机械设备行业高端制造周报第3期：海外巨头持续推动物理AI，苹果HALO验证sim2real可行性

请务必阅读正文之后的信息披露和法律声明 [Table_Main] 证券研究报告 | 行业周报 机械设备 2026 年 11 月 12 日 机械设备 优于大市 证券分析师 丁健 资格编号：S0120526070002 邮箱：dingjian3＠tebon.com.cn 周天昊 资格编号：S0120525040002 邮箱：zhouth＠tebon.com.cn 杨安东 资格编号：S0120526070001 邮箱：yangad＠tebon.com.cn 研究助理 姜政宏 邮箱：jiangzh＠tebon.com.cn 吴冰予 邮箱：wuby＠tebon.com.cn 市场表现 资料来源：德邦研究所，聚源数据 相关研究 1.《杰瑞股份 2026 三季报点评：26Q3 业绩加速成长，AIDC 业务蓄势向上》，2026.10.22 2.《具身智能行业观察——GPT-6 Astra 展现具身潜力，大模型加速赋能“大脑”》，2026.10.19 3.《巡礼山东：豪迈科技深度报告——全球轮胎模具龙头，大型铸件+五轴机床共驱增长》，2026.10.16 4.《巡礼山东：山推股份深度报告——推土机基本盘稳固，挖掘机与出海 贡献增量》，2026.10.13 高端制造周报第 3 期 海外巨头持续推动物理 AI，苹果 HALO 验证 sim2real 可行性 [Table_Summary] 投资要点：  行业观点：苹果团队发布论文，提出人形机器人自主系统 HALO，部署于宇树 G1，实现零真实数据 sim2real 迁移。该系统依托 1000 个程序化仿真家庭生成 300 小时训练数据，由 250 张 H100 耗时 48 小时自动生成；采用 S2 认知规划、S1 运动生成、S0 运动执行三层板载架构。它验证了仿真数据供给可由算力约束替代人工采集约束，但仍存在新增任务需人工设计、缺少触觉感知、遮挡下成功率下滑等短板。HALO 为解决人形机器人的数据瓶颈提供路线参考，建议关注机器人硬件平台、仿真数据平台、触觉感知等细分方向投资机会。  行情回顾：本周(2026 年 11 月 02 日至 2026 年 11 月 06 日，下同)申万机械设备板块上涨 3.05%，相较沪深 300 指数超额收益为 1.32%，在 31 个申万一级行业中排名第 21。本周申万机械二级行业中通用设备/自动化设备/专用设备/轨交设备 II/工程机械分别 2.37%/2.59%/2.55%/1.20%/7.40%。  本周观点：苹果 iPhone Duo 于 10 月 23 日发售，铰链盖板采用 3D 打印再生钛金属，苹果 3D 打印应用由小型接口件向折叠屏关键结构区域延伸，对消费电子增材制造具有示范作用。多激光、扫描速率提升带动设备提效，叠加钛合金粉末价格由约 3000 元/公斤降至 200–300 元/公斤，有望加速 3D 打印在 3C 领域渗透；我们判断 2027-2028 年果链将迎来新一轮技术创新周期，钛合金 3D 打印渗透率有望明显提升，建议关注：铂力特、汇成真空、汇创达、华曙高科、哈森股份等。  公司点评：1）【新泉股份】2026 三季报点评：26Q3 业绩高增，座椅+机器人共筑成长；2）【杰瑞股份】事件点评：中东再获百亿级项目授标，天然气业务加速。  建议关注：杰瑞股份、豪迈科技、山推股份、新泉股份、铂力特、汇创达、汇成真空、华曙高科、中国中车、中国重汽、潍柴动力。  风险提示：宏观环境变动风险；研发进度不及预期风险；原材料价格波动风险等。 -22%-15%-7%0%7%15%22%29%37%2025-102026-022026-06机械设备沪深300 行业周报 机械设备 2 / 10 请务必阅读正文之后的信息披露和法律声明 1. 每周观点 ① 具身智能： 近期，苹果研究团队在 arXiv 提交论文《Perceptive Humanoid Motion from Simulation》，披露了人形机器人自主控制系统 HALO（Humanoid Autonomy, Learned in simulation, running Onboard 即仿真学习、板载运行的人形自主系统），让机器人将在仿真环境中学到的动作带到陌生的现实房间中执行，并部署在宇树科技的 G1 人形机器人上进行验证。 HALO 验证了 sim2real（仿真到现实）的可行性，数据供给的人工限制有望被替换成算力限制。HALO 完成了零真实数据迁移至物理世界的实验，证明了仿真数据作为人形机器人自主能力数据引擎的可行性，使数据生成摆脱人工束缚，将数据采集的人工限制替换成算力限制。 1）仿真数据搭建：研究团队通过搭建 1,000 个程序生成的模拟家庭环境，合成了约 300 小时的主要训练数据，对应需要 250 块 H100 显卡耗时 48 小时，整个过程无人工干预； 2）系统架构：包含 3 重分层架构，其中 S2 为认知规划层，基于 VLM 模型（视觉-语言模型），调动协调器（2Hz，每秒 2 次调用频率）将自然语言和视觉输入拆解为一系列子任务；S1 为运动策略层，基于 64 块 B200 显卡通过模仿学习训练而成，调动运动生成器（3Hz）将视觉观测与子任务规划为一个 5 秒的全身运动学方案；S0 为运动执行层，基于 4 块 H100 显卡通过强化学习训练而成，调动运动跟踪器（50Hz）将运动规划方案与身体感知数据结合，在物理层面锚定轨迹并通过关节执行器驱动机器人。 图 1：HALO 系统架构 资料来源：《Perceptive Humanoid Motion from Simulation》，苹果研究团队，德邦研究所 行业周报 机械设备 3 / 10 请务必阅读正文之后的信息披露和法律声明 图 2：HALO 合成数据生成与训练流程 资料来源：《Perceptive