物理AI引券商密集路演 数据瓶颈成焦点 结构性分化
- 英伟达在柏林GTC大会上将物理AI定位为下一波AI浪潮，并宣布扩容Isaac机器人开发平台；2026世界物理AI大会同期在杭州举行。
- 10月19日至25日一周内，可查到的物理AI及人形机器人相关券商电话会至少18场，覆盖16家研究所，14场集中在10月24日至25日周末。
- 参会研究团队由机械、汽车、电新扩展至传媒互联网、计算机与中小盘策略，讨论重心由执行部件转向数据采集、仿真平台与数字孪生。
- 多家券商将真机数据量不足视为物理AI的主要卡点，认为全球高质量真机数据规模与大脑泛化所需数据存在数量级差距，并给出数据采集按小时计价的行业口径。
- 宇树科技发布股票交易异常波动公告，提示人形机器人行业尚处商业化早期，物理AI从实验室演示走向规模化落地仍面临感知精度、运动控制稳定性、数据积累与软硬件协同等挑战。
- 产业赛道事件对应的产业方向与逻辑梳理
- 关联公司各赛道业务关联公司及其方向
- 风险提示事件相关的风险与不确定性
具身智能数据采集与训练数据服务
积极方向本轮路演中，数据侧被普遍视为物理AI落地的前置条件。国金证券认为行业卡点并非算力而是数据量；东吴证券认为真机数据平台具备持续累积属性；国泰海通援引中国信通院报告给出全球人形机器人真机数据量及国内厂商年度采集目标的行业口径。卖方对数据的定价已具体到按小时计价的行业平均水平，涵盖第一人称数据、无本体采集数据、客户定制场景数据、仿真合成数据与动作捕捉数据等类别。数据采集环节因此从配套角色转为产业讨论的中心环节，数据服务商、视觉感知器件与动作捕捉设备供应商的业务被更多提及。
新闻中该公司被三家券商计算机团队列为路演对象，由董秘出席交流，讨论指向物理AI所需的数据采集与标注。其现有业务即为模型训练提供多模态数据的设计、采集与加工，与新闻所述真机数据、场景定制数据的供给缺口处于同一业务链条，属于数据侧基础设施环节，事件提升该环节的产业关注度。
新闻援引的行业定价口径中，动作捕捉数据价格处于各类数据中较高水平，反映其在真机数据采集中对动作轨迹精度要求较高。该公司具备光学成像与动作捕捉相关的产品与方案能力，处于数据采集设备与采集服务环节，与物理AI训练数据供给的业务链条直接相关。
物理AI强调将物理规律嵌入感知、推理、生成与行动全过程，机器人需通过视觉感知获取三维环境信息并产生可标注的交互数据。该公司的3D视觉感知模组同时处于机器人感知硬件与数据采集前端两个环节，与新闻所述数据采集基建方向业务相关。
新闻提及开源证券计算机团队邀请该公司代表参加物理AI相关路演。其视频与视觉算法能力可用于视觉数据的处理、压缩与结构化分析，属于数据采集后的加工与算法处理环节，与物理AI训练数据链条存在业务衔接，但直接对应程度低于专业数据服务与采集设备厂商。
人形机器人本体与执行部件
方向中性新闻明确指出，以往机器人行情由机械、汽车、电新分析师主导，本轮传媒互联网与计算机团队大批加入，讨论重心从减速器、丝杠等执行部件转向数据采集、仿真平台、数字孪生等偏软件与数据侧环节。华福证券仍将特斯拉核心零部件供应链（丝杠、减速器、轴承）列为受益链条之一，说明本体与零部件仍是产业落地的必要环节，但短期产业讨论的边际增量集中在数据与模型端。同时宇树科技公告提示人形机器人行业尚处商业化早期，下游需求培育与产业链配套能力存在不确定性，故该赛道整体方向判断为中性，内部视具体环节与客户结构存在差异。
谐波减速器是人形机器人关节的核心执行部件，属于新闻所述会议讨论重心转移前的主线环节。物理AI若推动整机放量，减速器需求随之增加，但本次事件的边际信息集中在数据与仿真侧，对该公司业务没有直接的订单或客户变化指向，影响偏中性。
该公司齿轮与减速器业务面向工业自动化与机器人传动环节，属于整机放量后的受益链条。新闻未提及其客户或订单变化，且讨论焦点转向数据与模型端，对其业务的直接指向性有限，影响偏中性。
该公司在机电执行器方向的布局对应人形机器人关节驱动环节，属于本体零部件链条。新闻所述物理AI概念升温未改变其现有制冷与汽车热管理主业的需求结构，机器人部件业务仍处培育阶段，事件对其业务的直接指向性有限。
控制电机与驱动系统是人形机器人关节与末端执行环节的组成部分，与本体制造链条相关。新闻未涉及其具体客户或订单信息，产业讨论重心转向数据与仿真侧，对其业务的直接影响方向不明确，判断为中性。
仿真平台、世界模型与工业软件
积极方向新闻中，华福证券将物理AI的核心归结为世界模型，即对物理状态在动作干预下如何演化的预测能力；东北证券援引英伟达口径指出物理AI的基础设施由模型训练、仿真测试与端侧运行三部分组成。由于真机数据采集成本高、周期长，仿真合成数据被视为成本更低的补充来源，行业定价口径中仿真合成数据价格明显低于真机与动作捕捉数据。这使具备物理仿真、CAE建模与数字孪生能力的工业软件企业被纳入物理AI的产业讨论范围，业务关注度提升。
物理AI强调对物理规律建模与动作干预下状态演化的预测，与工程仿真求解器的能力方向一致。新闻所述仿真测试基础设施是物理AI三大组成部分之一，仿真合成数据在数据供给中承担补充角色，该公司的CAE仿真业务与这一环节存在直接的业务逻辑衔接。
机器人本体与产线的数字化建模、仿真验证依赖研发设计类工业软件。物理AI推动仿真测试与数字孪生需求，该公司CAD与CAE产品线处于这一工具链条，业务关联偏向底层工具供给，但直接面向具身智能场景的专用产品尚需观察。
该公司的数字化研发与仿真测试服务面向制造业客户的产线数字化与产品验证需求，与新闻所述仿真测试、数字孪生环节的业务方向相符。物理AI概念提升了仿真与数字孪生环节的产业讨论度，对其业务构成环境层面的正向关联，但具体项目落地依赖客户投入节奏。
该公司具备建模仿真与虚拟环境构建的技术积累，与物理AI所需的仿真测试环节在技术方法上相通。但其现有客户结构与业务重心不在机器人或自动驾驶领域，本次事件对其业务的直接关联度相对有限，判断为中性。
AI算力基础设施
积极方向新闻中，黄仁勋称下一轮计算浪潮是理解并作用于物理世界的AI，国联民生海外团队解读为物理AI横跨自动驾驶、人形机器人与工业制造，训练、仿真、端侧三类计算需求叠加，有望成为继Agent之后AI的下一个应用方向，为算力需求打开新的增量维度。需要说明的是，多家券商同时指出当前行业卡点在于数据量而非算力，因此算力环节与本次事件的关联是方向性的、长链条的，需求兑现取决于物理AI训练规模的实际扩张。
物理AI的模型训练与仿真计算依赖数据中心侧的加速服务器集群。该公司AI服务器业务处于算力供给的基础设施环节，若物理AI训练规模扩张，服务器侧需求方向相应受益。但新闻同时指出当前卡点在数据而非算力，传导路径较长，属方向性关联。
该公司在高端计算与算力服务环节具备业务布局，与物理AI训练、仿真所需的计算基础设施方向一致。其业务同时涉及科研计算场景，与仿真测试类负荷存在交集，但直接来自具身智能领域的订单指向尚不明确。
物理AI的训练与仿真负荷需要通用处理器与加速卡协同支撑，该公司产品处于算力芯片环节。新闻所述算力叙事接续为产业讨论的第三层逻辑，对其业务构成方向性关联，但实际需求取决于下游算力投入节奏与生态适配进度。
该公司芯片产品覆盖云端与边缘端智能计算，与物理AI的端侧运行环节在业务方向上存在对应关系。但新闻强调当前行业瓶颈在数据量而非算力，且具身智能端侧芯片的生态与方案仍在形成过程中，事件对其业务的直接指向性有限，判断为中性。
- 物理AI技术从实验室演示走向真实场景规模化落地，仍面临感知精度、运动控制稳定性、数据积累与软硬件协同等多重挑战，技术路径与商业模式的成熟时点尚需验证。
- 高质量真机数据供给不足且采集标准、标注规范尚未统一，行业现有数据规模与大脑泛化所需数据存在数量级差距，数据基建投入的节奏与效果存在不确定性。
- 人形机器人行业整体处于商业化早期，下游应用需求培育、产业链配套能力与整机成本下降路径均存在不确定性，整机放量时点可能晚于产业预期。
- 本轮产业讨论主要由券商路演与国际厂商演讲推动，产业共识尚未牢固，概念热度与产业实际推进进度之间可能存在不同步。
- 仿真合成数据与真机数据的技术路线取舍尚在演进，不同数据来源与仿真平台方案之间的主导地位可能发生变化，相关环节的业务受益程度存在变数。