投资评级 - 报告给予奥比中光-W“买入”评级，且为首次覆盖 [6] - 盈利预测：2026-2028年归母净利润分别为1.80亿元、3.01亿元、4.08亿元，对应PE分别为235倍、141倍、104倍 [6] - 盈利预测与估值表显示：2026E/2027E/2028E营业总收入分别为1,102.00百万元、2,045.00百万元、3,505.00百万元，同比增速分别为17.14%、85.57%、71.39%；归母净利润同比增速分别为41.05%、66.81%、35.46%；EPS分别为0.44元/股、0.73元/股、0.99元/股 [1] 核心观点 - 物理AI等场景的放量增长将推动公司业绩增长，公司具备全栈技术能力，研发投入成效逐步显现，技术壁垒将进一步深化 [6] - 公司持续优化业务结构和产能配置，调整低毛利业务占比，减少传统生物识别支付终端场景订单规模，聚焦高盈利、高成长性赛道，促进毛利率抬升 [6] - 研发投入推动产品矩阵持续扩充和客户导入数量增长，自主芯片、算法和全栈技术能力有助于优化成本结构，推动综合毛利率稳步抬升 [6] - 公司前瞻卡位机器人场景，视觉方案销售收入已达上年同期2倍以上，累计服务超千家机器人客户 [6] - 公司积极布局海外生态市场，2026年前三季度直接境外收入同比翻倍，海外生态布局及重点客户深耕成效显现 [6] 经营业绩总结 - 2026年前三季度公司营业收入约7.11亿元，同比-0.43%；实现归母净利润7386万元，同比-31.62%；扣非归母净利润4583万元，同比-33.16% [6] - 2026年前三季度毛利率达到49.09%，同比+6.29ppts；销售、管理和研发费用率分别为7.49%、12.94%和24.57%，同比+0.55、+3.75和+4.05ppts [6] - 2026Q3单季度实现营收2.73亿元，同比-1.86%；实现归母净利润3222万元，同比-32.63%；扣非归母净利润2279万元，同比-40.63% [6] - 公司利润明显下降主要源于管理和研发费用的提升 [6] 业务结构优化总结 - 业务结构方面，公司调整低毛利业务占比，减少传统生物识别支付终端场景的订单规模，优化业务结构以及产能配置，聚焦高盈利、高成长性赛道，促进毛利率抬升 [6] - 研发投入成效方面，公司研发投入推动产品矩阵的持续扩充和客户导入数量的增长，自主芯片、算法和全栈技术能力有助于优化公司成本结构，推动综合毛利率稳步抬升 [6] 机器人业务总结 - 公司面向全球机器人市场，累计服务超千家机器人客户，视觉方案销售收入显著提升，已达上年同期2倍以上 [6] - 产品矩阵逐渐成熟：公司形成Gemini系列双目3D相机、Femto系列TOF相机、Astra系列单目结构光相机以及无本体数据采集硬件平台等系列产品矩阵 [6] - 客户生态扩张：机器人领域和荣耀、普渡科技以及高仙机器人等开展合作，涉及场景包括物流、清洁等场景，客户生态持续丰富 [6] 海外业务总结 - 公司2026年前三季度直接境外收入同比翻倍，海外生态布局及重点客户深耕成效显现 [6] - 海外市场与日立集团、韩国Twinny、美国Quasi Robotics、新加坡LionsBot等多家企业建立合作关系，覆盖工业物流、商用清洁以及护理服务等多个场景 [6] - 2026年5月，公司海外制造基地越南RVMC工厂建设项目启动，该基地将主要承担面向海外市场销售产品的制造任务，随着“中国+越南”双工厂格局逐步落地，公司将在研发与制造两大维度实现双重升级，全球交付效率将得以提升 [6] 财务预测总结 - 资产负债表预测：2026E/2027E/2028E资产总计分别为4,770百万元、5,301百万元、5,981百万元；归属母公司股东权益分别为4,113百万元、4,425百万元、4,843百万元 [7] - 利润表预测：2026E/2027E/2028E营业总收入分别为1,102百万元、2,045百万元、3,505百万元；营业成本分别为568百万元、1,031百万元、1,766百万元；研发费用分别为226百万元、450百万元、841百万元 [7] - 毛利率预测：2026E/2027E/2028E分别为48.50%、49.61%、49.63%；归母净利率分别为16.37%、14.72%、11.63% [7] - 现金流量表预测：2026E/2027E/2028E经营活动现金流分别为(53)百万元、298百万元、371百万元；资本开支分别为(180)百万元、(215)百万元、(251)百万元 [7] - 重要财务与估值指标：2026E/2027E/2028E每股净资产分别为9.96元、10.72元、11.73元；ROIC分别为4.91%、6.78%、8.45%；ROE-摊薄分别为4.39%、6.80%、8.42%；资产负债率分别为13.41%、16.21%、18.74% [7] 市场数据 - 收盘价102.58元，一年最低/最高价分别为69.02元/153.30元，市净率10.48倍，流通A股市值32,852.66百万元，总市值42,348.59百万元 [5] - 每股净资产9.79元(LF)，资产负债率12.08%(LF)，总股本412.83百万股，流通A股320.26百万股 [6]

文章核心观点 - 智元发布新一代具身基座模型GO-3 Preview，采用具身原生WRAM架构，将任务推理、未来预测与动作生成串联，登顶RoboDojo、RoboTwin、RoboColiseum三大行业权威评测榜单，并计划于2026年底全面开源 [2] - 公司认为具身智能要走全链路scaling，不仅包含预训练，还要包含后训练、部署后持续迭代，具身模型不是单纯“训出来的”，更是在真实世界“干出来的” [4] - GO-3 Preview在三大具身智能评测榜单中均位列第一，体现通用能力与操作能力的最新进展，展现全链路规模化学习的技术潜力 [27] - 从GO-1提出ViLLA架构，到GO-2首创“动作思维链”，再到GO-3在更多环节放大规模的力量，公司不断拓展具身智能的能力边界 [27] 预训练：建立通用能力 - 预训练阶段以具身原生架构WRAM为基础，从数据与模型两个维度入手提高机器人通用能力，让其更快学会“举一反三” [5] - WRAM架构输入端将视觉输入token压到DINOv3的十六分之一、动作恢复误差降低35%；决策端单步预测未来，先预测后果再通过IDM模块生成动作；输出端KASO四选其一，训练时即筛掉不相容的未来 [5] - 通过CoAE、SVP和KASO三项核心设计，模型能够理解“要做什么”、判断“接下来会发生什么”，并生成“具体应该怎么做”的动作 [6] - 数据维度解决“学什么、学得够不够广”：人类第一视角视频提供丰富的物体交互和任务过程，机器人轨迹建立观测、动作与物理结果之间的联系 [8] - 模型维度解决“如何承接和运用这些经验”：通过增强学习能力，把分散的经验组织起来，转化为可迁移的通用能力 [8] - 经过预训练，模型任务迁移与复杂技能适应能力更强，在Zero-Shot与Few-Shot任务中得到检验，在家居、厨房、多机协作、灵巧操作场景里不用额外微调即可直接完成陌生任务 [8] - CoAE提取面向控制的视觉表征，为未来预测与动作生成提供基础，将物体位置、形态和相互关系与机器人如何行动建立联系 [9] - SVP根据观测与任务条件预测后续变化，动作生成模块进一步学习如何从当前状态到达预测状态 [9] - KASO在训练中筛选与真实动作更相容的候选结果用于联合学习，让未来预测与动作生成的训练目标更好衔接 [9] - 乐高拼装要求准确抓取零件、找准位置并完成插合，经过微调的模型能够完成这些精细动作，并在智能体编排下将多个步骤衔接起来完成拼装 [11] 后训练：在虚实交互中改进 - 后训练阶段公司构建分布式混合环境后训练系统Genie Evolver，依托百台真机，并结合物理仿真与世界模型，让机器人在实践中提升能力 [14] - 机器人经验在后训练系统中汇聚、模型策略随之更新、新模型下发真机进行验证、新的反馈再次回流 [14] - 真机环境方面，CEL（群体经验学习）汇聚多台机器人的执行经验，成功轨迹提供可学习的动作，失败上下文指明需要改进的环节，通过检索相关成功片段、更新共享策略，让个体经验被群体复用 [17] - 物理仿真方面，基于Genie Sim仿真环境低成本拓展场景边界，支持在不同环境条件下组织训练与评测，为策略探索提供可重复的条件 [17] - 世界模型方面，依托Genie Envisioner 2.0世界模型，机器人拿到一段真实经历后可分叉推演多条未来路径，对比不同结果优化策略，再用真机反馈持续校准世界模型 [17] - 桌面冰壶中，经过4小时在线迭代，机器人性能超过被测人类平均水平；抽积木塔可以连续抽取5块，还能保持整塔稳定 [18] - 面对更复杂的任务，GO-3 Preview可利用少量示范进一步学习，完成制作煎饼果子这样的长程精细任务 [13] 部署后：复用真实作业经验 - 公司通过具身Agent框架Genie Master把判断、执行与反馈连接起来，让机器人实现部署后的自主改进，在真实作业中持续提升能力，实现“边上岗，边解锁新技能” [20] - 研究团队引入具身执行协议EEP，统一能力、引导、反馈和连续性四类接口，让Agent清楚有哪些机器人能力可以调用、这一步应如何引导执行、实际结果是否达到要求以及还有哪些任务需要完成 [22] - 路径一是让经验可积累，将成败案例沉淀为记忆指导后续任务编排，机器人随做随记成功与失败案例，每日任务结束后由模型统一总结，把可复用内容沉淀进长期记忆 [22] - 路径二是让能力可固化，将作业轨迹用于继续训练动作策略，Agent协助执行、接管和恢复过程中产生的数据经后处理后用于训练动作策略，使有效改进保留在模型参数中 [22] - 机器人完整任务流程成功率从首日28.6%，5天后稳定至85.7% [24] - 便利店机器人挂小挂钩时自主定位问题、沉淀经验、调整动作时序，把失败记录变成动作指南，其单任务成功率相比常规微调（SFT）提升17.7个百分点，且支持持续在线学习 [24] - 这是行业首次跳出仿真环境、走出实验室，在真实业务场景中验证Physical RSI（具身递归自进化） [25] - 搭载该框架的精灵G2在真实便利店上岗期间，不依赖人工示范与调试，自己定位失败原因、调整策略、沉淀经验，在多个复杂精细任务上持续改进，实现“无人在环”的持续自我进化 [26]

文章核心观点 - 中银投策四季度继续以“红利+科技”为权益核心配置，黄金维持标配并关注回调布局，同时重新审视美债在外币资产中的比较优势 [6] - 四季度投资机会正在缩圈、资产预期涨幅压降，但中国权益仍有流动性“外紧内松”、国内政策与企业盈利的支撑 [9] - 全球配置顺序由“贵金属、有色金属、权益、债券”调整为“商品、权益、有色及贵金属、债券”，供需因素支撑商品位置前移 [22] 权益配置：红利+科技 - 科技承载产业增长预期，红利在低利率环境下提供现金分红来源，两者搭配有助于减少组合对单一成长风格的依赖 [12] - 三季度特别推荐的红利指数季度涨幅约14%，对科技板块回调形成对冲 [13] - 继续关注具身智能、量子科技、生物制造等未来产业，看好科技革命和产业变革带来的增长动力 [14] - AI投资进入业绩验证阶段，企业能否把投入转化为收入和利润将影响市场估值；科技调整挤出部分泡沫后，将为配置资金分批布局创造机会 [15][16] - 以“红利+科技”为核心结合其他主题卫星配置形成“2+N”思路，卫星配置应与投资者风险偏好相匹配 [17] 全球资产配置调整 - 2026年初以“美元降息叠加扩表”为前提将贵金属放在大类资产配置首位，但地缘冲突推高油价与通胀，至9月美联储加息使海外利率环境偏离宽松预期 [20][21] - 商品供需支撑：地缘冲突影响原油运输与生产，取暖季与补库存需求使供需缺口短期难以弥合；铜铝受矿端供应和产能约束，同时承接AI数据中心、电网和新能源需求 [24] - 维持原油标配、铜铝推荐观点，后续重点关注原油供应恢复节奏及铜铝产业需求能否持续兑现 [26] 黄金与美债配置 - 央行购金与储备多元化提供较长期需求来源，但持有黄金不产生利息，海外利率走高提高机会成本；三季度建议逢高将黄金从推荐调至标配以兑现过去三年部分收益 [28] - 四季度维持黄金标配并提出“逢低再次增配黄金”，基准情景预计金价可能在4100—4600美元/盎司区间宽幅震荡，建议分批布局、降低短期收益预期 [29] - 5月将美债从推荐调至标配，至三季度末10年期美债收益率达到5.29%；利率上行压低存量债券价格但也提高新配置资金收益率，若后续利率回落还可能带来价格修复 [31][32] - 四季度重新强调美债在外币资产中的比较优势，建议侧重中短久期、锁定较高票息，等待通胀与就业数据持续回落后再考虑久期切换 [33] 配置时机与跟踪条件 - 5月11日策略周报提醒“科技引领结构行情，警惕交易拥挤、谨慎追高” [38] - 6月29日提示风格轮动或已开始，建议关注低位反转的券商与创新药，等待科技板块企稳后再逢低布局；当周科创50出现单日7.7%跌幅，创新药指数上涨12.75%，券商板块维持正收益 [39] - 后续需跟踪科技企业盈利兑现、黄金需求变化以及海外利率对资产价格的影响 [41]

文章核心观点 - 大洋电机实控人、董事长鲁楚平因与董事彭惠的离婚纠纷，被法院裁定保全价值30.77亿元财产，包括冻结其持有的4.15亿股股票及孳息、员工持股计划中9.80万股对应份额、上限约1亿元的未发放薪酬和奖金 [2] - 冻结令叠加机器人概念炒作后的股价高位，引发市场对"天价离婚"的集中关注，10月30日公司股价开盘大跌、盘中一度跌停，报7.61元/股，下跌7.08%，总市值降至200亿元以下 [2][3] - 公司强调本次财产保全事项与公司生产经营无关，不会对公司经营情况产生重大影响 [10] 离婚纠纷与股份冻结详情 - 鲁楚平为大洋电机核心创办人，2000年在广东中山创立公司，2008年6月带领公司登陆深交所；彭惠于2000年加入公司，现任非独立董事，二人同为实际控制人 [7] - 截至2026年三季报期末，鲁楚平直接持有公司6.14亿股，占总股本的24.79%，为第一大股东；彭惠持有4809万股，占1.94%，二人合计持股约26.73%；鲁楚平、彭惠、鲁三平和熊杰明构成一致行动关系，同为公司实际控制人 [7] - 本次被冻结的4.15亿股，约占鲁楚平个人持股的67.6%、占公司总股本的16.8%；鲁楚平所持股份中有4.60亿股为高管限售股，被冻结股份中相当部分处于限售状态 [7] - 法院请公司协助执行三项内容：冻结鲁楚平持有的4.15亿股及孳息；冻结其在员工持股计划中对应9.8万股的份额及财产权益；冻结其在公司及关联公司已计提但未发放的全部工资、奖金、绩效薪酬等，金额以约1亿元为限；保全期间相关财产不得转让、出租、抵押、赠与或作其他处分 [7] - 公司定于10月30日实施2026年半年度权益分派（每10股派现0.89元），鲁楚平所持4.15亿股对应的现金分红也将被同步冻结 [8] - 今年7月8日公司曾披露，彭惠向中山市第一人民法院提起诉讼，请求判令双方离婚并进行财产分割，案件已获受理但尚未开庭；此次财产保全意味着离婚案已进入实质性财产控制阶段 [9][10] 股价异动与机器人概念 - 公司股价连续走强，7个交易日累计涨幅超过30%，其间两度涨停，公司因连续三个交易日涨幅偏离值累计超20%两度发布股票交易异常波动公告 [12] - 股价异动推手为机器人概念；公司在公告中坦言，近期资本市场对机器人概念关注度较高，但公司具身智能机器人关节模组业务从技术验证到规模应用仍需培育周期，目前处于研发、测试阶段，尚未形成营业收入，预计短期内不会对业绩产生重大影响 [12] 基本面与业绩表现 - 公司主营建筑及家居电器电机、新能源汽车动力总成系统、车辆旋转电器、氢燃料电池系统及关键零部件，形成以建筑及家居电机为主的BHM事业部和以汽车零部件为主的车辆事业集团（EVBG） [12] - 2011年至2016年，公司先后收购芜湖杰诺瑞、佩特来集团、上海电驱动实现扩张，2021年营收首次突破百亿元；2022年鲁楚平夫妇曾以75亿元财富跻身胡润百富榜 [12] - 2026年三季报显示公司"增收不增利"：前三季度实现营收94.99亿元，同比增长3.47%；归母净利润为4.90亿元，同比下降42.04%；其中第三季度营收为33.19亿元，同比增长12.92%，但归母净利润仅7143.93万元，同比大降70.58% [13] - 公司解释利润下滑主要受五方面因素影响：空调行业景气度偏弱令建筑及家居电机业务承压；铜、铝等大宗原材料及电子元器件涨价挤压毛利率；人民币升值带来汇兑损失增加；终止H股上市项目后中介服务费转入当期管理费用；所持博雷顿科技于2025年在港上市，推高了上年同期公允价值变动收益基数 [13] 行业现象：A股"天价离婚"案例 - 10月12日，神农集团公告实控人何祖训与罗婉瑜经法院调解自愿解除婚姻关系，何祖训所持2.61亿股中的30%（7830.5万股）归罗婉瑜所有，按当日收盘价30.43元/股计算对应市值约23.83亿元；双方签署一致行动协议，公司实控人未发生变化 [15] - 9月8日，我武生物披露共同实控人胡赓熙与陈燕霓因离婚导致公司实际控制人发生变动，涉及二人合计控制的公司47.20%股份，按当日收盘价计算市值约54.23亿元，公司实控人变更为陈燕霓一人 [15] - 7月18日，强一股份公告实控人周明签署离婚协议，将10.86%股份分割给前妻，按公告日收盘价计算市值约59.51亿元 [15] - 年内卓胜微、朗姿股份、安正时尚、神州数码等公司亦披露实控人离婚股权分割 [16] - A股此前金额最高的离婚分割发生在2020年，康泰生物董事长因解除婚姻关系进行财产分割，拟将直接持有的1.61亿股公司股份分割过户到前妻袁莉萍名下，按当日收盘价计算分割股份市值达235.54亿元 [16] - 2024年5月实施的《上市公司股东减持股份管理暂行办法》明确，因离婚分割股份的双方须合并计算大股东身份，共同遵守减持比例和信息披露要求 [16]

文章核心观点 - 前沿通用智能模型在部分操作任务上具备零样本能力，但落地部署的关键在于策略可靠性，机器人在接触交互、对齐及长流程任务中仍易反复出错 [1] - 人类动作示范可提升模型可靠性，但大规模部署时专家人力难以同步扩张，行业需要摆脱对人类示教的依赖 [1][7] - 行业探索方向是让具备基础能力的机器人在真实世界中自主试错、利用自采数据持续迭代，并将个体经验转化为群体可复用的能力 [1][43] - 清华大学、智元与无问芯穹联合提出群体经验学习（CEL）范式，并在96台机器人上完成原型验证 [1] CEL范式的核心机制 - CEL改变后续学习中动作监督的来源，一台机器人在相似情境下的成功经验可帮助共享策略弥补另一台机器人的不足，实现一台机器人的练习惠及整个群体 [8] - 人类角色随之变化：从不断提供动作、协助探索，转向结果判定 [9] - 落地需跨越两道关：一是如何从仅有0/1反馈的大量执行经验中找到真正值得学习的经验，二是如何让规模化机器人在线运转，在通信受限和局部故障下持续稳定积累经验 [13] FERT算法：失败引导的经验检索微调 - 单次任务时长3分多钟、4000多步，但最终反馈仅有一个比特，成功记为1、失败记为0，无法直接指出策略不足环节与值得重点学习的成功经验 [14] - FERT区分成功与失败样本作用：成功轨迹提供可学习的动作，失败场景指明学习重点方向 [14] - 初始策略在各机器人上异步执行任务，成功轨迹存入共享经验池作为后续微调素材 [16] - 算法截取失败任务临近结束前的一段观测序列，对相机图像与机器人关节状态做联合编码，并据此在成功经验池中检索相似操作片段 [16] - 与当前失败场景匹配的成功片段被赋予更高采样优先级，引导训练聚焦易出错环节；更新完成的策略下发回机器人，持续生成新的成功与失败经验 [17] FATS容错异步训练系统 - 96台机器人同时训练面临执行快慢不一、复位慢、网络波动、充电、硬件故障等现实问题，局部故障即重启整个训练将使大规模协同训练无从谈起 [19][20] - FATS将100台机器人、50个边缘节点和6台云端服务器持续动态组织起来，稳定支撑大规模真实世界在线学习，并将机器人视作与GPU同等的训练资源实现统一调度 [21] - 数据平面SwarmLink连通环境、推理与训练节点，每台机器人完成一轮任务后异步提交数据，训练侧基于已抵达经验实时更新策略，无需等待所有机器人任务完成 [22] - SwarmLink支持端云资源灵活编排，训练、推理等组件可按需部署在云端或端侧，并支持多样化网络带宽与拓扑结构自由配置，以权衡权重同步的高带宽开销与频繁交互的延迟压力 [22] - 控制平面HotSwarm管理节点和工作进程动态进出，机器人暂停、离线或重新加入时保留节点注册信息与资源配置，更新工作进程并修复受影响连接 [27] - 96台机器人规模系统实验中，集群累计采集9834轮执行经验，期间22台机器人发生30起故障，故障导致的机器人时间损失仅占总运行机时的1.3% [27] 真实任务实验与性能表现 - 实验横跨家庭与工业场景，覆盖插花、叠衣服、手机充电、凳子组装和手机包装五项任务，涉及柔性物体、精确操作、工具使用与长流程执行 [35] - 五项真实世界任务、两台未参与训练的机器人共完成600次测试，累计测试近30机器人小时，仅出现15次任务失败，总体成功率97.5%，失败率仅2.5% [37] - 单台机器人在叠衣服和手机充电任务中分别实现连续3小时34分和3小时19分无任务失败 [37] - 传统离线微调（SFT）平均成功率仅36.3%，基于人类示范的多机HG-DAgger方案成功率提升至81.0%，CEL范式下的FERT算法进一步突破上限，最终模型在全任务上的表现均超过6名人类遥操员的平均水平 [37] - 手机包装等多阶段长流程工业场景中，训练后策略在两台未参与训练的同型号机器人上完成120次测试，成功率从79.2%提升至98.3%，失败从25次降至2次，减少92% [4] 规模化趋势 - 相同物理训练时间内，参与学习的机器人从16台增加至96台，测试成功率由86.7%提高至98.3%，机器人数量增加转化为更可靠的任务执行能力 [4] - FERT算法在五项任务上均呈现显著规模化趋势：机器人数量越多，任务成功率越高 [41] - 依赖人类示教的HG-DAgger方案仅表现出有限扩展能力，人类示教采集效率成为其扩大规模、突破成功率上限的瓶颈 [41] - 难度最高的手机包装任务中，参与FERT训练的机器人从16台扩展至96台，测试成功率从86.7%提升至98.3% [41] 行业意义与部署前景 - 具身智能的规模化方向除积累人类示范数据外，还可扩大具备自主探索能力的机器人群体，让真实世界物理交互成为持续学习的核心来源 [41] - CEL让已具备基础能力的机器人自主贡献经验，通过共享策略将个体实践转化为群体可复用的能力，部署现场成为新的经验来源 [43] - 96机实验将经验获取、经验利用与持续运行连接起来，在真实机器人上展示了扩大群体带来的学习收益，机器人数量有机会成为能力增长的新维度 [44]

文章核心观点 - 具身智能竞争焦点正从“谁能做出人形本体”转向“谁能让机器人在真实场景里创造价值”，若愚科技选择聚焦“机器人大脑”核心环节，以高价值场景打磨大脑能力 [3] - 若愚科技以“场景驱动 天生懂行”为路线，通过真实作业场景积累数据、迭代模型，形成“场景提供数据、数据淬炼大脑、大脑驱动落地、落地打开新场景”的闭环 [19] - 若愚科技首次独立参展ROBOTECH2026，若愚九天机器人大脑首次以完整作业形态公开亮相，集中展示机器人大脑在高价值场景的落地成果 [1] 场景切片：机器人大脑驱动的全流程自主加油 - 若愚科技展台1:1复刻智能加注真实作业场景，以吉利缤越作为联展车型、正星油机作为联展油机，机器人完成车辆停靠、油机就位、双臂协同、大脑驱动全流程自主加油 [1][4] - 加油作业需连续完成车辆识别、状态判断、任务规划、动作决策等多个环节，若愚九天机器人大脑以自主感知、理解与决策能力贯穿全程，实现“自己判断、自己规划、自己执行” [5] - 软硬件协同方面，若愚九天机器人大脑与机器人本体、作业设备深度联动，感知、决策、执行全链路贯通，体现“大脑+本体+场景&数据”三层架构的系统性能力 [7] - 双臂协同操作方面，机器人双臂协同完成作业任务，展示高复杂度操作场景下的运动控制能力，满足特种作业场景对精度、节拍与配合度的极高要求 [7] - 三个维度叠加构成完整能力叙事：公司不是在做“单点技术展示”，而是在验证“机器人大脑驱动的整机作业系统” [7] 产业合演：吉利、正星为何出现在若愚科技展台 - 智能作业系统商业化需机器人大脑接入真实车辆、真实油机设备、真实作业流程与真实工况环境，与吉利、正星联名展出本质是把“技术验证”升级为“产业预演” [9] - 若愚科技将与吉利汽车推进全系列车型加油充电场景深度合作，将自主加注能力从单车型验证扩展至系列化车型适配，为乘用车补能场景规模化落地打基础 [11] - 正星科技作为行业领先设备商，其渠道与市场资源将助力若愚科技在加注领域市场拓展，加速机器人大脑走向更多真实油站 [11] - 公司场景选择逻辑为优先进入高价值、高门槛、可规模复制的作业场景，加注作业场景标准化程度高、作业流程清晰、安全与效率诉求强烈，是机器人大脑落地的最佳试验场之一 [11] 作业体系：面向高危特种场景的产品矩阵 - 展品矩阵包括若愚揽月特种作业机器人、若愚摘星防爆灵巧手，以及驱动这些高可靠性作业硬件的若愚九天机器人大脑 [13] - 三者构成“大脑+本体+末端”完整作业体系：若愚九天机器人大脑统一负责感知、决策与调度；若愚揽月特种作业机器人作为高可靠性作业本体承担复杂场景下移动与作业任务；若愚摘星防爆灵巧手针对油气等易燃易爆高危环境提供精细化末端操作能力 [15] - 产品矩阵指向高危特种场景，加油、油气、化工等场景共同特征是环境风险高、人工成本高、作业标准化诉求强，是机器人大脑最能创造价值也最需要“懂行”的地方，公司以此建立与场景深度绑定的竞争壁垒 [15] 资本叙事：Pre-A轮融资背后的“场景落地”路线 - 展会前夕若愚科技完成亿元级Pre-A轮融资，在具身智能资本热度不减但投资人对“落地”愈发审慎的背景下，融资完成体现资本市场对公司路线选择的认可 [17] - 公司叙事逻辑形成清晰闭环：以高价值场景为锚点，让若愚九天机器人大脑在真实作业中积累数据、迭代模型；大脑能力增强后再反哺更多高价值场景 [19] - 相比“先做通用、再找场景”的路线，公司“场景驱动”路径更强调商业节奏确定性：每一轮技术投入对应可验证的作业场景，每一次场景突破沉淀为可复制的能力，这是其在Pre-A轮阶段即获得资本加持的重要原因 [19] 机器人大脑的下一个高价值场景 - 公司正用真实作业回答行业核心问题：机器人大脑如何从“能演示”走向“能干活” [20] - 本次独立参展是对外展示的“期中答卷”：技术上若愚九天机器人大脑完成从单点能力到整机作业系统的验证；商业上以联名合作为代表的产业协同模式初步跑通；资本上亿元级Pre-A轮融资为场景深耕提供弹药 [20] - 随着具身智能进入场景落地深水区，公司有机会在油气、化工、特种作业等真实产业中找到机器人大脑最扎实的用武之地 [20] - 场景驱动终将驱动出真正的行业价值 [21] 行业格局 - 本届博览会堪称具身智能产业缩影，宇树、优必选、智元、乐聚、擎天租等明星企业同场亮相，行业热度可见一斑 [3] - 具身智能行业共识正在形成：竞争焦点从“谁能做出人形本体”转向“谁能让机器人在真实场景里创造价值”，行业进入分化阶段 [3]

文章核心观点 - 王兴兴在2026世界物理AI大会暨宇树合作伙伴生态大会上发表主题演讲《相信，尽可能相信AI》，核心主张是信息世界的问题已被当前AI模型能力全部“吃”掉，大多数人只是还没反应过来 [5] - 王兴兴自我剖析称“到现在为止，我自己感觉自己还不够相信，还不够坚定”，认为自己对AI的信任程度仍需加深 [5] - 物理AI通过临界点会比预想的快，机器人规划问题和导航问题某种意义上已经解决，剩余关卡在于与真实物体交互的成功率 [12][14] - 王兴兴期待2027年或2028年搭载物理AI模型的机器人真正走进家庭 [17] 信息世界已被AI吃完 - OpenAI攻克了372个最顶尖的数学问题，全球最顶尖数学圈起了很大争议和轰动，AI在数学领域比人做得更好 [5][7] - 传统软件公司的壁垒被AI逆向工程打穿，原本做传统软件的公司，别人用AI工具就能把软件复刻出来 [5][7] - AI视频里人物的形象、表情、情绪比真人演员好很多，影视行业对此感受最深 [5][7] - 特斯拉的全自主出租车已经上线，只是这项服务在中国市场还没有，国内用户感受不够直接 [5][7] - OpenAI原创始人说过，全世界范围内真正了解或开发尖端AI模型的最多大概只有5000人，真正看到过最顶尖AI效果的人非常少 [8] - 互联网从2000年泡沫走到真正进每个人的手里大概花了10年，从最尖端的AI模型到每个人的个人助理、纯AI的手机，公司认为还需要5到10年 [10] - 以目前的模型能力，哪怕不再继续提高，信息世界也已经被击穿，手机上的软件、电脑上的软件、各种云端平台的问题全部被吃掉 [10] - 技术能力在行业内部的扩散这两年快得超出预期，从去年中下旬开始很多客户用宇树的机器人开发算法并开源，这些开源算法又被全球的机器人公司拿去用，这是过去一年人形机器人集体进步的来源 [10] 物理世界与机器人技术进展 - 斯坦福和英伟达都测试了GPT-6，对整个物理AI行业的改变非常大 [11] - GPT-6完全零训练直接控制机器人画画，模型部署到机器人上就能用，没写任何复杂代码，机器人自己换颜色、自己洗笔，画出来的点非常小、精准度很高 [11][12] - 机器人的规划问题、导航问题某种意义上已经解决，没解决的是跟真实物体交互的成功率，装个小东西相对简单，装配更精细的零件还不行 [12] - 剩余关卡是AI模型的输入输出和真实物理世界的对齐，传感器有误差、执行也有误差，模型对误差的修正能力还比较弱 [12] - 大模型解决物理AI里的装配问题，快的话一到两年、慢的话两到三年；语音指令让机器人收拾房间，快的话明年就可能实现 [12] - 公司去年提出概念：在未来80%左右的生活场景里，人通过语音和语言指令让机器人完成80%左右的任务，时间点最近到明年 [14] - 模型自己去搜论文、自己写代码、自己在网络环境里训练、自己在真实环境里测试，测试结果由模型打分，人偶尔参与一下，结果再喂回模型重新调整，这个循环转起来后算法迭代不再靠人一个个写程序 [14] - 公司今年最重要的一件事就是让模型自己把开发这件事跑起来 [14] - 大模型公司对机器人产业的关注度越来越高，公司在开发模型的同时跟国内外的大模型公司合作 [14] 王兴兴个人经历与行业判断 - 王兴兴09年上大一，做的第一版机器人就是双足人形机器人；10年开始做触觉手套（数据采集手套），也在那一年对人工智能产生兴趣 [16] - 那时候人工智能是非常冷门的行业，神经网络只是众多算法里的一个分支，王兴兴偏偏最喜欢神经网络，理由是它像人的大脑 [16] - 第一年上计算机课老师让每个人写一篇小作文，王兴兴写的题目是“随着神经网络规模的增加，可能会越来越像人的大脑” [16] - 16年AlphaGo轰动全球，22年底ChatGPT发布，直接决定公司在23年正式进军人形机器人 [16] - 王兴兴表示现在每天有太多想做的事、还有很多机器人相关的新东西要学，时间太少、过得太快，非常害怕浪费每一天 [16] - 行业非常火热，未来的蛋糕非常大、前景非常广阔，但竞争也非常惨烈，需要每天做得更好，只要公司和他所有的合作伙伴每天保持进步，未来就是他们的 [17] - 王兴兴认为这一代人真正有机会把超级智能或者AGI实现，把生产力提高到下一个台阶，这个机会不是安慰而是压力 [17] 世界物理AI大赛 - 公司发起世界物理AI大赛，理由是这几年AI的进步靠大家共同协作完成，从谷歌17年发表的Transformer架构到英伟达GPU、开源算法、GPT模型，这些奠定了全球AI和物理AI的技术基础 [17] - 大赛每年提供几千万元人民币的奖金，不分地域，做得足够好就奖励 [17] - 赛道有八个：任意移动、田径、格斗、灵巧操作、生产建设、体育赛事、全模态交互、康养，最终可能比八个更多，后续会给更多细节 [17]

文章核心观点 - 灵巧操作赛道上半场竞争聚焦硬件参数与发布会演示，下半场入场券在于部署、交付与订单，单一硬件厂商难以复刻全链路系统闭环能力 [27][28] - 行业真正稀缺的不是高自由度灵巧手硬件，而是一套能将本体、数据、模型、部署串成可运转链路的系统能力 [6] - 灵巧手评估口径需从“动作合格”拉升至“工序合格”，单点动作成功率与长流程连续作业良率是两个量级的问题 [9][11] 工业部署与连续作业能力 - 在卧龙希尔工位上验证灵巧手72步长程连续作业能力，成功率98%，全自主约8.5分钟（人工约8分钟，节拍几乎1:1对标），不间断作业可达8小时以上，对标人工单班 [10] - 上述成果由真机强化学习策略实现，比遥操作更稳定更快，平均快2-3倍 [10] - 行业对人形机器人进厂的实际门槛共识是成功率99%以上、节拍不能拖产线后腿，单工位98%不等于规模化部署通行证 [11] - 从单点验证到多工位复制，中间还隔着技能复用、现场调试成本、不同工况下表现一致性等难题 [11] - 公司预计年内会并线上岗 [11] - 工业场景真正的考题藏在工序与工序之间，前序操作必须为后续步骤提供正确物理状态，系统需判断工序是否真正成功并在异常后决定重试、重新对位或回退 [8] - 高自由度灵巧手在工业环境下连续作业寿命往往以周为单位计算 [3] - OmniHand 3已在长隆乐园运行满一个月，覆盖夹豆、搭积木、乒乓球、冰壶、猜拳、扭气球等任务，验证交互鲁棒性 [13] 数据飞轮与数采工具 - 具身数据供给存在结构性尴尬：精度最高的真机遥操作受限于设备和人力，产能天花板清晰；成本最低的第一视角数据规模化潜力最大，但厘米级空间误差使其长期被锁定在预训练阶段 [15] - OmniGlove Pro采用EMF磁场定位加IMU融合，手部位姿典型精度拉到1毫米以内、姿态精度1.5度以内，并针对金属工具、铁质工作台做抗磁优化 [15] - 全掌746个触觉点位、17个区域，覆盖指尖、指腹和掌面，量程0到20N、分辨率0.1N，与位姿数据严格时间对齐 [15] - 公司采取数据品控前置思路，将同源时钟、抗磁算法、弯折区避让、滑移检测等工程细节做进传感器设计，让采集数据在源头具备可训练性 [15] - 手套采到的数据同时携带准确手部姿态、人类抓取接触意图及操作过程中的真实手感，是真正的“真机Ready”Ego数据，能快速生成人手与真机的高精度对齐数据对 [16] - 高精度对齐的“人手-真机”数据对具有极强向下兼容性：往上可直接喂给预训练基模拉高泛化起点，往下可直接切入后训练做定向开发，且无需将真机搬到现场遥操作采数据 [16] - 手套与OmniHand全系灵巧手原生适配，触觉技术方案同源，开箱即可搭建遥操链路，压缩embodied gap [17] - 公司产品是当前量产方案中行业唯一把EMF、IMU与全掌触觉集成进量产数采手套的产品，且发布即交付 [19] - 通用具身模型需要的训练数据量与现有高质量存量之间差着几个数量级 [6] 模型架构升级（DUET 2.0） - DUET 2.0核心是双层解耦：上层宏观操作层负责“去哪里、按什么顺序做”，解决任务级动作生成和全局决策；下层微观接触层基于真实触觉负责“怎么用力、接触过程中怎么调”，做自适应精细力控 [23] - 两层耦合时宏观意图向下传导、微观触觉向上反馈，决策与执行同步优化；两层分开时上层可独立支持不同手型运动生成，下层可依靠触觉自主闭环，即便上层指令颗粒度很粗下层也能在接触阶段做容错和修正 [23] - 该架构回应灵巧操作领域长期存在的结构性矛盾：高层任务规划模型和底层力控策略往往在不同时间尺度、不同数据分布上工作，强行压进一个端到端模型在长流程工业任务中易出问题 [23] - DUET 2.0选择“能合能分”，本质是承认灵巧操作不是单一策略问题，而是多层级、多时间尺度控制问题，用架构灵活性换取工程容错空间 [23] 全链路系统布局 - 本体端由OmniHand 3、3 Lite、3 Ultra、OmniPicker灵巧手系列产品组成梯度矩阵，让客户“不为用不到的性能买单” [24] - 数据端为OmniGlove手套矩阵，基础版覆盖位姿采集与遥操，Pro版覆盖in the wild多模态数采 [24] - 算法端为DUET 2.0，部署端为卧龙工业工位和长隆商业场景两个验证样本 [24] - “示范采集—算法训练—真实部署—数据回流”飞轮能在一个系统里闭环转起来的企业凤毛麟角 [24] - 手套以可控成本产出真机ready的触觉加位姿数据，数据进入预训练提升基模操作先验、进入后训练做任务定向适配；部署态在真实工位持续运行，回流的失败轨迹和干预数据反过来暴露模型接触盲区；本体梯度矩阵用不同自由度和成本档位匹配从科研到工业的多元场景 [26] - 硬件不替算法操心数据来源，算法不替部署操心硬件适配，部署不替本体操心迭代方向，这是公司底气所在，也是单一硬件厂商很难复刻的部分 [26]

财务表现与盈利能力 - 2026年前三季度公司实现营业收入406.71亿元，同比增长8.20% [1] - 2026年前三季度归母净利润19.17亿元，同比下降1.27%，主要系持续加大战略性项目研发投入及汇率波动等因素影响 [1] - 前三季度毛利额同比增长19.26%，毛利率同比提升1.70个百分点，毛利额创历史新高 [1] - 第三季度营业收入155.22亿元，同比增长11.15%，连续11个季度实现同比正增长 [1] - 第三季度归母净利润11.5亿元，同比增长14.00%，主要得益于大客户新一代产品发布及产品结构向高附加值、高技术壁垒方向升级 [1] - 2026年第三季度末资产负债率为50.68%，较2026年第二季度末的51.05%下降0.37个百分点 [2] 研发投入与新兴业务布局 - 2026年前三季度研发费用22.44亿元，同比增加25.72% [2] - 研发投入主要聚焦AI终端业务新项目技术开发，加大对端侧AI、物理AI、AI服务器等泛AI业务的投入，尤其是折叠屏硬件、VC散热硬件、服务器液冷散热、服务器电源、具身智能机器人等相关项目 [2] 折叠屏与北美大客户业务 - 公司向北美大客户供应新一代终端产品相关核心精密件，涵盖铰链精密结构件、屏幕支撑板、超薄均热板及带法兰超薄不锈钢电池壳模组等，单机价值量数倍于直板机 [3] - 折叠屏各类项目推进顺利，三四季度正按规划推进量产爬坡及客户交付 [3] - 公司在北美大客户新一代机型的单机价值量较上代机型有所提升 [3] 具身智能与机器人业务 - 公司以"成为'三位一体'的全球头部具身智能硬件制造商"为战略定位，为终端厂商提供从机加工件到核心零部件到总成研发及组装的一站式具身智能产品制造平台 [4][5] - 北京、成都、郑州、东莞及海外机器人基地组装产线已正式投产，并量产交付人形机器人核心零部件、关节模组及整机等产品 [5] - 公司着力打造具身智能数据资产平台，贯通从真机数据、仿真数据到互联网数据的全流程采集、沉淀与应用 [6] - 已搭建多个真实工作场景用于数据采集和真机训练，形成从工业到服务场景的全方位机器人布局 [6] - 于上下料搬运、AOI外观检测等核心生产环节投入多品种工业具身机器人 [6] 液冷与服务器散热业务 - 公司已于2026年1月收购东莞市立敏达电子科技有限公司（Readore），主营服务器液冷快拆连接器（UQD）、液冷歧管（Manifold）、单相液冷散热模组、相变液冷散热模组、服务器均热板（VC和3DVC）等热管理核心硬件产品以及母线排（Busbar）等 [7] - 立敏达作为北美算力龙头客户核心供应商，持续向海外算力行业头部企业及其供应链合作伙伴、相关服务器代工厂、电源解决方案公司等客户批量交付服务器液冷及电源相关产品 [7] - 在2026 OCP Global Summit上，立敏达展出了Inner Manifold分水器及新一代ZQD快拆连接器（零压降快速接头）等液冷核心产品 [7][8] 股东回报与股价提振举措 - 公司于2026年3月26日审议通过回购方案，拟以自有资金及回购专项贷款回购A股股份，资金总额不低于2亿元、不超过4亿元；后于2026年7月17日将回购资金总额上调至不低于4亿元、不超过8亿元 [9] - 截至2026年10月15日，公司累计回购A股股份41,560,275股，占公司总股本的0.51%，成交金额约5.39亿元（不含交易费用） [9] - 2026年9月23日临时股东会审议通过授权董事会择机回购不超过议案获通过日已发行H股总数（不含库存股）10%的H股，目前正在推进该回购事项 [10] - 2026年10月30日公告，实际控制人、董事长兼总经理曾芳勤女士计划自公告披露之日起12个月内增持公司H股股份，合计拟增持金额不低于人民币1亿元且不超过人民币2亿元 [12]

文章核心观点 - 招商证券全资子公司招商致远资本投资有限公司拟认缴10亿元，与招商公路等共同发起设立总规模50亿元的人工智能产业基金，并担任普通合伙人及基金管理人 [1] - 基金拟重点投向算力及电力、具身智能、AI端侧应用等领域，目前仍处于筹备阶段，合伙协议尚未正式签署 [1] 基金设立与出资结构 - 招商证券全资子公司招商致远资本投资有限公司拟认缴10亿元 [1] - 基金总规模为50亿元 [1] - 合作方包括招商公路等，共同发起设立人工智能产业基金 [1] - 招商致远资本投资有限公司担任普通合伙人及基金管理人 [1] 基金投资方向 - 基金拟重点投向算力及电力领域 [1] - 基金拟重点投向具身智能领域 [1] - 基金拟重点投向AI端侧应用领域 [1] 基金当前进展 - 基金目前仍处于筹备阶段 [1] - 合伙协议尚未正式签署 [1] 相关主体与关联投资 - 招商致远资本投资有限公司是深圳市光明致远私募股权投资基金合伙企业（有限合伙）的执行事务合伙人 [1] - 光明致远基金目前持有深圳市欧冶半导体有限公司约1.19%股权 [1] - 欧冶半导体提供智能汽车系统级芯片及解决方案，产品覆盖电子后视镜、智能车灯、智能区域处理器及行泊一体中央计算单元 [1]