文章核心观点 - 工业机器人行业正迎来由物理AI（具身智能）驱动的“第二次复兴”，预计未来十年全球出货量年复合增长率将高达12% [1] - 行业正经历从“灵活”到“智能”的进化，核心驱动力从硬件转向具备“思考”能力的AI大脑 [1] - 物理AI将重构产业链价值分布，并开启一个持续十年以上的高速增长期，若无此技术驱动，行业增长将回落至个位数 [7] 行业发展阶段 - 固定路径阶段（1980年代起）：机器人只能完成预设单一动作，应用局限于汽车点焊、喷涂等标准化操作 [6] - 灵活路径规划阶段（2020年代起）：机器人能实时调整路径应对环境变化，解锁机床上下料、码垛等新应用，成为行业“第一次复兴”的核心标志 [6] - 复杂任务规划阶段（当前）：机器人开始具备“思考”能力，能自主完成长序列、高灵巧度任务，实现软材料处理及深度人机协作，开启行业“第二次复兴” [7] 物理AI的四层生态 - 最底层：机器人本体及数字孪生：作为物理世界中的“身体”和虚拟世界中的“影子”，由高精度伺服电机、减速器和嵌入式控制算法构成基础 [10] - 第二层：多模态AI驱动的任务规划软件：作为机器人的“大脑模型”，能感知传感器信息并进行推理规划 [10] - 第三层：传感器阵列：作为机器人的“眼睛”和“皮肤”，包括3D视觉相机、触觉和力矩传感器，为AI决策提供数据基础 [10] - 最顶层：“世界模型”：能模拟真实物理规律的数字环境，让机器人在虚拟世界中无限试错学习，用于多模态AI训练、产线虚拟部署及预测性维护 [11] 对物理AI的四个关键认知 - AI拓展功能而非颠覆硬件：物理AI的“脑模型”负责高层级路径/任务规划（判断“该怎么做”），传统控制算法负责精准执行具体运动，在六自由度空间控制中传统方法精度仍远超AI [13] - “大脑”与“世界”分属不同战场：“世界模型”擅长从真实数据中学习物理定律以模拟交互，特别适用于处理复杂形状、未知材质物体的交互模拟（如布料折叠），该层级玩家常与整机厂商不同 [13] - 传感器需求将迎来爆发：视觉与非视觉传感器的精细化数据是任务规划和“世界模型”构建的基础，其需求将随物理AI普及呈指数级增长 [13] - 头部厂商的“双重策略”：如发那科等巨头，一方面向AI软件层延伸，另一方面在“大脑”和“世界”层级寻求外部合作，例如近期宣布支持ROS2并与英伟达合作 [14] 产业链价值转移与投资逻辑 - 整机厂商：具备核心算法自研能力又开放合作的玩家将保持领先，仅依赖硬件制造的时代正在过去 [15] - 核心零部件厂商：将享受行业增长红利，但技术壁垒决定溢价空间，高端减速器、伺服系统供应商地位将更加稳固 [15] - 传感器和AI软件厂商：作为物理AI生态的关键赋能者，站在风口，其细分市场增速可能超越整机市场本身 [15] - 市场溢价：技术领先的企业，其年度市场增长率往往高于大盘，表明市场愿意为技术领先性支付溢价 [15] 技术应用挑战与市场空间 - 技术落地节奏：从实验室到真实车间的技术落地可能需要数年甚至更长的适配期 [17] - 成本问题：高端传感器和AI软件的高昂价格，可能使物理AI方案在初期只能局限于高附加值行业 [17] - 市场需求：制造业自身需求是最终决定力量，宏观经济增长乏力或企业资本开支收缩将影响技术普及 [18] - 标准化缺失：不同厂商的技术标准、数据格式、接口协议不统一，可能阻碍生态系统形成和规模化应用 [18] - 潜在市场空间：汽车行业焊接工序自动化率已接近90%，而装配工序却不足30%，这剩余的70%自动化空间是物理AI试图弥合的核心地带 [20] 行业变革意义 - 生产逻辑重构：工业机器人从替代重复劳动的“钢铁手臂”，转变为能应对不确定性、自主决策的“智能伙伴” [20] - 两次复兴对比：2020年代开始的第一次复兴让机器人“会动”，而2026年前后开启的第二次复兴才真正让机器人“会想” [20]