AI的下一个个范式_物理AI+机器人_19页_1mb

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，其核心在于将AI能力延伸至物理世界，使机器人具备感知、推理、规划与执行能力。与互联网和数字AI的发展路径类似，物理AI的发展依赖于底层基础设施的完善与技术突破。当前，物理AI已进入商业化落地的关键阶段，主要形态为机器人，涵盖四足、双足、轮式及固定式机械臂等多种类型。

主要观点

• 物理AI的定义：物理AI是现实世界中的智能体，能够感知、推理、规划并自主行动，包括机器人、汽车和工厂等实体智能体。
• 技术推动：多模态大模型、世界模型和双足工程化推动了物理AI的发展，提升了机器人在复杂环境中的操作能力。
• 政策支持：中、美、日、韩、欧等国家和地区相继推出支持政策，为AI与机器人产业提供了良好的发展环境。
• 数据飞轮：数据是推动物理AI发展的重要因素，真实物理交互数据的稀缺性成为当前瓶颈，仿真数据虽成本低，但无法替代真实数据。
• 商业化路径：四足和轮式机器人因环境适应性较强、任务灵活度适中，有望率先实现商业化落地。
• 双足机器人前景：双足机器人是通用具身智能的终极形态，但其规模化落地依赖精密机电工程与大批量制造能力。
• 行业竞争格局：机器人行业正在形成三大阵营：特斯拉（类苹果）构建全栈自研生态；英伟达/谷歌（类安卓）提供基础模型与平台；国产阵营则依托供应链和量产优势推动场景落地。

关键信息

机器人三大要素

1. 具身模型：如VLA（视觉-语言-动作）模型和世界模型，分别负责语义理解与未来状态预测。
2. 机械本体：包括执行器、减速器、丝杠等关键部件，决定了机器人的运动能力和结构设计。
3. 数据飞轮：通过真实场景数据采集与模型迭代形成正向循环，是提升机器人智能化水平的核心路径。

数据采集与成本

• 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：真实物理交互数据总量不足50万小时，远低于大语言模型训练数据量，成为制约机器人落地的关键因素。

机器人形态对比

核心零部件

• 减速器：包括行星、摆线针轮、谐波和RV减速器，其中谐波减速器适用于高精度、轻量化需求，RV减速器则适用于高承载力场景。
• 丝杠：实现旋转与直线运动转换，行星滚柱丝杠因精度高、承载力强成为人形机器人关键部件。
• 电机：无框力矩电机用于躯干、大臂、大腿主关节；空心杯电机用于腕部精细关节；轴向磁通电机用于下肢高动态关节。

电子皮肤与触觉传感

• 电子皮肤结构：包括柔性基底层、导电电极层、活性传感层，用于感知外部环境。
• 触觉传感器：主流方案为单点式传感器，但多维触觉方案（如帕西尼PX-6AX柔性触觉阵列）正在突破，实现多维度力觉信息识别。

行业竞争格局

• 特斯拉：采用全栈自研策略，Optimus与FSD共享同一软件团队，采用“端到端”策略。
• 英伟达/谷歌：提供世界模型、VLA模型和仿真平台，如GR00T、Gemini Robotics系列。
• 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。

投资主线

• T链：涵盖世界模型、芯片、数据飞轮与本体设计制造全链条，建议关注斯菱智驱、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：英伟达与波士顿动力合作，建议关注福赛科技、凯迪股份等。
• 国产链：宇树科技IPO将为具身智能赛道带来定价锚点，建议关注宇树科技、上纬新材、晋拓股份、中坚科技、慈星股份等。

风险提示

• 技术迭代风险：具身智能核心技术发展可能不及预期，影响产品商业化进程。
• 市场竞争加剧：海内外厂商加速布局，可能抢占数据和渠道优势，挤压相关公司市场份额。
• 应用场景风险：机器人落地场景适配难度高，产品实操体验和终端转化不达预期将制约推广。
• 量产风险：机器人行业处于变革阶段，量产进度可能慢于预期。

免责声明

本报告由国盛证券研究所发布，仅供客户参考，不构成投资建议。报告内容基于公开资料，不保证其准确性与完整性，投资者应自行判断与决策。