中国基金报记者 方丽 孙晓辉
10月下旬以来，A股物理AI产业链突然爆发。截至10月30日，万得物理AI概念指数自10月15日低点以来区间涨幅超25%，同期万得人形机器人指数最大涨幅接近20%。个股层面，宇树科技相关概念标的在数个交易日内反弹幅度超过50%，减速器、行星滚柱丝杠、力觉传感器等细分赛道轮番掀起涨停潮。
本轮行情的主要逻辑是什么？是情绪炒作还是主线切换？是否已经出现真正改变定价逻辑的信号？哪些细分领域值得重点关注？就此，中国基金报记者采访了博时基金行业研究部副总经理、基金经理陈曦，国泰中证机器人ETF联接基金基金经理段佳琪，中银先进制造基金经理阎安琪，创金合信兴选产业趋势混合基金经理张小郭，恒生前海基金投资经理谢钧，诺德基金电子研究员贺茂飞。
受访人士认为，本轮物理AI行情是产业叙事升级、供给侧密集催化与资金从高位AI赛道再配置共振的结果，本质属于AI主线向物理世界的自然延伸与结构性扩散，板块定价逻辑正从交易样机与“从0到1”切向交易数据闭环、量产爬坡与“从1到N”，但产业仍处于“从0到1”尾声、“从1到10”前夕，业绩兑现尚待验证。
叙事升级与资金再配置共振
中国基金报：10月以来，物理AI产业链表现亮眼，其背后主要逻辑是什么？
陈曦：本轮上涨有两个核心驱动因素：
一是叙事升级。9月3日，OpenAI正式发布GPT-6 Astra，展现出强大的机器人策略能力；10月18日至19日，OpenAI公开确认自研人形机器人；10月21日，英伟达在GTC更新Isaac平台，新增Isaac OS、Isaac Lab 3.0；10月22日，特斯拉Q3电话会、宇树物理AI大会举行。短短20天内，从大模型厂商、芯片平台到整机制造商，产业催化高密度落地，市场关注点从“硬件能不能造”切换到“大脑能不能用”。
二是资金条件。10月19日至23日，人形机器人板块成交额达4666.18亿元，占万得全A指数的5.92%，而前一周这一比例仅为3.60%。
段佳琪：三季度，科技成长板块完成一轮拥挤度出清，机器人板块此前处于低持仓、低拥挤度的状态，为本轮扩散打下基础。市场共识进一步形成：大模型能力正在从数字世界向物理世界迁移，供给端从原型演示逐步迈向量产落地。同时，物理AI打通了“算力—模型—终端—数据”的闭环，有效回应了市场对AI资本开支见顶、应用端难兑现的担忧。
阎安琪：行情由多方面因素合力形成：一是产业进展明显，通用大模型能力向物理世界迁移，GPT-6 Astra在抓取任务中实机成功率达95%，AA-Robotics横评排名第一；二是行情结构轮动，9月末以来AI硬件大幅回撤，物理AI经过近半年调整，成为资金“高低切”的承接方向；三是事件密集催化，世界物理AI大会召开，OpenAI确认自研人形机器人，Optimus进入早期量产爬坡，形成短期催化窗口。
张小郭：产业层面三重共振：模型端，GPT-6 Astra证明通用基础模型可直接承担策略模型，scaling law在物理AI领域仍然成立，智能化卡点松动；工具链端，英伟达GTC推出开源全栈（Isaac OS、Isaac Lab 3.0、GROOT、Agile ONE SN参考本体、Human1M数据集），开发环境搭建从数周压缩至数天；具身载体端，OpenAI预计2027年推出样机，特斯拉Optimus已启动早期生产，产能有望最快于2027年底爬坡到周产2万台（年化100万台），人形机器人“从1到N”渐行渐近。
谢钧：此前AI主线集中在文本、图像等数字内容生成，市场开始担忧算力资本开支边际放缓。物理AI将AI能力延伸至真实物理世界，依托世界模型、仿真、感知、执行硬件，打开算力新需求，接续算力叙事。英伟达明确物理AI是下一波AI浪潮，特斯拉Optimus V3开始进入量产期，OpenAI加码具身机器人，带动全球产业共识升温。国内方面，上海等地出台智能制造方案予以支持。板块前期调整充分，资金从纯大模型、应用端向具身硬件、仿真基础设施、核心零部件扩散，商业模式有望从硬件销售拓展至模型订阅、按调用量计费，带动整条产业链估值重估。
贺茂飞：主要是产业进展与资金结构共振。大模型企业、芯片平台及机器人厂商持续加码，市场开始定价机器人从硬件迭代走向智能突破。物理AI连接训练、仿真和端侧推理，有望为AI算力投资打开新空间，投资者正重新评估物理AI商业化时间表。
本轮行情是AI投资主线的延伸
非单纯“高低切”
中国基金报：你如何定义这波行情？是AI投资主线切换，还是资金“高低切”的阶段性轮动？
段佳琪：本质是AI投资主线向物理世界的自然延伸，短期涨幅里叠加了“高低切”带来的再配置力量与情绪溢价。拉长时间看，这属于AI主线之下的重要分支。
阎安琪：“高低切”是交易层面的起点，“主线切换”的实质正在发生。AI硬件筹码集中叠加季报不及预期，资金寻找新方向，而底层技术进展加速了机器人的可用性和泛化能力，使物理AI成为承接载体。
张小郭：这波行情并非主线切换，也不是简单的“高低切”，而是AI投资主线的延续演绎。在AI硬件板块大幅调整的背景下，具身智能作为重要AI应用方向，在产业基本面显著变化驱动下，强势反弹顺理成章。
陈曦：这是AI主线内部的结构性扩散，而非脱离原有框架的新主线替代。物理AI没有否定算力、模型、Agent和端侧逻辑，而是将其外化到真实物理世界。生成式AI解决内容生产，多模态AI实现跨模态理解，物理AI则要求在真实环境中完成感知、决策与行动闭环，更像是AI应用从数字世界向物理世界的升级。
谢钧：本轮行情是AI主线内部迭代叠加存量“高低切”，并非主线彻底切换，也不只是纯情绪轮动。短期资金从高位算力、光模块流向调整充分的物理AI标的。中长期看，AI从虚拟走向物理世界，产业叙事接续算力周期，但大规模订单和盈利兑现尚不足，暂不具备完全取代算力成为唯一核心主线的条件，后续行情将明显分化。
贺茂飞：我们更倾向于认为这是AI主线向物理世界延伸背景下的一轮趋势修复。AI Agent算力爆发是第一阶段，物理AI是向现实执行端拓展的第二阶段，“高低切”资金放大了行情。能否确认为趋势反转，仍取决于订单、交付和场景复购的持续验证。
定价逻辑
从炒样机到交易“从1到N”
中国基金报：近期OpenAI加码具身机器人、英伟达GTC升级物理AI工具链、宇树/智元量产与数据开源、Optimus爬产等产业事件里，是否已经出现真正改变定价逻辑的信号，而不只是情绪催化？
阎安琪：改变定价逻辑的信号在于市场确认了这些事件背后的逻辑，包括数据的稀缺性被证实，以及大语言模型应用的可行性得到验证。
张小郭：产业链定价逻辑发生根本性变化，定价的侧重点正在从“交易人形机器人‘从0到1’的过程”向“交易具身智能‘从1到N’的过程”切换。在产业“从0到1”的阶段，板块行情具有较明显的概念投资特点。
近期，GPT-6 Astra证明了scaling law在物理AI领域的适用性，有望快速解决具身智能的智能化水平方面的卡点，产业将正式迎来加速放量，正向“从1到N”的阶段过渡，投资方法论也正在从“概念投资”向“产业投资”切换。
谢钧：供给侧基础设施与量产启动信号较为扎实，但需求侧持续订单与盈利验证仍需时间。物理AI整体仍处于“为基础设施付费”的早期阶段，离“为利润付费”尚有距离，底层产业条件比3个月前更硬，但大部分标的仍处在预期交易阶段，需持续看到批量复购和成本下行才能完成彻底切换。
贺茂飞：真正值得关注的信号是技术进展加速推进商业化。潜在的定价变化是机器人企业从一次性硬件销售延伸至软件订阅、模型服务。但发布会、产能规划不足以证明反转，只有付费订单和出货量爬升得到验证，定价才具备扎实基础。
陈曦：两个信号：一是特斯拉产业链开始爬产，市场开始用交付量而非样机演示定价，受益环节从整机向零部件迁移；二是模型公司入局，数据变成可独立定价的外部需求，为产业链新增一个与整机出货量解耦的现金流环节。
段佳琪：定价逻辑出现边际变化。GPT-6 Astra实现零样本操控机械臂、英伟达物理AI全栈工具链逐步成型、Optimus量产线启动，三者共同搭建起“通用模型迁移验证+数据闭环基础设施+万台级量产起步”的新定价锚，属于实质性产业进展。但短板在于，相关业务尚未兑现收入、没有跑通可验证的商业闭环，因此，在当前行情驱动因素中，情绪催化依然占据主导。
产业处于“从1到10”前夕
中国基金报：当前物理AI产业处于什么发展阶段？基本面和估值情况如何？是否具备配置价值？
张小郭：当前产业处于规模化验证前夜、工业场景先行阶段，即“从0到1”尾声、“从1到10”早期。多模态VLA和世界模型在实验室范围内技术路线收敛，但通用场景能力不足；GPT-6 Astra证明通用基础模型可直接承担策略模型。产业当前模型收敛、数据紧缺，投入前置、业绩后置，站在加速发展的临界点上，具备较高配置价值。
陈曦：产业发展阶段正从技术验证向小规模商业验证过渡，部分产业链公司收入已实现明显增长。板块内部估值极度分化，具备技术壁垒和核心卡位的好公司更具备配置价值。
段佳琪：产业即将迈入“从1到10”产能爬坡验证的关键节点。智能化能力上，机器人已经可以在结构化场景下完成多项任务，但跨场景泛化能力仍有明显局限，暂不支持开放环境下的自主作业。估值端，市场当前主要基于远期产业空间给予定价。落到基本面，板块整体收入规模尚且偏小，估值显著领先于业绩兑现节奏。整体来看，板块具备中长期配置价值，但更适合以产业期权的思路分批布局，持续跟踪订单、量产数据。
阎安琪：当前物理AI正处于从技术验证向小批量量产与数据闭环验证过渡的拐点期，而非规模化商业化的成熟期。硬件制造能力基本成型，本体、大脑、数据三条线的产业分工开始清晰，同时成本开始下行，带动量产规模提升。
谢钧：当前处于技术验证向小批量试点交付的早期成长阶段。头部整机开启小批量量产，上游零部件开始拿到验证订单，但多数采购以测试、科研、示范为主，稳定B端复购尚未普遍形成，整体增收不增利。板块估值显著高于传统制造，短期锚定量产进度而非当期利润，波动偏大。适合战略性左侧布局，优先选择已批量供货的上游“卖铲人”。
贺茂飞：产业整体仍处于商业化早期，正从样机展示走向小批量交付。瓶颈逐步转向模型、数据和智能化落地方案。部分公司价格已包含较强远期预期，需结合订单质量及终端大客户卡位综合考虑，精选壁垒高、客户关系紧密的企业。
紧抓数采、零部件与仿真工具链
中国基金报：你重点看好哪些细分领域？主要配置策略是怎样的？
谢钧：优先看好仿真与世界模型工具链、感知硬件、执行零部件三大方向。仿真平台是数字训练场，3D视觉与触觉传感器是刚需增量，减速器、力矩电机、灵巧手等订单验证相对靠前。配置上，左侧分批、分层布局，底仓优先绑定头部客户、已有批量供货的龙头，小仓位博弈整机与具身算法。
张小郭：一是数据采集产业链，包括数采硬件（工业相机/CIS、IMU、力觉/触觉传感、遥操作设备）和数据服务，当前具身智能数据严重不足，需求有望爆发；二是人形机器人硬件零部件，包括行星滚柱丝杠、谐波减速器、灵巧手与微型电机、传感器、轻量化材料等；三是本体企业，物理AI的快速进步，有望带来具身智能产品力的快速提升和下游需求的释放，从而加速本体企业快速放量。
我们强烈看好物理AI产业链、特斯拉人形机器人产业链重点标的，以及国产人形机器人产业链上具有较强卡位优势和竞争力的优质标的。策略上，以长线思维紧跟产业，逢低布局。
陈曦：看好两大方向：一是当前物理AI加速商业化的核心卡点，如大模型、数据采集与数据服务、仿真平台、相关的物理载体等；二是人形机器人行业具备核心竞争力、未来有放量潜力的本体和零部件制造公司。
段佳琪：关注三条主线：一是上游核心零部件“卖铲人”，包括谐波减速器、行星滚柱丝杠、无框力矩电机、执行器总成、灵巧手、视觉与力觉传感器、电子皮肤等，该环节价值量和确定性最高。
二是数据采集、仿真训练与模型层。当前机器人泛化能力的瓶颈，很大程度来自真机数据供给不足，数据与训练基础设施属于被市场低估的战略环节。
三是头部机器人本体厂商，核心跟踪真实订单落地情况。
配置上，以高确定性零部件为底仓，搭配弹性标的，分步、分批建仓。
阎安琪：不是全面配置，而是结构性布局，看好数采需求的爆发性，相关设备和服务公司或有较好机会。同时，机器人小批量量产使零部件和本体重新定价，不过，这部分依赖对具体公司量产节奏和订单可见度的跟踪。
贺茂飞：优先关注数据采集、触觉与力觉传感器、仿真工具等环节。高质量训练数据需求有望早于整机的大规模商业化释放；触觉、力觉决定精细操作能力，也关系到真实场景的安全性与可靠性，是一个能创造差异化竞争力优势的产业环节。仿真平台则有助于降低训练和测试成本。
别把样机出货当商业化拐点
中国基金报：目前物理AI产业最大的预期差在哪？投资这一领域，需要关注哪些潜在风险？
贺茂飞：最大的预期差可能是市场低估了AI大模型给机器人产业带来的能力跃迁。过去，机器人依赖预设程序，任务和场景相对固定。随着大模型与感知、控制系统融合，机器人将获得更强的任务理解、自主规划和跨场景泛化能力，有望从专用设备走向通用生产力工具。这不仅可能将商业化时间表提前，也有望打开软件订阅、模型服务等持续收入空间。不过，能力突破仍需转化为稳定作业和客户回报。投资中应关注模型落地不及预期、真机数据不足、量产交付延迟及估值透支等风险。
陈曦：关注两方面预期差：一是数据采集与数据服务，二是垂类场景的应用落地。数据是模型训练的核心要素，但需要什么类型的数据、什么场景的数据、多大量的数据，这些问题仍在随模型迭代而动态变化。而部分垂类场景具备极大的机器人需求，且对相应职能的机器人大脑泛化性要求并不像家用场景那么高。投资时，需要识别出真正有壁垒的公司，警惕在行业发展过程中竞争力边际减弱的环节和公司。
阎安琪：市场最大预期差就是产业矛盾重心转移，即从本体的可用性、量产节点向上游数据采集和下游的执行应用转移。硬件制造能力和降本路径基本成型，高质量物理交互数据的供给缺口和高精度灵巧操作的硬件边界才是行业的硬约束。
潜在风险包括技术路线突变削弱具身模型“护城河”，以及商业化订单慢于预期。
张小郭：目前市场普遍重视数据在物理AI产业链的重要性，当前关注的重点在EGO数据，高质量的真机交互数据对物理AI的进化更加重要。真机交互数据是机器人在真实物理世界执行任务回流的多模态数据，除了第一视角操作的相关数据之外，还包含相机、深度、力控、触觉、IMU、关节扭矩、末端执行器状态等相关数据信息，数据采集方向大有可为。
风险包括技术路线变更、技术发展进度及下游需求释放节奏可能低于预期、行业竞争加剧等。
谢钧：当前，市场普遍把样机、小批量出货等同于商业化拐点，而真实约束是B端客户ROI尚未转正、复购订单稀缺。资金交易的是世界模型、仿真工具链的长期空间，但产业仍停留在测试采购、示范订单阶段，成本下行、场景泛化速度可能显著慢于乐观预期，这是核心预期差。
风险包括从仿真到真实环境迁移困难、硬件成本高导致“有量无利”、整机厂自研替代外购零部件、估值依赖远期预期易快速收缩，以及安全合规与行业标准滞后等。
