物理AI行业研究报告：关键要点总结 涉及的行业与公司 行业 * 全球工业技术与移动行业，重点关注物理AI（Physical AI）在工业市场的应用[1] * 涉及工业自动化、机器人技术、机器视觉、仓储自动化、半导体/内存等多个细分领域[10][14][22][104][146] 公司 * 花旗研究团队筛选出28只全球股票，构建物理AI受益者篮子（CGRBPHAI）[6][19][22] * 关键公司包括西门子、罗克韦尔自动化、ABB、施耐德电气、发那科、安川电机、三星电子、SK海力士等工业自动化和科技硬件龙头[22][100][160][164] * 中国公司如UBTECH、杭叉集团、恒立液压、双环传动、Leader Drive、OPT Machine Vision等被重点提及[22][99][101][107] 核心观点与论据 物理AI定义与增长潜力 * 物理AI被定义为与物理工业世界交互的自主系统，从单个机器到整个工厂[12] * 预计AI驱动的边缘设备（包括AMR和机器人）以及设计/仿真软件将实现两位数百分比增长[2] * 物理AI的采用预计将为年度客户资本支出增长贡献中个位数百分比，因为资本替代劳动力[2][36][37] * 假设工业机器人可以取代未来十年30%的制造任务，即使每天运行3班（而不是人类的一班）并假设生产率提高2倍，安装基数在十年内仍将增长至近3000万台——复合年增长率>20%，几乎是国际机器人联合会预测的3年复合年增长率7%的三倍[28][29] 技术架构与数据需求 * 工业AI需要工业数据，分为来自智能设备或工业资产管理软件的真实世界数据，以及在设计阶段必需的模拟数据[3] * 模拟数据用于增强"真实世界"资产数据以驱动AI学习，通过数字孪生和仿真加速AI训练[3][70][76] * 边缘AI和云端AI将共存，云端在可扩展性、部署便利性、安全性和成本方面具有巨大优势，但延迟限制、网络担忧和数据主权要求意味着边缘AI的采用也将增加[4][59] 机器人技术与自动化应用 * 在制造业中，>90%的情况下，具有专用末端执行器的智能机械臂是最优选择，人形机器人重叠范围小[5][82] * 在工业应用中，人形机器人最可能出现在物流和轻装配任务中[5][61] * 机器视觉在物理AI中扮演关键角色，用于视觉检测、缺陷检测、过程控制和产品分拣，AI正推动从基于规则的机器视觉转向AI驱动的检测[104][106] * 全球仓库自动化系统总目标市场预计将以约11%的复合年增长率增长，到2029年达到约1120亿美元，其中AMR解决方案细分市场是关键增长引擎[122][128][129] 市场采用现状与挑战 * 根据麦肯锡数据，虽然约40%的先进工业客户在产品和服务开发中使用AI，但只有15%在供应链管理中使用AI，仅13%在制造业本身使用AI[48] * 罗克韦尔自动化的"2025年智能制造业状况"报告预测，2027年AI将在推动制造业效率方面发挥关键作用[50] * 人形机器人面临的关键挑战包括数据收集和模型训练、双足与轮式设计的权衡、灵巧手的设计复杂性等[91][95][96] 其他重要内容 投资与并购趋势 * 物理AI融资急剧加速，年度总投资从2020年的仅25亿美元增至2025年迄今的超过80亿美元[185] * 北美在总投资方面领先，2025年迄今投资53亿美元，但亚洲是几家最大公司的所在地[186] * 近期行业并购活动包括西门子/Altair、艾默生/Aspentech以及此前施耐德/Aveva，这些交易日益将仿真和真实世界数据结合在一起[3][14][65] 商业模式演变 * 在软件领域，快速发展和向生成式设计的转变可能颠覆传统的SaaS模式，预计将转向按结果定价，而不是按许可证或每用户/时间（SaaS）定价[61][64] * 机器人即服务（RaaS）等新兴商业模式正在出现，将财务负担从资本支出转向运营支出[126][148] 半导体/内存影响 * 物理AI正在推动芯片架构从冯·诺依曼转向边缘AI，预计将加速采用mini HBM和LLW（LPW）DRAM，将其加载到TPU附近[146][151] * 三星电子和SK海力士等公司预计将从AI产品转变中受益，其中先进的商品内存正在转变为AI推理内存解决方案[160] 区域市场动态 * 中国AMR供应商在2024年约占全球市场份额的40%，但激烈的价格竞争意味着中国制造商的平均售价比美国/欧盟同行低30-40%[134][135] * 中国的"中国制造2025"战略和即将到来的"十五五"规划为国内冠军企业提供了强有力的国家支持、研发资助和市场激励框架[127]