物理 AI 的下一个预期差:感知层和软件层

物理 AI 这条线，减速器、丝杠、数采设备、机器人本体，能炒的都已经被翻出来炒过一轮了。绿的谐波去年涨了一大波，上纬新材今天涨停，海天瑞声一个月翻了倍 —— 市场在硬件和数采服务上已经打满了预期。但如果你把视角往 "机器人怎么真正干活" 这个方向挪一挪，会发现有四个环节还趴在地下室里，逻辑一点不比减速器差，关注度却差了好几个量级。

先说力觉传感器。一台人形机器人，脚踝要装 4 个六维力传感器，全身关节要装 28 个力矩传感器，合计 32 个力觉感知单元。谐波减速器国产化率刚破 50% 就被炒成了明星，六维力传感器国产化率也才 55%，单台价值量不比减速器低，市场关注度却差了一个身位。原因很简单 —— 六维力的技术壁垒更高。它要在同一个弹性体上同时解耦三个方向的力和三个方向的力矩，算法精度和结构设计都是硬门槛，国内能做高精度的没几家。机器人要做精细操作 —— 拧螺丝、插 USB、抓鸡蛋 ——没有六维力反馈就是瞎摸。当产业从 "能走"往 "能干活" 过渡，力觉传感器是绕不开的刚需，而这个环节的国产替代才刚开始。

再往细里走一层，就是触觉。电子皮肤这个赛道，一级市场半年涌进来 250 亿，灵巧手赛道上半年融资额直接超了 250 亿。为什么？因为没有触觉的机器人，抓个生鸡蛋都能捏碎。2030 年中国电子皮肤市场 90 个亿，年复合增速 64%，但 A 股里直接做这件事的公司屈指可数。比如今天我在星球提到的隆盛科技，电子皮肤力分辨率做到 0.01N，空间分辨率 0.5mm，已经是工业级标准了，但市场还把它当做汽车零部件的公司看。触觉不只是 "让机器人手感好"—— 它是数采数据完整性的瓶颈。你采集了几百万小时的动作数据，但如果没有触觉维度，这些数据就是残缺的，模型学到的动作也是不完整的。从这个角度说，触觉传感器和 IMU 一样，是物理 AI 数据链路上的关键一环。

然后是软件层。现在大家谈数采，想的都是 "买设备、招人录数据"，一台真机遥操作一小时 500 到 1000 块，Ego 第一人称也要 50 到 100 块。可 2027 年光 OpenAI 就要采购千万小时，全行业需求往亿小时走 —— 靠真机录，录到猴年马月？仿真数采是成本最低的补位路径，一小时只要 20 到 50 块，差了 20 倍。在虚拟环境里跑几百万小时的接触数据，再通过 sim-to-real 迁移到真机上，这是填亿小时缺口的最大变量。凡拓数创刚发布了FunSim 具身智能数据仿真平台，五一视界的 51Sim 已经在给车企做仿真、正在往机器人延伸。市场把 "数采" 理解成了硬件生意，没意识到仿真平台才是降本的核心。

最后一个环节更不起眼 —— 数据标注。数采量从百万小时冲到亿小时，数据采集只是第一步，标注才是把原始数据变成训练集的必经之路。机器人数据比智驾数据复杂得多：不只是框出 "这是一个杯子"，还要标注力的大小、关节的角度、触觉的反馈、动作的完整时序。智驾标注公司正在往机器人标注延伸，但市场还把它们当智驾公司看。当量产机器人把数采量推到亿小时级别，标注就是下一个卖铲子的环节，和当年智驾从百万公里冲到亿公里时的标注公司一模一样。

这四个方向的共同特点是什么？都是 "机器人要真正干活"的环节。减速器解决的是 "能不能动"，丝杠解决的是 "动得准不准"，而力觉、触觉、仿真、标注解决的是 "能不能干精细活、数据能不能用"。市场现在在炒 "能动"，但产业的下一步一定是 "能干"—— 当Optimus 已经从产线下线首批量产机器人，当数采 scaling law 被 Dyna-2 验证，竞争的焦点很快就会从 "有没有零部件" 转向 "有没有感知、有没有数据、能不能干活"。感知层和软件层的预期差，就是在这个切换中产生的。

确定性预期很简单：接下来每一次机器人量产交付的新闻、每一次数采数据量突破的公告、每一次头部厂商发布新的操作能力（比如让机器人叠衣服、插插座），都会直接指向这四个环节。减速器的故事已经讲了一年，力觉和触觉的故事才刚开头。