人形机器人与自动驾驶作为物理AI两大核心载体，兼具广阔产业空间，依托完备技术闭环与持续落地的场景，成为高潜力价值赛道。
人形机器人：拐点已至，物理大模型是真正瓶颈
先看一组数据：2026年上半年，全球人形机器人出货量达到1.91万台，同比翻了近三倍。这个数字意味着什么？行业已经告别了实验室里"能不能动"的阶段，开始小批量走进真实场景了。
目前落地最多的场景是工业搬运、仓储分拣这类结构化环境。硬件端也在快速进步——减速器、伺服电机、灵巧手等核心零部件的成本正在往下走，规模化普及的基础正在夯实。
但硬件不是人形机器人真正的天花板。
真正的瓶颈是物理大模型。
和聊天、画图的数字大模型不同，人形机器人要处理的是触觉、力矩、空间交互这些"物理维度"的数据。互联网上那些海量文本和图片，没法直接拿来训练一个会搬东西的机器人。它需要专业的数据采集设备、大规模物理仿真平台，以及虚实迁移技术来完成模型训练。
目前行业面临的痛点很明确：物理世界的数据积累远远不够，仿真环境和真实世界之间还有一道鸿沟没填平。但这恰恰也是最大的技术壁垒——谁能先跨过去，谁就掌握了产业话语权。今年以来英伟达等巨头密集布局机器人世界模型和仿真引擎，瞄准的正是这个卡点。
从产业演进看，当前人形机器人赛道很像2023年之前的大模型——"硬件先行、软件蓄力"。上游核心零部件厂商会先吃到出货量增长的红利，需求增量确定性强；而数据采集、仿真训练、触觉感知这些软硬结合的环节，技术壁垒高，未来弹性值得期待。
自动驾驶：物理 AI 的先行赛道，商业闭环已率先跑通
如果说人形机器人是物理AI的"成长预期层"，那自动驾驶就是"商业化先行层"。
自动驾驶的技术逻辑和物理AI高度一致——都是"感知→推理→行动→反馈"的完整闭环。经过多年积累，行业已经形成了"上路运行→数据回流→模型迭代"的正向飞轮，这是其他物理AI赛道暂时不具备的优势。
当然，自动驾驶也不是没有挑战。暴雨等场景，至今仍是各家技术实力的试金石。传统规则驱动的算法已经不够用了，行业正在加速向世界模型、物理大模型转型——你会发现，这个技术演进方向和人形机器人几乎是殊途同归的。
更关键的是，自动驾驶多年打磨出来的仿真平台、端侧算力方案、传感器技术，可以直接"外溢"到人形机器人产业，形成技术协同效应，进一步放大整个物理AI赛道的产业价值。
观察自动驾驶产业，核心可以盯住渗透率、单车价值量、技术迭代效率这几个指标，关注那些有核心技术壁垒、能持续兑现业绩的企业。
整体来看，自动驾驶是物理AI的"商业化先行层"，人形机器人是"成长预期层"，两者共享的底层技术环节，将同时受益于双赛道的增长。
产业链核心环节一览
物理AI的产业链涵盖多个关键环节，各环节各有壁垒：
整机垂直应用——场景落地的最后一公里
衔接物理AI模型与真实作业场景，提供一体化无人成套解决方案，把技术真正转化为生产力。
博雷顿：自研无人矿卡本体与物理AI模型，已在矿区成功落地一体化无人方案。
触觉感知——物理AI的"皮肤"
这是物理AI实现环境交互、精细化操作的核心环节，负责捕捉触觉、压力等物理信号，为模型反馈关键数据。
福莱新材：自主研发柔性传感器及触觉感知系统，可应用于人形机器人灵巧手等场景，为其提供全域触觉感知能力，助力灵巧手实现精细化操作，补齐物理AI交互感知短板。
仿真数据——物理AI迭代的护城河
线下真机采集数据成本高、规模化难，用虚实结合的方式生成合成数据，是物理AI模型迭代的必经之路。核心壁垒在于低成本数据采集体系和数字孪生仿真平台的搭建能力。
索辰科技：依托CAE仿真+数字孪生平台，为物理AI提供高质量虚拟训练数据。
控制部件——机器人动作执行核心
承接AI算法输出的信号，精准调控设备的位移、速度和力矩，直接决定机器人运行的稳定性和精准度。
汇川技术：自研伺服控制系统，是机器人本体运动控制的核心供应商。
传动部件——实体执行的基础支撑
缩小电机体积、提升动作精度，保障机械臂和行走机构实现平稳细微的运动。
绿的谐波：谐波减速器龙头，机器人精密传动关节的核心供应商。
执行总成——标准化动作的输出载体
把驱动、传感、传动等组件整合成标准化的灵巧执行模块，直接完成抓取、操作等实体动作，是连接模型与实际作业的关键一环。
拓普集团：配套机器人执行器、灵巧手，可供应全套整机硬件总成，实现标准化动作输出。
通信基础设施——物理AI的数据传输底座
物理AI设备在真实场景中运行，依赖稳定、低时延的无线通信实现数据回传、远程调度与多机协同。基站天线、射频器件等通信基础设施，是连接物理AI终端与云端算力的关键纽带。
通宇通讯：业务覆盖基站天线、射频器件、微波天线等，5G-A通感一体化天线已取得实质性进展。
10个月宝宝每天需要喝多少奶粉？
