报告编号 GY-2026-PAI-0012026 年 11 月数据截至 2026 年 11 月 8 日

目录

1. 核心观点摘要
2. 行业界定：什么是物理 AI
3. 技术路径：从 VLA 到世界模型
4. 市场规模：两套口径的分化
5. 需求端：四大落地场景的成熟度梯度
6. 供给端：产业链全景与国产化进度
7. 本体企业：经营验证期的分化
8. 核心零部件：先赚到"第一桶金"
9. 瓶颈与风险：三类必须正视的问题
10. 产业趋势与投资主线

01核心观点摘要

2026 年是物理 AI 从"技术验证"走向"规模交付"的关键拐点年。全球人形机器人上半年出货近 2.5 万台、同比增长 432.1%，中国市场占比约 77.9%；但出货用途中科研教育、表演展示与政府数据采集合计仍占约 69%，真正进入工业生产一线的比例有限。产业当前的核心矛盾不是"能不能造出来"，而是"能不能持续干活"——泛化能力、可靠性与单位经济性构成三道必须翻越的坎。

• 物理 AI 已从概念收敛为清晰的技术路线。
  核心是"世界模型（预判物理规律）+ 多模态感知（看／听／触／受力）+ 实体执行（关节／轮子／末端执行器）"三位一体，最大难题是弥合 Sim-to-Real 鸿沟。谷歌 Gemini 4 Argon 在具身推理（ERQA）基准以 87% 纯推理得分超越所有前沿模型，标志着物理理解能力出现质变。
• 市场规模存在两套差异极大的口径，混用即出错。
  窄口径（仿真训练平台、世界模型工具链等）2026 年约 15 亿美元、2032 年 152.4 亿美元，CAGR 47.2%；宽口径（全域智能系统）2026 年 3830 亿美元、2040 年 3.26 万亿美元。两者相差约 250 倍，绝不可加总或互相换算。
• 工业场景是物理 AI 唯一具备"可量化增效"逻辑的落地入口。
• 数据是当前最大的瓶颈，也是最确定的受益环节。
  全球高质量物理数据仅约 50 万小时，而 GPT-5 级 LLM 训练数据折算超 100 亿小时。真实数据绑定本体、成本高、难规模化，合成数据成为必经之路——这直接催生了数据采集设备与仿真平台两条确定性主线。

02行业界定：什么是物理 AI

▍2.1 定义：让 AI 长出手脚

物理 AI（Physical AI）指能够感知和理解现实世界物理规律，并操控实体设备在真实环境中自主执行任务的 AI。它与传统的"屏幕里的数字助手"存在本质区别——前者必须建立对空间关系与物理行为的理解，并在与环境持续交互中学习和进化。

三层结构：大脑、小脑、身体

图灵奖得主姚期智将具身智能概括为三个核心成分：身体（具备传感器和执行器的物理载体）、小脑（主导视觉、触觉等各种感知，控制身体完成复杂任务）、大脑（负责上层逻辑推理、决策、长期规划和自然语言交流）。物理 AI 的技术本质，是把大模型的"智慧"转化为可执行的物理动作能力。

需要特别厘清的是"物理 AI"与"具身智能"的关系：两者在产业实践中高度重叠，物理 AI 是更宽的表述——它不仅包括人形机器人，也包括自动驾驶汽车、工业智能系统、智能可穿戴设备、智能基础设施等一切"进入物理环境"的智能形态。2025 年《政府工作报告》首次将"具身智能"与"智能机器人"并列纳入未来产业重点发展方向，标志着该领域从学术概念跃升为国家战略。

▍2.2 落地形态：从自主机器人到智能基础设施

物理 AI 的落地形态十分多元，商业化进程差异极大。下表按"技术成熟度 × 商业化程度"对当前主要形态做了定位：

数据来源：IDC、各公司公告及定期报告、《计算机行业物理AI产业观察》（2026-10-25）。注：各企业披露的收入分属不同财年、币种与产品范围，仅用于展示业务阶段，不作收入规模排名。

▍3.1 三条趋势的确立

趋势一：基座模型迭代不断加速

Scaling law 使模型性能可被线性外推，技术路径的不确定性显著下降。全球前沿语言模型智能指数从 2022 年底的个位数攀升至 2026 年下半年 60 分以上，同时推理成本快速下探。

趋势二：VLA + 世界模型路径基本成熟

行业开始将视觉识别与物理动作执行结合，发展出视觉—语言—动作（VLA）模型，标志是从"语言走向非语言、从计算走向非计算"。

以 OpenVLA 为例，VLA 模型的工作流程可简化为三个连贯步骤：接收信息（同时处理图像与文本，建立画面内容与自然语言指令的对应关系）→ 逻辑推理（以大语言模型为核心，对画面和文字进行综合分析与计算）→ 动作执行（将结论转化为具体物理控制数据，指挥硬件完成实际任务）。这一流程实现了从理解外部环境到控制实体设备做出反应的完整闭环。

▍3.2 关键验证：能力突破与短板并存

2026 年下半年的一系列实测数据，既证明了突破，也暴露了短板——这是判断产业阶段的关键依据。

数据来源：Robocurve 官网、谷歌 DeepMind、《GPT 6 Astra as an Embodied Policy》(Jiayi Su, et al.)、英伟达 GTC Berlin 发布会。

"会动"与"会干活"之间的鸿沟

这组数据揭示了产业最真实的处境：简单的抓放任务成功率已达 95%，但涉及毫米级精度的装配任务成功率骤降至 10%。通用大模型具备推理能力却无法独立完成精细动作，专用 VLA 策略稳定但泛化能力弱。产业当前的技术解法是"通用模型 + 专用策略"的混合架构——这也意味着，纯大脑派的独立商业化在短期内难以成立。

▍3.3 双系统架构与响应频率分层

物理 AI 需要把较慢的任务理解与较快的动作响应组合起来。感知模块识别环境和物体，高层模型理解指令并规划步骤，动作策略生成连续动作，底层控制器根据状态反馈驱动关节。抓取、平衡和避障需要及时响应，因此形成了明确的双系统分工：

数据来源：Figure Helix、英伟达 GR00T N1 发布材料。注：以上为具体系统的公司披露值，非行业统一标准。

04市场规模：两套口径的分化

▍4.1 口径辨析：相差 250 倍的两个数字

当前物理 AI 市场规模存在两套差异极大的统计口径。这是本领域最容易出现误读的地方，必须明确区分。

口径提示

两套口径相差约 250 倍，统计边界完全不同，不可直接比较、加总或互相换算。窄口径反映的是当前可被独立测算的软件与工具链市场（即产业真实收入体量），宽口径反映的是物理 AI 可能触及的全部产业价值。研报引用时必须注明口径，否则将产生数量级的误导。

▍4.2 中国市场：规模与增速

国内"具身智能"广义口径经常包含机器人、自动驾驶、无人系统及相关软硬件生态。按此口径：

数据来源：《中国具身智能产业发展报告（2026）》、中商产业研究院、36 氪研究院；湖南省工信厅公开报道。

▍4.3 细分增量：仿真与数据平台

在物理 AI 的产业链中，仿真与数据平台是被最清晰定价的细分环节。据弗若斯特沙利文《中国物理AI仿真及数据平台研究报告》，到 2030 年中国该市场规模预计达 1806 亿元：

数据来源：弗若斯特沙利文《2026 年中国物理 AI 仿真及数据平台研究报告》

05需求端：四大落地场景的成熟度梯度

▍5.1 落地顺序：为什么工业先行

物理 AI 的落地不会同步展开，而是按"环境可控度 × 任务频次 × 价值可衡量性"三重标准依次推进。工业制造之所以最先跑通，是因为它在这三项上全面占优。

工业制造场景率先使用具身智能的原因

与家庭、商业服务等高泛化场景相比，工业制造环境更可控、任务更高频、价值衡量更直接，更适合通过"部署—作业—数据回流—模型迭代"的闭环持续提升能力。短期看，具身智能将在封闭或半封闭工业任务中率先创造可量化的增效价值；长期看，工业现场积累的高质量操作数据，也将反哺机器人智能化水平继续提升。

▍5.2 四大场景成熟度对比

数据来源：国信证券《物理 AI 行业深度报告》（2026-10-25）、中国工业互联网研究院、IDC 圈、弗若斯特沙利文。

▍5.3 需求结构的真实变化

出货量的高增长不等于工业需求的爆发。企业层面的数据同样印证这一点——宇树 2025 年前三季度人形机器人收入中，科研教育场景占 73.60%、商业消费占 17.39%，行业应用仅占 9.01%。IDC 披露的全球用途结构给出了更冷静的读数：2026H1 全球出货中科研教育、表演展示及政府数据采集中心合计占约 69%，而 2025 年这一比例为 83.8%——下降约 14.8 个百分点，说明真实作业需求正在扩张，但尚未成为主体。其余需求包括零售、物流与家庭消费，不能整体认定为工业生产用途。

需求结构开始扩展，但商业化的检验标准尚未跨过

需求结构开始扩展，连续作业与重复采购仍是商业化的重要检验。2026 年上半年，中国市场开始出现面向个人消费者的小型人形机器人，家庭及个人市场逐步成为新的潜在增长空间——IDC 因此上调了长期预测，预计 2030 年全球出货量将超 75 万台，较此前预测上调约 50%。

06供给端：产业链全景与国产化进度

▍6.1 三层产业链结构

物理 AI 产业链可划分为三个层级，其价值兑现遵循"基础设施先行、模型居中、硬件应用收尾"的时序规律。

数据来源：宇树科技/禾赛科技/速腾聚创公告及定期报告、觅蜂科技。

▍6.2 数采环节：确定性最高、也最紧迫

完整工具链。当前机器人大模型正由物理推理和动作生成走向真实任务验证，复杂任务面临高质量示范数据难以规模化获取、真实环境变化难以覆盖等问题。

数据采集不仅是模型训练的前置环节，也可能成为影响模型迭代速度和机器人落地效率的重要产业链环节。全球高质量物理数据仅约 50 万小时，而 GPT-5 级 LLM 训练数据折算超 100 亿小时——这一差距正是合成数据的价值所在。

数据来源：觅蜂科技、东北证券。

政策端已在同步推动数采基础设施

国内多地推进人形机器人数据采集设施建设，通过搭建工厂、酒店、商超、家庭等典型场景，部署机器人开展标准化日常任务，系统采集真实物理约束下的多模态数据。上海打造全国首个异构人形机器人训练场，深耕高质量数据集建设；贵州全国首创将具身智能数据采集纳入大数据专项资金扶持范畴。集中化采集有助于统一任务设置与采集流程、扩大场景覆盖，为模型训练和评测提供基础。

07本体企业：经营验证期的分化

▍7.1 三家代表性本体企业的路径分野

宇树科技、乐聚智能、云深处集中推进 IPO，产业化投入由产品研发向制造与交付延伸，行业竞争进一步转向批量制造、成本控制和客户拓展。三家公司依托不同产品与客户基础形成了差异化路径：

数据来源：各公司招股说明书、上市公告书、2026 年半年报，国元证券《具身智能行业深度报告》（2026-10-31）整理。注：宇树 2026H1 收入 11.52 亿元为未经审计实际数，含非纯人形收入。

▍7.2 交付规模：向万台级迈进

数据来源：各公司公告、IDC、弗若斯特沙利文《2026 全球人形机器人市场研究报告》、东北证券、国元证券。注：各企业披露口径（纯人形/全尺寸/含轮式）不同，不可直接加总排名。

一个必须正视的结构性事实

全球商业化排名与产业理解之间存在明显错位。弗若斯特沙利文按收入计的全球前五名为优必选、智元机器人、宇树科技、银河通用、乐聚机器人；而特斯拉 Optimus Gen-3 虽已于 2026 年第二季度启动量产，但 Q2 材料披露产线仍在建设，首批产品用于训练数据采集及功能开发，未单列实际交付及收入。同时，特斯拉明确表示不从事具身智能机器人业务——其 2026 年 11 月 3 日公告称，公司主业为机床产品研发制造销售，不从事设计、生产、制造具身智能机器人及配套机器人零部件，无相应业务收入。

08核心零部件：先赚到"第一桶金"

▍8.1 业绩分化：零部件大幅跑赢本体

2026 年前三季度，机器人零部件企业的业绩相当抢眼，而多数本体企业业绩下滑或仍处亏损。产业链的景气度在这一环节出现了明确的传导落差。

数据来源：各公司 2026 年三季报及中报，国金证券、财闻、证券之星，国元证券研究所整理。注：拓普集团、三花智控为汽车零部件为主业，机器人业务占比仍低，业绩受汽车行业竞争、汇兑损失与产能爬坡影响较大。

板块层面的印证

机器人核心零部件板块营收 3201.79 亿元、同比增长 19.2%，增幅超过机器人本体和设备两大板块；归母净利润 252.78 亿元、同比增长 0.48%。第三季度单季核心零部件板块在营收保持快速增长的同时，归母净利润同比增速迅速攀升至 7.17%。

▍8.2 产能布局：从样件开发走向量产制造

整机放量与价格下探共同提高了对供货稳定性、批次一致性及成本控制的要求，竞争重点已由样件开发延伸至量产制造。以下为核心零部件企业已公开披露的产能与订单进展：

数据来源：各公司公告、募投/定增文件、2026 年半年报及投资者调研记录，国元证券研究所整理。

▍8.3 灵巧手：精细作业的下一个战场

灵巧手是物理 AI 从"搬运"走向"精细作业"的关键环节。2026 年，因时机器人全年交付量突破 1 万台，部分上游产品已取得定点或实现小批量供货。产业进展呈现三个方向：

微型驱动

精度要求推动空心杯电机与微型丝杠协同升级。鸣志电器前三季度营收 24.80 亿元、Q3 单季净利同比 +175.30%，直接受益于空心杯电机放量。

精密传动

部件企业向模组及整手集成延伸，浙江荣泰依托狄兹精密的微型丝杠研发制造积累，向组合传动与机电集成延伸。

触觉感知

多指协同、感知反馈与控制配合拓展任务范围。湖北依托"尖刀"技术攻关工程，研发灵敏度轻达 1 克级别的机器人"灵巧手"，补上柔性触觉技术短板。

09瓶颈与风险：三类必须正视的问题

▍9.1 成本：价格下探已启动，但"值得买"仍有距离

数据来源：各企业官方售价、京东 Mall 门店实价、高盛全球物理 AI 报告，中国经济网（2026-10-12）。

从"买得起"到"值得买"，中间至少隔着六道门槛

安全、实用性、稳定性、隐私、售后、软件生态。家庭场景的高度复杂性，对机器人本体安全和系统可靠性提出了严苛要求。启元机器人的应对可作为行业标杆参照：机器人采用轻量化复合材料与全身力控设计，受到推碰时柔性卸力；个人信息本地脱敏处理，隐私权限默认关闭；测试环节按照手机 3C 认证标准进行，核心线束经超 100 万次折叠测试、头部舵机超 10 万次测试、关节模组超 6 万次冲击测试，每台产品的装配数据终身可查。

▍9.2 数据：训练数据体量不足与质量参差

作为核心支撑的具身智能大模型，正面临训练数据体量不足、数据采集成本高、场景覆盖单一和质量参差不齐等难题。这与前述"全球高质量物理数据仅约 50 万小时"的量级缺口是同一问题的两面。仿真训练虽被寄予厚望，但 Sim-to-Real 鸿沟尚未被彻底弥合——谷歌 Argon 的案例显示，生成 4500 多个训练片段后真实机器人成功率从 56% 提升到 75%，仍有约四分之一的失败率。

▍9.3 可靠性：连续作业是商业化的硬门槛

工业场景要求机器人长期遵守生产节拍、稳定保持精度，这与展会上演示几十次成功是两回事。业内共识是：成本、可靠性、生态被视为具身智能规模落地的三道坎。优必选披露其工业人形机器人单小时效率已达人的 90%，按 8 小时工作量计算甚至可超过人类——但"没有疲劳度"的前提是设备可靠性已经过关，这恰恰是当前最难验证的部分。

三大短期难以突破的技术短板

① 柔性传感与精细操作技术仍需持续攻关；② 无框力矩电机等核心零部件性能与国际先进水平仍有差距；③ 具身智能大模型面临训练数据体量不足、采集成本高、场景覆盖单一和质量参差不齐等难题。此外，行业还面临研发与真实场景落地存在巨大鸿沟、核心部件与整机成本高昂、产业链上下游难以互信等问题。

10产业趋势与投资主线

▍10.1 三个正在收敛的产业共识

形态是入口，智能是底座，场景是考场

当前具身智能的瓶颈已不在本体形态，而在智能的泛化与迁移能力——同一套"大脑"能否在不同形态、不同工序间复用。艾利特将自研工业级具身大模型"元启 Primo"作为统一智能底座，驱动复合机器人、轮式人形机器人、协作机器人三大产品矩阵协同。

全栈自研成为头部企业主流选择

华泰证券将产业参与者分为四类：纯硬件派、全栈自研派、纯大脑派+平台基建派。华泰的结论是全栈自研已占主流，而大脑独立商业模式尚待观察——产业正沿本体商业化与工业应用拓展、核心零部件批量配套、灵巧手性能升级三条主线展开。

▍10.2 政策：从技术攻关转向产用结合

● 2016 年 3 月 · 《机器人产业发展规划（2016—2020 年）》

工业和信息化部、国家发展改革委、财政部联合印发，勾勒产业发展的首个国家级蓝图。

● 2023 年 11 月 · 《人形机器人创新发展指导意见》

工业和信息化部出台，明确到 2025 年初步建立创新体系，突破"大脑、小脑、肢体"三大技术群；到 2027 年产业加速实现规模化发展，形成安全可靠的产业链供应链体系。

● 2025 年 · 《政府工作报告》首次纳入

首次将"具身智能"与"智能机器人"并列纳入未来产业重点发展方向。

● 2025 年 11 月 27 日 · 发改委表态

国家发展改革委政策研究室副主任李超表示，将结合"十五五"相关专项规划编制工作，推动具身智能产业健康规范发展。具身智能已被纳入"十五五"规划纲要，与量子科技、脑机接口等并列。

● 2026 年 6 月 · 人形机器人与具身智能实景实训专项行动

工业和信息化部、国务院国资委联合印发通知，覆盖 10 个重点省市。明确到 2026 年底，人形机器人等重点产品在工业、服务、特种领域的一批代表性场景中率先完成应用验证和常态部署，开启"作业模式"；凝练形成百个以上高价值应用场景，带动形成万台级规模落地能力。

地方配套政策同步密集出台：深圳打通高校科研与产业落地壁垒，"南科盘古"机器人仅用 10 个月实现从图纸设计到整机落地的转化；上海打造全国首个异构人形机器人训练场；湖北依托"尖刀"技术攻关工程攻关柔性触觉；贵州全国首创将具身智能数据采集纳入大数据专项资金扶持范畴。

▍10.3 四条投资主线

数据来源：高盛全球物理 AI 报告。

▍10.4 需要跟踪的三个关键指标

① 真实作业占比

当前科研教育／展示／数采合计占 69%（2025 年 83.8%）。该比例向工业与商业服务转移的速度，是判断产业从"展示"走向"干活"的最直接标尺。

② 连续作业可靠性

工业场景的入场券是长期遵守生产节拍、稳定保持精度。8 小时工作制下的实际无故障率，比任何演示视频都有说服力。

③ 零部件订单转化

零部件企业已披露大量在手订单与产能规划，这些订单何时转化为收入与利润，决定了产业链景气度能否从"预期"变为"兑现"。

光研企信研究中心 · 物理 AI 行业发展分析报告 · 报告编号 GY-2026-PAI-001 · 2026 年 11 月

免责声明

本报告由光研企信研究中心编制，所有数据均引自第三方机构公开数据、券商研究报告及上市公司公告，并已在正文标注来源；不同机构统计口径存在差异，请结合原始报告理解。本报告为行业研究分析用途，不构成任何投资建议或交易要约。所载观点与预测基于报告发布时点的公开信息，可能随市场变化调整。市场有风险，投资需谨慎。未经授权禁止转载。

光研企信研究中心　|　物理 AI 行业发展分析报告 · 2026报告编号 GY-2026-PAI-001　|　数据截至 2026 年 11 月 8 日　|　本文档仅供研究参考，不构成投资建议