2026年CES上，黄仁勋17次提及"Physical AI"，宣布"物理AI的ChatGPT时刻已经来了"。当AI从屏幕走向现实世界——驱动机器人、自动驾驶汽车、工业系统在真实环境中感知、理解、行动——一个远超数字AI的万亿级市场正在开启。
2026年Q1，全球物理AI融资超64亿美元。英伟达年报确认FY2026物理AI收入超60亿美元。Figure AI估值飙至390亿美元，而营收仍为零。泡沫还是革命？本文将从技术架构、市场规模、核心公司、竞争格局、投资策略五大维度，全面拆解这个即将改变人类生活方式的万亿赛道。
传感器/视觉
VLA/世界模型
仿真/数据
机器人/汽车
工业/服务
一、什么是物理AI
1.1 定义：能理解现实世界并与之交互的AI
物理AI（Physical AI），也被称为具身智能（Embodied Intelligence），是指能够理解物理世界的规律，并在真实环境中感知、推理、决策和行动的AI系统。它不只是"看"和"说"，而是能"做"——拿起一个杯子、在工厂里组装零件、在马路上驾驶汽车。
1.2 与数字AI的本质区别
ChatGPT能写出一份完美的菜谱，但它不能打鸡蛋。这就是数字AI和物理AI的根本区别：
| 维度 | 数字AI（LLM/GPT） | 物理AI（具身智能） |
|---|---|---|
| 工作环境 | 数字空间（文本、图片、代码） | 物理世界（三维空间、重力、摩擦） |
| 输入 | 文字、图片 | 摄像头、激光雷达、力传感器、IMU |
| 输出 | 文字、图片、代码 | 电机控制指令、关节角度、运动轨迹 |
| 核心挑战 | 语义理解、推理 | 物理理解 + 精准控制 + 实时安全 |
| 容错率 | 高（回答错了可以重来） | 极低（机器人撞人无法撤销） |
| 训练数据 | 万亿token文本数据 | 极度稀缺（不足5000小时操作数据） |
1.3 核心闭环：感知 → 理解 → 推理 → 行动
物理AI的核心是一个连续的感知-行动闭环：通过传感器感知环境（视觉、触觉、力觉），用VLA模型理解场景并推理下一步动作，然后通过电机驱动执行——这一切需要在毫秒级完成，不能像ChatGPT那样"想几秒再回答"。
1.4 覆盖范围：远比"机器人"更广
物理AI并不等于人形机器人，它覆盖所有需要在真实世界中自主行动的AI系统：
| 类别 | 代表产品 | 当前阶段 |
|---|---|---|
| 人形机器人 | Figure 02, Tesla Optimus, 宇树H1 | 早期商用/试产 |
| 自动驾驶 | Tesla FSD, Waymo, 百度Apollo | 规模化部署中 |
| 工业AMR | 仓储物流机器人、巡检机器人 | 成熟商用 |
| 无人机 | 配送无人机、农业无人机 | 规模化推广 |
| 手术机器人 | 达芬奇系统 | 成熟商用 |
| 协作机械臂 | 工业抓取、分拣、装配 | 快速增长 |
2026年是物理AI元年——从概念到产品、从实验室到工厂、从论文到融资，所有信号都在指向同一个方向：AI正在走出屏幕，走进真实世界。
1.5 为什么是现在？三大革命性突破
人形机器人不是新概念。Honda ASIMO在2000年就问世了；Boston Dynamics的Atlas在2013年就在YouTube跑酷；2015年DARPA Robotics Challenge的人形机器人在台上连站都站不稳。20年来人形机器人始终停留在"展示"阶段，从未成为人类的"工具"。核心卡在三个难题：控制难（不理解物理环境）、泛化差（换个场景就要重写代码）、造价高且可靠性低。
2022-2025年，三个革命性创新让这三大问题同时出现曙光：
物理AI三大突破
- 多模态大模型 + VLA（Vision-Language-Action）：让机器人从"逐行编程"进化为"理解自然语言指令后自主执行"，解决了泛化性难题。Physical Intelligence、Google DeepMind等正在将VLA模型推向产品级
- 仿真系统（Sim-to-Real）飞跃：NVIDIA Omniverse + Isaac Sim + Cosmos让机器人可以在虚拟世界中训练数百万次，再迁移到真实世界。训练效率提升了数个数量级
- 成本暴降40%+：人形机器人单台成本从15-20万美元降至当前约3.5万美元（BoFA 2025年数据），预计2030年将进一步降至约1.7万美元。成本曲线正在复制智能手机的降本路径
1.6 一组数据告诉你这次有多不一样
据美银（BoFA）统计，截至2025年末全球人形机器人初创企业累计融资达43.8亿美元，其中80%以上集中在2023-2025年。资本密度之大、集中度之高，前所未有。
| 公司 | 最新融资 | 估值 | 核心投资方 |
|---|---|---|---|
| Figure AI | 2025年 Series C | $398亿 | NVIDIA、Microsoft、OpenAI、Intel Capital、Bezos |
| Apptronik | 2025年2月 Series A扩展至$5.2亿 | $50亿+ | |
| 1X AI（挪威） | 2026年1月 Series ~$14.6亿 | $40亿 | SoftBank |
| Physical Intelligence | $6亿+ | >$110亿 | 创始人来自Google（8x） |
| Skild AI | 2026年1月 $14亿 | >$140亿 | SoftBank领投 |
| NEURA Robotics | 2025年9月 Series C ~$1.2亿 | ~$20亿 | Schaeffler |
二、技术架构深度拆解
2.1 VLA模型：将指令与感知直接转化为动作
VLA（Vision-Language-Action）模型是物理AI的"大脑核心"。它将多模态大模型的能力——视觉理解、语言理解——与动作生成能力融合在一起，实现"看到什么 + 听到什么指令 → 输出该怎么做"的端到端映射。
传统机器人需要手动编写每一步动作的代码（如"移动到坐标X,Y,Z，旋转关节30度"），而VLA模型让机器人能像人一样理解自然语言指令（"把桌上的杯子递给我"），自动规划并执行动作序列。这是从"编程驱动"到"理解驱动"的范式转变。
2.2 世界模型：内嵌物理引擎，模拟动作的物理后果
世界模型（World Model）是物理AI的"想象力引擎"。它在AI内部构建一个物理世界的心智模型，能够在执行动作之前预测动作的后果——比如"如果我用这个力度推这个杯子，它会不会翻倒？"
当前世界模型有四条主要技术路线：
| 路线 | 核心思路 | 代表 | 优势 | 局限 |
|---|---|---|---|---|
| 以语言为中心 | 用语言描述世界状态和物理规则 | Gemini 3 | 推理能力强 | 精细物理模拟不足 |
| 以像素为中心 | 通过视频生成预测未来画面 | Sora | 视觉效果逼真 | 物理一致性差 |
| 以三维结构为中心 | 构建显式3D空间表示 | World Labs | 物理精确 | 计算量大 |
| 以视觉表征为中心 | 学习视觉特征的物理规律 | V-JEPA (Meta) | 高效泛化 | 可解释性弱 |
2.3 VLA + 世界模型：深度闭环是核心架构
单独的VLA模型能执行动作但可能"莽撞"——它不预测后果。单独的世界模型能预测后果但不能直接行动。VLA + 世界模型的深度闭环才是物理AI的终极架构：世界模型先在内部模拟"如果这么做会怎样"，VLA模型再据此选择最优动作并执行，执行后的真实反馈又用来修正世界模型——形成"想象-行动-学习"的持续进化循环。
2.4 英伟达物理AI技术栈：全链路基础设施
英伟达正在构建物理AI领域最完整的技术栈，堪称"物理AI的AWS"：
| 平台 | 功能定位 | 核心价值 |
|---|---|---|
| Cosmos | 世界模型基础平台 | 生成合成训练数据，模拟物理世界 |
| GR00T | 人形机器人学习框架 | 通用人形机器人基础模型 |
| Isaac Lab | 机器人仿真评估平台 | 在虚拟环境中训练和测试机器人策略 |
| Omniverse | 数字孪生平台 | 创建物理精确的虚拟世界用于训练 |
| OSMO | 训练编排系统 | 协调大规模分布式训练任务 |
这套技术栈的战略意图非常清晰：让所有做物理AI的公司都离不开英伟达——不仅买GPU跑模型，还用英伟达的世界模型生数据、用英伟达的仿真平台练技能、用英伟达的框架训机器人。这是从"卖芯片"升级为"收平台税"。
三、BOM拆解：一台人形机器人的钱花在哪里？
要理解物理AI赛道的投资逻辑，必须先搞清楚一个核心问题：一台人形机器人10万个零件，钱到底花在了哪里？各大投行做过详细的BOM（Bill of Materials）拆解：
| 来源 | 拆解对象 | 总成本 | 核心发现 |
|---|---|---|---|
| Morgan Stanley | Optimus Gen 2 | ~$55,000 | 腿部38.6%、手臂/肩29.5%、手17.2% |
| J.P. Morgan | 通用人形机器人 | — | 减速器+滚柱丝杠合计约33% |
| BofA | 中国成本基准 | $35,000（2025） | 线性执行器27%、旋转执行器24%、灵巧手19% |
| Goldman Sachs | 成本演进 | $50K-$250K→$30K-$50K | 2024-2025年BOM下降40% |
| McKinsey | BOM结构 | — | 执行器40-60%，感知+计算10-20% |
机构口径基本一致：执行器（旋转+线性）占BOM的55-60%，是绝对的成本大头。其次是传感器10-15%、计算和电子8-12%、电池5-8%、结构件/线缆/热管理10-15%。
3.1 精密减速器：整个供应链最难替代的环节
人形机器人的关节需要把电机的高转速、低扭矩转化为低转速、高扭矩——这就是减速器的工作。两种主流技术：
谐波减速器（Strain Wave / Harmonic Drive）：适用于手腕、肘部、肩部等中小关节。零齿隙、高减速比。全球供给高度集中——Harmonic Drive Systems（TYO:6324）和Nabtesco（TYO:6268）合计占全球高精度机器人减速器约75%份额。
RV摆线针轮减速器：适用于基座、肩、髋、膝等大关节。Nabtesco一家占全球高端RV减速器约60%份额，供应Fanuc、ABB、Kuka等所有主要工业机器人OEM。2024年宣布到2026年产能翻倍，明确为应对人形机器人需求。
为什么减速器是最难替代的环节？
- 要求<1弧分齿隙、亚微米齿形精度、极低缺陷率
- 需要专用CNC机床、波发生器机械、几十年积累的工艺know-how
- 2021-2022年疫情期间，Nabtesco和HDS供应紧张直接导致Fanuc和ABB工业机器人多季度延期
- Tesla Optimus 2023年也曾因减速器交期26周被迫重新设计
3.2 行星滚柱丝杠（PRS）：线性执行器的瓶颈
Optimus每台使用14个行星滚柱丝杠，主要在膝、踝、肘等高冲击关节。单价$1,350-$2,700（J.P. Morgan数据），仅PRS一项就占Optimus总成本约19%。Optimus膝关节单条腿要承受300kg静载和5,000N瞬时冲击力。
| 公司 | 全球份额 | 核心地位 |
|---|---|---|
| GSA（瑞士） | ~26%（全球第一） | Tesla Optimus主要PRS供应商（私募） |
| Ewellix（瑞典）→ Schaeffler | ~14% | 2022年被Schaeffler（XTRA:SHA0）收购，公开市场可投 |
| 中国挑战者 | 合计~19% | 新建年产100万套PRS工厂，2026年H2大量上线 |
3.3 传感器：机器人的"眼睛"和"皮肤"
一台人形机器人通常需要：4个6轴力/力矩传感器、1个IMU、每个关节双编码器、指尖触觉传感器（Figure 03能识别3克的力）、5-7个RGB+深度摄像头、部分需要LiDAR。
| 传感器类型 | 核心供应商 | 投资标的 |
|---|---|---|
| LiDAR | Ouster, Hesai | OUST, HSAI |
| CMOS图像传感器 | Sony（王者地位） | TYO:6758 |
| 力/力矩传感器 | Honeywell, TE Connectivity, Sensata | TEL, ST |
| 触觉/电子皮肤 | Melexis, XELA Robotics | EBR:MELE |
| IMU/编码器 | TDK/InvenSense, Analog Devices, Murata | TYO:6762, ADI, TYO:6981 |
3.4 边缘AI计算：Morgan Stanley测算2045年TAM达$305B
| 公司 | 代码 | 产品 | 核心地位 |
|---|---|---|---|
| NVIDIA | NVDA | Jetson AGX Thor | $3,499 dev kit，2070 FP4 TFLOPS，西方所有OEM事实标准 |
| Qualcomm | QCOM | Robotics RB6 | Figure Series C参投方 |
| Ambarella | AMBA | Edge AI SoC | 自动驾驶+人形机器人+AI IoT |
| Synopsys/Cadence | SNPS/CDNS | EDA工具 | 定制芯片设计受益方 |
3.5 电池、MLCC与稀土：不可忽视的隐形环节
电池：Samsung SDI在2026年3月发布首款人形机器人专用全固态电池"SolidStack"，能量密度~500 Wh/kg，目标2027 H2量产。LG Energy Solution供应Tesla Optimus的NCM 21700电池。
MLCC：每台机器人需100-300颗，但真正大故事在AI服务器——一台NVIDIA B200需要8-10万颗。Murata（TYO:6981）全球MLCC份额约40%，掌握100nm钛酸钡颗粒制备技术，领先韩国对手3-5倍。
稀土磁体（地缘瓶颈）：每台人形机器人含约1.3kg NdPr稀土磁体。中国控制~91%全球精炼稀土和~90% NdFeB磁体制造。2025年4月中国出口管制直接打到Tesla Optimus产线，Musk在业绩会公开承认"磁铁有问题了"。投资标的：MP Materials（MP）、Lynas Rare Earths（ASX:LYC）。
三、市场规模：远超数字AI的万亿赛道
3.1 全球物理AI市场预测
| 来源 | 预测时间 | 市场规模 | 备注 |
|---|---|---|---|
| Future Markets | 2026年 | ~3830亿美元 | 含自动驾驶、机器人、工业AI等 |
| Future Markets | 2030年 | >4300亿美元 | CAGR ~12% |
| Future Markets | 2040年 | 3.26万亿美元 | 长期增长空间巨大 |
| Coatue Management | 长期 | >6万亿美元 | 比数字AI市场高50% |
Coatue Management的判断尤为大胆：物理AI市场至少6万亿美元，比数字AI高50%。逻辑很简单——数字AI优化的是信息流（文字、图片、代码），而物理AI优化的是原子世界的一切（制造、物流、交通、建筑、农业），后者的经济体量远大于前者。
3.2 人形机器人：最受关注的细分赛道
| 指标 | 2025年 | 2026年（预计） | 2030年 | 2035年 |
|---|---|---|---|---|
| 全球出货量 | 1.7万台 | ~5万台 | 百万级 | — |
| 中国出货量 | 1.44万台（占84.7%） | 3.8万台 | — | — |
| 中国市场规模 | 15.5亿元 | 34亿元 | 200亿+元 | — |
| 全球市场规模 | 97亿美元 | — | — | 2636亿美元 |
| 全球CAGR | 39.4%（2025-2035） | |||
一个惊人的数据：中国人形机器人出货量占全球84.7%。虽然美国在估值和融资上遥遥领先，但中国凭借制造能力和工程效率，在实际出货上已经占据绝对主导地位。
3.3 融资热度：资本狂潮
2025年全球机器人公司融资558亿美元（截至6月初），接近2024年全年的两倍。2026年Q1全球物理AI融资超64亿美元。资本正在以前所未有的速度涌入这个赛道——就像2023年的大模型融资潮，但规模更大、节奏更快。
关键数据速览
- 全球物理AI市场：2026年约3830亿美元，2040年预计达3.26万亿美元
- Coatue预测：物理AI市场至少6万亿美元，比数字AI高50%
- 2025年全球机器人融资558亿美元，2026年Q1超64亿美元
- 人形机器人全球CAGR 39.4%（2025-2035），中国出货占全球84.7%
四、海外核心公司深度分析
4.1 NVIDIA：物理AI基础设施的绝对霸主
英伟达不仅是AI芯片的王者，更是物理AI领域布局最深、变现最快的公司。FY2026年报确认物理AI相关收入超60亿美元——其中汽车业务（自动驾驶芯片）贡献约23亿美元，其余37亿美元来自机器人、仿真、Omniverse平台等。
| 业务 | 产品/平台 | FY2026收入 | 增长态势 |
|---|---|---|---|
| 汽车（自动驾驶） | DRIVE Thor/Orin芯片 | ~23亿美元 | 同比+55% |
| 机器人/仿真 | GR00T, Isaac, Omniverse | ~37亿美元 | 同比+120% |
| 物理AI合计 | — | >60亿美元 | 高速增长 |
Jensen Huang明确表示："机器人是下一个万亿美元增长机会"。英伟达已发布GR00T参考人形机器人，并在中国扩建机器人团队——这是在中美AI竞争大背景下罕见的"逆向"布局，说明中国机器人市场的重要性。
4.2 Figure AI：390亿估值、零营收的"AI独角兽之王"
Figure AI可能是当前科技史上估值与营收最不匹配的公司。2025年9月C轮融资超10亿美元，估值达390亿美元——18个月内估值暴涨15倍——但营收仍接近零。
| 维度 | 详情 |
|---|---|
| 最新估值 | 390亿美元（2025年9月C轮） |
| 融资总额 | >10亿美元（C轮单轮） |
| 18个月估值变化 | 暴涨15倍 |
| 核心产品 | Figure 02人形机器人（Figure 03已于2025年10月发布） |
| 商业进展 | BMW Spartanburg工厂部署11个月、1,250+小时，覆盖20,000+辆X3产线 |
| 当前营收 | ~0（纯愿景驱动估值） |
| 核心投资者 | 微软、英伟达、OpenAI、Intel Capital、Jeff Bezos |
Figure AI的逻辑是押注通用人形机器人的"iPhone时刻"——如果人形机器人真的成为下一个万亿级品类，那390亿的估值只是起点。但风险同样巨大：零营收意味着纯粹的信仰驱动，一旦技术路线受挫或竞争加剧，估值泡沫可能迅速破裂。
4.3 Tesla Optimus：FSD数据优势迁移至人形机器人
特斯拉的Optimus人形机器人被马斯克称为"特斯拉最有价值的业务"。在2025年Q4 earnings call上，特斯拉公开确认Optimus已在Fremont工厂（Model S/X产线）真正"上岗干活"，不再是纯演示。Giga Texas也已导入约25,000台左右的产能准备（对标100万台远期目标）。
Tesla Optimus三大独特优势
- FSD数据迁移：自动驾驶积累的数十亿英里真实世界感知数据，可迁移至机器人的视觉理解和空间导航
- 自有工厂实训场景：特斯拉的超级工厂是全球最大的"机器人训练场"——Optimus可以直接在自家产线上积累真实操作数据
- 制造能力+成本控制：特斯拉目标量产价$20,000-$25,000/台（百万台规模时），其中AI核心组件成本仅$5,000-$6,000。这是传统机器人公司无法企及的成本优势
4.4 其他海外核心玩家
| 公司 | 估值/市值 | 核心产品 | 最新进展 |
|---|---|---|---|
| Boston Dynamics | ~80亿美元（被现代汽车收购） | Atlas电动人形/Spot四足/Stretch仓储 | Spot和Stretch已规模商用 |
| Agility Robotics | ~25亿美元 | Digit双足机器人 | 签SPAC协议上市；100+台Digit已部署Amazon和GXO仓库；Schaeffler少数股权投资 |
| Apptronik | ~50亿美元 | Apollo人形机器人 | UT Austin孵化，被称为"西方OEM暗马"；与Mercedes-Benz、GXO Logistics、Jabil合作；Google DeepMind提供Apollo+Gemini Robotics框架集成；采用NVIDIA Jetson AGX Orin（2TB+ TOPS算力） |
| 1X AI（挪威） | ~40亿美元 | NEO人形机器人 | 2026年1月Series融资$14.6亿，SoftBank领投；基础模型驱动的全栈方案 |
| Physical Intelligence (π) | >110亿美元 | 通用型机器人基础模型 | 正洽谈约10亿美元新融资；创始团队8人来自Google |
| Skild AI | >140亿美元 | 通用型机器人大脑 | 2026年1月软银领投14亿美元，7个月估值翻三倍 |
| NEURA Robotics（德国） | ~20亿美元 | 认知型协作机器人 | 2025年9月Series C约$1.2亿，Schaeffler投资；欧洲最大人形机器人公司 |
BMW的多供应商策略：物理AI已进入"供应链验证"阶段
一个被忽视的重要信号：2026年2月BMW宣布Plant Leipzig项目同时引入了Hexagon Robotics的AEON机器人，Figure AI不再是BMW唯一的人形机器人供应商。这意味着物理AI正在从"实验性合作"进入"供应链级别的多元化采购"——就像汽车芯片有高通也有Mobileye，人形机器人的供应链格局也在快速成型。
一个显著趋势是：物理AI的"模型层"公司估值正在追赶甚至超越"本体层"。Skild AI做的是通用机器人大脑（软件），估值140亿美元；Physical Intelligence做机器人基础模型，估值超110亿美元——它们不做机器人硬件，但估值比做硬件的公司更高。这与AI大模型领域"OpenAI估值超过所有硬件厂商"的逻辑如出一辙。
4.5 感知层与"卖铲人"：物理AI的隐形冠军
物理AI产业链中，除了"大脑"（模型）和"身体"（机器人本体），还有一个极易被忽视但最先赚到钱的环节——感知层与核心零部件。机器人要在真实世界行动，首先需要"看见"和"感知"世界，这正是LiDAR传感器、机器视觉、手术机器人、仓储自动化等公司的价值所在。
| 公司 | 股票代码 | 核心产品 | 营收/市值 | 物理AI关联 |
|---|---|---|---|---|
| Ouster | OUST | 数字LiDAR传感器 | 营收~1.85亿美元 / 市值~30亿美元 | 物理AI感知层核心，彩色LiDAR让机器人精确"看见"3D世界 |
| Luminar | LAZR | 汽车级LiDAR | 营收~0.8亿美元 / 市值~10亿美元 | 自动驾驶核心传感器，与沃尔沃等车企深度合作 |
| Mobileye | MBLY | 自动驾驶视觉芯片+系统 | 营收~20亿美元 / 市值~130亿美元 | 全球最大自动驾驶视觉方案供应商，EyeQ芯片出货超2亿颗 |
| Symbotic | SYM | AI仓储机器人系统 | 营收~18亿美元 / 市值~90亿美元 | 沃尔玛核心供应商，2026年股价跑赢大盘 |
| Intuitive Surgical | ISRG | 达芬奇手术机器人 | 营收~85亿美元 / 市值~2000亿美元 | 物理AI在医疗领域最成功的商业化案例 |
| Cognex | CGNX | 工业机器视觉系统 | 营收~10亿美元 / 市值~120亿美元 | 机器人"眼睛"，工厂自动化检测龙头 |
| Teradyne | TER | Universal Robots协作机器人 | 营收~28亿美元 / 市值~150亿美元 | 全球协作机器人(cobot)龙头，UR系列出货量全球第一 |
Ouster（OUST）：物理AI感知层最纯正标的
- 核心逻辑：Ouster发明了彩色数字LiDAR技术，让机器人和自动驾驶系统能以更低成本获得精确的3D空间感知。2024年与Velodyne合并后成为LiDAR行业最大独立供应商
- 业绩：2025年营收约1.85亿美元，市值约30亿美元。2026年6月Rev8新一代传感器发布后股价创54个月新高，突破52美元
- 物理AI催化剂：不需要每辆乘用车都装LiDAR——只需要足够多的物理AI系统（机器人、AMR、智慧城市、无人机）选择直接3D感知方案，Ouster就能跑出爆发式增长
- 风险：LiDAR行业竞争激烈（同行Quanergy已破产、Velodyne被迫合并），纯视觉方案（特斯拉路线）对LiDAR构成替代威胁
为什么"卖铲人"比"淘金者"更先赚钱？
物理AI重现了AI大模型的"卖铲逻辑"：
- Intuitive Surgical的达芬奇手术机器人已年入85亿美元，市值超2000亿——这是物理AI领域唯一已充分证明商业模式的公司
- Symbotic的仓储机器人系统为沃尔玛创造了真实价值，2026年股价跑赢大盘——证明垂直场景的物理AI已经可以赚钱
- Cognex和Teradyne（Universal Robots）是工业自动化的老牌玩家，在物理AI浪潮中获得估值重估机会
- 相比之下，做人形机器人本体的公司几乎全部亏损——Figure AI估值390亿但营收为零，优必选连年亏损
五、中国核心玩家
5.1 宇树科技：全球出货量第一，即将科创板IPO
宇树科技是中国乃至全球物理AI赛道最耀眼的明星。2025年营收¥17亿元（+335% YoY），净利润¥6亿元+（+674%），出货5,500台人形机器人，声称占全球32.4%单位份额。Unitree G1售价仅约$16,000，比西方对手便宜60-75%。科创板已过会，目标估值约$6B。
5.2 智元机器人：出货量全球第二
智元机器人2025年出货5168台，紧追宇树科技。更值得关注的是其数据平台布局——旗下觅蜂科技（具身数据平台）已获红杉资本投资，在"数据即石油"的物理AI时代，数据平台可能比本体硬件更有长期价值。
5.3 中国物理AI核心公司一览
| 公司 | 估值/市值 | 核心亮点 | 阶段 |
|---|---|---|---|
| 宇树科技 | ~420亿元（发行市值） | 全球出货第一（5500台），营收10亿+ | 科创板过会，即将IPO |
| 智元机器人 | — | 全球出货第二（5168台），觅蜂科技获红杉投资 | 未上市 |
| 银河通用 | 225亿元 | 2026年3月融资25亿元，国内未上市最高估值 | 未上市 |
| 优必选（9880.HK） | ~200亿港元 | 2025营收¥20亿（+53%），运营亏损¥7.9亿。订单意向¥13亿，已在BYD、Geely、Mercedes、Foxconn工厂试点 | 已上市，但连年亏损 |
| 光轮智能 | — | 具身数据独角兽，Q1单季收入超2025全年 | 高速成长 |
| 加速进化/松延动力/乐聚机器人 | — | 新锐力量，各有技术特色 | 早期融资 |
中国物理AI的独特优势
- 出货量碾压：2025年中国出货1.44万台，占全球84.7%，制造优势明显
- 成本控制：宇树B1四足机器人仅9万元，远低于海外同类产品
- 场景丰富：制造业大国天然提供海量实训场景（工厂、仓储、物流）
- 供应链完整：减速器、伺服电机、传感器等核心零部件已基本国产化
六、当前瓶颈与挑战
物理AI六大核心挑战
- 1. 数据瓶颈：物理AI训练数据不足5000小时操作数据，远低于LLM的万亿token。高质量机器人操作数据的采集成本极高，每小时数据的采集成本可达数千美元
- 2. Sim-to-Real鸿沟：在仿真环境中训练的策略迁移到真实世界时效果大幅衰减。仿真无法完美模拟真实世界的光照变化、材质摩擦、柔性物体变形等复杂物理现象
- 3. 硬件成本：人形机器人单台成本仍在10-50万元，距离消费级遥远。核心零部件如精密减速器、力传感器的成本占比超过60%
- 4. 安全与伦理：机器人在人类环境中操作的安全标准严重缺失。一个人形机器人在餐厅端盘子，谁为它打翻热汤烫伤顾客负责？标准和法规远未跟上技术进展
- 5. 商业化困境：几乎所有本体公司都未盈利，"卖铲人"先赚钱。英伟达的物理AI已有60亿美元收入，但做机器人的公司基本都在烧钱
- 6. 格局未定：决定胜负的维度分布在不同竞争者手中——数据在特斯拉手里、平台在英伟达手里、资本在Figure AI手里、出货量在宇树手里，没有一家通吃
七、未来趋势
物理AI三波商用浪潮
- Wave 1（2025-2030）：工业级落地。汽车装配、棕地物流、重型仓储。单台$80,000-$250,000。BMW Figure部署、Hyundai Atlas锁定全年产能、Tesla Fremont 2026量产——Wave 1已经开始兑现
- Wave 2（2027-2033）：轻服务+教育研究。软件API标准化、licensing模式。单台$5,000-$25,000。瓶颈在微型机电成本下降和灵巧手可靠性
- Wave 3（2030-2036+）：通用家用。老人陪伴、公共设施服务。单台$20,000以下。需要完整任务泛化、语义环境推理、开放世界可靠性
TAM预测：Morgan Stanley头条预测2050年全球部署10亿台人形机器人，市场规模$5万亿（到2035年累计1300万台）。BofA预测2030年单台BOM降至$17,000。CAGR区间37-50%。
7.2 "卖铲人"投资逻辑：为什么不买OEM？
理由很直接：
- 西方OEM几乎全是私有公司，二级市场拿不到（Figure $39B、Skild AI $14B、Apptronik $5B全是私募轮）
- 公开OEM要么估值已充分定价要么亏损：Unitree发行市值420亿元、UBTech连年亏损
- OEM内卷即将开始：2026年至少10家西方OEM + 100+中国OEM在抢同一批工厂/仓库合同
- 真正稀缺的不是整机，而是精密零部件：减速器、滚柱丝杠的工艺know-how需要几十年积累，3年时间复制不了
个人判断：日本企业会是人形机器人的赢家之一。在精密机械领域有50年甚至更久的工艺积累，这种工程know-how不是3年时间就能复制的。中国能在工业级追平，但在"高精度+高可靠性+长寿命"的高端产品，日本短期仍然是首选。
15家核心"卖铲人"标的分布
- 日本精密零部件6强：Nabtesco（TYO:6268，RV减速器60%份额）、Harmonic Drive Systems（TYO:6324，谐波减速器发明者）、THK（TYO:6481，LM Guide 40%份额+自研机器人）、Nidec（TYO:6594，精密电机+减速器集成）、Murata（TYO:6981，MLCC 40%+IMU传感器）、Sony（TYO:6758，CMOS传感器王者）
- 德国精密机械：Schaeffler（XTRA:SHA0）— 收购Ewellix获PRS 14%份额 + Agility/NEURA战略投资 + 轴承全栈布局，人形机器人供应链暴露最纯粹的欧洲标的
- 美国本土：Moog（MOG.A，精密运动控制百年老店）、Allient/Allied Motion（ALNT，精密电机小盘股~$1B市值）、Ouster（OUST，LiDAR感知层）、Ambarella（AMBA，Edge AI芯片）、TE Connectivity（TEL，连接器双寡头）、Analog Devices（ADI，工业级传感器）等
八、投资建议
8.1 可投资标的
当前可投资的物理AI核心标的
- 英伟达（NVDA）：物理AI基础设施绝对龙头，已有60亿+收入且高速增长。PE约35倍，在AI芯片公司中估值合理。物理AI对英伟达的意义不仅是GPU销售，更是Cosmos+Omniverse+GR00T平台生态的"收税权"。最确定的物理AI投资标的，没有之一
- 特斯拉（TSLA）：Optimus+FSD双轮驱动，自有制造能力+FSD数据积累构成独特壁垒。但机器人业务尚未贡献营收，当前股价更多反映电动车和FSD预期。适合作为"附带物理AI期权"的长期持仓
- 宇树科技（即将IPO）：全球出货量第一，发行市值420亿元，营收10亿+。是极少数有收入、有出货、有利润雏形的物理AI本体公司。关注上市后估值是否合理，IPO首日可能有较高溢价
- 优必选（9880.HK）：港股已上市的纯正人形机器人标的，市值约200亿港元。但持续亏损，产品商业化进展缓慢。适合作为主题性配置，而非重仓标的
8.2 关注但暂不可直接投资（未上市）
关注清单：一级市场高估值公司
- Figure AI（390亿美元）：人形机器人顶级标的，但零营收，估值完全靠愿景驱动
- Physical Intelligence (π)（110亿+美元）：通用机器人基础模型，正洽谈10亿美元新融资
- Skild AI（140亿+美元）：通用机器人大脑，软银领投14亿美元，增速惊人
- 银河通用（225亿元）：国内未上市最高估值，人形机器人本体
- 智元机器人：全球出货第二，数据平台布局领先
- Agility Robotics（25亿美元）：正通过SPAC上市，可关注上市后交易机会
间接受益标的：英伟达（平台税）、高通（Dragonwing机器人芯片）、减速器供应商（绿的谐波）、传感器供应商（力传感器、激光雷达）
8.3 已盈利的物理AI"卖铲人"标的
相比零营收的本体公司，这些"卖铲人"已经在赚钱
- Ouster（OUST）：物理AI感知层最纯正标的。数字LiDAR龙头，营收1.85亿美元，市值约30亿美元。Rev8新品驱动股价创54个月新高。风险在于纯视觉路线对LiDAR的替代威胁
- Intuitive Surgical（ISRG）：物理AI商业化最成功案例。达芬奇手术机器人年入85亿美元，市值超2000亿。估值偏贵（PE~65x），但护城河极深、增长稳定，适合长期持有
- Symbotic（SYM）：AI仓储机器人系统龙头。沃尔玛核心供应商，营收18亿美元，2026年股价跑赢大盘。是物理AI在垂直场景落地的标杆
- Mobileye（MBLY）：全球最大自动驾驶视觉方案商。EyeQ芯片出货超2亿颗，营收20亿美元。短期受车企降本挤压，但物理AI需求是长期催化剂
- Teradyne（TER）：旗下Universal Robots是全球协作机器人龙头，cobot出货量全球第一。营收28亿美元，是物理AI工业落地的直接受益者
- Cognex（CGNX）：工业机器视觉龙头，机器人的"眼睛"。营收10亿美元，受益于工厂自动化+物理AI双重需求
8.4 风险警示
物理AI投资五大核心风险
- 1. 估值泡沫：Figure AI $39B估值/极少收入、Skild AI $14B/$30M收入、Physical Intelligence谈判$11B/无商用收入——这些估值已经远远跑在基本面前面。如果任何"出货不及预期+安全事故+AI估值重置"其中之一发生，整个赛道估值可能derate 30-50%
- 2. Tesla垂直整合威胁：Musk反复说从"物理原理重头设计"执行器。Hyundai/Mobis已自建35万套/年关节执行器工厂。反例：即便Tesla也要从瑞士GSA买滚柱丝杠、从日本买减速器——垂直整合在精密机械层有自然限制
- 3. 中国成本压制：中国零部件价格约为西方同等规格的1/3（Morgan Stanley）。西方厂商如果只竞争价格，毛利会被压缩。护城河必须在质量、精度、稳定性上
- 4. 时间表拖延：Tesla Optimus 2025年原定目标5,000台，实际只交付几百台。Figure BotQ 100K四年ramp是目标不是合同。所有出货预期都该当upside case看，而不是base case
- 5. 安全事件/监管风险：任何一次重大事故都可能触发监管反弹。Figure AI的机器人已出现安全事故被起诉
- 6. 单一客户集中度：很多"卖铲人"有相当大的Tesla营收暴露。Tesla任何设计变更或延期都会显著影响一个季度业绩
8.4 一句话总结
物理AI是AI从数字世界走向真实世界的必经之路，万亿赛道确定性极高，但当前阶段"卖铲人"（英伟达）远比"淘金者"（机器人本体）更值得投资。
买确定性，等爆发点——在泡沫中保持清醒，才能真正抓住这个时代最大的产业机遇。