【锐少产业分析】孙宇晨一个月前的那句话，被黄仁勋亲自“盖章”了

一个被称为“币圈孙哥”的人，和AI时代的“教父”黄仁勋，在2026年春夏之交，说出了一句内核高度相似的话。

5月，孙宇晨在社交媒体上抛出一句断言：“普通AI落幕，物理AI才是未来三年主线！”这条推文在当时被不少人当作典型的孙式营销——口号响亮，但缺乏实质。

6月1日，黄仁勋在台北国际电脑展的演讲台上，用完全不同的语境和分量，宣告了“实用的AI（Useful AI）”时代到来。他没有用“物理AI”这个词，但他展示的每一个场景——机器人、自动驾驶、工业数字孪生、边缘计算——都在指向同一个方向：AI的价值，正在从虚拟空间向物理世界大规模迁移。

紧接着，黄仁勋飞赴韩国，与三星、现代等企业密集会面，推进“实用AI”在制造业和机器人领域的落地。至此，一场从概念到产业、从硅谷到东亚的AI叙事切换，已经清晰到无法忽视。

当“实用”成为地球上最重要AI公司的核心叙事时，投资逻辑也需要跟着切换。锐少今天来拆解这场切换的底层逻辑、驱动因素，以及相应的投资线索。

回顾2023年以来AI产业的叙事变迁，可以划出两道分水岭。

第一道分水岭，是2023-2025年的“大模型军备竞赛”。
这一时期的核心叙事是“更大就是更好”——参数竞赛、算力堆砌、基准测试刷榜，主导了市场的注意力分配。英伟达的GPU是这一阶段最大的受益者，因为每一轮模型迭代都意味着更多的算力需求。

第二道分水岭，正在此刻发生。
黄仁勋亲自用“Useful AI”这个看似平淡、实则精准的词，给新时代定了调。他不再强调单一模型的性能指标，而是反复展示AI在真实场景中创造的实际价值：工厂里的机器人正在学习拧螺丝，仓库里的自主叉车在搬运货物，风电场的数字孪生在预测故障，手术室里的AI助手在实时标注病灶。

这不是一个技术升级，而是一个价值重心的迁移。当模型能力已经强到足够在实验室里通过图灵测试，接下来的问题就变成：你能不能在现实世界里，帮我省钱、省人、省时间？

孙宇晨所谓的“物理AI”，和黄仁勋的“实用AI”，本质上都在描述这个迁移。区别在于，前者更像投资主题的提炼，后者则代表了产业巨头真金白银的投入方向。

理解这场切换，需要理解它背后的结构性推力。

推力一：大模型商业化遇冷，资本市场要求回报。

2025年下半年以来，资本市场对大模型公司的态度发生了明显转变。Anthropic的估值从最高的1.2万亿下调至约1万亿，融资节奏比预期更为审慎。一级市场开始追问：数十亿美元的研发投入，什么时候能回本？

答案指向了同一方向：让AI进入物理世界，解决实体经济中的真实痛点。工厂、矿山、农场、医院、交通——这些传统产业的体量远大于纯粹的软件市场，也只有它们，能承载起大模型所需的万亿级商业化空间。

推力二：具身智能技术进入“可行区间”。

人形机器人、自主导航、灵巧操作——这些技术的进步速度超出了大多数人的预期。特斯拉加州弗里蒙特工厂正在改造产线，擎天柱（Optimus）机器人计划于7、8月间产计划，Figure公司的人形机器人在物流仓库里累计处理了超过4.5万个包裹，NVIDIA的Isaac平台正在被数千家企业用于机器人训练。当硬件成本下降、模型推理速度提升、仿真环境成熟，三者交汇之处，就是“实用AI”的爆发点。

推力三：制造业大国与AI巨头的共振。

黄仁勋选择在台北宣布这一战略，随后飞赴韩国推进落地——这不是巧合，而是对全球产业地理的精准洞察。东亚是全球制造业的中心，从半导体到汽车，从消费电子到重型机械，密集的供应链和丰富的应用场景，为“实用AI”提供了最理想的试验田。

韩国现代汽车集团的工厂里，英伟达的Omniverse平台正在构建全工厂的数字孪生；三星的芯片工厂，利用AI优化良率已经创造了数亿美元的效益。当制造业巨头开始为AI付费，“实用AI”就有了最坚实的经济基础。

市场在讨论“实用AI”时，容易陷入一个误区——把它等同于“机器人概念”。实际上，黄仁勋的“Useful AI”包含三层更宽泛的含义。

第一层：AI赋能的工业自动化。
涵盖工厂数字孪生、预测性维护、视觉检测、供应链优化等。这是一片存量市场，但AI的加入可以大幅提升渗透率和效能。制造业工厂对AI的付费意愿正在上升——因为降本增效效果可量化，投资回报周期清晰。

第二层：自主机器与具身智能。
这是市场最关注的部分，包括人形机器人、自主移动机器人（AMR）、自动驾驶车辆等。如果说大语言模型是AI的“大脑”，那么自主机器就是AI的“身体”。身体的价值在于执行，而执行直接转化为生产力。

第三层：AI在专业领域的深度应用。
医疗影像诊断、药物研发、材料科学、气候建模——这些领域的共同特征是：数据壁垒高、知识密集、对“精准”的要求远超对“通用”的要求。AI在这些场景中不是“替代人”，而是“做人不擅长的事”。

这三层含义共同构成了“实用AI”的完整版图。它不是某一个行业的主题投资，而是AI从“实验品”变成“生产力”的系统性进程。

叙事切换，意味着估值逻辑的重构。过去三年，AI投资的核心方法论是“算力信仰”——谁买的GPU多，谁就拥有更高的估值溢价。在“实用AI”时代，这套方法论需要补充一个核心变量：场景定价能力。

所谓场景定价能力，是指一家公司能否在某个具体的物理世界场景中，建立起AI应用的护城河。这个护城河可能来自独有的数据（如工厂的工艺参数），可能来自深厚行业know-how（如医生的诊断经验），也可能来自硬件与软件的深度整合（如机器人整机与操作系统的绑定）。

基于这一逻辑，锐少梳理出三条投资主线：

主线一：具身智能产业链。
这是“物理AI”最直接的映射。关注机器人整机企业、核心零部件供应商（减速器、传感器、执行器），以及为机器人提供“大脑”的AI模型平台。A股中，绿的谐波（688017）的谐波减速器、奥普特（688686）的机器视觉系统，均处于这条产业链的关键节点。特斯拉Optimus的量产时间表已经落地，国内人形机器人供应链的订单兑现将是核心催化剂。宇树的机器人产量一直上涨，6月2日宣布其单款人形机器人累计生产下线约11000台。

主线二：工业AI与数字孪生。
制造业是“实用AI”最大的落地场景。拥有丰富工业数据积累、且积极部署AI解决方案的企业，可能在本轮浪潮中获得估值重估。关注工业软件龙头——中控技术（688777）的流程工业AI优化、宝信软件（600845）的钢铁行业数字孪生，均已在真实场景中产生可量化的经济效益。英伟达的Omniverse平台正在加速渗透，国内工业软件企业有望受益于生态协同。

主线三：边缘AI与端侧推理。
“实用AI”要求低延迟、高可靠、数据本地化处理，这催生了对边缘计算芯片和端侧推理模组的巨大需求。A股中，瑞芯微（603893）的AIoT芯片、全志科技（300458）的智能终端处理器，均卡位于端侧推理的关键环节。随着具身智能设备出货量增长，端侧AI芯片的用量将呈指数级攀升。

叙事切换不是一蹴而就的，过程中必然伴随大量噪音。

首先是估值泡沫的风险。“物理AI”的概念正当热，市场可能短期内将预期打得过满，导致相关标的估值脱离基本面。黄仁勋的“实用AI”是一个三年五年尺度的趋势，但二级市场的定价往往是按季度甚至按周来运行的。

其次是技术落地的节奏。从“可用”到“好用”再到“规模化”，每一个阶段都可能遇到工程层面的瓶颈。机器人在实验室里完成100次成功操作，和在生产线上连续运行1000小时，是完全不同的概念。

最后是中美供应链的分化。在AI硬件和核心芯片领域，中美之间的技术壁垒仍在加深。国内企业需要更多依靠自主创新和国产替代路径，这一过程的时间成本和不确定性需要被充分定价。

锐少提醒：
叙事切换期往往也是情绪波动最剧烈的时期。概念先行、业绩后验——投资者需要区分哪些公司真正有能力将“实用AI”转化为可量化的财务回报，哪些公司只是在概念热度中搭顺风车。

孙宇晨在5月说出“物理AI”四个字的时候，可能没有预料到，仅仅一个月后，黄仁勋会用“实用AI”为同一个方向做出最强背书。这或许是2026年AI投资最值得铭记的一幕：当最喧嚣的叙事者，与最权威的定义者，在同一个方向上达成共识，往往意味着一种新的共识正在形成。

从“更大就是更好”到“有用才是王道”，AI正在经历一场从虚拟到现实的成人礼。对于投资者而言，重要的不是争论AI是否还是泡沫，而是识别出当AI走出服务器机房，走进工厂、医院、道路和家庭，究竟哪些资产将因此获得重新定价的机会。

“普通AI”也许正在落幕，但“实用AI”的故事，才刚刚开始。