夜雨聆风重要提示：关注【库林之牛】公众号，私信发送“物理AI”，获取物理AI产业链名录。
宇树H2被NV选为GR00T参考设计本体这件事，表面看是"信任背书"，深层看是"别无选择"——中国之外找不到同等性价比的机器人本体。这个"找不到"，既是中美物理AI产业链的结构性粘合剂，也是最脆弱的断裂点。一旦宇树被列入实体清单，全球物理AI供应链会出现一个没有任何备选方案的缺口，填补时间不是3个月，是12-18个月。
芯片脱钩、电动车缠斗、物理AI卡在中间
中美在物理AI上的关系，不像芯片，也不像电动车。
芯片是脱钩——先进制程、EDA工具、半导体设备被视为国家安全资产，双方都在建自己的闭环。电动车是缠斗——特斯拉在上海建厂、宁德时代在北美建厂、供应链深度融合，商业逻辑压倒了政治逻辑。
物理AI介于两者之间。它不是纯硬件（不像芯片那样一刀切断），也不是纯消费品（不像电动车那样主要靠市场驱动）。它是算法加硬件的组合——算法的开源属性（Cosmos 3完全开源）和硬件的供应链复杂度（一台人形机器人需要数百种零部件），决定了中美不可能像芯片那样完全脱钩。但也别指望像电动车那样深度融合——机器人被美国视为"未来制造业竞争力"，绝不会允许核心供应链完全依赖中国。
确定性标的的脆弱性
一个需要重新审视的问题是"物理AI最确定的机会在身体层和基础设施层"。这个判断对了一半——精密减速器、丝杠、液冷散热确实是确定的需求。
但有一个被忽略的变量：当身体层的供应商高度集中在单一国家时，"确定性"就变成了"脆弱性"。绿的谐波、双环传动、汇川技术、三花智控——这些确定性的中国公司，最大增量来源特斯拉Gen3量产，同时也是一个中美政治敏感的产业。一条实体清单的行政命令，就能从"确定的需求"变成"确定的需求但不确定的供应链网络"。
这不是说要避开这些标的，是说它们的高PE里不仅包含了"产业放量"的乐观预期，还隐含了"中美供应链不会断裂"的政治假设——而这部分假设的确定性，远低于产业本身的确定性。
五个反共识
以下五个判断，是在当前市场共识之外值得重新审视的关键假设。
反共识一：好故事正在变贵。 物理AI产业方向无需质疑。但13个标的中有多个PE处于历史偏高水平，市场已经把"2030年万亿市场"压缩进了今天的股价。6个月前是"低预期+大空间"，现在是"高预期+长周期"。乐观已被定价，剩下的空间取决于业绩能不能超预期——而从产业节奏来看，2026下半年到2027上半年，大部分标的的兑现还处于早期。
反证据：如果特斯拉Gen3月产量在2026年Q4破千台，或者Figure的客户扩展到3家以上车企，高估值有产业数据支撑。但目前这两个"如果"都还没兑现。
反共识二：灵巧手才是真瓶颈，不是AI。 市场给AI算法公司的估值溢价远高于精密制造公司。但物理AI的真瓶颈在后者——不是"让机器人更聪明"，是"让机器人更灵巧"。一个更聪明但手笨的机器人，不如一个没那么聪明但手灵活的机器人在工厂有用。
反证据：Shadow Hand已达24自由度（人手27），SharpWave触觉灵巧手在快速迭代。因时机器人如果两年内从12自由度量产到20+，当前估值逻辑需要重写。
反共识三：宇树是中美物理AI最大的"断裂点变量"。 当前概率约15-20%，不高。但一旦发生，全球范围内能替代宇树的本体方案目前找不到——这个缺口够整个行业消化至少一年。绿的谐波和双环传动作为备用供应源的价值会大幅提升，但切换成本（接口适配、通信协议、安全认证）至少6-12个月。
反共识四：物理AI的ChatGPT时刻可能比预期晚2-3年。 ChatGPT从GPT-3到全球爆火只用了18个月。但人形机器人需要经过工厂爬坡、供应链磨合、客户验证、安全认证——每个环节以季度甚至年为单位。真正百万台级量产，2030年以后。
反证据：如果特斯拉2027年前月产超5000台且BOM降到3万美元以下——时间线大幅提前。但目前是低概率乐观情景。
反共识五：机器人替代的不是"有工作的人"，是"找不到的人的岗位"。 全球制造业正经历历史性劳动力短缺——德国数十万制造业岗位空缺，日本每年减少约50万劳动力人口，中国年轻人集体远离工厂流水线。TAM应该按"有多少岗位找不到人"来算，不是按"能替代多少现有工人"算。前者市场空间远大于后者。
A股全景：六层产业链映射
以下是物理AI产业链上A股和港股具有代表性的13家公司。这张表的核心价值不在选股——不构成任何投资建议——而在于建立从产业链位置到公司基本面的完整认知框架。
这张表里最值得关注的规律：弹性最高的标的（绿的谐波/寒武纪/华大九天），往往也是估值分位最高、业绩兑现时间最靠后的。弹性偏低的标的（长电科技/三花智控/德赛西威），估值相对合理，业绩确定性强。这不是市场定价的"错误"，而是风险溢价的正常体现。
催化剂时间轴
三篇合在一起
前文分别讨论了"世界模型是操作系统还是过渡品"——结论是AlexNet时刻，方向对但路还长，关键是找"无论谁赢都离不开"的公司；"真量产还是PPT量产"——结论是真但慢，2026-2027年数百至数千台，真正规模效应要等到2028年；"中美脱钩还是缠斗"——结论是介于芯片和电动车之间，不会完全脱钩但也不会深度融合。
最后一句话：物理AI最确定的机会不在模型层 ——模型会快速迭代、相互追赶——而在身体层和基础设施层。精密减速器、高精度丝杠、灵巧手、触觉传感器、3D视觉、液冷散热——这些硬件的进化速度比AI算法慢了不止一个数量级，但它们恰恰是物理AI真正卡脖子的地方，也是制造业能力最能发挥优势的地方。在信息里找到10倍的确定性很难——因为信息是流动的。在物理里找到一个确定的需求，然后耐心等它兑现，可能才是这个赛道回报最大的姿势。
