猜你想问
这份研报主要讲了什么内容？
这份研报主要分析了物理AI和人形机器人的产业动态、投资方向、关键技术进展、行业参与者及技术瓶颈，以及相关的风险提示。报告指出海外头部科技公司积极布局大模型与人形机器人，国内产业链逐步获得订单，并推荐了三花控股、浙江荣泰等核心零部件供应商以及汇川技术等工业物理AI方向的企业。报告还探讨了模型迭代、数据需求、素材模式演变等关键技术进展，以及模型泛化能力、运动速度等技术瓶颈。
物理AI和人形机器人赛道的发展趋势如何？
物理AI和人形机器人赛道正经历快速发展。海外头部科技公司如OpenAI积极布局，其ChatGPT6（Astron）通过原生大语言模型实现机器人控制，突破传统具身模型的局限。人形机器人产业链近一年完成调整，核心进展包括素材模式迭代和大模型技术突破。预计2027年特斯拉机器人量产与三代发布将加速行业落地，国内供应链逐步获得订单。通用人形机器人需累计500-1000亿小时数据，当前仅数十万小时，明年预计达数百万小时，头部企业采购规模将显著扩大。
研报重点分析了哪些方向？
研报重点分析了物理AI与机器人的投资推荐方向、关键技术进展、行业参与者及技术瓶颈。投资推荐方向包括核心零部件供应商如三花控股、浙江荣泰、科达利、思林、北特等，以及工业物理AI方向的汇川技术。关键技术进展包括模型迭代、数据需求、素材模式演变，行业参与者包括国内具身智能初创公司、灵巧手厂商、互联网大厂及海外大模型公司，技术瓶颈则涉及模型泛化能力、任务成功率、长期记忆能力、运动速度、数据对齐难度、多模态融合等方面。
当前物理AI和人形机器人的市场现状如何？
当前物理AI和人形机器人市场处于快速发展阶段，但仍有挑战。海外头部科技公司积极布局，国内产业链逐步获得订单，但技术瓶颈明显。模型泛化能力、任务成功率、长期记忆能力不足，运动速度慢，数据对齐难度大，多模态融合待突破。数据需求巨大，通用人形机器人需累计500-1000亿小时数据，当前仅数十万小时，明年预计达数百万小时。素材模式以EGO数据（原生）为主流，但预计3-5年后真机数据回流将成为主流。
研报提示了哪些风险？
研报提示了几个主要风险：一是大模型技术落地速度可能不及预期；二是数据采集成本与规模增长是否匹配存在不确定性；三是人形机器人量产进度可能不及预期。此外，国内机器人创业公司需避免同质化接入大模型导致优势丧失，需跟踪其模型路线（VRV、世界模型等）及差异化竞争路径。这些风险需持续关注，以评估行业发展的真实进展。