研报来源：国金证券《物理AI行业研究：物理AI奇点时刻到来，设备应该怎么投？》
发布机构：国金证券
分析师：满在朋、李嘉伦
发布时间：2026年10月28日
一、核心结论物理AI正处在“从1到10”的奇点窗口，模型端走完0→1、三项成本同时坍塌，当前是较好布局窗口；投资主线是“短板即机会”——数据采集、传感器、灵巧手卖铲子确定性最强，应用端看仓储物流与服装。
一句话：三类成本同时坍塌的交点就是现在，物理AI第一次可以被直接按照单位经济性来计算；最强逻辑是成本坍塌，最硬证据是灵巧操作成功率落差。
二、什么是物理AI物理AI是融合物理规律与人工智能的新型计算范式，区别于纯数字空间的生成式AI，它通过物理约束模型把“智能”落地为“动作”，是AI应用进入下半场、打开实体场景的载体。其中一类重要路径源自物理约束机器学习（PIML），通过将物理规律转化为数学模型约束，实现机器学习与物理原理的深度融合。
三、为什么是现在：模型四阶段演进关键判断：VLA性能提升不再单纯依赖参数规模扩张，而更多关注架构与推理机制改进。
路线分化：除纵向深化（π0.5→π0.6→π0.7）与系统架构分化（级联式/分层式）外，2026年GPT-6 Astra打开“模型外部”路线——不再训练VLA，由通用Agent基模通过代码、工具调用与经典控制器驱动机器人本体。
四、三类成本同时坍塌（核心投资逻辑）三类成本坍塌的交点就是现在，物理AI第一次可以被直接按照单位经济性来计算。
时间窗判断：2023年之前太早（动作1-3Hz、每进场景要重采数据，只能做demo）；2024年π0解决“动作怎么生成”但仍属“实验室可用”；2025—2026年π0.5解决数据、π0.6解决可靠、π0.7解决组合泛化、Astra打开分工，三类成本同时坍塌。
五、投什么：短板就是机会1. 数据——最核心的瓶颈和机会缺口测算：据中国信息通信研究院《具身智能训练场研究报告（2026年）》，实现机器人“ChatGPT”时刻约需21200台机器人连续工作一年、产出千万小时级有效数据；而当前全球可用高质量真实数据仅数十万至百万小时级
数据飞轮：更多应用部署→更多数据→更成熟模型→进一步放量，形成自我加速正循环
国内训练场：截至2026年6月底，全国建成启用超70家训练场，在建或规划中46家，训练场或成物理AI时代新基建
硬件拉动：按采集路线划分，无本体（第一视角视频、动捕）与真机（遥操作、自主作业回流）两类方式，分别拉动多目相机、IMU、动捕与EGO设备、触觉传感器等增量硬件
受益环节：数据生产商、数据基础设施供应商（工具、仿真、资产）、训练场运营方；报告点名索辰科技以CAE物理求解器与“天工开物”平台为核心，为物理AI提供“物理正确性”
硬边界证据：以Gemini Robotics 2为例，夹爪类任务平均成功率已达74.2%－89.6%，而多指灵巧操作成功率大幅离散（拧下灯泡92%、拧上灯泡36%），瓶颈直指触觉与力控硬件
建议关注三个方向：视觉、触觉、灵巧手
（1）视觉：3D视觉为主流，国产化程度较高
国内头部厂商奥比中光在分辨率、精度和功耗等指标上已对标乃至超过海外竞争对手，有望引领国产替代
海外头部厂商先发优势明显，国内厂商通过芯片自研逐渐打开市场
（2）触觉：压阻式为主流
压阻式触觉传感器因成本低、高灵敏度应用最广，市场占比约37%，其次电容式约28%
全球柔性触觉传感器市场以外资为主，CR5为57.1%，头部为Novasentis、Tekscan、JDI、Baumer、Fraba；国内代表为帕西尼科技、汉威科技、钛深科技、弘信电子
电子皮肤是触觉传感器向多模态仿生感知升级的重要方向，分为基底层、导电层、传感层
（3）灵巧手：向高承载力、柔性感知发展
驱动：空心杯电机是主流方案，无刷有齿槽电机是降本方案
传动：微型丝杠+腱绳复合传动或成未来主流方案
感知：电阻式和电容式触觉传感器有望成为主流；据特斯拉GEN2发布会，特斯拉机器人确定搭载触觉传感器
六、应用落地节奏1. 本体不会被跳过机械臂/人形/非人形机器人均有放量潜力；移动机械臂49%应用在物流行业、33%应用在制造业。
2. 仓储物流/服装或率先落地成熟度框架：真正已规模化落地的是物流仓储（AMR/机械臂，非人形）
物流痛点：拆零拣选环节工作量约占整个仓储作业40%以上，是成本最高、人力耗费最大的环节；据Agility Robotics，美国仓储、物流和制造行业有超100万个材料搬运岗位空缺
Figure物流客户进展：GXO Logistics 2024年6月签订全球首个多年期人形机器人RaaS协议，至2025年11月累计搬运100000+料箱；亚马逊2026年4月扩展部署至75台；舍弗勒计划2030年前在全球约100家工厂部署；丰田2026年签署付费RaaS协议
汽车拓圈：宝马与Figure合作从2025年初3台试点，到2026年5月进入“full production deployment”（100台、两班制），任务节拍84秒、零件装载37秒，单班次放置成功率≥99%
服装痛点：缝中环节需大量人工，柔性化程度太高；衣领、口袋等裁片对位偏差需控制在±2mm以内，裁切、缝纫等核心工序动作精度要求达0.3–0.5mm；目前部分场景合格率已达100%人工水平、效率可达人工50%以上
七、投资建议与标的报告明确建议：一方面关注核心短板数据采集/传感器/灵巧手等环节奥比中光/奥普特等，一方面关注仓储物流/服装机器人场景应用标的杰克科技等。
重点标的估值（市值单位：亿元）
大模型技术迭代不及预期：若长程任务成功率与跨本体泛化迭代缓慢，或Astra“模型外部”路线真实工况经济性不及预期，产业化进展将延后
数据采集技术路线变化：若第一视角人类视频叠加世界模型导致真实动作采集占比下降、无本体可穿戴采集替代固定工位、合成/仿真数据有效性进一步提升，则高投入采集资产存在利用率不足与减值风险
终端应用不及预期：终端对投资回报高度敏感，若整机价格下行/效率准确率提升不及预期，或下游资本开支因宏观需求走弱收缩，放量节奏或低于预期
十、文中提及公司/机构汇总数据采集/传感器：奥比中光、奥普特、思看科技、柯力传感、索辰科技、帕西尼科技、汉威科技、钛深科技、弘信电子
海外厂商/客户：Novasentis、Tekscan、JDI、Baumer、Fraba、Figure、GXO Logistics、亚马逊、舍弗勒、丰田、宝马、Agility Robotics
模型/产品：SayCan、RT-1、RT-2、π0、π0.5、π0.6、π0.7、OpenVLA-OFT、SmolVLA、GPT-6 Astra、Gemini Robotics 2、特斯拉GEN2
研究机构/数据来源：中国信息通信研究院、Agility Robotics、国金证券
十一、脱水总结最强逻辑：成本坍塌（场景适配/任务扩张/“大脑”获取三项成本）是“现在”的核心依据，而非单纯技术叙事。
最硬证据：拧下灯泡92% vs 拧上灯泡36%的成功率落差，直接指向触觉与力控硬件缺口。
最需跟踪：π0.7组合泛化与Astra路线的真实工况经济性；训练场建设进度（超70家已启用）。
估值特征：传感器环节估值普遍偏高（奥比中光2026E PE 139倍），应用端杰克科技、诺力股份估值相对合理（20倍、7倍）。
投资建议：关注核心短板数据采集/传感器/灵巧手等环节奥比中光/奥普特等，关注仓储物流/服装机器人场景应用标的杰克科技等。
免责声明
本文内容系根据网络公开下载的国金证券研报《物理AI行业研究：物理AI奇点时刻到来，设备应该怎么投？》整理摘编而成，仅供个人学习、交流与信息参考之用，不构成任何投资建议或买卖依据。
本文不代表任何机构立场，亦不代表对研报观点、数据、结论的独立核实或背书。研报原文版权归国金证券及相关权利人所有，如涉及版权问题，请联系删除。
市场有风险，投资需谨慎。任何人依据本文内容作出的任何投资决策及由此产生的后果，均由决策者本人自行承担，本文整理者不承担任何法律责任或连带责任。
作者声明： 本文转载自第三方，旨在提供资讯参考，并非证券推荐或投资建议。作者对内容的真实性、准确性不承担保证责任。本文不构成任何投资建议或证券推荐。截至发文日，作者与文中提及的标的不存在持仓关系。