猜你想问
这份研报主要讲了什么核心内容？
这份研报的核心内容是物理AI数据采集的逻辑，强调设备、模型缩放和数据需求三者相互促进的关系。报告分析了EGO数据、仿真数据和触觉数据的应用现状和挑战，指出EGO数据因学术研究证明其价值而需求爆发，但成本高；仿真数据虽视觉渲染问题已解决，但物理层面仿真存在差距，纯合成数据效果存疑；触觉数据因采集方案不统一、信号噪声大且缺乏学术证据证明其性能提升作用，占比低但可能2027年迎来变化。
物理AI数据采集行业的发展趋势如何？
物理AI数据采集行业的发展趋势是模型缩放对数据需求的驱动。当前模型越大越需要真实数据，供应商机会取决于能否满足模型需求。行业面临模型厂外包数据多为低壁垒粗标数据导致通缩，以及数据复卖逻辑影响硬件供应商空间测算的问题。未来数据采集可能向更精细化、更多模态的方向发展，触觉数据等可能因技术突破迎来重要变化。
研报重点分析了哪些方向？
研报重点分析了物理AI数据采集的三大类型：EGO数据、仿真数据和触觉数据。EGO数据因学术研究证明其价值而需求爆发，但成本高；仿真数据视觉渲染问题已解决，但物理层面仿真存在差距，纯合成数据效果存疑；触觉数据因采集方案不统一、信号噪声大且缺乏学术证据证明其性能提升作用，占比低但可能2027年迎来变化。同时分析了行业影响因素，如模型厂外包数据通缩和数据复卖逻辑。
当前Robotaxi市场现状如何？
当前Robotaxi市场现状显示特斯拉在奥斯汀城市车队规模与VIMO基本持平（均约1200辆，特斯拉Cybercap近600辆，单周注册超200辆），奥斯汀周行驶里程超VIMO；达拉斯、迈阿密等地扩张推进。技术支撑方面，软件层面整合约40%FSD V15技术栈，硬件层面预计AI5最早2027年上半年用于Optimus机器人，同期或稍晚应用于智能驾驶。V15量产测试平均接管里程需达万公里，特斯拉Cybercap被视为V15预览版本，若其大规模运营将标志L4行业迎来历史性拐点。
研报提示了哪些风险？
研报提示的风险主要集中在物理AI数据采集行业层面。一是模型厂外包数据多为低壁垒粗标数据，人工成本主导，通缩较快，影响供应商利润空间；二是数据存在复卖逻辑，部分头部厂商数据复卖规模达十倍左右，可能导致数据价值被稀释，影响硬件供应商空间测算；三是仿真数据和触觉数据的应用仍面临技术瓶颈和学术证据不足的问题，市场接受度和实际效果存在不确定性。