人工智能行业：AI的下一个范式——物理AI和机器人

A I 的 下 一 个 范 式证券度打造极致专业与效率分析师 张一鸣分析师 刘嘉林执业证书编号：S0680522070009执业证书编号：S0680524070005邮箱：zhangyiming@gszq.com邮箱：liujialin@gszq.com— — 物 理 A I 和 机 器 人年 月 日2026 08 142黄仁勋：物理AI是下一波增长浪潮2026年6月，黄仁勋在英伟达年度股东会上明确宣告：“物理AI是英伟达的下一波增长浪潮”。他将物理AI定义为现实世界中的智能体AI——机器人、汽车和工厂都将成为能够感知、推理、规划并自主行动的实体智能体。每一轮智能技术跃迁，都必须先完成底层基础设施的铺设。回顾互联网时代，TCP/IP协议在1970年代就已成型，但直到1990年代光纤骨干网与宽带接入完成大规模铺设，互联网应用才真正爆发。数字AI时代，2012年的计算机视觉模型AlexNet到2022年的ChatGPT，十年间模型动用的算力提升了100万倍，基础设施到位后，生成式AI才迎来应用层的井喷。物理AI依旧遵循此发展路径。AI四阶段能力感知AI专注于理解和识别，如图像、音频等生成AI能够生成内容，如文本、图像、音乐等代理AI具备自主感知、推理、规划与执行能力，能够独立完成多步骤复杂任务物理AI融合物理世界，不仅具备感知和决策能力，还能在物理世界中执行动作8.9 15.0 152.4 02040608010012014016018020252026E2032E全球物理AI市场规模（亿美元）图表：全球物理AI市场规模预测图表：AI演进的四个阶段资料来源：MarketsandMarkets，Foresightnews，科技人，国盛证券研究所3机器人已经成为全球共识：技术推动、政策支持、巨头引领机器人是物理AI的主流形态，三重共振已经形成。1）技术推动：多模态大模型快速迭代，双足工程化推动硬件规模化发展，核心零部件产业配套发展。2）政策支持：中、美、日、韩、欧等相继推出支持政策，为人工智能和机器人提供生长土壤。3）巨头引领：由特斯拉、英伟达、谷歌等科技巨头引领的AI+机器人浪潮正在逐步变为现实。图表：机器人的三重共振资料来源：工信部，形势政策网，电子工程专辑，韩联社，英伟达，澎湃，国盛证券研究所4物理ai（机器人）=具身模型+机械本体+数据飞轮具身模型、机械本体、数据飞轮是机器人三大要素，缺一不可。具身模型是机器人的“大脑”，当前主流路线包括VLA（视觉-语言-动作）模型与世界模型；机械本体是机器人的“身体”，在人形机器人BOM成本中，执行器约占40%-50%，灵巧手约占14%-18%；数据飞轮是具身智能迭代的必然途径，机器人部署的场景越多，回流的真机数据越丰富，具身模型就越聪明，进而进入更多复杂场景，形成正向循环。资料来源：界面新闻，智元，国盛证券研究所机器人数据飞轮本体积累海量作业数据模型加速场景应用落地场景催化本体性能跃迁数据驱动模型迭代升级图表：机器人的数据飞轮5具身模型的两种路线：VLA和世界模型➢VLA（视觉-语言-动作模型）：采用“感知-动作”直接映射架构——输入视觉图像与语言指令，直接输出动作指令，无中间推演环节。VLA优势在于语义理解能力强，推理效率高、延迟低，适配机器人实时控制需求。VLA的短板在于缺乏对物理世界因果规律的内在建模，泛化能力不足，并且难以完成需高安全性与长程规划的复杂任务。➢世界模型：采用“推演式”逻辑——通过学习物理规则，预测执行动作后世界状态的变化，再据此反推应采取的动作。WAM的优势在于长程任务规划能力更强、鲁棒性更优，但语义理解能力弱于VLA，推理算力开销大。➢VLA与世界模型并非替代关系，两者有融合可能。VLA解决的是语义理解与可解释决策，世界模型解决的是未来状态预测与推演，两者存在互补性。达摩院WorldVLA模型将世界模型与VLA融入到一个模型，实现了图像与动作的双向理解和生成。资料来源：机器之心，国盛证券研究所图表：达摩院WorldVLA模型框架6数据的关键作用在机器人商业化过程中持续凸显➢ 具身智能训练数据分为三层金字塔结构：底层互联网图文视频提供基础通用认知，中层仿真合成数据可规模化扩充样本、缓解数据瓶颈，顶层实体机器人采集的真实数据稀缺珍贵，是模型落地微调与性能验证的关键标尺。➢ 与自动驾驶早期类似，机器人产业在进入量产阶段后，核心矛盾正从硬件成本转向数据供给。机器人在标准化仿真环境内的家务操作成功率可达89.4%，但落地到真实家庭场景后，任务完成率骤降至12%，二者存在高达77个百分点的落差。造成这一差距的核心瓶颈在于物理交互数据供给严重不足。而截至2026年初，全球合规可用的真实物理交互数据总量仅约50万小时，不足大语言模型训练数据的两万分之一。资料来源：英伟达《GR00T N1: An Open Foundation Model for Generalist Humanoid Robots》，国盛证券研究所图表：英伟达人形机器人基础模型架构中的多层次数据金字塔7➢ 除了数据量不足、单位成本过高也成为制约人形机器人“大脑”发展的重要问题。机器人物理交互数据采集流程复杂度大幅提升，需搭建专属场景并同步采集关节、执行器等多维运动信息；整条采集链条既需要高价值专用硬件支撑，还需配套大量人力用于数据质控与标注，综合推高数据端整体开支。➢ 目前市场上数据采集方式中，真机遥操作成本最高，单有效小时达500-1000元；无本体数据采集成本约为200-400元/有效小时，UMI采集方案的成本与之相近；Ego第一人称视角数据采集成本约为50-100元/有效小时，传统动捕的成本会再高一点。仅仿真合成数据可压低至20-50元/有效小时，而仿真数据无法替代可落地的真实物理交互样本。资料来源：Gangtise投研，国盛证券研究所方式采集成本（元/有效小时）真机遥操作500-1000无本体数据采集200-400Umi通用接口操作与无本体成本相当Ego第一人称视角50-100传统动作捕捉成本略高于 Ego 采集仿真数据20-50图表：主流数据采集方案采集成本数据的关键作用在机器人商业化过程中持续凸显8机器人形态多元：双足、四足、轮式、机械臂➢ 随着下游应用场景持续拓宽，机器人整机形态逐步走向多元分化，当前市场主流产品可分为四大品类：地形适应性强、运动灵活的四足机器人；搭载完整双腿双臂结构、适配类人作业需求的双足人形机器人；主打标准化室内、室外平整场景作业的轮式机器人；固定点位部署、聚焦工业精密作业场景的固定式机械臂。比较维度双足人形机器人四足机器人轮式机器人机械臂机动性较强，能跨越障碍，但速度一般极佳，可爬坡攀爬，行走稳定高速行驶平坦地面，越野能力弱多数固定安装，移动性差环境适应兼容人类工作环境（楼梯、电梯等）适应复杂户外环境（山地、瓦砾）仅适用于平坦硬地和室内需配合产线环境，无法独立应对未知场景任务灵活双臂灵巧，可完成多种物品抓取通常不带臂或仅辅助手臂需搭配末端装置，主要做搬运或巡检专业化强（焊接、装配等），变化性低成本较高（结构复杂、技术先进）中高（驱动单元多、算法复杂）相对较低（结构简单、量产化）高（精密伺服系统及传感器成本）维护难