股票
板块
用户
资讯
首页
天眼
自选
发现
开户
首页
天眼
自选
发现
我的

国金计算机刘高畅丨物理AI:分歧时坚定看好

作者:刘高畅、郑元昊、孙恺祈

摘要

■ 投资逻辑

高度看本体。通用模型开始承担机器人任务的观察、规划和纠错,整机能覆盖多少工位、能否稳定交付,决定这一轮能力提升能转化成多大市场。11月9日,Anthropic在旗舰模型发布中披露双臂操作仿真评测。11月13日,OpenAI确认将机器人研究并入主研究团队。苹果AMP1实验则展示了如何让通用模型通过同一框架连接不同本体。走到现场,Google DeepMind采用具身推理和专用动作模型分层协作,在奔驰零件拣配试点取得96%的任务成功率。Agility披露Digit v4在客户现场累计运行超过6.5万小时,下一代Digit 5则已有附履约条件的多年期服务订单。应用扩张也出现两种路径,优必选与天翼电信终端探索新场景,Serve Robotics为既有机队开放新的订单入口。我们坚定看好物理AI能够覆盖更多任务,重点看整机能否在新工位达到客户要求的节拍和稳定性,以及付费部署和复购能否随任务范围一起扩大。

弹性看数据。通用模型降低新任务的起步门槛后,具身数据的价值更容易用现场调试成本和失败率衡量。NVIDIA在CoRL介绍的GR00T 2采用混合数据进行预训练,包含402,730小时人类第一视角视频、10,184小时手持UMI夹爪演示、23,500小时机器人遥操作数据。其中,NVIDIA已公开10万小时的第一视角视频。在公司披露的同一组50项任务中,每项给1次和5次演示时,平均成功率分别为71%和95%。对于精细操作,视频能看到抓取过程,接触力还能反映受力方向和滑移趋势。Melexis本周发布三轴力指尖模组,为收集这类数据提供了硬件入口。国内方面,北京市经济和信息化局提出要在不少于100个真实场景采集超过100万小时高质量数据,推进对工位变化、物料差异和失败恢复等现场样本的采集。

容量看T链。Tesla–SpaceX潜在整合提供了模型、芯片与整机制造协同的预期,供应链的批量采购要靠Optimus产品和交付进度来验证。彭博本周援引知情人士称双方洽谈取得进展,Tesla和SpaceX此前已分别披露设立特别委员会,潜在协同涉及xAI的模型与算力、Terafab的端侧芯片规划和Tesla的制造验证。Optimus本身已有可跟踪的进展,Tesla于10月21日披露Fremont产线已产出首批达到生产质量标准的机器人,Texas产线仍在建设。手部尤其是手指仍需打磨,Optimus Academy筹建中的任务练习也将为模型提供真机反馈。Elon Musk在三季度业绩会上提出,若进展顺利,AI5约在2027年4月集成,外部企业交付预计在2027年底前后。T链的跟踪顺序是手部方案与关键件验证、实际生产爬坡、外部交付。

风险提示

通用具身模型泛化及真实工位部署不及预期的风险;高质量物理交互数据供给及训练转化不及预期的风险;机器人商业化、订单及量产节奏不及预期的风险;Tesla与SpaceX潜在整合及产业协同不及预期的风险。

+

目录

一、高度看本体:通用大脑扩大任务范围,本体与场景决定商业化上限

1.1 OpenAI重组,苹果与Claude验证通用模型的操作能力

1.2 Gemini大小脑进入奔驰工位,Agility验证持续运营与合同转化

1.3 优必选拓渠道,Serve Robotics尝试提高存量机队利用率

二、弹性看数据:训练覆盖可以放大,真实反馈决定现场适配效率

2.1 NVIDIA用人类视频扩训练覆盖,少量演示进一步提高新任务成功率

2.2 Melexis发布指尖模组,接触数据开始进入手部设计评估

2.3 北京推进真实场景采集,有效样本比采集时长更接近采购价值

三、容量看T链:Tesla-SpaceX探索协同,Optimus进入早期生产

3.1 Tesla与SpaceX潜在整合,探索AI与机器人协同

3.2 Optimus启动早期生产,推进手部设计与AI能力迭代

四、风险提示

正文

一、高度看本体:通用大脑扩大任务范围,本体与场景决定商业化上限

1.1 OpenAI重组,苹果与Claude验证通用模型的操作能力

具身操作开始成为旗舰通用模型的能力检验,OpenAI调整机器人研发分工。11月9日,Anthropic在发布Claude Fable 5.2时披露双臂机器人仿真评测。在Anthropic内部采用的同一评测框架下,Fable 5.2得分64.9%,上一代Fable 5.1和OpenAI的GPT-6 Astra分别为27.6%和29.8%。同系列模型的成绩变化,说明机器人操作已成为观察通用模型迭代的一个维度。11月13日,OpenAI向《财富》确认,机器人研究归入主研究团队,应用机器人和硬件归入Applied。公司称,Astra等通用模型已显示出直接用于部分机器人任务的能力。我们认为,这次调整有望让机器人研发更直接地复用通用模型的视觉理解、任务规划和纠错能力,由应用团队推进系统适配和硬件开发。

苹果用AMP1验证,同一套控制框架可以把通用模型接到不同机器人本体上。 苹果研究团队11月6日首投的预印本显示,AMP1让通用模型调用感知与运动接口,在执行后观察结果并调整下一步动作。同一框架用于单臂、双臂和移动操作,在RoboLab-120上取得85.6%的零样本成功率,并在覆盖12项任务、3台机器人的108次真机试验中成功104次。如果更换本体后可以复用一部分任务逻辑,新设备和新工位所需的专门训练与集成工作就有机会减少。进入生产环境后,还要验证推理时延、重复作业稳定性和异常恢复能力。

我们认为,机器人操作开始进入通用模型的研发体系,产业竞争将进一步落到真实工位。 OpenAI调整研发分工,苹果验证通用模型如何通过控制接口适配不同本体。两项进展共同指向一条路径:由通用模型复用部分观察、规划和纠错能力,降低新任务的开发成本。对整机厂而言,能否把这一优势转化为交付,取决于手部能否稳定操作、现场数据能否帮助解决失败案例,以及同一套方案能否按客户要求的节拍复制到更多工位。

1.2 Gemini大小脑进入奔驰工位,Agility验证持续运营与合同转化

Google将具身推理与动作模型放到同一工位,在奔驰产线验证了机器人“大小脑”分工。11月10日,Google DeepMind发布视觉-语言-动作模型Gemini Robotics 2.5,并开始向机器人合作伙伴部署。新模型可用于配备五指灵巧手的Apptronik Apollo 2人形机器人,也支持采用双指平行夹爪的Franka Duo平台。在奔驰匈牙利凯奇凯梅特和德国辛德尔芬根两处工厂,Apollo 2执行汽车零部件拣配。Gemini Robotics ER负责跟踪工序进度,Robotics 2.5负责控制机械臂与手部,从料箱抓取金属支架,并按车辆装配顺序放入容器。该项产线概念验证的任务成功率为96%。

新版模型扩大了可操作的物体和任务范围,同时提升了动作成功率、执行速度和安全性。 DeepMind在约200项不同任务中进行评估,涵盖用夹钳取餐、给礼盒系蝴蝶结和用移液器转移液体等操作,涉及工具使用、柔性物体处理和精细操作。官方披露,视任务类型而定,Robotics 2.5较此前基线的成功率相对提高30%至100%,任务完成速度提高20%至30%。在安全评测中,模型在推理时可根据环境中的人员和障碍调整动作,障碍物附近和人员附近的安全任务完成表现分别提升33%和43%。DeepMind还发布了ASIMOV?Jailbreak基准,用于评估机器人面对伪装成正常指令的不安全请求时,能否继续遵守安全约束。

Gemini 4 Argon还参与了Robotics 2.5的研发,将现场数据、仿真练习和真机验证串联起来。 据DeepMind介绍,Argon可根据真实场景的相机画面构建数字孪生,并生成数千次有变化的仿真练习。团队将这些练习与真机示范结合,帮助机器人适应新场景和物体。Argon也可根据失败视频提出原因假设,由研究人员在仿真和真机上验证改进方案。我们认为,这套方法能否降低部署成本,值得用一项具体指标跟踪,即在达到同等成功率和产线节拍的条件下,新工位所需的真机示范次数与调试工时能否减少。

Agility的申报文件把观察维度推进到客户运行与服务合同。11月10日提交的S-1披露,Digit v4在客户现场累计运行超过6.5万小时。文件同时披露,截至2026年5月,下一代Digit 5取得涉及1,000台机器人的三年期服务合同,相关多年期订单金额为3亿美元,受合同里程碑、产品功能及规格约束。部署型服务收入通常从设备投入运行起分期确认。这意味着整机厂从现场试点走向收入放量,需要顺次通过客户验收、设备上线和持续服务。观察后续盈利弹性时,可一并跟踪每台机器的可计费时长、跨站点复制和维护成本。

1.3 优必选拓渠道,Serve Robotics尝试提高存量机队利用率

优必选与运营商合作,把消费和商服场景的验证推进到渠道端。11月9日,优必选与中国电信集团旗下天翼电信终端签署战略合作协议并揭牌机器人联合创新实验室,将探索家庭陪伴和商业服务场景。运营商具备云网和渠道资源,可以接触不同客群,也能帮助收集需求和组织试点。我们认为,渠道能否放大整机销售,取决于试点能否形成可复制的安装和售后方案,以及家庭或商户是否愿意为持续使用付费。试点转付费、商户复购和每台设备的服务成本均为重要因素。

Serve Robotics开放配送接口,提供了用新订单入口提升存量机队周转的案例。11月11日,公司开放开发者门户、配送应用程序接口和模拟测试环境,对应覆盖美国150多个社区、约2,000台配送机器人的网络,接入真实机队须经Serve审批。开发者可把取件、送达和状态查询接入自己的服务。若新增订单在同一服务区域形成密度,机队可以提高单机日均配送次数,并有机会摊薄单次配送的运营成本。

二、弹性看数据:训练覆盖可以放大,真实反馈决定现场适配效率

2.1 NVIDIA用人类视频扩训练覆盖,少量演示进一步提高新任务成功率

NVIDIA在CoRL展示了如何将低成本的人类演示与机器人自身的数据结合。11月9日介绍的世界动作模型GR00T 2混合机器人和人类数据训练,其中包括10万小时开源第一视角人类数据。同期介绍的Video to Data工作流可把人类视频转换成仿真机器人演示,为不同物体、动作和场景扩大训练覆盖。视频提供人如何完成任务的信息,将动作适配到机器人的手、关节和相机仍需要仿真、机器人样本及现场测试。具备视频处理、动作映射和仿真能力的工具,有望减少大量从零采集的重复工作。

少量演示的价值,在于把通用能力收敛到可验收的具体动作。NVIDIA披露,在同一组50项任务的评测中,每项提供1次演示时平均成功率为71%,提供5次时为95%,相差24个百分点。这是特定模型和任务集合内的结果。对整机部署而言,更有商业意义的验证是把任务验收阈值固定下来,比较达到相同成功率所需的演示数量、真机工时及现场调试成本。如果每新增一个工位的边际开发成本下降,同一批机器人就更容易覆盖更多任务。

2.2 Melexis发布指尖模组,接触数据开始进入手部设计评估

精细操作需要机器人感知手指和物体接触之后发生了什么。11月12日,Melexis发布MLX90901指尖模组,可测一个法向和两个切向的力,并提供供手部厂商评估的开发套件。视觉可以定位物体,接触信号则提供抓握时的受力大小和方向变化。控制系统可据此尝试识别滑移趋势并调整抓握,也可把力、图像和动作同步记录,用于训练和复盘失败。这使触觉器件同时进入手部反馈控制与训练数据采集两个环节。

触觉能否从开发套件走进量产灵巧手,要看新增物料成本能否换来更低的作业失败率。对于只要求位置重复性的任务,视觉和常规夹具可能已能满足需求。对于易滑、可变形或需要细微力控的物体,接触反馈更有机会减少误抓和人工介入。

2.3 北京推进真实场景采集,有效样本比采集时长更接近采购价值

北京本周发布的行动方案,将真实工况采集纳入具身智能基础设施建设。11月11日,北京市经信局提出在不少于100个真实场景采集超过100万小时高质量数据,同时支持第一视角采集、人类动作映射与高保真仿真。真实场景的价值在于纳入工位变化、物料差异、操作失误和恢复过程,这些片段会影响机器人进入现场后的接管和复训效率。政策目标传导到数据服务采购,要经过场景开放、采集标准、质量验收及复用。

三、容量看T链:Tesla-SpaceX探索协同,Optimus进入早期生产

3.1 Tesla与SpaceX潜在整合,探索AI与机器人协同

Tesla与SpaceX的潜在整合进入可持续跟踪的阶段。双方此前分别在三季度申报文件中披露成立特别委员会,评估深化合作或潜在合并。11月12日,彭博援引知情人士称双方洽谈取得进展,可能最早于12月公布交易,也可能延至2027年初。

若深化合作落到具体项目,产业协同主要涉及xAI模型与算力、Terafab芯片和Tesla整机制造。SpaceX已完成对xAI的收购,其申报文件提及Terafab规划支持地面端侧与推理芯片,面向Optimus和Tesla汽车等应用。Tesla可提供机器人本体、训练场景和制造验证。我们认为,协同潜力在于把整机任务需求更早反馈给模型和芯片开发,缩短端侧适配与系统验证周期。

3.2 Optimus启动早期生产,推进手部设计与AI能力迭代

Fremont进入早期爬坡,Optimus开始同时验证生产工艺与手部可靠性。Tesla于10月21日披露,Fremont产线已产出首批达到生产质量标准的Optimus,Texas产线仍在建设。公司产能表尚未给出两地Optimus装机年产能的数字。Musk在三季度业绩会上表示,Optimus当前机电设计的迭代重点仍在手部,尤其是手指。灵巧手既要足够柔顺以抓取易损物体,也要经受反复磨损并保护传感器。后续可跟踪手部耐久性、维护频率和装配良率。

早期下线的机器人可以参与训练,AI迭代再回到手部和整机验证。Tesla正筹建Optimus Academy,通过在仿真及真机上反复练习积累任务数据。Elon Musk在三季度业绩会上表示,若进展顺利,计划于2027年4月前后集成AI5,并预计2027年底前后向外部企业交付。端侧算力增加为机器人处理更多动作与反馈提供条件,最终仍要用开放任务成功率、人工接管率和连续作业时长来验证。我们看好T链的批量供货机会,兑现节奏取决于手部设计、真机表现和产线周产量能否同步改善。

四、风险提示

通用具身模型泛化及真实工位部署不及预期的风险。

模型在单项任务评测和产线试点中取得进展后,仍需在工位布局、物料规格和作业节拍变化时维持稳定表现。若模型在跨工位迁移、长时程操作或异常恢复中的表现不及预期,额外训练和人工接管可能推高部署成本,影响试点转付费及后续规模化部署。

高质量物理交互数据供给及训练转化不及预期的风险。

第一视角视频和仿真数据可以扩大训练覆盖,但精细操作还依赖与机器人本体相匹配的动作、接触和失败恢复数据。若高质量真机数据的采集与验收成本高于预期,或跨本体复用、仿真到真机迁移的效果有限,数据规模扩大可能难以减少真机调试工时,延长新任务开发和上线周期。

机器人商业化、订单及量产节奏不及预期的风险。

从试点部署到批量采购,客户仍需验证机器人能否达到作业节拍、可靠性和投资回报要求。若客户验收或复购慢于预期,订单和收入兑现可能延后。对于Optimus,若手部设计迭代、耐久性验证、AI5集成或产线爬坡进度不及预期,可能影响对外交付及关键零部件的批量采购。

Tesla与SpaceX潜在整合及产业协同不及预期的风险。

潜在整合进度取决于双方能否就交易条款达成一致并履行相关审批程序。模型、芯片与整机制造之间的协同还取决于具体项目的推进。若xAI模型与算力、Terafab端侧芯片和Tesla整机之间的适配及验证进度慢于预期,研发协同及其向产品迭代、制造效率和供应链需求的传导可能延后。

阅读全文

《物理AI:分歧时坚定看好》

+

报告信息

证券研究报告:《物理AI:分歧时坚定看好》

报告日期:2026年11月15日

作者:

刘高畅 SAC执业编号:S1130525120005

郑元昊 SAC执业编号:S1130525120004

孙恺祈 SAC执业编号:S1130526060005

原文链接
多空观点 观点仅供交流,不构成投资建议
点赞
踩一踩
收藏
分享

评论 (0)

0/200
声明:社区内容仅代表用户个人观点,不构成任何投资建议。投资有风险,入市需谨慎。