全文总结 \n 本次汇报围绕物理AI（Physical AI）在垂类市场的产业进展与投资机会展开。核心结论是：物理AI正处在爆发前夜，预计2-3年内将迎来类似语言模型GPT时刻的突破，届时工业场景将率先实现大规模落地。 当前最确定的硬件范式是“机械臂+工业视觉”，而叉车、缝纫机、物流设备等传统装备在搭载物理AI大模型后将实现单体智能与价值重估。从投资角度看，工业视觉与工业机器人是最大公约数的赛道，而此前估值偏低的传统装备企业也有望迎来戴维斯双击。 \n 核心要点如下： \n \n 物理AI的爆发时间节点：市场调研反馈显示，物理世界大模型仍需2-3年的积累，之后有望迎来类似语言GPT时刻的突破，届时物理AI在工业领域将大幅爆发。 \n 典型应用场景： \n 叉车：搭载物理AI大模型后，叉车可实现自主搬运、仓储内单体智能，有效节约人力成本并提升制造业运行效率。传统叉车企业正通过资源整合、产业联盟和自研硬件（如门式机器人、机械臂）进行转型升级，有望实现价值重估。 \n 缝纫机：服装行业因材质、款式多样而难以实现标准化缝纫。物理AI可实现材质识别、摩擦力感知等，有望催生“AI缝纫机”，颠覆传统服装设备产业。 \n 物流：目前仓储到干线已实现较高自动化，但末端分拣与搬运仍需大量人力。物理AI可让物流设备自主识别箱体大小、摩擦力与重力，替代末端搬运岗位，市场空间巨大。 \n 消费与养老：长期来看，人形机器人将是物理AI的终极应用场景，未来有望按户配置家庭机器人。 \n 最大公约数赛道：机械臂+工业视觉：物理AI爆发后，工业视觉与工业机器人是确定性最高的硬件赛道，需求有望指数级增长。当前国内视觉公司仍以传统资本开支周期定价，物理AI带来的增量尚未被充分定价，存在预期差。 \n 重点公司： \n 工业机器人（机械臂）：
埃斯顿、
汇川技术、
埃夫特、
拓斯达 \n 工业视觉：
奥普特、
埃科光电、
凌云光、
大恒科技 \n 垂类应用：叉车（
杭叉集团、
安徽合力）、缝纫机（杰克股份）、环保（
景津装备） \n \n 会议实录 \n 关于机器人的垂类专题，物理AI进步飞速，垂类市场方兴未艾。 \n 首先，比较突出的观点是：模型的进步仍需要时间去积累。根据市场调研反馈，整个物理世界大模型的进步可能还需要两到三年的时间，之后才会迎来像之前语言模型GPT时刻那样的突破。届时，物理AI在工业领域将大幅爆发，这是可以看到的。 \n 除了“机械臂加视觉”这一典型的泛化范式之外，还有很多其他方向值得关注。例如，车本身也算是一种物理AI。叉车也是一个典型例子：传统意义上的叉车，在搭载物理AI大模型之后，可以实现自主自动驾驶、自主搬运，在仓储内完全自主运行，实现叉车的单体智能。这对行业的意义在于，一方面节约人力成本，另一方面加速整个制造业的降本增效，使运行更加高效。 \n 目前，叉车企业也都在进行转型，一方面是进行模型资源的整合与研发，更多是通过资源整合形成产业联盟，共同突破物理AI技术；另一方面，企业也在自行布局相关本体，如门式机器人或机械臂等硬件。总之，传统的自动化硬件企业正在寻求物理AI模型的发展，使产品更加智能化，这构成了传统企业转型升级乃至未来价值重估的赛道。 \n 缝纫机领域同样值得关注。服装行业对人力的依赖度依然很高，长期面临招工难和人力成本高的问题。目前缝纫的痛点在于无法实现标准化、完全脱离人的操作，因为服装的材质、尺寸、款式和布料千变万化，难以实现智能化缝纫。如果物理AI模型能够实现材质识别、摩擦力感知（防止机器加工时布料滑动），就能实现完全智能化的缝纫。杰克股份等企业一直在进行相关研发，一旦成功，AI缝纫机将彻底解决智能缝纫难题。目前服装设备属于传统设备，估值较低，一旦物理AI赋能，整个产业将迎来颠覆性的价值重估机会。 \n 在物流领域，目前已经实现了较高的自动化水平，但在末端环节，如分拣和识别，仍需要大量人力。最后一公里或最后一个末端，如果物理AI能够实现自主识别箱子大小、摩擦力、重力等物理特性，就完全可以替代末端的搬运工岗位。物流领域的渗透率很大，过去十年的自动化设备行业资本开支主要集中在汽车和物流行业。如果物理AI爆发，物流行业是一个巨大的容纳市场。目前物流仅实现了仓储到干线的自动化，末端难以实现自动化。物流公司正与机器人公司和大模型公司探讨技术协同与联合研发，一旦数据迭代、模型成功，市场潜力巨大。当前物流设备公司的估值普遍处于传统行业底部，例如去年上市的极智嘉和今年上市的凯乐仕，都在传统物流领域做得较好，并在搭建物理AI大模型以实现智能仓储和智能物流。 \n 除了工业领域的搬运、服装和物流，未来在消费领域，如家政、养老等，中级的人形机器人或智能机器人将是远期的应用场景，想象空间较大。总结来看，短期内最确定的是非通用AI的物理AI，最先落地于工业场景。 \n 除了行业层面的低估机会，最确定的硬件范式是“工业机器人加工业视觉”。硬件的实现形式可以有多种，如叉车、缝纫机、机械臂、轮式机器人或人形机器人。感知端最确定的传感器是视觉，即工业视觉（工业场景）和消费视觉（消费场景）。这是物理AI爆发后最大公约数的赛道，需求有望实现指数级爆发。 \n 在国内，虽然工业机器人赛道很卷，但能实现龙头爆发的公司依然稀缺。工业机器人龙头如埃斯顿、汇川技术、埃夫特、拓斯达等。工业视觉领域较强的上市公司包括奥普特、埃科光电、凌云光、大恒科技等。如果物理AI世界爆发，除了传统产线需求，物理AI工作站的方式将带来指数级需求增长，对视觉的需求也将极大提升。当前视觉公司的估值仍以传统下游资本开支周期定价，物理AI带来的增量尚未被充分定价，存在明显预期差。这些公司确实在实实在在地进行新行业的转型与开拓，值得我们静待花开。 \n 总结来看，物理AI爆发后，我们建议布局以下几个赛道： \n 第一，机械臂加视觉，这是最大的公约数赛道。这类公司目前尚未充分计入物理AI或远期自主智能的预期，估值尚未充分定价，未来将充分享受物理AI爆发带来的指数级需求增长。 \n 第二，传统装备公司，如叉车、缝纫机等，目前仅能在特定场景或人工操作下实现自动化。一旦搭载物理世界大模型，能力将大幅扩张，需求也将实现指数级爆发。 \n 总之，建议关注未来两年物理AI模型进步带来的硬件端市场需求爆发。重点关注以下公司： \n \n 工业机器人：埃斯顿、拓斯达、埃夫特、汇川技术 \n 工业视觉：奥普特、埃科光电 \n 垂类应用：叉车领域（杭叉集团、安徽合力）、缝纫机领域（杰克股份）、环保领域（景津装备） \n \n 以上是我的汇报，感谢各位投资者的时间。如有问题，欢迎随时联系国金机械团队。再见，祝您工作顺利。