ARTICLE · 1249057
物理AI–机器人数据采集是新的风口?!
物理AI–机器人数据采集是新的风口?!
1）物理AI是AI应用的第三级演进，从生成式AI做内容到智能体AI做数字任务，再到未来物理AI做物理世界增量价值，对AI应用框架而言是继大模型、Agent之后的第三次演进。
2）相关应用领域包括智能驾驶、机器人及自主运行工厂，正推动AI进一步参与生产执行，并围绕任务完成率、人工干预频次及投入回报形成可衡量的商业价值。 3)Astra直接控制机器人引发业内对VLA、WAM模型的重新思考定位，我们认为最重要的变化是：当通用模型开始承担部分任务理解、规划甚至动作决策，#具身模型的瓶颈正在被重新划分——哪些借用现成大脑、哪些靠真实操作补课。模型路线尚未收敛，#数采有望成这一阶段的交易主线。
4)#新变化：部分能力不用再从零教。过去训练机器人，既要教它理解任务，也要教它执行动作；Astra的变化在于，通用模型已经能够完成前者，接下来的竞争，聚焦教会它人类动手才能学会的技能，#需要的是真实的触觉数据。
5)#为何模型越强、反而越要重视数采? 因为懂步骤，不等于有手感。以插钥匙为例，模型知道钥匙要对准锁孔，却难以知道插不进去时，是角度偏了、左侧卡住，还是应该退回来重试。网上的知识和视频能教常识，但接触条件下的反馈，仍需要真实操作来补。#通用能力越容易获得、缺失的身体经验就越值得重视。
6)#数采逻辑也在变化：有效数据的价值更突出。简单动作反复录难以形成壁垒；能够覆盖接触、滑落、卡住和失败恢复的数据，价值更高。UMI、Ego、真机数据均有存在价值，数采设备、手套和触觉传感器开始成为产品布局的一部分。 
一、核心逻辑：数采是物理AI的数据瓶颈入口 1. 数采设备本质是人形机器人/端侧算力的一种，数据服务才是真正现金牛。 数采行业=设备+服务。数采对具身智能的重要性，类比数据对AI应用的重要性。行业天花板靠服务和平台撑起，数采服务毛利率可达50%+，是现金牛；设备则先行，承担基础设施角色。 2. 物理AI不止数采或机器人。 数采于人形机器人的重要性，类比数据服务对大模型/Agent落地的重要性。除数采外，Agent、人形机器人、端侧等下游链接同样重要。物理AI本质是一场大模型的再次迭代：从大语言模型走向世界大模型。T链重点看传感器预期差，O链全产业链机会刚开始，国内ZJ、ZP、Minimax、阿里等也刚开始。 
3. 觅蜂ZJ交流：设备部件用量与路线能力圈。 不同采集设备部件用量：UMI为IMU单手1颗、带头双手腕3颗，合计5颗；EGO为头戴设备1颗IMU，主流相机配置4—7颗；真机为IMU标准用量3—8颗、编码器40个、传感器4个六维力、14个一维力。路线能力圈上，UMI核心是鹿明和灵圣；EGO核心是千寻和奥比；真机遥操核心是诺亦腾和帕西尼。相比数采设备，数采服务环节毛利更高（50%+），也是觅蜂核心高毛利业务。数采核心壁垒包括数据资产化、规模化合成蒸馏、规模化精炼治理。价值量切分上，采集环节约占30%，标注环节按精度要求占25%—35%，清洗环节约占40%。 
4. Astra新变化：通用模型承担部分理解规划，瓶颈转向真实操作补课。 Astra直接控制机器人，引发对VLA、WAM模型定位的重新思考。通用模型已能承担部分任务理解、规划和动作决策，接下来竞争聚焦教会机器人“人类动手才能学会的技能”，需要真实触觉数据。模型越强，越要重视数采，因为“懂步骤不等于有手感”。以插钥匙为例，模型知道要对准锁孔，却难知道插不进去时是角度偏了、左侧卡住还是应退回重试。简单动作反复录难形成壁垒，覆盖接触、滑落、卡住和失败恢复的数据价值更高。UMI、Ego、真机数据均有存在价值，数采设备、手套和触觉传感器开始成为产品布局的一部分。本轮A股直接映射到数采设备环节，板块持续性超预期。 5. 产业催化密集。 宇树科技创始人王兴兴表示，随着GPT-6发布，物理AI已看到被击穿的苗头，可能最近1—2年或2—3年；具身智能迈过ChatGPT时刻最核心挑战是AI模型输入输出与真实机器人对齐。黄仁勋在GTC柏林大会称AI工厂部署最快缩至14天，物理AI将加速落地，并多次表态“下一波浪潮是物理AI”，即机器人时代。特斯拉Q3业绩会表示未来1—2个月将发布机器人视频展示AI能力。数据质量、规模直接决定模型智能水平与落地效果，行业竞争已从算法、算力比拼转向高质量数据供给能力较量。 二、逻辑个股分别叙述 （一）数采服务/第三方数据服务：现金牛与高毛利环节 · 海天瑞声：材料列为数采服务核心及第三方数采服务，逻辑在于数据服务现金牛、高毛利及数据资产化能力。 · 开普云：材料归入数采服务核心，映射数采服务与平台环节。 · 凡拓数创：材料同时列入数采服务核心和仿真与数据平台，逻辑在数据平台与数采服务交叉。 · 宝通科技：材料多次提及，归入数采服务核心及仿真与数据平台，关注数据服务与平台化映射。 · 风语筑：材料归入数采服务核心，逻辑在数采服务环节。 · 当虹科技：材料归入数采服务核心，逻辑在数采服务环节。 · 慧辰股份：材料列为第三方数采服务，关注数据服务商业化。 · 品茗科技：材料列为第三方数采服务，关注数采服务环节映射。 · 尚品宅配：材料列为第三方数采服务，关注数据采集与服务链条。 · 德马科技：材料列为第三方数采服务，关注数采服务与物流场景数据映射。 （二）数采设备、EGO/光学动捕与仿真数据平台：设备先行 · 奥比中光：材料在数采设备、EGO/光学动捕中多次提及，是EGO路线核心能力圈相关标的，逻辑在光学感知与数采设备。 · 创维数字：材料归入数采设备环节，关注设备端映射。 · 凌云光：材料列为光学动捕与姿态捕捉/方案及EGO/光学动捕核心，逻辑在光学动捕与姿态捕捉。 · 奥普特：材料列入数采硬件及EGO/光学动捕，关注光学检测与数采硬件。 · 龙旗科技：材料列为数采硬件，关注设备端硬件映射。 · 科达利：材料通过子公司启云星辰归入仿真与数据平台，逻辑在仿真数据平台布局。 · 索辰科技：材料列为仿真与数据平台，关注仿真软件与数据平台。 · 上纬新材：材料列为仿真与数据平台，材料未展开个股细节。 · 宇树科技：材料列为仿真与数据平台/机器人本体，逻辑在机器人本体与数据平台协同。 （三）传感器、触觉手套、IMU与惯性动捕：T链看传感器预期差 · 峰岹科技：材料列为数采硬件核心，收购传感器公司Sciosense，并与驱控芯片形成传感控制模组，逻辑在传感控制模组。 · 福莱新材：材料多次提及，归入传感器及数采手套/触觉手套，逻辑在触觉手套与触觉传感。 · 华依科技：材料列为传感器、IMU及惯性动捕，逻辑在IMU与惯性姿态捕捉。 · 汉威科技：材料列为数采手套，关注触觉与传感器件。 · 晶华新材：材料列为触觉手套，关注触觉手套材料与器件映射。 · 奥飞娱乐：材料列为惯性动捕，逻辑在惯性动捕环节映射。 （四）Agent垂类：物理AI向行业场景落地 · 能科科技：材料归入Agent垂类，逻辑在工业/行业Agent落地映射。 · 金马游乐：材料归入Agent垂类，关注场景化Agent应用。 · 中控技术：材料归入Agent垂类，逻辑在工业控制与Agent结合。 · 美年健康：材料归入Agent垂类，关注健康场景Agent应用。 · 江顺科技：材料归入Agent垂类，材料未展开个股细节。 · 新致软件：材料归入Agent垂类，关注软件与Agent落地。 （五）端侧：端侧算力与存储链条 · 瑞芯微：材料归入端侧，逻辑在端侧算力芯片映射。 · 大普微：材料归入端侧，关注端侧存储链条。 · 佰维存储：材料归入端侧，关注端侧存储。 · 恒玄科技：材料归入端侧，关注端侧低功耗计算与连接链条。 （六）OpenAI链条推荐 · 绿的谐波：材料列为OpenAI链条推荐，逻辑在谐波减速器等机器人核心部件。 · 兆威机电：材料列为OpenAI链条推荐，逻辑在微型驱动与精密传动。 · 长盈精密：材料列为OpenAI链条推荐，逻辑在精密制造与结构件。 三、风险提示 人形机器人产业链进展不及预期；特斯拉机器人进展不及预期；数采服务商业化及毛利率不及预期；模型路线变化导致数采需求结构波动；数据合规与数据资产化推进不及预期等。以上内容为公开材料汇总，不构成投资建议。
2）相关应用领域包括智能驾驶、机器人及自主运行工厂，正推动AI进一步参与生产执行，并围绕任务完成率、人工干预频次及投入回报形成可衡量的商业价值。
4)#新变化：部分能力不用再从零教。过去训练机器人，既要教它理解任务，也要教它执行动作；Astra的变化在于，通用模型已经能够完成前者，接下来的竞争，聚焦教会它人类动手才能学会的技能，#需要的是真实的触觉数据。
5)#为何模型越强、反而越要重视数采? 因为懂步骤，不等于有手感。以插钥匙为例，模型知道钥匙要对准锁孔，却难以知道插不进去时，是角度偏了、左侧卡住，还是应该退回来重试。网上的知识和视频能教常识，但接触条件下的反馈，仍需要真实操作来补。#通用能力越容易获得、缺失的身体经验就越值得重视。
6)#数采逻辑也在变化：有效数据的价值更突出。简单动作反复录难以形成壁垒；能够覆盖接触、滑落、卡住和失败恢复的数据，价值更高。UMI、Ego、真机数据均有存在价值，数采设备、手套和触觉传感器开始成为产品布局的一部分。
