电子行业研究：AI走进现实：Physical AI驱动端侧硬件进入升级周期

敬请参阅最后一页特别声明 1 行业观点： 我们认为，本轮 Physical AI 的核心变化并非机器人机械结构本身发生突破，而是通用模型开始由感知和理解进一步进入规划、决策与动作空间，使 AI 由数字世界向物理世界延伸。随着模型输出由语言、图像逐步扩展至真实动作，机器人对硬件的要求也由单一 AI 算力进一步扩展至多模态感知、本地计算、Memory/Storage、实时控制及功能安全等完整端侧系统能力。与此同时，Physical AI 并非一条孤立的机器人硬件路线：手机、PC 已率先验证本地大模型和Agent 的规模化部署，机器人则进一步将同一趋势由数字交互延伸至物理执行。我们认为，模型能力跃迁是本轮Physical AI 的技术起点，机器人是最典型的新终端，而端侧计算平台升级则是电子行业更广泛的产业落点。 投资逻辑： 模型进入物理世界，推动机器人端侧硬件由单一算力升级向系统级扩容。随着机器人任务由固定工位、单一操作向开放环境、全身运动和灵巧操作扩展，模型需要持续获取视觉、姿态、运动和接触等多维信息，并在本地完成感知融合、推理、规划和控制。对应硬件来看，Physical AI 带来的增量并非单纯提升 TOPS，而是“大模型+多传感器+实时控制”共同推动整条端侧数据链路扩容：模型规模提升带动内存容量与带宽需求，多路感知和数据记录增加本地存储及高速I/O 需求，而动作输出进一步增加 EtherCAT、CAN-FD 等实时控制接口及功能安全资源，机器人电子硬件价值量由 SoC向 Memory、Storage、互联及控制环节扩散。 机器人进入小批量产业验证，Training 需求有望先于本体大规模放量释放。2026H1 全球人形机器人出货已接近 2.5万台，半年出货量超过 2025 全年，产业由几千台级研发市场逐步迈入数万台级商业化探索；与此同时，应用结构也开始由科研、展示和数据采集向制造、物流和服务等真实作业场景扩散，电子零部件需求有望由项目型采购向标准化、批量化采购迁移。更值得关注的是，模型训练需要提前积累大量真实交互数据，无本体采集能够降低对机器人数量的依赖，EGO、UMI、WristCam、Hub 等产品形态已经开始由实验室自建工具向标准化训练硬件演进。电子硬件需求不必完全等待机器人本体大规模出货，可能形成“训练需求先行、本体需求承接”的释放节奏。 模型加速下沉，Physical AI 进一步融入更广泛的端侧计算升级周期。MLPerf 标准测试对象已由传统视觉 CNN 进一步扩展至 LLM、生成式 AI 及 Agent，手机和 PC 则率先验证本地大模型进入规模化终端；机器人 VLA 同步向端侧迁移，本地模型开始直接承担动作输出任务。随着 LLM、VLM 和 Agent 本地运行，模型权重、上下文、KV Cache 及本地知识库持续增加，端侧硬件约束由计算能力进一步扩展至 Memory 容量、带宽及 Storage；同时，小模型、量化压缩及部署工具链持续成熟，又在降低复杂 AI 进入终端的算力、功耗和存储门槛，使 AI 能力有望由高性能 PC、智能手机和机器人进一步向工业设备、AIoT、可穿戴及智能家居扩散。 投资建议与估值 Physical AI 本体及产业化相关标的：宇树科技、优必选等；数据采集及感知硬件相关标的：奥比中光、思特威、韦尔股份、芯动联科、安培龙、必易微等；端侧 AI 芯片相关标的：瑞芯微、星宸科技、乐鑫科技、恒玄科技等；整机制造相关标的：立讯精密、工业富联等。 风险提示 Physical AI 模型能力提升不及预期；机器人产业化及终端出货不及预期；Physical AI 数据采集及训练硬件需求不及预期；端侧 AI 渗透及模型本地部署进度不及预期；端侧硬件配置升级幅度不及预期；技术路线快速变化及产业竞争加剧。 行业深度研究 敬请参阅最后一页特别声明 2 扫码获取更多服务 内容目录 一、模型走进现实，Physical AI 硬件需求同步升级 ................................................. 4 1.1 通用模型跃迁，物理任务边界持续拓宽 ..................................................... 4 1.2 感知、推理与控制融合，端侧平台成为 Physical AI 关键底座 ................................. 6 二、产业化进程提速，硬件需求开始兑现 ........................................................... 8 2.1 应用场景迁移，机器人硬件进入批量验证 ................................................... 8 2.2 训练数据需求前置，训练硬件率先释放 ..................................................... 9 三、模型加速下沉，端侧计算进入平台升级周期 .................................................... 11 3.1 工作负载持续升级，端侧 AI 由感知走向智能体与动作执行 ................................... 11 3.2 模型本地化深化，端侧硬件需求持续扩散 .................................................. 13 四、相关标的 .................................................................................. 14 五、风险提示 .................................................................................. 14 图表目录 图表 1： Astra Agentic 策略提升机器人任务成功率 ................................................. 4 图表 2： Gemini Robotics 2 实现机器人全身操作能力扩展 ........................................... 5 图表 3： Gemini Robotics 2 具备多指灵巧操作能力 ................................................. 5 图表 4： 人形机器人由单摄像头向多视角、多模态感知升级（以 NVIDIA Isaac GR00T Reference Humanoid 为例） ........................................................................................... 5 图表 5： AI 厂商积极布局机器人硬件环节 ...............