行业投资评级 - 报告未明确给出行业投资评级，仅提出建议重点关注数采与人形机器人两大投资主线 [9] 核心观点 - 物理AI核心变化是大模型能力进步推动数据需求与机器人部署形成正向循环，重点关注数采设备、视觉及触觉传感器、数据服务、人形机器人本体及核心零部件和机器人垂直应用领域 [4] - 头部大模型公司加速布局物理AI，模型能力进步有望推动产业迭代，通用大模型与具身控制系统结合有望降低专用模型开发门槛，推动物理AI由单任务训练向跨场景泛化发展 [9] - 物理AI产业瓶颈向真实交互数据延伸，互联网数据难以充分覆盖接触力、摩擦、形变等物理信息，高质量交互数据成为模型训练的重要基础，数据采集产业链有望率先受益 [9] - 特斯拉提出万台级机器人训练规划，计划部署约1万-2万台Optimus开展真实任务及自我练习并建立Optimus Academy，数据采集与人形机器人有望形成正向循环 [9] - 模型与硬件协同迭代，人形机器人商业化有望加速，有望由预设动作向复杂任务自主执行发展，并向工业制造、物流仓储等更多下游应用场景渗透 [9] - 建议关注两条主线：一是数据采集产业链，包括数采设备、视觉、IMU、触觉传感器及数据处理等；二是人形机器人本体、核心零部件和应用环节，包括特斯拉、OpenAI及其他潜在海内外大模型厂商供应链和机器人垂直应用领域相关企业 [9] 事件描述 - Google推出Gemini Robotics ER 2，提升物理环境理解、任务规划及机器人控制能力 [7] - OpenAI持续建设机器人数据采集体系 [7] - 特斯拉2026Q3财报会提出建设Optimus Academy，计划部署约1万-2万台机器人开展训练 [7] - 国内智元发布AGIBOT WORLD 2026强化学习数据集，持续完善真实机器人训练数据体系 [7] 头部大模型公司物理AI布局 - Google推出Genie 3世界模型，可生成720P、24fps的实时交互环境 [9] - Gemini Robotics ER 2采用分层控制架构，结合上层模型的任务规划与下层VLA模型的动作执行，官方测评显示真实VLA控制任务成功率由48.6%提升至60.0% [9] - OpenAI持续招聘机器人相关岗位人员，持续推进机器人数据采集、现场工程及执行器开发 [9] 数据采集产业链 - 当前数据采集主要包括Ego第一视角、UMI操作示范、真机遥操作及仿真合成等路线，未来有望形成多种方式结合的训练体系 [9] - 随着模型对触觉、力觉、姿态及动作轨迹等多模态信息的需求提升，数采设备向高精度、多传感器融合升级 [9] - 数采设备、3D视觉、触觉传感器、数据手套及数据服务等环节均有望受益 [9] 人形机器人产业进展 - 不同于自动驾驶拥有大规模存量车辆持续积累数据，人形机器人需要通过本体部署逐步建立训练体系 [9] - 机器人既是物理AI的应用载体，也是获取真实交互数据的重要工具，本体部署增加有望加快数据积累和模型迭代，模型能力提升又有望推动机器人应用及需求增长 [9] - 过去人形机器人受限于专用模型的复杂任务理解及泛化能力，商业化进展相对缓慢 [9] - 随着通用大模型在空间理解、任务规划及动作决策方面持续进步，机器人有望由预设动作向复杂任务自主执行发展 [9] - 模型与硬件能力提升有望推动机器人向工业制造、物流仓储等更多下游应用场景渗透，带动机器人本体、执行器、丝杠、减速器、传感器及结构件等环节的需求释放 [9]