物理AI产业链全梳理：一台机器人背后，藏着多少个环节？
最近一周，机器人板块明显走强——智能机器人产业周涨幅约10.5%，具身智能产业约9.1%。特斯拉Optimus在弗里蒙特工厂开启正式生产、OpenAI确认亲自下场做机器人、南京物理AI与世界模型大会召开……消息密集。
但热闹归热闹，一个更实际的问题是：一台能干活、能学习的机器人，到底由哪些东西构成？钱会流向产业链的哪个位置？ 本文结合最近几天的券商研报与产业调研纪要，尝试把这条产业链从"数据"到"本体"拆开来看。
一、先把概念说清楚：什么是物理AI？
物理AI，简单说就是让机器在真实物理世界里"会做事"的能力。
它和我们熟悉的"能聊天、会写文章"的AI最大的不同在于：后者只需要在屏幕上输出文字，前者必须在真实世界里完成动作——抓取、搬运、装配、行走——而且动作的后果可以被观察、被衡量。
华福证券在报告中给出了一个清晰的判断：物理AI的核心是"世界模型"，也就是对"我做一个动作，世界会变成什么样"的预测能力。而机器人是物理AI最适合的载体，因为它同时具备感知、决策、执行与反馈的完整闭环，能在真实世界中源源不断产生交互数据。
这也是为什么这个赛道最近热度这么高——它要解决的不再只是"算法好不好"，而是"机器能不能真的学会干活"。
二、产业逻辑：为什么现在这个节点值得关注？
逻辑一：模型这一关，基本过了
长城证券与开源证券的产业调研都指出，这一轮变化的一个关键前提是具身智能模型出现了跨越式进步——原本模糊、不确定的"机器人该采什么数据、采多少"，现在开始变成被写明的、可衡量的规格。
换句话说，模型不再是唯一的瓶颈了。
逻辑二：真瓶颈转移到了"数据"
华福证券给出了三组很有说服力的数字：
- 量的缺口：截至2026年初，全球合规可用的真实物理交互数据总量约50万小时，而训练一个具备通用泛化能力的具身模型，需要千万小时量级。
- 质的缺口：上海交大研究者从约12万小时第一人称人类行为数据中筛选，真正可用于预训练的不超过5000小时；北京人形机器人创新中心数据训练基地初期数据合格率仅约50%。
- 结构缺口：34个实验室、60个数据集格式各异，坐标系、控制频率、动作语义口径都不统一；相机与IMU若存在40毫秒同步偏差，位置估计误差可能放大至10米量级。
这意味着：数据采集正在从一个"内部成本项"，变成一项可以独立定价的外部需求——模型公司普遍没有本体产能和自有数据源，数据只能外采或与本体方共建。这直接催生了下面产业链中的一个全新环节。
逻辑三：量产节奏开始变得具体
开源证券的产业调研给出了一个相对明确的时间表：
- 特斯拉Optimus进入明确待产阶段，11月中旬开始生产，明年一季度产能基本翻倍；
- 预计明年一季度前后可见单周四五千台的出货量；
- 2027年全年有望往30万台目标走；
- 再往后看，可能往百万台量级走。
国金证券10月25日的周报也印证了这一方向：特斯拉10月21日Q3电话会确认Optimus已在弗里蒙特工厂启动早期生产，产线制造机器人达到量产级产品质量，目标2027年底向外部客户交付。
逻辑四：成本账开始算得过来
开源证券的调研给出了一个很有说服力的对比：
- 一台适用的机器人，续航一次能干14-15个小时，成本可能已下降到二三十万元；
- 而苏州一些焊接工人月薪约两万元，一年工资约20万元；
- 人工成本基本打平，但机器人不需要休息、可以24小时连轴转（中间充几个小时电）。
“一旦成本平衡被打破，就会出现大量渗透率提升。“报告的判断是——先替代工业场景里的劳动密集环节，再向商业场景走。
三、产业链拆解：每个环节在做什么，有哪些公司？
综合华福证券、国金证券、长城证券、开源证券等机构最近的梳理，物理AI产业链大致可以分为以下环节：
环节一：数据采集（当前最关键、也最受关注）
这是本轮产业逻辑中最独特的一环。华福证券把数据采集细分为四个方向：
| 方向 | 相关公司 |
|---|---|
| 本体厂 / 垂类场景（自有场景形成数据闭环） | 宇树科技、上纬新材；垂类场景如杰克科技 |
| 触觉与力传感 / 数采手套 | 福莱新材 |
| 数采服务与数据平台 | 凡拓数创、龙旗科技、阿尔特、海天瑞声 |
| 机器视觉 / IMU | 奥比中光、奥普特（视觉）；华依科技、敏芯股份（IMU） |
为什么这一环重要？ 华福证券指出，截至2026年初全球合规可用真实交互数据仅约50万小时，缺口巨大，而数据采集是"击穿物理AI"的核心。本周涨幅榜前列的公司（凡拓数创、奥比中光、华依科技等）多集中在这一方向。
国金证券也记录了本周该环节的最新进展：天奇股份已积累近2.5万小时多模态数据；星忆智能与凌云光旗下元客视界合作，整合Ego采集、多视点视觉与光学动捕能力。
环节二：模型与训练工具链
| 主体 | 本周进展 |
|---|---|
| 英伟达 | GTC Berlin发布GR00T N2世界模型预览版、Isaac Lab 3.0、Isaac OS；提供2000多项仿真资产库及Human 1M数据集 |
| OpenAI | 确认自研人形机器人，成立OpenAI Robotics，预计2027年推出演示样机 |
| 特斯拉 | 筹建Optimus Academy，计划部署约1万—2万台机器人练习并生成训练数据 |
| Dream Labs | 完成9000万美元种子轮融资，推出机器人基础模型Dream-1及API |
| 智元机器人 | 连续七个工作日发布七项成果，覆盖数据集、本体、Agent框架、仿真平台、基座大模型 |
环节三：本体（整机）
| 公司 | 本周进展 |
|---|---|
| 特斯拉 | Fremont产线开启早期生产，目标2027年底对外交付 |
| 宇树科技 | 发布人形机器人H2-X（侧重安防场景），展示五指灵巧手Dex5-S |
| 乐聚机器人 | 与比亚迪联合发布汽车零部件上料方案，15台人形机器人产线常态化运行 |
| 字节跳动 | 招聘机器人本体结构、仿真及数据工程师，布局走向全栈化 |
| 三星 | 瞄准CES 2027，研发"24小时工作的机器人” |
华福证券提示关注的本体厂包括：宇树科技、上纬新材。
环节四：核心零部件
这是量产阶段最先兑现收入的环节。华福证券把"以特斯拉为核心的零部件供应链"列为第二条最确定的受益链条，方向包括丝杠、减速器、轴承。
国金证券梳理的方向更细：
- 特斯拉链：拓普集团、三花智控等；
- 技术迭代方向：电驱动新技术（谐波磁场电机、GaN）、灵巧手（电子手套、新型基材）、新材料（PEEK）、高端轴承；
- 布局"优质格局"标的：绿的谐波、奥比中光等。
开源证券的调研则提到恒立液压——作为特斯拉核心供应商之一，目前约占30%份额，单台价值量超过1万元，供货能力约每月500-1000台，后续正为每周两三千台的需求做准备，并计划在墨西哥工厂将机器人产能扩至10万台以上。
环节五：灵巧手与末端执行
灵巧手被视为难度最大的卡点之一（特斯拉Q3电话会明确提及）。华福证券提示的相关公司包括：兆威机电、雷赛智能。
环节六：机器人大脑与控制器
这是"给机器人注入灵魂"的环节。长城证券10月22日首次覆盖**仙工智能（06106.HK）**给予"增持"评级，其核心逻辑值得参考：
- 机器人大脑 = 模型 + 小脑 + 神经的三合一架构：模型层负责"想清楚做什么”，小脑层负责"把动作做准做稳"，神经层负责"把指令送到每一个部位"；
- 市场地位：2025年公司控制器销量登顶全球与国内第一，市占率分别达24.8%、45.2%；控制器累计装机超5万台，适配超400种零部件；
- 数据壁垒：依托超5万台装机规模，累计获得超过50万小时多形态真机数据；
- 第二曲线：具身智能相关收入有望自2027年起逐步显现。
环节七：具身数据基础设施与仿真
大模型公司要做物理AI，会遇到两个绕不开的难题——世界模型和数字孪生。开源证券的调研点出了这个关键：
世界模型需要大量三维场景数据，很多大模型公司并不具备；训练完的模型还需要在虚拟空间里反复验证、后训练——这正是第三方公司（如风语筑）在做的两件事。
长城证券也指出，仿真和数字孪生需求会随研发和部署规模扩大而增长。
四、一张表看清产业链与相关公司
| 产业链环节 | 具体方向 | 相关公司（机构提及） |
|---|---|---|
| 数据采集 | 本体/垂类场景 | 宇树科技、上纬新材、杰克科技 |
| 触觉与力传感/数采手套 | 福莱新材 | |
| 数采服务与平台 | 凡拓数创、龙旗科技、阿尔特、海天瑞声 | |
| 机器视觉 | 奥比中光、奥普特 | |
| IMU | 华依科技、敏芯股份 | |
| 模型与工具链 | 世界模型/开发平台 | 英伟达、OpenAI、Dream Labs |
| 本体（整机） | 人形/具身机器人 | 特斯拉、宇树科技、乐聚机器人、智元、上纬新材 |
| 核心零部件 | 丝杠、减速器、轴承 | 恒立液压、双环传动、绿的谐波、五洲新春 |
| 电机、电驱动 | 卧龙电驱、汇川技术 | |
| 灵巧手 | 末端执行 | 兆威机电、雷赛智能 |
| 机器人大脑 | 控制器/系统 | 仙工智能 |
| 仿真与数采基建 | 数字孪生、世界模型 | 风语筑、索辰科技、五一视界、群核科技 |
| 特斯拉链 | 核心供应商 | 拓普集团、三花智控、恒立液压 |
五、需要留意的几个现实问题
说了这么多机会，也得说说难点。机构在报告中提到的问题同样值得关注：
1. 数据合格率仍是硬骨头 真机数据的价值不在于"采了多少"，而在于"能不能用"。北京人形机器人创新中心初期数据合格率仅约50%，数采服务商的核心竞争力其实是合格率爬坡的速度。
2. 精细操作仍然不过关 行业调研中提到一个细节：模型在"方块入碗"这类任务上完成率很高（19/20），但到了精密插入等精细任务，只有2/20。灵巧手和数据，被特斯拉明确列为"难度最大的卡点"。
3. 商业模式还在探索 机器人智能化的商业模式正转向"整机销售+API订阅收费"——先付整机钱，用大模型再按月/年订阅。一旦有订阅，客户黏性会明显增强。但这条路能不能跑通，还需要时间验证。
4. 部分环节竞争可能加剧 长城证券在报告中提示了行业景气度不及预期、技术迭代风险、市场拓展不及预期等风险。
结语
梳理下来可以看到，物理AI这条产业链的逻辑其实是比较清晰的：
模型能力已经跨过关键门槛 → 瓶颈转向真实数据 → 数据采集成为独立生意 → 量产带动零部件收入兑现。
从最近的机构调研看，产业已经从"讨论模型行不行"进入"讨论数据够不够、产能够不够"的阶段。特斯拉产线落地、OpenAI下场、各地训练场和标准陆续推进，这些都是产业从概念走向工程化的信号。
当然，这条链上有些环节的业绩兑现是确定的（如已拿到订单的零部件供应商），有些则还需要等待商业化验证（如数据服务、订阅模式）。分清"哪些是已经发生的收入、哪些还是预期中的故事"，或许是看待这个赛道时最需要保持的一份清醒。
该文章仅供学习交流，不构成任何投资建议。
本文内容整理自公开的券商研报与产业调研纪要（华福证券、国金证券、长城证券、开源证券、东方证券等），相关数据与观点以各机构研报原文为准。文中涉及的公司均为机构研报提及对象，仅用于说明产业链结构，不代表推荐。市场有风险，投资需谨慎，请读者独立判断并自行承担相应风险。