计算机行业研究：为什么这轮物理AI不一样？

敬请参阅最后一页特别声明 1 行业观点  具身模型首次出现可测量的上下文学习，本轮物理 AI 的核心变量由硬件性能升级转向泛化能力涌现。GEN-1.5可以将 3-12 秒的单次示范作为“物理提示”，在不更新模型参数的情况下执行新任务；随着预训练持续推进，模型适配新任务所需的专用数据和梯度更新显著减少，下一动作预测误差仍在持续下降。我们认为，这表明大规模物理交互预训练正推动机器人由针对单一任务反复训练转向基于示范快速学习，技能获取方式开始发生根本变化。  世界模型、VLA 与底层控制加速协同，机器人智能由单点模型走向分层基础设施。Genie 4 由离线视频生成进一步升级为实时、可交互的世界模拟，并结合 Gemini 推理能力，为任务规划、危险场景推演、长尾数据生成和智能体训练提供新的环境基础。与此同时，行业逐步形成高层任务理解与规划、中层动作策略和底层实时控制相互协同的分层架构：世界模型负责推演环境与行动结果，VLA 负责将视觉和语言转化为动作，底层控制模型保证接触、平衡和执行器控制的稳定性。模型不再只是附加在硬件上的识别模块，而开始成为技能获取、环境推演和持续学习的共同基础。  产业评价由单次演示转向有效产出，部署-数据-模型闭环开始形成。智元在创新日提出 Worken“有效智能工时”概念，将活跃机器人数量、自主工作时长和产出效能纳入统一评价框架，产业评价重点由“能否完成一次任务”逐步转向“能否持续、稳定地创造价值”。模型端，GO-3 Preview 登顶三项行业权威评测榜单，WITA-OMNI 已向首批客户开放部署；工程端，智元同步推进真实场景部署、触觉数据采集、后训练、部署后学习及灵渠 OS 开放。随着机器人进入工业质检、物料搬运和公共服务等场景，部署既验证硬件可靠性和客户投资回报，也持续产生失败、恢复和人工接管数据，有望形成部署扩张-数据回流-模型改善-部署效率提升的正反馈。  量产、人才和资本同步推进，物理 AI 由技术验证进入连续产业验证窗口。Tesla Optimus 已在弗里蒙特启动早期生产；大模型核心人才向 Physical AI 迁移，星忆智能完成种子轮及种子+轮连续融资，则反映产业竞争正由整机和模型延伸至物理交互数据、世界仿真和训练基础设施。从产业与交易结构看，本轮物理 AI 具备技术逻辑持续强化、产业容量逐步打开和事件催化接续的特征。 相关标的  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、岱美股份、世运电路、福赛科技、蓝思科技、浙江荣泰、三花智控、恒立液压、北特科技、拓普集团、科达利、万向钱潮等。  3）机器人大脑相关：摩尔线程、协创数据、道通科技、索辰科技、仙工智能、群核科技、智微智能、爱芯元智、五一视界等。  4）具身数据采集相关：领益智造、海天瑞声、利亚德、仙工智能、世纪恒通、宝通科技、奥比中光、绿的谐波、禾赛、速腾聚创、海康威视等。 风险提示  通用具身模型泛化能力进展不及预期的风险；高质量物理交互数据供给及 Scaling 进展不及预期的风险；世界模型、仿真合成数据及 Sim2Real 效果不及预期的风险；机器人商业化、订单及规模量产节奏不及预期的风险；AI芯片、算力和端侧部署进展不及预期的风险；行业竞争加剧、技术路线变化及相关公司估值波动的风险。 行业专题研究报告 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、技术演进：具身模型泛化能力跨越临界点 ....................................................... 4 1.1 上下文学习向物理世界迁移，GEN-1.5 涌现单次示范能力 ..................................... 4 1.2 预训练规模持续扩张，具身模型由性能提升走向能力涌现 ..................................... 5 1.3 世界模型由生成走向交互，Genie 4 扩展智能体训练空间 ..................................... 8 1.4 世界模型沿多类范式演进，行动预测成为共同方向 .......................................... 10 1.5 分层架构兼顾通用推理与实时控制，模型能力加速向机器人迁移 .............................. 12 二、产业进展：智元推动物理 AI 由模型开发走向规模部署 ........................................... 13 2.1 部署态成为产业评价重点，有效产出替代单次演示 .......................................... 13 2.2 数据与模型双向 Scaling，训练延伸至部署后进化 ........................................... 14 2.3 工程系统承接模型能力，场景复制进入验证期 .............................................. 16 三、产业节奏：量产验证开启，人才与资本加速汇聚 ................................................ 17 3.1 Optimus 进入早期爬坡，量产验证逐步替代产品预期 ........................................ 17 3.2 人才与资本向 Physical AI 迁移，数据环节开始独立定价 .................................... 18 3.3 未来半年催化接续，产业进入连续验证窗口 ................................................ 18 四、相关标的 .................................................................................. 19 五、风险提示 .................................................................................. 20 图表目录 图表 1： 语言模型与具身模型上下文学习方式对比 .................................................. 4 图表 2： GEN-1.5 一次性上下文学习与少样本后训练成功率对比 ....................................... 5 图表 3： GEN-0 不同参数量模型的预训练表现对比 ................................................... 6 图表 4： GEN-1 维护扫地机器人时全自主连续完成 200 余次且无需人工干预 ............................. 6 图表 5