物理AI还有多远?

      最近行情好起来，也暂停了一两天的复盘。总之在北美巨头capex看不到下修预期的情况下，越临近中报，越是北美算力链的表现时机，拥挤度会继续加剧，关注下自己手里的票是否有硬逻辑即可，纯概念无业绩的可能会很惨。

      今天想再做一期概念拆解，跟大家聊聊物理AI，篇幅比复盘更长，见谅。

      之前我也觉得物理AI不就是机器人换了个说法，但今天在思考了未来两三年里哪些题材有强烈的炒作机会后，感觉物理AI有必要单独来一篇，也是再清晰一下观察方向。

      我们之前谈机器人的投资机会，无非就是执行器、减速器、电机、丝杠、传感器这些大妈大婶都能倒背如流的零部件订单逻辑，虽然这些在将来确实会有爆发式的订单增长，但都不是卡脖子环节，弹性完全不足，估值也已经能打多高就打多高了。

      而如果切换到物理AI这个视角来看的话，投资机会就突然清晰起来了。

      我们先来描绘一个场景：假设你在遥远而理想的未来是一家高精尖制造企业的老板，早上10:00，你的家政机器人轻拍你的肩膀叫你起床，早餐已经放在桌上。刚吃完，你的真·自动驾驶汽车已经在家门口等候，它平稳的把你送到办公楼下，路上你还看到了公共服务机器人在扶老奶奶过马路。刚到办公室，你的小蜜机器人已经把咖啡、今天要签署的文件和风险点提示放在桌上了。处理完基础工作后，你来到车间视察机器人产出的成品，只看到搬运机器人、组装机器人、喷涂机器人有条不紊的干着自己的活，制作出来的产品十分精细，车间管理机器人走在你旁边，跟你汇报着近期产品的良率达到了6N级。

      这也是黄仁勋脑海里所勾勒的画面：“每家工业公司都会变成机器人公司。”

      基于以上画面，我们再来想想这是否会是将来。目前AI已从感知式经历了生成式，并进化到代理式AI了，在虚拟世界中，已经能代替人类执行电脑任务了。接下来呢，如何解放人类的双手，从繁复的流水线工作中抽离出来、去开展更具创造性的劳动？这便有了黄仁勋的这番话。

      虽说理想愿景是如此，但我们离这幅画面照进现实该怎么走呢、还有多远的路要走呢？这个问题解答了，我们就知道物理AI投资的核心方向在哪里了。

      我们以扶老奶奶过马路为例：首先，机器人不能傻，遇到老奶奶过马路事件要懂怎么搀扶、根据老奶奶步频调整自己的步频；其次，机器人不能迟钝，老奶奶要求扶她过马路，不能在原地站半天思考怎么扶，否则可能老奶奶都已经过马路了，才开始找老奶奶在哪里；最后，机器人不能不持久，假如一个马路很宽，不能扶到马路中间因为芯片过热导致算力下降然后就一直死拽着老奶奶在马路中间罚站，也不能扶到马路中间因为电池没电了然后就突然在马路中间躺下碰老奶奶的瓷。

      以上，我们不难得出目前物理AI发展的瓶颈：太傻、太迟钝、太不持久，而发展路径在哪，投资方向在哪。具体如下：

      一、太傻（Sim-to-Real Gap）

      目前的仿真环境中训练得很好的AI模型，部署到真实世界后，通常会水土不服、降智。这是因为仿真环境无论多么精细，都无法还原真实世界，永远存在系统性差异。就像纸上谈兵，你沙盘推演再怎么牛，可能到实战的时候，突然因为天气变化、装备故障、通信干扰或者士兵想家了，就直接全盘皆输。

      但这个Gap无法一次性消除，也没有最聪明的解决路径，只能通过"高保真仿真+域随机化+真实数据微调+数据飞轮持续迭代"的组合拳逐步缩小。

      这方面的投资机会在二级市场也几乎没有，所以我们只能静待花开。

      二、太迟钝（控制频率太低）

      1、大模型瓶颈：机器人属于端侧AI，大模型预置到端侧，由端侧执行感知-思考-行动，要想机器人丝滑的执行我们理想中的动作，至少需要执行频率达到20-30Hz，理想频率应该要到100Hz以上，而目前的大模型部署到边缘设备上只能跑到3-5FPS，太迟钝了。但这方面的投资机会二级市场也几乎没有，我们还是只能静待花开。

      2、传感器-执行器全链路瓶颈：即使大模型不断优化后勉强让控制频率达到了20Hz，但机器人的控制频率远不止是芯片算完就完，而是“感知-传输-推理-传输-执行”的闭环。比如摄像头帧率与图像信号处理，如果帧率不够高、处理不够快，会导致严重延迟；比如总线通信，目前的工业总线都有固定的通信延时，虽然不多，但不断迭代尽可能压缩总线的通信延时也是打破瓶颈的一个增量；比如执行器响应延时，电机从收到指令到产生力矩通常也有几毫秒到几十毫秒的延时，虽然也不多，但动作越复杂、动作频率越高，执行器的响应延时也会不断放大。鉴于国内通信和电机制造业发达，或许物理AI发展中这两个板块也会因为稀缺性和突破的急迫性而享有溢价。

      3、热量与功耗墙瓶颈：高频率推理执行意味着高功耗，而机器人密封躯干内的散热条件极差，执行某些动作或者在某些极端气温下，会触发BMS降额保护，导致电机力矩输出变小、传感器失灵、芯片算力被锁，从而无法正常工作。鉴于国内温控零部件制造业也还不错，或许散热这个板块也会享有溢价。

      三、太不持久（电池寿命太短）

      当前机器人的续航困境是产业级痛点。特斯拉擎天柱2采用2.3kWh高镍三元电池，仅能续航2小时左右，宇树的静态续航不足4小时，行业均值在2-4小时，而工业场景需要8-20小时的连续作业才能实现我们构想的那副画面。这个方向主要靠固态电池的量产才能解决，而鉴于国内电池制造业傲视全球，这个方向的确定性则是最高。

      综上，我们得出了从目前表演式机器人通往真实落地工业甚至家庭机器人需要解决的瓶颈和路线。

      而AI最终的落脚，一定是来到真实世界与人类互动的物理AI，因此也就可以看到，在物理AI发展进程中，国内产业的投资核心观察方向在哪里。目前以及去年大部分炒作起来的仍然偏汽车制造，在物理AI方向不纯、壁垒不高。在物理AI订单爆量前，我们应该要提前理解清楚哪些环节是目前还没被充分重视却又至关重要的，当世界模型迭代充分、专门应用于机器人感知推理执行的端侧芯片发展成熟，便是这些环节开始崭露头角的时刻。