计算机行业研究：物理AI：分歧时坚定看好

敬请参阅最后一页特别声明 1 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。 相关标的  1）本体：大脑本体协同发力【上纬新材】【智元】；全球训练本体平台【宇树科技】。  2）数据：具身数据算力平台【摩尔线程】【协创数据】；国产替代仿真平台【索辰科技】【群核科技】；数据服务商【凡拓数创】【宝通科技】【仙工智能】【海天瑞声】【宇信科技】【力星股份】；数采设备【奥比中光】；垂类场景【杰创智能】。  3）供应链及制造：触觉传感器【福莱新材】Sharpa 灵巧手【禾赛】；大脑迭代方向明确，大小脑本体耦合效应利好 T 链和 F 链，关注【科森科技、光洋股份、世运电路、斯菱智驱、蓝思科技、岱美股份、领益智造】。 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。 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、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 ................................ 4 1.1 OpenAI 重组，苹果与 Claude 验证通用模型的操作能力 ...................................... 4 1.2 Gemini 大小脑进入奔驰工位，Agility 验证持续运营与合同转化 ................................ 6 1.3 优必选拓渠道，Serve Robotics 尝试提高存量机队利用率 .................................... 9 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 ................................... 10 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 .......................... 10 2.2 Melexis 发布指尖模组，接触数据开始进入手部设计评估 .................................... 11 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 ............................... 12 三、容量看 T 链：Tesla-SpaceX 探索协同，Optimus 进入早期生产 .................................. 13 3.1 Tesla 与 SpaceX 潜在整合，探索 AI 与机器人协同 ......................................... 13 3.2 Optimus 启动早期生产，推进手部设计与 AI 能力迭代 ....................................... 14 四、相关标的 ................................................................................. 15 五、风险提示 ................................................................................. 15 图表目录 图表 1： OpenAI 确认研究与应用硬件的组织归属 .................................................. 4 图表 2： Claude Fable 5.2 双臂机器人仿真成绩 .................................................... 4 图表 3： OpenAI 物理 AI 布局进展：从机器人操作研究到数据、硬件与制造体系建设 .................... 4 图表 4： AMP1 能够根据自然语言指令，直接在真实世界中解决零样本、长时程的操作任务，无需针对特定任务进行微调或预定义技能。 .......................................