这份报告主要分析了人形机器人板块的交易重心转向数据采集环节,探讨了2026年前三季度该板块的波动情况及安全边际。报告指出短期催化因素来自特斯拉Q3财报与物理AI技术迭代,并从四杆、减速器、电机三大细分方向阐述了各自的交易逻辑。核心内容聚焦于数据采集的必要性,指出物理AI规模化需突破真实数据集获取、跨表征层统一物理表征、闭环试错成本三大瓶颈,同时提出了数据采集的底层要求和类型,包括真机采集、仿真数据、人类演示数据等。
人形机器人赛道未来发展趋势呈现数据采集核心驱动的特点。随着物理AI技术迭代,真实数据集获取成本、跨表征层统一物理表征、闭环试错成本等瓶颈成为制约因素。行业需突破至少100亿小时量级的通用数据门槛,当前公开数据集远不能满足需求。未来发展方向包括提升硬件标定标准、增强数据多样性,并整合真机采集、仿真数据、人类演示数据等多源数据。英伟达等全球厂商通过第一视角人类视频与仿真数据采集推进模型训练,国内厂商则多采用数据工厂加政府合作模式,如智源、语数、优必选等,共同推动数据采集技术的规模化应用。
报告重点分析了人形机器人板块的数据采集环节,具体包括物理AI规模化需突破的三大瓶颈:真实数据集获取成本高、跨表征层形成统一物理表征难度大、闭环试错成本昂贵。同时,报告详细阐述了数据采集的底层要求,如硬件需有标定标准,数据需具备多样性,并需达到至少100亿小时量级的通用门槛。数据采集类型涵盖真机采集数据、仿真数据、人类演示数据,以及跨平台数据整合、世界模型视频补充等,各类方式各有优劣势。此外,报告还分析了全球厂商(如英伟达)和国内厂商(如智源、语数、优必选)的布局情况,以及数据采集端头部本体厂商、具备实际应用场景的终端公司、数据采集硬件等投资线索。
当前人形机器人市场呈现交易重心转向数据采集环节的特点。2026年前三季度,该板块波动明显,但安全边际较高,处于相对稳健的阶段。短期催化因素包括特斯拉Q3财报发布和物理AI技术迭代。从细分方向看,四杆、减速器、电机三大方向分别对应确定性预期、事件性催化、灵巧手技术收敛的交易逻辑。核心制约因素在于数据采集技术的瓶颈,包括真实数据集获取成本高、跨表征层形成统一物理表征难度大、闭环试错成本昂贵等。目前公开数据集远低于100亿小时量级的通用门槛,硬件标定标准、数据多样性等方面仍需提升。国内厂商多采用数据工厂加政府合作模式,全球厂商如英伟达则通过第一视角人类视频与仿真数据采集推进模型训练。
研报提示了人形机器人发展中的几项主要风险。首先,数据采集技术迭代速度不及预期,可能制约人形机器人的实际落地应用。其次,合成仿真数据与真实世界存在差距,影响模型的泛化能力,可能导致模型在实际场景中表现不佳。此外,国内数据采集模式的规模化推进也可能不及预期,影响行业整体发展进程。这些风险主要集中在数据采集环节的技术瓶颈和规模化应用方面,需要行业持续突破真实数据集获取、跨表征层统一物理表征、闭环试错成本等难题,并提升数据多样性和硬件标定标准,才能有效推动人形机器人技术的成熟和应用。