> **来源：[研报客](https://pc.yanbaoke.cn)** # AI的下一个范式 —— 物理AI和机器人总结 ## 核心内容 物理AI是人工智能发展的下一阶段，强调智能体在现实物理世界中的感知、推理、规划与执行能力。机器人作为物理AI的主要载体，正在成为智能技术与物理世界融合的关键入口。黄仁勋在2026年英伟达年度股东会上明确提出，物理AI将引领下一波增长浪潮。 ## 主要观点 - **物理AI的发展路径**：与互联网和数字AI时代相似，物理AI的发展依赖于底层基础设施的完善。随着多模态大模型、世界模型、仿真平台等技术进步，物理AI正在逐步实现商业化。 - **机器人产业的三重共振**：技术、政策和巨头引领形成合力，推动物理AI与机器人产业快速发展。各国纷纷出台支持政策，科技巨头如特斯拉、英伟达、谷歌等正加速布局。 - **机器人数据飞轮机制**：真实物理交互数据是机器人智能化的核心驱动力。当前全球合规可用的真实物理交互数据总量不足50万小时，严重制约了机器人在复杂场景中的应用能力。 - **机器人形态与应用场景**：当前市场主流机器人包括四足机器人、双足人形机器人、轮式机器人和固定式机械臂。双足机器人虽具备更强的环境适应性，但技术门槛高，商业化进程较慢。 - **核心零部件与技术突破**：精密减速器、丝杠、电机、电子皮肤等是机器人实现高精度动作和智能感知的关键。随着技术迭代，新型电机和触觉传感器正逐步替代传统方案。 - **产业链布局与投资主线**：物理AI产业链可分为三大主线：T链（世界模型-芯片-数据飞轮-本体设计制造）、NV-波士顿动力链（英伟达+波士顿动力）、国产链（依托供应链与量产优势）。 ## 关键信息 ### 1. 物理AI定义与趋势 - 物理AI是现实世界中具备感知、推理、规划与执行能力的智能体。 - 2026年黄仁勋明确表示，物理AI将引领英伟达下一阶段增长。 - 机器人作为物理AI的主流形态，正在成为智能技术落地的核心载体。 ### 2. 机器人发展三大要素 - **具身模型**：如VLA和世界模型，分别侧重语义理解与未来状态预测。 - **机械本体**：包括执行器、减速器、丝杠、电机等，决定机器人运动能力和结构设计。 - **数据飞轮**：真实物理交互数据是模型迭代与场景落地的关键，仿真数据虽成本低，但无法替代真实数据。 ### 3. 数据采集与成本分析 - **数据采集方式**：真机遥操作成本最高（500-1000元/有效小时），仿真数据成本最低（20-50元/有效小时）。 - **数据瓶颈**：真实物理交互数据稀缺，导致机器人在真实场景中任务完成率远低于仿真环境（12% vs 89.4%）。 ### 4. 机器人形态与性能对比 | 机器人类型 | 机动性 | 环境适应 | 任务灵活 | 成本 | 维护难度 | |-------------|--------|-----------|-----------|------|------------| | 双足人形机器人 | 较强 | 兼容人类环境 | 高 | 高 | 高 | | 四足机器人 | 极佳 | 适应复杂户外 | 中 | 中高 | 较高 | | 轮式机器人 | 高速行驶 | 仅适用于平坦 | 低 | 相对较低 | 低 | | 固定式机械臂 | 低 | 需配合产线 | 专业化强 | 高 | 专业化 | ### 5. 核心零部件分析 - **精密减速器**：人形机器人多采用谐波与行星减速器组合，用于关节驱动，提升精度与承载能力。 - **丝杠**：用于实现旋转与直线运动转换，是机器人关节控制的关键组件。特斯拉Optimus Gen3单机使用14-16根行星滚柱丝杠。 - **电机**：无框力矩电机、空心杯电机、轴向磁通电机等新型电机正在取代传统有框电机，以满足轻量化、高功率密度等需求。 - **电子皮肤与触觉传感器**：电子皮肤是机器人感知环境的核心，触觉传感器分类包括压阻式、电容式、压电式、光学式、电磁式等，各有优劣。 ### 6. 机器人产业链格局 - **特斯拉（类苹果）**：全栈自研，垂直整合，构建封闭生态。 - **英伟达/谷歌（类安卓）**：提供世界模型、VLA模型和仿真平台，聚焦“大脑”层面。 - **国产阵营**：依托供应链与量产优势，推动机器人场景落地，如宇树科技、中坚科技等。 ### 7. 投资建议 - **T链**：关注斯菱智驱、新泉股份、福赛科技、北特科技、浙江荣泰、鸣志电器、新剑链等。 - **NV-波士顿动力链**：关注福赛科技、凯迪股份。 - **国产链**：关注宇树科技、上纬新材、晋拓股份、中坚科技、慈星股份等。 ### 8. 风险提示 - **技术发展不及预期**：具身智能核心技术迭代速度可能低于预期。 - **市场竞争加剧**：国内外厂商加速布局，可能影响数据与渠道优势。 - **应用场景落地困难**：机器人实操体验与终端转化能力不足，将影响推广。 - **量产进度滞后**：产业变革阶段产品迭代速度快，量产可能不及预期。 ## 结论 物理AI与机器人是人工智能发展的新方向，融合感知、推理、执行能力，推动智能技术在现实世界中的应用。随着技术、政策与巨头引领的三重共振，机器人产业正迎来快速发展期。然而，真实物理交互数据稀缺、成本高、技术门槛大等问题仍需突破。未来，具备完整产业链、高精度控制与多场景适配能力的机器人有望成为新一代智能设备的核心形态。