猜你想问
这份研报主要讲了什么内容？
这份研报主要探讨了物理AI、具身智能和人形机器人的核心概念、产业格局与技术趋势。物理AI强调AI与物理世界的交互，具身智能侧重算法通过传感器/执行器与环境交互，人形机器人作为其硬件载体。产业格局呈现大小脑分离趋势，英伟达、谷歌等提供“大脑”层，国内蚂蚁凌波等布局通用大脑。技术趋势方面，双层架构获认可，但任务完成准确率仅40%，未达商业化。
物理AI具身智能赛道的发展趋势如何？
物理AI具身智能赛道正探索大小脑分离模式，英伟达、谷歌等提供算法支持，与硬件厂商合作；国内蚂蚁凌波等定位通用大脑，与乐聚等合作。技术层面，双层架构如谷歌、OpenAI的ACT模型获认可，但准确率仅40%，商业化仍需时日。未来可能向更高效的算法和更广泛的硬件耦合发展，但需关注技术成熟度。
研报重点分析了哪些方面？
研报重点分析了物理AI具身智能的核心概念界定、产业格局与技术趋势、数据采集产业情况以及相关风险。在概念界定上，区分了物理AI与具身智能；产业格局上，关注大小脑分离模式；数据采集上，分析了Ego数据、夹爪数据、真机实采数据和触觉数据的类型、成本与市场规模，指出真机实采数据市场空间最大；风险方面，提示了ACT模型商业化需提升准确率、真实世界数据需求不确定性以及触觉数据采集成本高等问题。
当前物理AI具身智能的市场现状如何？
当前物理AI具身智能市场呈现多元格局，大小脑分离模式成为主流探索方向，英伟达、谷歌等提供算法，国内蚂蚁凌波等布局通用大脑。数据采集方面，Ego数据占比最大，每小时100-400元；夹爪数据次之；真机实采数据单价最高达1000-2000元，但量少；触觉数据渗透率低。市场规模预计2026年全球真实世界数据300万小时，2027年达千万小时，长期或超1亿小时，真机实采数据市场空间近300亿元。特斯拉计划投放大量Optimus机器人采集数据。
研报提示了哪些风险？
研报提示了物理AI具身智能赛道的几项风险：一是ACT模型商业化需提升任务完成准确率，目前仅达40%，依赖更多物理世界数据训练；二是真实世界数据需求量尚不明确，存在市场不确定性；三是触觉数据采集成本高、对齐难度大，短期内难以大规模应用。这些风险需关注，但研报未涉及投资建议。