读懂物理AI:一个比大模型大10倍的赛道,英伟达的“阳谋”与国内供应链的“生死时速”

最近，人形机器人火得一塌糊涂。但你有没有想过一个问题：如果英伟达成功让全世界每一个机器人都用上它的“大脑”和“操作系统”，那咱们国内的零部件厂商和整机厂，到底是跟着喝汤，还是沦为高级打工仔？

这，就是物理AI赛道最底层的矛盾：英伟达想建一个“万物互联的物理AI帝国”，而国内供应链的目标是“在这个帝国里当最不可或缺的包工头”。这场共谋与博弈，将决定未来5-10年财富的流向和谁会被淘汰。

本文基于国泰海通证券于2026年6月10日发布的报告《物理AI：英伟达的具身CUDA生态》，带你抽丝剥茧，看清这三个问题：物理AI到底是个什么生意？产业链上谁在定价、谁在挣辛苦钱？以及，现在入局，最大的机会和最要命的坑在哪？

第一步：给机器注入“物理常识”，顺便重建一个帝国

一句话定义：物理AI，就是让AI不仅会聊天画画，还能理解“杯子掉地上会碎”、“推桌子要控制力度”、“走路遇到斜坡会自动调整重心”这些人类婴儿都懂的物理规则。说白了，就是从“数字世界的学霸”进化成“物理世界的熟练工”。

产业链简图（分三层，利润和风险天差地别）：

• 顶层（发标准、定规矩）：提供算力芯片、仿真软件、基础模型。这是整个生态的“立法者”，英伟达是唯一的玩家。它不造机器人，但它要当所有机器人的“精神领袖”。

• 中层（攒机器、跑关系）：把人形机器人、工业机器人等“身体”造出来，并集成上层的“大脑”。代表企业有优必选、埃斯顿、特斯拉（Optimus）。这一层竞争最激烈，既要懂技术，又要懂客户，还得跟英伟达搞好关系。

• 底层（磨零件、赚辛苦钱）：生产减速器、电机、传感器等核心零部件。代表企业有绿的谐波（减速器）、双环传动、奥比中光。这一层看似不起眼，但却是国内供应链最现实、最确定的突破口。

白话翻译官（再通俗不过）：

• “世界模型”：AI的“常识库”。不仅知道“杯子”长啥样，还知道它“易碎、会滚动、装水会洒”。

• “数字孪生”：在电脑里1:1复制一个真实工厂。让机器人在虚拟世界里练上几百万次，摔了也不心疼，练熟了再进真工厂。相当于机器人版的“头号玩家”。

• “端侧芯片”：装在机器人身上的“小脑”。不用联网请示中央大脑，自己就能算“下一步脚迈多高”，反应快、不怕断网。

第二步：这盘子到底有多大？一个“403倍PE”的故事

报告没有直接给出物理AI的单独市场规模，但我们可以从相关产业的预测中感受其体量。这里我不用一堆平均数糊弄你，我拎一个最炸裂的数据出来：

绿的谐波，一家做机器人“关节”（精密减速器）的国内公司，券商给的2026年预测市盈率（PE）高达403倍。

这是什么概念？

• 对比A股普通制造业公司（比如做挖掘机的），市盈率通常只有15-25倍。403倍意味着，市场认为它未来的利润要增长十几二十倍，才能把这个“天价”消化掉。

• 对比英伟达最疯狂的时候，市盈率也就80-100倍。绿的谐波比英伟达还贵4倍。

【本文分析】 这不代表券商“瞎了眼”。恰恰相反，这说明了物理AI赛道的稀缺性溢价。整个A股，能做人形机器人高性能精密减速器的公司，掰着手指头数得过来。市场不是在为它“现在的利润”买单，而是在为 “未来唯一的供货权” 买单。这是一个“赢家通吃预期下的极端定价”。

用比喻让其他数字有感觉：

• 报告中对多家零部件公司（双环传动、长盈精密）的盈利预测，2025到2027年EPS（每股收益）普遍有30%-100% 的增长。这不是一门“辛苦钱”的生意，而是即将进入“印钞机”模式的黄金赛道。

• 你可以把现在的物理AI行业想象成2010年左右的智能手机。iPhone刚刚问世，APP商店初具规模，所有人知道未来很大，但谁也没想到10年后会诞生抖音和美团。现在，物理AI就处在那个“iPhone时刻”的前夜。

第三步：凭什么涨？还能涨多久？（附时间线）

【报告预测】增长的核心驱动力：

1. 需求侧（人不够用了）：制造业、物流业劳动力缺口持续扩大，企业主迫切需要“即插即用”的机器人。

2. 供给侧（技术闭环了）：英伟达搭好了“四大工具栈”，从虚拟训练到真实部署，流程标准化了。

3. 环境侧（钱进来了）：英伟达、特斯拉、比亚迪、理想等巨头真金白银往里砸，加速产业化。

【本文分析】天花板在哪？

• 短期天花板（1-3年）：不是技术，而是成本。一台能干活的人形机器人卖20万美金以上，工厂主就会算账：这钱够雇10个工人干5年了。所以初期一定是极度标准化的工业场景。

• 长期天花板（5-10年）：近乎无限。从工厂到家庭、从救灾到太空，这是一个从“万亿”人民币市场跃升到“百万亿”级别的赛道。

【本文分析】 对投资者和从业者：未来两年看订单，三到五年看成本，五年以上看信仰。

第四步：谁在吃肉，谁在喝汤，谁在啃骨头？

目前格局：英伟达在上层“吃肉”，国内供应链在底层“喝汤”，整机厂在中间“啃骨头”（竞争最激烈、利润最薄）。

白话解读竞争壁垒：

• 想进第一梯队？ 你需要一个像CUDA那样让全球数百万开发者“离不开”的生态。比登天还难，直接放弃幻想。

• 想进第二梯队？ 你需要烧几十亿研发资金，还要有强大的制造和供应链管理能力。这是巨头和顶级创业者的游戏。

• 最现实的路径是第三梯队：成为某个关键零部件的国内龙头。拼的是工艺、良率、成本、客户认证。报告推荐的恒立液压、长盈精密、双环传动基本都走这条路。

第五步：别被热血冲昏头

机会点（在哪儿下注？）

1. 核心零部件国产替代（确定性最强）：人形机器人一旦放量，对减速器、电机、传感器的需求是海量的。目前高端市场被日本、欧洲企业占据，国产化率每提升10个百分点，就是一个百亿级的市场。绿的谐波们的403倍PE，赌的就是这个故事。

2. “老旧设备改造”的灰犀牛（容易被忽视）：中国有海量的传统工业机器人，“四肢发达，头脑简单”。通过加装物理AI套件（边缘算力芯片+感知模块），可以让它们焕发第二春。改造成本可能只有买新机器的1/5，回报周期不到一年，企业主掏钱意愿极强。

3. 垂直场景的数据服务商（小而美的赛道）：物理AI需要海量“物理交互数据”来训练。通用仿真环境之外，特定场景（如手术室、精密装配线）的私有数据是稀缺资源。为机器人公司提供数据采集、标注、场景模拟服务的公司，会是“卖水人”中的“卖水人”。

风险点（哪些坑会埋人？）

【风险提示】以下基于报告及行业逻辑推演，请务必独立判断。

1. 【技术风险】路线分歧与“伪智能”：目前主流技术（大模型+模仿学习）能否通向真正的通用物理AI？如果突然冒出一个全新的技术路线（比如基于神经科学的架构），今天的投资可能瞬间归零。更可怕的陷阱是：机器人只是“记住”了动作，而不是“理解”了物理，换一个场景就变成“智障”。

2. 【产业化风险】量产即“翻车”：从“造出几台样机”到“稳定量产数万台”，中间隔着工程化、品控、供应链的“死亡之谷”。如果成本降不下来，可靠性上不去，To B场景的账就算不过来。别听券商吹得天花乱坠，最大的风险就一个：花了100亿研发的机器人，结果在工厂里干不过一个干了20年的老师傅。老师傅一个月工资8000，还不用充电。

3. 【竞争风险】价格战与跨界打劫：一旦市场被验证，传统工业机器人巨头（ABB、发那科）、科技巨头（华为、苹果）甚至互联网巨头都可能携巨资下场。届时，目前看起来美好的毛利率（20%-40%）可能会被迅速挤压到10%以下。如果英伟达明天宣布自己做减速器/电机，绿的谐波们怎么办？ —— 这才是投资人真正应该失眠的问题。

4. 【政策与宏观风险】 高端芯片（如英伟达GPU）的出口管制随时可能收紧，直接影响国内训练算力。同时，全球经济下行，企业会优先砍掉昂贵的资本开支。机器人的采购订单，是经济繁荣期的“奢侈品”，也是衰退期的“第一批牺牲品”。

结尾：核心结论与互动

三句话总结：

1. 行业阶段：物理AI和人形机器人处于 “示范应用”向“早期放量”过渡的关键期，很像2010年的智能手机——所有人都知道未来很大，但99%的现在玩家会在途中死去。

2. 最大机会：不在整机品牌的血海中，而在 “核心零部件国产替代”和“老旧设备改造” 这两个确定性更强的细分领域。

3. 最大风险：不是技术不成熟，而是 “商业化速度跟不上资本和舆论的过高预期” 。如果成本降不下来，一切故事都是空中楼阁。

您看好这个赛道吗？是押注英伟达的生态霸权，还是赌国内某个零部件“隐形冠军”能跑出来？欢迎在评论区聊聊您的看法。