机器人产业洞见：物理AI与数据产业链机会分析

摘要： 本次会议由国金证券多个研究团队分享，核心观点认为机器人产业目前的关键卡点在于“数据”而非算力，提出了“物理AI”的概念，并详细探讨了数据采集的技术路径及相应的产业链投资机会。

行业主线：

1. 数据驱动物理AI：机器人未来一两年的机会集中在机器人数据（物理AI）领域。数据获取主要分为动捕（UMI）、第一人称素材（Ego）、真机摇操和仿真模拟四种方式。
2. 产业链四个维度：机会分布在设备端（“铲子股”）、仿真平台、素材公司以及垂类应用（如家务/工业大模型）。

关键变化与分歧：

1. 仿真与真机的结合：目前行业通用做法是在预训练阶段使用仿真训练，随后通过少量真机数据微调，仿真路径的国产替代能力正在增强。
2. 工业视觉升级：物理AI的爆发将推动工业视觉从传统的程序化转向智能化，对光源、相机及图像分析算法的需求将大幅提升。

受益方向与风险：

1. 受益方向：高精度视觉传感器、具备自主物理求解引擎的仿真平台、在非结构化领域有布局的传统工业机器人公司。
2. 核心风险：机器人商业化量产节奏不及预期、数据采集成本过高、物理AI模型落地场景受限。