计算机行业研究：物理AI：此时恰好

一、技术变革：大模型能力向物理世界扩散，多重事件催化行情

• 高溢价交易验证世界模型的战略价值：AMD拟以约82亿美元收购World Labs，验证了世界模型与空间智能的战略价值。World Labs聚焦物体、场景及交互关系建模，其首款产品Marble支持从多源数据创建具有空间一致性的场景。公司已完成约10亿美元融资，并展示可探索的持久三维场景。国内世界模型企业融资提速，极佳视界估值突破百亿，反映出一级市场对世界模型能力的关注度提升。国内布局呈现机器人闭环、视频生成与三维世界构建多路线并行，空间智能的产业边界持续扩展。
• 模型御三家加速布局物理AI：
  • OpenAI明确人形机器人研发方向，通用模型与本体结合预期强化：OpenAI将研发人形机器人，重点在智能系统，其产业意义在于模型能力的输出形式有望扩展至真实环境中的任务理解、动作选择和执行反馈。GPT-6 Astra在ARC-AGI-3交互式环境评测中表现领先，反映出通用模型在陌生环境中的理解、规划和交互决策能力提升。OpenAI已在算法研究、产业投资与硬件组织层面形成多轮探索，通用能力复用有望改变机器人研发的成本结构。
  • Google多年投入形成跨层技术体系，模型与仿真协同构筑优势：Google从RT-1到Gemini Robotics2，其升级主线清晰：先用统一模型学习多种动作，再引入互联网知识和空间推理，随后加强长任务规划、跨本体迁移及全身控制。Google与多家机构推进Open X-Embodiment及RT-X研究，汇集22种机器人的数据，为跨本体迁移提供基础。跨层协同而非单一模型参数，是Google机器人体系的核心观察点。
  • Anthropic以能力研究与外部接触补充机器人储备：Anthropic补充物理交互能力具备战略合理性，外部团队可能成为技术与数据积累的补充路径。Anthropic已有公开机器人研究，能力补足的重点在于将通用智能与控制、数据和部署环节连接。巨头的竞争边界向真实交互延伸，将提高独立具身模型企业的差异化要求。
• 英伟达持续强化Physical AI框架，NVIDIA全栈布局降低开发门槛：NVIDIA对Physical AI的持续投入，正将产业愿景转化为覆盖开发、训练与部署的基础设施。Project GR00T、Isaac GR00T N1、Cosmos和最新扩展的世界模型训练、评估与部署工具，将产业受益范围由人形机器人本体，扩展至自动驾驶、工业设备及其他具备感知、决策和执行需求的系统。开发工具标准化有望扩大机器人研发需求，同时推动第三方厂商向专业化环节集中。

二、产业进展：通用模型开始参与操作，公开评测提高行业能见度

• 通用模型涌现具身能力：通用模型已能借助工具接口参与机械臂操作，如Robocurve的测试。抓放取得进展，精细接触仍是短板。总体来看，本轮模型升级的核心变化并非单项任务成功率的提升，而是通用模型开始涌现具身能力。
• 机器人Benchmark的诞生：Artificial Analysis推出的AA-Robotics v0.1进一步降低了横向比较的难度，在统一机械臂、桌面环境和任务条件下，让模型根据摄像头画面自主编写控制代码，零样本完成8项任务。从结果看，GPT-6 Astra排名第一，五款模型均能完成简单任务，但在倒水、搭建积木和精确测量等任务上明显分化，说明通用模型已经具备基础机器人操作能力，但精细控制和复杂接触仍是主要短板。
• S0、S1、S2构成具身智能的分层架构：Figure Helix 02将机器人智能划分为S0、S1和S2三层，使不同模型按照各自适合的频率运行，形成从任务理解到电机执行的完整链路。S0是底层控制和执行层，S1是VLA或动作策略层，S2是高层语义理解和任务规划层。三层系统共同构成闭环，兼顾通用模型的推理能力与底层控制的实时性。
• 巨头入局有望加速具身智能进入产业化阶段：模型巨头进入物理AI，首先将增强S2层的任务理解、场景推理和长程规划能力。在此基础上，模型巨头的能力还可能继续向S1动作策略层渗透，将视觉、语言和机器人状态直接转化为动作或轨迹。但巨头入局并不意味着所有具身模型公司都会受益，缺少数据、场景或硬件壁垒的独立VLA和世界模型公司，其技术稀缺性可能下降。

三、交易分析：关注本体、数采及仿真龙头

• 板块位置与交易结构：物理AI仍处于产业催化和主题交易驱动阶段，市场定价尚未形成高度一致的共识。板块覆盖机器人本体、核心零部件、数据采集、仿真渲染和模型软件等多个环节，不同公司的业务相关度和基本面差异较大，资金更容易向产业逻辑清晰、流动性较好的龙头集中。机器人板块仍处于相对低位，在科技板块内部轮动较快、市场交易热度仍然较高的环境下，资金倾向于寻找位置较低、产业逻辑清晰且催化较为密集的新方向。
• 三条投资主线：
  • 机器人本体与T链供应链：特斯拉Optimus已在弗里蒙特工厂启动高产量生产线的前期生产，但技术难点仍存在。机器人本体端重点关注宇树科技和上纬新材，产业链方面，可以关注三花智控、拓普集团等T链代表公司。
  • 数据采集与空间感知：随着具身模型持续迭代，高质量空间和交互数据的重要性进一步提升。奥比中光的深度相机和禾赛的Kosmo等产品将真实环境转化为高质量三维数据。
  • 仿真、渲染与模型：真实机器人数据采集成本较高，仿真环境和合成数据能够提高训练效率，并降低模型在真实设备上的试错成本。索辰科技和凡拓数创等公司依托CAE仿真能力、3D渲染和数字孪生能力，向机器人仿真训练、合成数据及Sim2Real闭环延伸。

四、相关标的

• 本体：特斯拉、智元、上纬新材、宇树科技。
• 北产业链：科森科技、斯菱智驱、岱美股份、世运电路、福赛科技、蓝思科技、浙江荣泰、三花智控、恒立液压、北特科技、拓普集团、科达利、万向钱潮等。
• 机器人大脑相关：摩尔线程、协创数据、索辰科技、仙工智能、宝通科技、五一视界、海天瑞声、道通科技、群核科技、智微智能、爱芯元智等。
• 其他核心机器人链：领益智造、奥比中光、绿的谐波、禾赛、速腾聚创、海康威视等。

五、风险提示

• 通用模型具身能力进展不及预期的风险。
• 机器人商业化及规模放量不及预期的风险。
• Benchmark及公开演示代表性不足的风险。
• 仿真合成数据及Sim2Real进展不及预期的风险。
• AI芯片、算力和端侧部署进展不及预期的风险。
• 行业竞争加剧及相关公司估值波动的风险。