华泰证券研报认为，物理AI正逐步从概念走向落地，OpenAI等模型企业自研人形机器人有望加速这一进程，数据、模型、本体及零部件、应用等全产业链环节均有望受益。
全文如下
华泰 | 机械：物理AI走出屏幕，改变世界
核心观点
事件：10月22日，2026世界物理AI大会暨宇树合作伙伴生态大会在杭州举行，王兴兴发表题为《相信，尽可能相信 AI》的主旨演讲，其指出前沿 AI模型潜力较大，GPT-6已在宇树机器人上进行大量测试，许多任务的表现超预期；其认为“物理 AI已经看到被击穿的苗头”，且该节点很可能在未来1-2年，或2-3年内到来。此前英伟达Astranomy项目发现GPT-6 Astra在机器人仿真测试中表现超越π0.5等专用模型，初步验证了通用大模型能力向物理世界迁移的潜力。此外OpenAI CEO Altman于9月确认OpenAI将自研人形机器人，有望进一步加快物理AI落地进程。我们认为前沿AI模型拓宽能力边界有望增强机器人等自主机器的泛化能力，加快复杂场景落地，推动AI“走出屏幕，改变世界”，全产业链有望随之受益。
物理AI：从数字空间走向现实世界，探索通往AGI之路
根据英伟达对物理AI的定义，物理AI能够使机器人、自动驾驶汽车等自主机器感知、理解现实世界，并在其中执行复杂操作。以GPT为代表的生成式AI模型主要通过互联网文本和图像学习，擅长语言表达与内容生成，但对空间关系和物理规律的理解仍有限。物理AI则通过补充相关训练数据，让机器学习如何与现实环境交互，推动AI能力从数字空间延伸至物理世界。我们认为，物理AI有望推动AI形成跨数字与现实场景解决问题的通用能力，成为迈向通用人工智能（AGI）的重要探索方向。根据Grand View Research的预测，全球物理AI市场规模（含硬件、软件及服务）将由2025年的约816亿美元增至2033年的9,604亿美元，2026-2033年CAGR为36.1%。
数据、模型、本体、应用形成闭环，数据飞轮驱动物理AI迭代
我们认为，数据采集及积累支撑模型能力提升，模型迭代与本体大规模生产协同推动应用落地，实际部署则持续产生新的交互数据、反哺模型优化，产业链四大环节由此形成闭环、构建数据飞轮，驱动物理AI持续迭代。1）数据：大模型普遍存在Scaling Law，数据为模型能力提升关键。数据采集重要性不断提升、各大厂商加速布局，例如Figure AI于25年9月推出“Go-Big”计划，联合Brookfield采集多场景第一人称视频；京东于26年4月计划动员最多60万人，2年内积累1,000万小时真实场景视频数据。2）模型：分层架构、VLA及世界模型等技术路线仍在探索。我们认为，以GPT-6为代表的前沿模型有望增强分层架构中的高层任务理解与规划能力，推动该路线短期加快落地。3）本体及零部件：本体是物理AI与现实世界交互的载体，物理AI落地应用有望带动相关硬件需求增长，且本体在实际运行中可积累感知、动作及执行结果等数据，反哺数据采集及模型优化。4）应用：应用落地是物理AI实现商业价值的关键，市场正加快探索可规模化复制的场景（例如仓储物流、纺服等），并通过真实部署积累数据、推动模型迭代。
物理AI加速从概念走向落地，全产业链环节均有望随之受益
我们认为，物理AI正逐步从概念走向落地，OpenAI等模型企业自研人形机器人有望加速这一进程，数据、模型、本体及零部件、应用等全产业链环节均有望受益。
风险提示：应用落地及商业化进程不及预期；技术突破及模型迭代不及预期；硬件性能与成本优化不及预期；市场竞争加剧。
