这份研报的核心观点是有效数据供给不足是机器人泛化的重要约束,模型进步与量产扩张共同驱动数采需求。Ego数据成为重要的增量训练数据来源,预计2026、2027、2030年新增数据需求分别约1000万、4200万、5.4亿小时,对应数采市场空间53、194、798亿元。报告重点分析了数采需求、Ego产业链、大模型、工业应用和商业模式,认为数采爆发加速模型迭代,数据飞轮推动机器人大规模量产。
物理AI赛道的发展趋势是多源并行数据采集和训练体系扩展。机器人数据采集正从单一路线走向多源并行,训练体系由单一机器人示范逐步扩展至人类、互联网及合成数据联合训练。Ego数据价值显著,但未来真机规模化部署后,成熟任务的数据供给将逐步向自主运行回流倾斜,Ego长期需求更多来自新增任务,其相对重要性预计逐步下降。市场空间预计2026年数采市场空间53亿元,2027年有望达到194亿元,2030年预计798亿元,均价下降至148元/h。
研报重点分析了物理AI的数采需求、Ego产业链、大模型、工业应用和商业模式。在数采需求方面,报告探讨了物理AI、机器人训练、数采方式比较、数据采集趋势、Ego数据价值、未来趋势和市场空间。Ego产业链方面,报告分析了Ego数据价值、产品分层、采集流程、数据竞争重点、海外供给、国内供给和产业链。大模型方面,报告分析了通用智能进入机器人、通用模型能力升级、通用模型控制机器人、海外厂商加码通用能力、国内厂商加快开源与本体协同和模型能力向执行延伸。工业应用方面,报告分析了自动化基础、工业场景优先落地、物理AI增量价值、高频、有变化且可恢复的任务、工业物理AI参与者和系统交付。商业模式方面,报告分析了产业链、本体厂商、模型公司、数采公司和零部件企业。
当前物理AI市场的现状是数据供给不足制约机器人泛化,数采需求爆发加速模型迭代。Ego数据成为重要的增量训练数据来源,但真机规模化部署后,成熟任务的数据供给将逐步向自主运行回流倾斜。市场空间预计2026年数采市场空间53亿元,2027年有望达到194亿元,2030年预计798亿元,均价下降至148元/h。产业链方面,视觉与运动感知是核心硬件环节,中游数据生产与交付是产业链核心环节,呈现三大特点:模型厂商、本体厂商自建数据体系与第三方专业服务商并行发展;数据采集具有较强的场景和本体适配属性;平台化数据授权尚处早期。
研报提到了模型及算力进展不及预期、商业化及量产不及预期、评测与仿真数据有效性不足和竞争加剧等风险。模型及算力进展不及预期可能导致物理AI应用落地受阻。商业化及量产不及预期可能导致市场需求无法满足。评测与仿真数据有效性不足可能导致模型训练效果不佳。竞争加剧可能导致行业利润空间被压缩。这些风险因素需要关注,以全面评估物理AI赛道的投资价值。