資本瘋狂湧入機器人大腦!物理AI大模型開啓具身智能產業新周期

獨角獸智庫
2小時前

當下人形機器人本體賽道價格戰愈演愈烈,硬件本體同質化逐步加劇,行業競爭重心正向機器人智能系統也就是「機器人大腦」轉移。物理AI大模型作為具身智能的核心,承擔環境感知、物理世界推理、動作決策生成的關鍵職能,成為決定機器人能否大規模落地家庭與工業場景的核心變量。;(先手情報-VX:itouzi6)海內外一級市場孖展熱度持續爆發,螞蟻靈波完成15億元獨立孖展,海外Skild AI、Physical Intelligence接連拿到十億級別孖展,資本獨立給機器人大腦進行估值定價,預示物理AI產業鏈迎來估值重塑的關鍵窗口。整條產業形成上游感知數採硬件、中游仿真底座與物理大模型、下游機器人真機落地的數據閉環,從硬件感知、仿真訓練到真機迭代,全鏈條投資機遇逐步打開。

上游感知採集硬件是物理AI獲取現實世界真值數據的入口,為中游仿真大模型提供多模態原始訓練素材,觸覺、力覺、端側算力硬件需求同步爆發。福萊新材作為電子皮膚核心標的,被稱作機器人的第三大腦,首創芯感一體觸覺智能TPU,在手訂單達百萬套,聯合灝存科技共同研發數採手套,補齊機器人觸覺感知短板,觸覺信息是機器人完成精細操作的關鍵輸入,電子皮膚產品直接服務真機數據採集環節,深度受益物理AI對多模態訓練數據的爆發式需求。柯力傳感聚焦六維力傳感器,佈局力覺疊加觸覺的多模態感知體系,是具身智能真機數採的核心傳感硬件,機器人執行接觸類任務時,力覺反饋不可或缺,產品大量用於真機數據採集,為物理AI模型提供力維度真值數據。

算力硬件承擔多模態數據本地預處理任務,是數採環節重要配套。瑞芯微自研NPU芯片,廣泛應用於EGO第一視角數採設備與機器人感知盒,能夠完成多路相機、IMU多模態數據的本地預處理,在端側完成數據初步加工,降低後端仿真平台算力壓力,深度嵌入物理AI數採鏈條。星宸科技的端側視覺SoC主打視覺感知與端側算力一體化,適配各類視覺數採終端,為機器人第一視角數據採集提供算力支撐,在邊緣端完成視覺信息處理,適配虛實結合的訓練模式。

中游仿真底座與物理AI模型是整條產業鏈技術壁壘最高的環節,依託上游真實採集的數據搭建虛擬物理世界,大規模生成合成訓練數據,輸出可直接部署在真機上的智能策略。索辰科技自研天工系列物理求解引擎,打造人形機器人虛擬訓練場,可以完成剛體、軟體、流體多場耦合仿真,對標海外頭部仿真平台,為物理AI大模型提供虛擬訓練環境,虛擬訓練場可以大幅降低真機訓練成本,實現機器人動作策略快速迭代,是國內稀缺的底層仿真引擎標的。能科科技打造靈系列工業具身智能體,依託工業真機傳感數據完成物理AI模型訓練,聚焦機械臂、巡檢機器人等工業場景,打通從仿真訓練到工業真機閉環訓練全流程,優先享受工業端具身智能落地紅利。螞蟻靈波作為產業標杆企業,自研LingBot世界模型與VLA具身大模型,主攻通用機器人大腦,帶動國內仿真與物理世界模型產業生態快速成熟。

下游人形機器人、工業機械臂作為真機載體,一方面完成實際作業落地,另一方面持續產生全新感知數據反哺上游,完成「真機採集‑仿真訓練‑真機部署迭代」的閉環。埃斯頓作為國內工業機器人龍頭,將裝配、接觸力、運動軌跡等真機作業數據導入仿真平台,完成機器人策略預訓練以及虛實結合驗證,本體業務放量同時持續產出高質量工業數據集,反哺物理AI模型迭代。越疆科技機械臂內置力控與視覺感知模塊,在精細交互作業中採集觸覺、力覺、視覺多維度數據,構建工業交互數據集,為中游物理AI模型供給高質量工業場景訓練素材。宇樹科技、智元機器人作為人形本體代表企業,搭建真機數採工廠,完成多模態數據採集,實現虛實閉環迭代,推動上游感知硬件、仿真軟件需求持續釋放。

綜合來看,物理AI的投資主線可以沿着數據產生、模型訓練、真機落地這條閉環鏈條展開。上游優先佈局觸覺、力覺感知硬件以及端側算力芯片,數據是物理AI迭代的基礎,數採硬件率先迎來需求放量;中游重點關注國產仿真引擎與工業物理AI平台企業,仿真底座屬於行業剛需底層工具,技術壁壘高,具備長期成長空間;下游關注能夠持續產出高質量數據集的機器人本體龍頭,依託真機場景完成數據閉環,同時帶動上游軟硬件產品落地。隨着一級市場持續加碼機器人大腦賽道,產業從硬件本體競爭邁向智能系統競爭,物理AI大模型產業鏈迎來產業與資本共振的發展階段。

免責聲明:投資有風險,本文並非投資建議,以上內容不應被視為任何金融產品的購買或出售要約、建議或邀請,作者或其他用戶的任何相關討論、評論或帖子也不應被視為此類內容。本文僅供一般參考,不考慮您的個人投資目標、財務狀況或需求。TTM對信息的準確性和完整性不承擔任何責任或保證,投資者應自行研究並在投資前尋求專業建議。

熱議股票

  1. 1
     
     
     
     
  2. 2
     
     
     
     
  3. 3
     
     
     
     
  4. 4
     
     
     
     
  5. 5
     
     
     
     
  6. 6
     
     
     
     
  7. 7
     
     
     
     
  8. 8
     
     
     
     
  9. 9
     
     
     
     
  10. 10