物理AI热度持续攀升：券商密集研讨，人工智能投资新主线逐渐显现

随着人工智能技术加速向现实世界延伸，物理AI正成为中国资本市场关注的新焦点。近期，相关概念股持续走强，多家证券机构密集召开行业电话会议，围绕人形机器人、具身智能、数据采集及商业化前景展开讨论。不过，在市场热情升温的同时，技术瓶颈与估值风险也逐渐受到关注。

物理AI概念股走强，券商研究热度明显上升

10月26日，宇树科技（688836.SH）收盘上涨7.69%，报672元，总市值达到2718亿元。从10月16日盘中低点407.01元计算，该股在七个交易日内累计上涨65.1%。

市场关注度升温与近期行业活动密切相关。

10月21日，英伟达首席执行官黄仁勋在柏林GTC大会上表示，“下一波浪潮是物理AI”，并宣布扩展Isaac机器人开发平台。

次日，2026世界物理AI大会暨宇树合作伙伴生态大会在杭州举行。宇树科技创始人王兴兴表示，随着GPT-6发布，物理AI可能在未来一至三年迎来重要突破。

一周至少18场电话会议，研究重点转向数据与软件

据《21世纪经济报道》根据Wind收录的会议纪要统计，10月19日至25日，至少16家券商研究所举行了18场物理AI及人形机器人相关电话会议，其中14场集中在10月24日至25日。

与此前主要关注减速器、丝杠等机器人硬件不同，本轮研究范围扩大至计算机、传媒互联网及策略领域。

数据采集、数字孪生、仿真平台和机器人基础模型成为讨论重点。海天瑞声、当虹科技、慈星股份及仙工智能等企业也参与了相关产业交流。

什么是物理AI？为何被视为下一轮技术浪潮？

物理AI是指能够理解物理规律、预测环境变化，并通过实际行动与现实世界交互的人工智能系统。

根据中国信息通信研究院《具身智能发展报告（2026年）》，其核心在于将物理规律融入感知、推理、生成和行动全过程，提高人工智能系统的可靠性与实际部署能力。

英伟达近年来持续推动这一技术方向，并推出Cosmos世界基础模型等相关工具。

人形机器人有望成为重要应用载体

机器人能够将环境感知、智能决策、动作执行和反馈学习结合起来，因此被认为是物理AI的重要应用平台。

不过，物理AI并不局限于机器人，还覆盖自动驾驶、智能制造及智能空间等领域。

业内认为，其发展将同时推动模型训练、仿真测试和终端计算需求增长。

商业模式转型，物理AI或打开新的增长空间

券商看好物理AI，主要基于市场规模、商业模式及算力需求三个方面。

开源证券认为，物理AI可能成为继人工智能编程之后的重要应用市场。黄仁勋此前提出，相关技术有望影响规模超过50万亿美元的产业领域，但这一数字属于长期市场潜力判断，并非已经实现的收入。

商业模式方面，机器人企业未来可能将硬件销售与智能软件服务分开收费。

例如，机器人本体采用一次性销售模式，而智能系统通过API调用、Token使用量或订阅服务持续产生收入。

国联民生认为，物理AI还可能带动训练、仿真和端侧推理算力需求，为人工智能基础设施创造新的增长空间。

数据不足成为物理AI发展的关键瓶颈

尽管市场预期积极，但多家券商指出，真实物理交互数据不足仍是制约行业发展的主要问题。

国金证券认为，当前行业面临的核心挑战并非单纯缺乏算力，而是高质量训练数据规模有限。

东吴证券计算机团队估计，当前全球可用高质量机器人真机数据不足70万小时，而训练具备更强泛化能力的基础模型可能需要上亿小时有效数据。

不同机构的数据统计口径存在差异。国泰海通援引相关研究指出，截至2026年6月底，全球人形机器人真机数据量约100万小时。

数据采集产业链受到资本市场关注

随着训练需求增长，数据采集服务的商业价值受到重视。

券商专家交流提供的行业参考价格显示，普通数据采集每小时约200至400元，定制场景数据最高可达600元，仿真合成数据约50至60元，而动作捕捉数据约1000元。

这些报价反映了不同数据类型的成本差异，但实际价格仍取决于采集标准、应用场景和质量要求。

宇树科技提示估值风险，商业化仍需时间验证

尽管物理AI概念受到追捧，相关企业的商业化能力仍有待检验。

10月26日晚间，宇树科技发布股票交易异常波动公告，指出公司滚动市盈率达到465.22倍，明显高于通用设备制造业38.54倍的行业平均水平。

公司同时提醒，人形机器人产业仍处于商业化早期，感知精度、运动控制、数据积累及软硬件协同等方面仍面临挑战。

如果行业规模化应用进度低于预期，企业收入增长和盈利释放可能受到影响，相关股票也存在估值回调风险。

物理AI投资前景：长期潜力与短期风险并存

物理AI正在推动人工智能产业从数字信息处理走向现实世界交互，也为机器人、数据服务和计算基础设施带来新的发展机会。

但券商研究热度并不意味着技术突破和商业回报已经确定。未来行业能否形成持续增长动力，仍取决于高质量数据积累、核心模型能力提升以及真实应用场景的规模化落地。