📰 研报摘要
查看全文 ➔摘要： 本次会议由国金证券计算智能组、机械组及计算机组共同汇报，重点探讨了人形机器人数据采集端的爆发、垂类应用场景的落地路径，以及物理 AI 在工业制造领域（尤其是流程化工）的商业化潜力。
行业主线：
- 数据采集端需求爆发：受海外趋势影响，人形机器人通过第一人称数据认知事件成为共识，导致深度相机、数据手套等硬件及数据供应商需求剧增，市场空间有望从数十亿向千亿量级演进。
- 垂类应用率先落地：行业共识认为垂类场景（如巡检、安防、钢铁）对数据量要求较低，将先于通用机器人放量，其中机械臂作为最大公约数设备将最先受益。
- 物理 AI 驱动生产力提升：物理 AI 被视为推动 GDP 增长的核心，通过将 AI 大脑植入工厂设备（如流程化工的 DCS 系统），实现生产效率的实质性提升。
关键变化与分歧：
- 数据规模的量级差距：目前全球真机数据量仅相当于一个人的全生命周期数据，距离实现泛化仍有巨大缺口，预计 2026-2028 年将进入持续爆发期。
- 中美物理 AI 竞争格局：分析师认为中国在工业制造领域的自上而下政策推动及企业配合度更高，有望在工业 AI 应用领域走出全球领先企业。
受益方向与风险：
- 受益方向：数据采集设备（深度相机、传感器）、数据服务供应商、工业机器人本体（尤其是机械臂龙头）以及具备工业数据壁垒的物理 AI 方案商。
- 核心风险：真机数据采集进度不及预期、垂类应用商业化落地缓慢、工业 AI 订阅制模式在国企端推广受阻。