物理AI规模化瓶颈犹存，商业化进程持续推进

核心观点

物理式人工智能（Physical AI）正从概念验证阶段过渡到商业化部署阶段，但其规模化路径比数字式人工智能更为复杂。与大型语言模型不同，物理式人工智能的溢价在于专有、特定任务的数据收集、定制硬件和安全性认证。数据稀缺性是制约物理式人工智能发展的主要瓶颈，即使到 2026 年， Instawork 收集的数千万小时的数据也仅占所需数据的一小部分。电力、电池寿命和芯片架构也是关键瓶颈，现有的半导体平台是为数据中心工作负载设计的，而不是为移动平台上的实时边缘推理设计的。最商业化的公司，无论是人形机器人、仓库自主移动机器人还是专业系统，都始于一个特定的、高痛苦的劳动力问题，采用机器人即服务（RaaS）模式来降低客户采用障碍，并优先考虑安全性和可靠性而不是模型复杂性。

关键数据

• 过去 24 个月，有约 200 亿美元投资于物理式人工智能。
• 人形机器人的价格远低于人类劳动力成本，投资回报期约为一年。
• Dexterity 的年收入已增长三年，达到 3 亿美元。
• Gatik 的合同自动驾驶卡车收入已达 6 亿美元。
• Locus Robotics 在 600 个地点处理了每秒 200 个单位，Reliable Robotics 拥有 10 亿美元的航空自动化积压订单。

研究结论

物理式人工智能是一个长达十年的建设过程，拥有数据飞轮、解决实际部署问题和满足最高安全标准的企业将获得持久的价值。自动化、机器人和物理式人工智能正逐渐走向更广泛的商业化，为自动化暴露的工业公司创造了持久的长期增长尾风。推荐评级为买入的 ROK、EMR、HON、SYM、RAL 和 BDC 等自动化公司将从劳动力市场紧张和国内制造业活动加速中受益。物流、仓储和汽车似乎是推动自动化采用的重要终端市场，但人工智能还有潜力解锁机器人和自动化的新技能/能力，随着时间的推移，这将扩大自动化的地址市场。人工智能/LLM 的进步以及数据的日益丰富（现实世界和模拟）正在推动技术的进步，例如更集成的硬件和软件，以及更积极的使用正在推动越来越强大的部署。一些公司还强调了机器人即服务（RaaS）商业模式，该模式可能降低中小企业采用障碍，因为 upfront 资本成本较低或为零。