快递行业研究分析框架(三)：被忽视的物理AI训练场，新范式下的数据决定论

快递行业研究分析框架（三）——被忽视的物理AI训练场，新范式下的数据决定论证券研究报告行业动态报告发布日期：2026年11月11日本报告由中信建投证券股份有限公司在中华人民共和国（仅为本报告目的，不包括香港、澳门、台湾）提供。在遵守适用的法律法规情况下，本报告亦可能由中信建投（国际）证券有限公司在香港提供。请务必阅读正文之后的免责条款和声明。分析师：韩军hanjunbj@csc.com.cnSAC 编号:S1440519110001SFC 编号:BRP908分析师：梁骁liangxiaobj@csc.com.cnSAC 编号:S1440524050005背景22023年7月、2024年8月，我们发布了两篇《快递行业研究分析框架》 ，分别系统性对快递行业过去30年的发展脉络和周期发展，以及前瞻性对供给需求转变的当下正在悄然发生的竞争逻辑进行推演。两篇研报成为市场投资快递行业的重要手册和罗盘地图。过去篇《快递行业研究分析框架：十年未有之变局，新周期下的产能决定论》——核心结论指出快递仍是周期性行业，只是高速发展“供不应求”的30年掩盖了“产能周期和投资周期”这一对背后的关键投资抓手，而“资本开支”这一前瞻指标正是决定每轮产能建设以及份额演变的关键指标。报告这一结论，目前仍在“悄无声息”“潜移默化”地决定着快递行业的竞争走向。现在篇《快递行业研究分析框架（二）：旧地图难觅新大陆，新飞轮下的终端决定论》——核心结论指出原有简单的“量、价、利”分析框架已经逐渐无法对“供需转变”当下的企业决策进行投资进行有效分析和判断决策，因为原有总部单边主导的高举高打带动飞轮旋转的效能逐渐有限，而在当下反内卷监管框架下如何进行揽派终端的降本增效和服务升级越发重要。虽然各家品牌的快递企业选择的路线看似差异不大，但已经在“派费成本”这一指标方面，看到了总部话语权和支撑末端降本等显著分化走向，且越发明显。过去一年，是快递行业在反内卷下业绩大幅改善的一年，但也是快递板块估值大幅下杀的一年（分位点已接近十年最低）。因为需求增速下降了，短期单票利润改善预期也下降了，股东回报（回购+分红）成为了目前快递行业市值管理的重要手段。同时，过去一年，市场从Digital AI向Physical AI，泛科技类板块和公司成为市场交易热点。虽然快递行业成为无人配送车以及具身智能应用的前沿场景，但市场仍未意识到一个事实——物理AI最大训练场，藏在快递网络里，快递板块并不仅仅是那个应用AI降本增效的细分领域之一，而是正在从“劳动力成本表”向“物理数据资产负债表”进行切换的快速提升期，估值将被重构！所以，我们撰写本篇报告《快递行业研究分析框架（三）》，希望能给市场提供新范式下重新理解快递估值的新思路。内容摘要3全文按四部分展开：为什么数采是物理AI核心卡点、为什么快递物流是最优数据训练场、为什么当下是布局最佳时点、现行估值框架错在哪及如何迭代。1、数采是物理AI的核心卡点物理AI不是大模型的简单延伸，训练对象从文本转向"感知-动作-反馈"时序闭环，输出从token变成action；数字AI数据可爬取，物理AI数据只能在运营环境中诞生——算力可买、模型可开源、本体可代工，唯有真实作业数据无法采购。全球高质量物理AI数据仅约50万小时，达到真正训练体量至少需1000万小时，缺口达20倍；全球在人类工作场景中运行的机器人不足2000台，真机数据500-1000元/小时，采集成本是普通数据的10倍以上。四类数采方式互补：真机遥操质量最高但规模化慢（可用率仅15-20%），UMI示教（40-50%）、仿真数据（80-90%、单条成本0.01元）、EGO视频（50-60%）。 数据正加速资产化：数采项目数由2024年5笔增至2026年预计37笔、金额由0.14亿元升至21.5亿元；京核心观点AI正从Digital AI向Physical AI跃迁，瓶颈已从模型/算力不可逆地转向“真实作业数据供给”，而快递网络每天以十亿级频次在真实非结构化环境中自动生产带成功/失败标签的“感知-动作-反馈”闭环数据，是已通电、并网、可实时反馈的单一规模化训练场。 与之撕裂的是，过去一年快递业在反内卷下业绩大幅改善，板块估值却下杀至近十年1%分位以下。 我们认为快递正从“劳动力成本表”切换为“物理数据资产负债表”，估值应重构为“基础快递业务价值＋物理AI数据资产期权＋成本结构重构期权＋具身智能产业资本收益”。2026-2027年是快递物流场景批量部署的关键窗口，投资上应关注优先掌握全链路数据与资本开支决策权的快递物流公司。内容摘要4东规划未来2年1100万小时以上，智元/觅蜂、星海图各1000万小时；截至2026年4月底中国至少90个人形机器人数采中心在用或规划中、64个已投用。 据此测算，达成1000万小时可用数据需采集原始数据约2500万小时（约300万天），对应市场规模1300-4200亿元（中值2750亿），快递物流按约18%数据操作来源对应约500亿元。2、快递物流是最优训练场快递网络每天以十亿级频次在真实非结构化环境自动生产闭环数据，卸车、供包、分拣、投柜、理赔等每个动作自带成功/失败标签，人工接管是高价值样本，KPI考核体系相当于7×24小时免费标注机。 其天然满足物理AI对好数据的苛刻要求：WMS/TMS/巴枪全链路时间戳可对齐、SOP固定可复现、签收/破损/超时可评测、抓取-扫码-放置可跨本体复用，且每天1-2%（约500-1000万件）异常件构成稀缺负样本。 虽操作量低于工业制造，但行业集中度好（每家近百个分拨中心、近万台车辆）、包裹形态不规则随机、投诉按小时响应，数据多样性与准确性更佳。 企业角色已从"被找上门做试点"转为卖数据、卖场景、卖订单乃至成为股东。3、当下是布局最佳时点的三条原因其一，政策把仓储物流写进量化考核：2024年至2026年6月地方已发布超40份政策文件、覆盖18个省，工信部2026年专项行动明确聚焦仓储物流打造可训练、可测试、可验证场景，对央企国企是“有指标、有验收、有考核的必答题”。 其二，劳动力供需拐点：在放宽供给范围、保守估计需求增长的基础假设下，模型显示2026年是快递物流劳动力供需失衡拐点。 其三，经济性拐点出现在ROI<2年：以顺丰分拨部署星动纪元M7为例，30万元半身工业版年化成本13万元，效率1200件/时（人工1000-1200件）、22小时/日（人工8小时），投资回收期约1.5-2年；全尺寸人形机器人单机均价预计由2026年30-40万元降至2030年后10-15万元。内容摘要54、估值框架迭代与投资建议（1）旧框架为"市值=业务量×单票净利率×给定P/E=f(份额，价格战强度，降本空间)"，2022年后件量市占率已不再是股价前瞻指标；行业护城河原本是规模效应/网络密度＋人力组织能力，但科技是双刃剑——资本开支替代人力运营开支使规模门槛变高，人力组织能力壁垒却会消失、网络密度壁垒被数据密度壁垒替代。 当前快递板块近2个月平均估值处十年1%分位以下（最低0.41%），2026年国内平均P/E 11.1倍，显著低于过往10年平均22.0倍及海外平均27.2倍。 我们提出新定价公式：市值=基础快递业务价