这份研报深入探讨了物理AI与AI硬件的发展趋势。核心逻辑强调高质量具身数据是物理AI商业化的关键,并区分了大语言模型与世界大模型训练的难度,以及ego、umi和真机数采的区别。同时,报告指出触觉传感器和真机数据的重要性正在提升,并分析了国内外在物理AI应用上的差异,海外侧重具身应用,国内则优先内容生成与端侧。在AI硬件方面,报告认为当前股价已反映悲观预期,未来将进入由下游需求驱动的产业链供给再平衡周期,强调AI本质是周期性发展,需要通过供需平衡来调控市场波动。
物理AI赛道正经历重要的发展变化。报告指出,高质量具身数据成为商业化核心,触觉传感器和真机数据的重要性日益凸显。国内外发展策略存在差异,海外更注重具身应用探索,而国内则优先发展内容生成和端侧应用。这一趋势预示着物理AI将从理论研究向实际应用加速转化,相关技术如传感器、数据处理等将迎来更广阔的市场空间。投资者需关注数据采集效率、传感器技术成熟度以及端侧应用落地情况,这些因素将直接影响行业的发展速度和商业模式创新。
研报重点分析了物理AI的核心逻辑与AI硬件的周期性特征。在物理AI方面,聚焦于高质量具身数据的重要性,对比了不同数据采集方式(ego、umi、真机)的特点,并探讨了触觉传感器等关键技术的应用趋势。在AI硬件领域,报告强调了当前市场已消化悲观预期,未来产业链将进入需求驱动的再平衡周期,分析了AI硬件的周期性规律及其对市场的影响。此外,报告还梳理了相关产业链上下游企业,包括物理AI、PCB、散热新材料、光通信、玻璃基板和元器件等领域的重点公司,为投资者提供了全面的行业视角。
当前AI硬件市场正处于周期性调整阶段。报告指出,股价已反映市场悲观预期,未来将随下游需求变化而调整产业链供给。AI硬件发展具有明显的周期性特征,如同万物节点的开端需要平衡一样,市场过热或需求过增时,都需要通过供给增加来重新平衡。这一现状意味着投资者需关注市场需求的变化,以及产业链各环节的供需关系。报告特别提到,AI硬件的周期性波动不仅影响价格,也影响技术路线的选择和商业模式的演变,因此对产业链的全面理解至关重要。
研报提示了物理AI与AI硬件发展中的多重风险。首先,物理AI的商业化高度依赖高质量具身数据,但目前数据采集、处理和标准化仍面临技术瓶颈,这可能影响商业化进程。其次,AI硬件市场存在周期性波动,当前市场悲观预期可能持续较长时间,产业链上下游企业需应对需求变化带来的挑战。此外,国内外市场在技术路径和应用场景上存在差异,海外侧重具身应用,国内则更注重内容生成与端侧,这种差异可能导致资源配置不均。最后,技术快速迭代可能带来现有产品或技术的替代风险,投资者需密切关注技术发展趋势和市场竞争格局的变化。