邦道咨询物理AI产业投资分析研究报告

 

研究视角：全球投行研究框架｜产业投资与资本配置｜中长期价值评估

核心主题：从数字智能走向物理世界，寻找下一轮人工智能产业化的投资机会。

 

一、核心投资结论

物理AI（Physical AI）是人工智能从数字空间走向物理世界的技术与产业体系。它通过融合人工智能大模型、计算芯片、传感器、机器人、运动控制、实时操作系统和机械执行机构，使机器能够感知真实环境、理解任务、规划行动，并在现实世界中完成操作。

与主要依赖算力、数据和软件服务的传统AI不同，物理AI需要将算法能力转化为可验证的实际作业能力，因此其产业价值不仅体现在模型性能上，还体现在硬件成本、运动控制精度、任务成功率、设备可靠性、规模化交付能力和全生命周期经济效益上。

 

投资方向一：具身智能与人形机器人

高成长、高波动

关注机器人本体、关节执行器、灵巧手、力觉传感器、运动控制器，以及具备真实工业场景验证能力的企业。核心不是展示效果，而是单位作业成本能否低于人工或现有自动化设备。

 

投资方向二：工业机器人与智能制造

商业化相对成熟

关注工业机器人、机器视觉、智能检测、柔性制造、移动机器人和自动化系统集成。相较于尚处早期的人形机器人，部分工业场景已有明确的生产效率、良率与人工替代收益。

 

投资方向三：物理AI核心零部件与算力

产业链关键环节

关注高性能计算芯片、边缘计算平台、减速器、伺服系统、编码器、力传感器、机器视觉及高可靠性电源。优先寻找能够向多个机器人品牌供货、具备客户认证与持续盈利能力的供应商。

 

投资方向四：物流、仓储与专业服务机器人

场景驱动型机会

关注仓储搬运、配送、巡检、清洁、农业作业等任务边界相对明确的场景。这类产品可以通过设备利用率、项目回报周期、维护成本与客户复购率进行商业化验证。

总体判断： 物理AI值得纳入中长期产业投资研究，但不宜把所有机器人企业视为同一种投资资产。建议按照“成熟自动化现金流、核心零部件成长、具身智能高风险期权”三个层次进行组合配置，并以真实订单、收入确认、经营现金流和单位经济模型决定投资权重。

需要说明：以下报告采用投行研究常用的市场、竞争、财务、估值和风险分析框架，但不代表高盛官方观点。当前无法将未经核实的2026年行业统计或公司财务数字当作已确认事实，因此会明确区分产业事实、分析假设和估值示例。

 

二、市场与需求：物理AI是否具备万亿美元级投资空间？

2.1 市场规模：首先解决统计口径问题

物理AI不是一个边界统一的传统行业分类。不同研究机构会将工业机器人、服务机器人、人形机器人、自动驾驶、无人机、传感器、AI软件甚至相关基础设施纳入统计，因此市场规模差异可能很大。

截至2026年10月，公开研究给出了几组具有代表性的判断：

研究来源	市场规模或预测	投资解读
IDC	全球机器人市场到2029年超过400亿美元	机器人设备市场的一个参考口径。 Physical AI & Robotics Research
Arthur D. Little	其2026年研究估算物理AI当前市场约180亿美元，2030年可达600亿—1000亿美元	更强调具备自主感知、决策和执行能力的物理AI系统。 Arthur D. Little
Grand View Research	估算2025年物理AI市场816亿美元，预测2033年达到9604亿美元，2026—2033年复合增长率36.1%	较宽口径的高成长预测，需核查其纳入的硬件、软件与应用范围。 Industry Report, 2033
PwC	2026年研究估算核心物理AI市场2030年约4500亿美元，纳入更广生态后超过1万亿美元	体现了将机器人、智能交通、连接基础设施等纳入生态后的规模扩张。 PwC

以上数字不能直接相加，也不能简单理解为相互验证。它们反映不同的统计范围与预测假设，而非统一口径下的已实现收入。

投资研究应将市场拆分为三层：

 

第一层：核心设备市场

工业机器人、人形机器人、移动机器人、专业服务机器人、自动驾驶设备等。

重点指标：出货量、平均售价、设备利用率、客户验收与更新周期。

第二层：核心技术与零部件市场

计算芯片、执行器、精密减速器、伺服系统、传感器、机器视觉与控制软件。

重点指标：单机价值量、供应商份额、技术迭代、国产替代及毛利率。

第三层：运营与生态市场

机器人软件订阅、模型训练、仿真平台、系统集成、远程运维、数据服务及机器人即服务（RaaS）。

重点指标：经常性收入占比、续费率、客户留存、服务毛利率与现金回收周期。

2.2 需求增长：成熟机器人和人形机器人必须分开看

成熟工业机器人已经具备大规模商业应用基础。国际机器人联合会（IFR）公布的《World Robotics 2025》显示，2024年全球工业机器人安装量约54.2万台，亚洲占当年新增部署的74%；中国约安装29.5万台，占全球约54%。中国本土厂商在本国市场的份额升至57%。

International Federation of Robotics

这说明工业自动化不是等待未来兑现的纯概念，而是已经存在稳定需求和竞争格局的产业。

人形机器人则处于完全不同的发展阶段。美国银行全球研究在2026年3月发布的研究中，预测全球人形机器人出货量可能由2025年的约2万台增长至2030年的120万台，并进一步增长至2035年的1000万台。这是预测情景，不是确定性订单。

Bank of America Institute

与此同时，其他研究对人形机器人的商业化速度更加谨慎。Interact Analysis的2026年研究指出，2025年生产的机器人中，真正用于现实世界作业的比例仍然有限，大量产品用于研发、数据采集和展示；其对2035年的出货量预测也显著低于部分乐观情景。

Interact Analysis

+1

投资结论： 工业自动化提供当前收入与现金流，人形机器人提供远期成长空间。不能将人形机器人的远期出货预测直接用于推算当前供应商利润。

2.3 终端需求与客户结构

汽车与零部件制造

投资逻辑：焊接、装配、搬运、检测等环节具有明确的效率和质量指标。未来具身智能可逐步承担更多非结构化任务。

关键客户指标：单线投资回报率、节拍、良率、停机时间。

仓储物流与供应链

投资逻辑：搬运、分拣、拣选、盘点与园区运输可量化收益，适合按设备、项目或运营服务收费。

关键客户指标：每小时处理量、订单准确率、每单运营成本、设备利用率。

电子制造与精密装配

投资逻辑：高精度视觉、力控与柔性操作有望扩展自动化边界，但对稳定性和工艺验证要求更高。

关键客户指标：重复定位精度、换线时间、缺陷率、连续运行时间。

农业、巡检与专业服务

投资逻辑：劳动力不足和高危环境创造需求，但户外环境、季节性、维护与售后成本可能侵蚀利润。

关键客户指标：单位面积作业成本、故障率、作业完成率、售后成本。

2.4 区域与客户结构

区域	产业优势	主要投资机会	关键风险
美国	AI模型、算力平台、软件生态及部分高端机器人研发	AI芯片、机器人平台、人形机器人、自动驾驶	研发投入高、硬件制造成本及商业化周期
中国	供应链完整、制造规模大、迭代速度快	机器人本体、执行器、减速器、机器视觉、系统集成	同质化竞争、价格战、客户集中
日本	精密制造、伺服系统、传感器与工业机器人	高精度零部件、工业机器人、自动化设备	部分业务增长较慢，竞争与汇率风险
欧洲	工业自动化、控制系统、安全工程和高端制造	工业机器人、控制软件、机器视觉、专业自动化	制造业周期及成本压力
韩国及印度等亚洲市场	电子制造、汽车产业及自动化升级	工厂自动化、电子装配、物流机器人	客户行业集中、资本开支周期

IFR的2024年统计显示，亚洲是工业机器人新增部署的主要区域，中国占据全球最大单一国家市场。

International Federation of Robotics

客户结构方面，应重点区分三类收入来源：

• 产业客户采购： 订单与验收相对可验证，但议价能力可能较强。
• 集团内部采购： 有助于产品验证和早期迭代，但需要剔除关联交易及非市场化采购。
• 政府项目、科研与示范项目： 有助于技术验证，但不一定形成可持续的商业收入。

 

 

三、竞争格局与技术壁垒：谁能真正获得利润？

3.1 物理AI产业链竞争地图

上游：算力、传感与核心零部件

AI芯片｜边缘计算｜力觉与视觉传感器｜电机｜减速器｜伺服驱动

中游：物理AI核心系统

机器人本体｜具身模型｜运动控制｜感知决策｜仿真与训练平台

下游：行业解决方案与运营

汽车工厂｜电子制造｜物流仓储｜农业｜医疗与专业服务

贯穿全链条的能力：真实场景数据、系统集成、可靠性验证、售后服务与安全责任。

产业竞争不是单纯的机器人本体竞争，而是由模型、硬件、控制系统、场景数据与客户交付共同决定。

3.2 主要竞争者及其战略位置

以下为代表性企业研究名单，不代表完整市场份额排名，也不意味着所有企业的相关业务都已形成可单独核算的物理AI收入。

企业	主要竞争领域	核心投资观察点
NVIDIA	AI算力、机器人开发平台、仿真与训练工具	能否将AI基础设施优势延伸到机器人开发生态
Tesla	人形机器人、自动驾驶、制造自动化	内部应用、量产成本、任务成功率与资本投入
ABB	工业机器人、自动化系统	既有工业客户、服务收入、利润率与周期韧性
FANUC	工业机器人、数控系统、工厂自动化	制造业资本开支、产品可靠性与售后网络
Yaskawa Electric	伺服系统、运动控制、工业机器人	运动控制技术壁垒、产品组合与订单周期
Boston Dynamics	高动态机器人、人形机器人、四足机器人	工程能力、工业应用落地与商业化成本
优必选	人形机器人与行业解决方案	订单兑现、交付毛利、现金流和量产爬坡
宇树科技	人形机器人、四足机器人与运动控制	成本控制、产品可靠性、客户结构与规模化能力

美国与中国的竞争优势并不完全相同。美国在先进AI计算与模型生态方面具有优势，中国则拥有机器人制造、零部件配套和大规模生产的产业基础。J.P. Morgan Private Bank在2026年8月的研究中也强调，制造体系、供应链深度和成本下降将影响机器人产业的竞争格局。

J.P. Morgan Private Bank Asia

3.3 五类核心技术壁垒

壁垒一：具身模型与环境理解

不仅要识别图像，还要理解空间、物体状态、动作后果和任务目标。关键指标包括任务成功率、泛化能力、推理延迟与异常恢复能力。

壁垒二：执行器与精密机电系统

电机、减速器、编码器、驱动器和热管理共同影响负载、精度、效率与寿命。单个零部件参数优秀，并不代表整机性能一定领先。

壁垒三：真实世界数据闭环

机器人需要不断采集任务、动作、失败、环境变化和人工纠正数据。真正有价值的是能够持续改善模型的高质量数据，而不只是数据规模。

壁垒四：可靠性与安全认证

工业设备需要满足适用的功能安全、机械安全、EMC及行业标准。进入客户产线后，验证、审厂、系统集成和责任追溯都会提高替换成本。

壁垒五：软硬件协同与场景交付

企业需要将模型、控制、机械设计、现场工艺和售后整合为可复制方案。能稳定完成客户任务的企业，通常比单纯展示技术能力的企业更具商业价值。

3.4 专利、认证与客户转换成本

投资尽调应建立以下核查清单：

• 专利： 核查专利族、权利要求范围、剩余保护期限、法律状态、许可协议及潜在侵权风险。专利数量本身不能直接代表技术领先程度。
• 认证： 根据具体产品和销售地区，核查适用的机械安全、功能安全、电磁兼容、无线通信及行业准入要求。CE标志等合规要求不能一概替代具体安全标准验证。
• 客户转换成本： 检查设备与生产系统的接口、重新验证周期、工艺参数迁移、操作人员培训、备件供应与售后响应。
• 竞争壁垒的持续性： 判断技术优势能否持续转化为价格溢价、较低故障率、稳定复购和更高的资本回报率。

核心判断： 最有价值的壁垒不是“能够制造机器人”，而是“能够以更低的全生命周期成本，长期稳定完成客户需要的任务”。

 

四、经营质量：如何识别真正有投资价值的企业？

物理AI企业的财务表现往往处于两个极端：成熟自动化企业具有既有客户、收入和利润，但增长可能受到制造业周期影响；早期具身智能企业可能收入高速增长，却持续消耗现金，甚至尚未建立稳定的单位经济模型。

因此，不能只看营收增速，也不能简单套用互联网软件公司的估值体系。

4.1 核心财务指标与投资判断标准

以下区间是用于初步筛选企业的分析参考线，而非行业统计均值或所有公司的统一标准。实际判断必须考虑产品类型、业务阶段和会计口径。

财务指标	初步筛选参考	投资分析重点
营收增长率	成熟企业持续增长优于单年爆发	区分终端需求增长、并购、关联交易和一次性项目
毛利率	成熟标准化产品应呈现稳定或改善趋势	拆分硬件、软件、服务、项目集成及质保成本
净利率	关注能否从研发投入期转向持续盈利	识别政府补助、公允价值变动和非经常性收益
ROIC	长期高于资本成本更有说服力	重点分析固定资产、研发资本化、营运资本与投入资本
经营现金流	中期趋势应与利润和业务增长匹配	检查回款、供应商账期、预付款及库存变化
应收账款	应收增速长期快于收入增速属于风险信号	核查账龄、逾期、客户集中和验收条件
存货周转	与交付、产能爬坡和产品迭代相匹配	检查在制品、呆滞库存、跌价准备与定制化风险
资本开支	投资扩张必须对应可验证的订单与产能需求	评估利用率、折旧、设备升级和扩产回报

4.2 毛利率：必须拆分业务，而不是看一个总数

物理AI产业的毛利率由产品成熟度、标准化程度、客户议价能力和售后责任共同决定。

• 核心零部件： 关注技术溢价、良率、规模效应和第二供应商替代风险。
• 机器人本体： 关注物料成本、装配效率、质保成本、返修率及量产后的成本下降。
• 系统集成： 关注项目定制化、工程人员投入、验收周期和后续服务收入。
• 软件与运营服务： 关注经常性收入、客户续费、部署成本和边际服务成本。

例如，某机器人企业收入增长50%，但由于产品降价、质保支出和定制化交付增加，毛利率从30%下降至20%，这不一定是经营改善，反而可能说明增长依赖价格竞争。

相反，收入增速暂时较低，但毛利率稳定、服务收入增长、客户复购提升的企业，可能具有更好的长期价值。

4.3 ROIC：检验技术投入能否创造资本回报

建议采用税后经营利润与平均投入资本的口径：

\[ ROIC=\frac{NOPAT}{平均投入资本} \]

其中，NOPAT为税后经营利润。对于仍处研发期、尚未盈利的公司，当前ROIC可能为负值，此时应观察未来达到盈亏平衡所需的资本规模，以及新增投入能否形成正向回报。

投资分析需要特别注意：机器人企业可能将大量资金投入研发设备、实验室、生产线和库存，即使收入快速增长，也未必能创造足够的资本回报。

4.4 经营现金流与营运资本风险

建议建立月度现金流监测表，至少覆盖：

1. 新签合同、已交付订单和已确认收入之间的差异。
2. 合同资产、应收账款与实际现金回款的差异。
3. 原材料、在制品、成品及售后备件的库存结构。
4. 供应商账期、客户预付款与质保金的变化。
5. 研发费用、资本化研发支出和资本开支的变化。
6. 未来12—24个月现金消耗、融资需求及债务偿付安排。

特别警惕三种情况： 订单高速增长但预付款不足；利润改善但经营现金流持续恶化；产能大幅扩张但客户验收与设备利用率没有同步提高。

 

 

五、资本投入与主要风险

5.1 资本开支：物理AI不是轻资产生意

物理AI企业的资本投入通常涉及研发试验平台、模具、精密加工、测试设备、自动化产线、供应链备货、售后服务体系及数据采集设施。

不同商业模式的资本需求差异显著：

企业类型	资本投入特点	重点审查指标
AI模型与仿真平台	算力、数据、研发及软件基础设施	研发效率、算力成本、付费客户与续费
核心零部件	精密设备、工艺研发、产能与良率提升	产能利用率、良率、单位成本、资本回报
机器人本体	研发、装配、测试、备件及售后体系	量产良率、质保成本、交付周期
系统集成商	项目实施、人力、库存与应收账款	项目毛利、验收周期、回款率
机器人运营服务商	设备购置、部署、维护与替换	单机利用率、现金回收周期、客户留存

产能扩张的正确顺序应该是：客户验证、订单形成、产线投资、量产爬坡、现金回收。若顺序倒置，企业可能出现资产利用率不足、库存积压和融资压力。

5.2 六项关键投资风险

风险一：技术演示与真实作业之间存在差距

展示视频、实验室成功率和实际连续作业能力不是同一指标。尽调必须核查任务成功率、人工干预率、异常恢复、连续运行时长及真实客户使用记录。

风险二：价格战导致盈利能力恶化

零部件和本体制造可能在竞争加剧后出现降价。应测算降价10%—20%时毛利率、盈亏平衡点和现金消耗的变化，而非仅依赖未来规模效应。

风险三：融资依赖和资本成本上升

研发周期长、经营现金流为负的企业对外部融资较敏感。重点审查净现金、债务期限、融资稀释、可转债条款与后续融资能力。

风险四：政策和补贴依赖

政策可能促进研发、采购与产业集聚，但不能替代真实客户需求。应分别计算补贴前后的利润、现金流及项目投资回报。

风险五：技术路线替代

新型执行器、传感器、模型架构或更经济的专用机器人，可能降低既有产品的竞争力。应评估研发路线的可迁移性、兼容性和沉没成本。

风险六：安全、责任与供应链风险

机器人事故、产品召回、数据安全、出口限制、关键零部件断供和知识产权纠纷，都可能对交付和估值产生重大影响。

5.3 产能利用率与盈亏平衡

建议对企业建立三个运营指标：

• 产能利用率： 实际合格产出 ÷ 设计产能。必须区分理论产能、有效产能和通过客户验收的产出。
• 单位贡献利润： 单台售价减去随销量变化的物料、制造、物流、佣金及预期质保成本。
• 盈亏平衡销量： 年固定经营成本 ÷ 单台贡献利润。

举例：若机器人年固定经营成本为2亿元，单台贡献利润为10万元，则盈亏平衡销量约为2万台。若价格竞争使单台贡献利润下降至5万元，盈亏平衡销量将提高至4万台。

这说明，产量增加并不必然带来盈利改善；只有单台经济模型成立，规模扩张才具有投资价值。

 

 

六、估值与投资回报：怎样给物理AI企业定价？

6.1 可比公司估值：不同类型企业必须分组

物理AI没有一个适用于所有公司的统一估值倍数。建议采用分组估值，避免把尚未盈利的人形机器人公司与成熟工业自动化企业直接比较。

资产类别	代表性研究对象	主要估值方法	重点变量
工业机器人与自动化	ABB、FANUC、Yaskawa	EV/EBITDA、P/E、DCF	利润率、订单周期、ROIC
AI芯片与开发平台	NVIDIA等	P/E、EV/EBITDA、DCF	AI收入增长、毛利率、客户集中度
核心零部件	伺服、减速器、传感器企业	P/E、EV/EBITDA、DCF	技术溢价、份额、国产替代、现金流
成长期机器人本体	人形机器人及服务机器人企业	分阶段DCF、情景估值、EV/Sales辅助参考	商业化进度、量产、单机毛利
早期具身智能公司	尚未稳定盈利的研发企业	风险调整后的未来现金流、概率加权情景法	技术成功率、融资稀释、后续资本需求

以上是估值方法的适用性分类，不是当前市场估值排名。实际投资时应以同一交易日的股价、市值、净现金、债务和最新财报计算可比倍数。

6.2 DCF现金流折现模型

对于能够形成可预测收入和现金流的成熟企业，可采用自由现金流折现法：

\[ EV=\sum_{t=1}^{n}\frac{FCFF_t}{(1+WACC)^t} +\frac{TV_n}{(1+WACC)^n} \]

其中：

• \(EV\)：企业价值；
• \(FCFF\)：企业自由现金流；
• \(WACC\)：加权平均资本成本；
• \(TV_n\)：预测期末的终值。

若采用永续增长法：

\[ TV_n=\frac{FCFF_{n+1}}{WACC-g} \]

其中 \(g\) 为长期自由现金流增长率，且必须满足 \(g<WACC\)。

对尚未实现稳定商业化的人形机器人企业，直接套用永续增长法可能产生严重误差。更合理的做法是先预测量产时间、出货量、单机售价、毛利率、研发费用、资本开支和营运资本，再通过概率加权反映技术与商业化的不确定性。

6.3 估值演示：一家假设中的物理AI公司

以下全部为模型假设，不对应任何真实上市公司或未上市公司的实际数据，目的在于说明估值对增长、利润率和资本成本的敏感性。

假设某机器人企业：

• 当前年收入：10亿元；
• 当前收入增长：未来五年逐步放缓；
• 预测期：五年；
• 折现率：12%；
• 终值增长率：3%；
• 未来自由现金流率随规模效应改善。

 

6.4 三种投资情景：未来五年如何判断回报？

物理AI企业估值最大的难点不是预测市场有多大，而是判断企业何时能够形成持续盈利，以及盈利能否转化为现金流。

以下以某家假设中的物理AI企业为例，设当前企业价值为10亿元，五年投资持有期，使用企业价值增长衡量产业经营价值变化。情景数据仅为示范，不是对行业实际收益率的预测。

指标	悲观情景	基准情景	乐观情景
五年收入复合增长率	10%	25%	40%
第五年收入	16.1亿元	30.5亿元	53.8亿元
第五年EBITDA利润率	5%	12%	18%
第五年EBITDA	0.8亿元	3.7亿元	9.7亿元
期末EV/EBITDA假设	12倍	18倍	25倍
第五年企业价值	9.7亿元	65.9亿元	242.0亿元
五年企业价值年化变化	-0.6%	45.9%	88.5%

计算方法：

\[ 期末企业价值=第五年EBITDA\times期末EV/EBITDA \]

\[ 年化价值变化=\left(\frac{期末EV}{初始EV}\right)^{1/5}-1 \]

注意：表中是三种假设下的企业价值变化，不是股东实际投资回报率。实际股权回报还需要扣除净债务，考虑新增融资造成的股权稀释、后续资本投入、股息、交易成本及退出流动性。尤其是乐观情景同时使用了高增长和高估值倍数，不能作为投资决策的默认基准。

6.5 投资回收期：从客户经济性反推产品价值

物理AI设备最终需要创造客户愿意付费的经济价值。以工厂引入机器人为例：

\[ 投资回收期=\frac{设备购置及部署总成本}{年度净现金节省} \]

假设一套机器人设备的购置、集成和部署总成本为80万元，替代部分人工与其他运营费用后，每年扣除维护、能耗和额外管理成本的净现金节省为40万元，则静态回收期约为2年。

但还需要考虑：

• 设备实际利用率是否达到预期；
• 机器人能否持续完成既定任务；
• 是否需要人工远程接管或频繁维护；
• 客户是否需要额外改造厂房、工位或软件系统；
• 设备使用寿命、残值、融资成本及停机损失。

投资判断标准： 不应仅依据机器人售价是否下降来判断商业化，而应比较客户的全生命周期总成本（TCO）与可量化收益。只有客户投资回报可持续，企业的订单才更有可能从试点采购转化为规模化采购。

6.6 退出路径与资本运作

不同发展阶段应匹配不同退出方式。

退出方式	适用对象	核心条件
IPO上市	具备规模收入、治理规范和持续成长能力的企业	财务合规、业务可持续、满足上市地要求
产业并购	具备技术、客户、专利或核心零部件能力的企业	技术协同、客户互补、整合价值明确
战略投资人股权转让	已进入产业链、具备稳定客户关系的企业	战略协同、交易定价与股东安排
后续融资部分退出	处于成长阶段且有明确融资需求的企业	新投资人认可估值，融资条款合理
二级市场减持	已上市企业	流动性、锁定期、减持规则及市场估值

退出规划应在投资前制定，而不是等到企业融资困难或增长放缓时才寻找买家。对早期人形机器人项目，尤其需要评估后续融资稀释与投资期限之间的关系。

七、投资组合配置建议：从产业趋势转向可兑现的收益

物理AI投资可以按商业成熟度和风险来源进行分层，而不是把全部资金集中于人形机器人概念股。

建议研究组合：三层资产结构

以下比例是研究用的示范配置，不是针对个人情况制定的实际投资组合。

第一层：成熟自动化与工业机器人

既有收入、现金流、客户基础

50%

第二层：核心零部件与AI基础平台

技术壁垒、供应链地位、跨品牌需求

30%

第三层：具身智能与人形机器人

高成长潜力、商业化与估值风险较高

20%

上述比例不包含现金管理安排，实际配置应根据估值、流动性、风险承受能力与投资期限调整。对于早期项目，应单独设置风险预算。

7.1 三层资产的筛选原则

第一层：成熟自动化与工业机器人

优先关注经营现金流、订单质量、ROIC、客户复购、服务收入和估值合理性。重点不是追逐最高增速，而是在合理价格下获取持续盈利能力。

第二层：核心零部件与AI基础平台

重点寻找能够服务多个终端厂商的企业，检验其产品是否具备技术溢价、客户认证、规模化生产能力和可持续的竞争壁垒。要防止把短期供需紧张误认为长期技术垄断。

第三层：具身智能与人形机器人

应采取分阶段投资思路。初期重点验证技术和场景，中期观察客户订单及交付，后期检验规模化盈利和自由现金流。不要因为企业宣布规划产能，就直接按规划产量推算收入和估值。

 

 

八、未来三至五年的产业趋势与投资观察指标

8.1 产业趋势判断

趋势一：从展示型机器人走向任务型机器人

未来产业竞争将更看重在真实环境中的任务成功率、连续作业能力和人工接管率。具备可复制场景的企业可能先于通用型机器人实现商业化。

趋势二：仿真、合成数据与真实世界数据协同

模型训练效率、仿真到现实的迁移效果，以及机器人数据采集和管理能力，将影响开发成本与部署速度。

趋势三：供应链成本与制造良率成为竞争核心

当多个厂商具备相近的模型能力时，硬件成本、耐久性、量产一致性和售后服务可能决定最终市场份额。

趋势四：机器人运营与软件服务有望形成持续收入

当部署规模扩大，设备管理、远程运维、任务编排、软件升级和数据服务可能成为新的利润来源，但必须以客户愿意持续付费为前提。

Gartner在2026年关于物理AI的研究中强调，产业价值来自多种技术的协同，而非某一项技术单独突破。BCG的2026年研究也建议区分已经能够部署的机器人能力与仍处于探索阶段的通用自主能力。

Gartner

+1

8.2 投资者应持续追踪的十项指标

指标	为什么重要
1. 新签订单与订单取消率	判断真实需求而非市场宣传
2. 订单转收入比例	检验生产交付与客户验收
3. 客户重复采购率	验证产品的持续使用价值
4. 真实场景任务成功率	衡量机器人能否稳定完成工作
5. 人工接管率	判断自动化程度与实际运营成本
6. 单机物料成本变化	衡量规模化降本能力
7. 毛利率及质保成本	判断产品经济模型是否改善
8. 应收账款与经营现金流	检查收入质量及资金占用
9. 产能利用率与良率	判断扩产能否转化为盈利
10. 融资消耗与股权稀释	判断企业能否持续经营并创造股东回报

 

 

九、最终投资结论

从产业投资角度看，物理AI具备长期研究价值，但必须区分“市场空间大”“技术有突破”“企业能够赚钱”这三个不同命题。

• 短期重点： 工业自动化、机器视觉、运动控制、成熟机器人和具有明确客户需求的专业服务机器人。
• 中期重点： 高可靠性执行器、精密传感器、边缘计算、仿真平台、机器人操作系统，以及能够从试点走向批量交付的企业。
• 长期重点： 具备跨场景泛化能力、真实世界数据闭环、规模化制造能力与可持续单位经济模型的具身智能平台和人形机器人企业。

最值得关注的不是简单押注某一个机器人品牌，而是识别那些能够持续降低物理AI部署成本、提高任务成功率，并通过客户复购获得现金流的企业。

最终决策原则：以订单验证需求，以毛利率验证竞争力，以现金流验证经营质量，以ROIC验证资本效率，以估值和安全边际决定买入价格。

以上为产业研究框架与情景分析，不构成针对具体证券或项目的个性化投资建议。实际投资前，应进一步核实目标企业最新财报、订单、估值、融资条款与技术验证结果。