。

风险提示：下游需求不及预期，机器人大脑技术发展不及预期，行业竞争加剧等。

相关报告：《人形机器人行业：Optimus量产时刻：弗里蒙特的节拍即是催化》2026-09-20；作者：孙柏阳S0260520080002；蒲明琪S0260524080003

END
法律声明
本微信号推送内容仅供广发证券股份有限公司（下称“广发证券”）客户参考，相关客户须经过广发证券投资者适当性评估程序。其他的任何读者在订阅本微信号前，请自行评估接收相关推送内容的适当性，若使用本微信号推送内容，须寻求专业投资顾问的解读及指导，广发证券不会因订阅本微信号的行为或者收到、阅读本微信号推送内容而视相关人员为客户。
完整的投资观点应以广发证券研究所发布的完整报告为准。完整报告所载资料的来源及观点的出处皆被广发证券认为可靠，但广发证券不对其准确性或完整性做出任何保证，报告内容亦仅供参考。
在任何情况下，本微信号所推送信息或所表述的意见并不构成对任何人的投资建议。除非法律法规有明确规定，在任何情况下广发证券不对因使用本微信号的内容而引致的任何损失承担任何责任。读者不应以本微信号推送内容取代其独立判断或仅根据本微信号推送内容做出决策。
本微信号推送内容仅反映广发证券研究人员于发出完整报告当日的判断，可随时更改且不予通告。
本微信号及其推送内容的版权归广发证券所有，广发证券对本微信号及其推送内容保留一切法律权利。未经广发证券事先书面许可，任何机构或个人不得以任何形式翻版、复制、刊登、转载和引用，否则由此造成的一切不良后果及法律责任由私自翻版、复制、刊登、转载和引用者承担。