这份研报主要分析了京东计划未来五年采购300万台机器人、100万台无人车和10万架无人机用于智能物流的背景,认为物理AI正处于规模应用初期,有望率先在物流搬运等B端场景大规模落地,但仍需突破模型泛化能力瓶颈。报告重点关注真机数据缺乏对模型能力提升的瓶颈,看好数采设备、有应用场景的整机和零部件企业。同时,报告详细介绍了特斯拉Optimus机器人的量产时间表和后续落地计划,并建议关注确定性强的机器人零部件供应商、整机及应用场景企业,以及传感器等新技术或低估值转型标的。
物理AI行业正处于规模应用初期,有望率先在物流搬运等B端场景大规模落地。目前,海外大模型厂商加速入局,如OpenAI的GPT-6Astra在具身任务评测中表现领先,Meta与中国机器人企业傅利叶智能合作推出机器人原型机。同时,特斯拉等龙头企业也在积极发力数采,计划制造大量机器人用于数采,推动行业数据积累和应用场景拓展。未来,随着模型泛化能力的提升和更多应用场景的探索,物理AI有望在更多领域实现规模化应用。
报告重点分析了物理AI行业的发展现状和未来趋势,特别是真机数据缺乏对模型能力提升的瓶颈问题。报告认为,数采设备、电子皮肤、灵巧手、传感器等数采核心硬件,以及有应用场景、有高质量数据来源的标的将受益于行业的发展。此外,报告还详细介绍了特斯拉Optimus机器人的量产时间表和后续落地计划,并建议关注确定性强的机器人零部件供应商、整机及应用场景企业,以及传感器等新技术或低估值转型标的。
目前物理AI市场正处于规模应用初期,真机数据缺乏是模型能力提升的主要瓶颈。虽然海外大模型厂商和国内龙头企业都在积极布局,但行业整体仍处于发展早期。在应用场景方面,物流搬运等领域率先实现规模化应用,其他领域的应用还在探索中。未来,随着模型泛化能力的提升和更多应用场景的拓展,物理AI市场有望迎来快速发展。
这份研报提示的主要风险是AI发展不及预期。虽然物理AI行业前景广阔,但AI技术的发展存在不确定性,可能受到技术瓶颈、市场竞争、政策环境等多种因素的影响。此外,真机数据缺乏也可能制约模型能力的提升,进而影响行业的快速发展。投资者在关注物理AI行业的同时,也需要关注这些潜在的风险因素。