摩根大通——全球人形
机器人：汽车产业视角下的物理AI（Physical AI）进展更新
物理AI正从“demo叙事”切入“工厂部署验证”阶段，汽车产业因其制造场景、数据闭环与供应链能力，成为人形机器人最早规模化落地的试验场。当前行业处于S曲线浅坡段：整机放量慢于预期，但“运动部件+数据采集+仿真训练”的供应链先兑现订单与现金流。投资主线由“谁先造出机器人”转向“谁先跑通单位经济性与可复制工作流”。
一、整车厂与机器人本体：节奏分化，工业场景优先
• 特斯拉（Tesla）：Fremont产线已启动Optimus早期生产，但马斯克明确“爬坡缓慢且颠簸”，类比S曲线——受限于约一万个必须同时做对的环节。12个月内内部产量指引仅1万–2万台，外部工业客户交付目标约2027年底。AI5芯片计划2027年4月导入，算力较AI4跃升约10倍；手部灵巧性、耐久与触觉感知仍是最大硬件瓶颈。
• 丰田（Toyota）：2028年起年均投入约64.2亿美元改造工厂，全球部署40万台机器人（含15万台本体+25万台集团内），通过老工匠示范+扩散式大型行为模型（Large Behavior Model）迁移技能；物流侧测试Agility Digit。
• 宝马（BMW）：Landshut工厂构建“物理AI软件栈”（开放平台+生产数据+仿真+运动规划+示教学习），Leipzig与Spartanburg做试点，聚焦柔性、精细操作。
• 奔驰（Mercedes-Benz）+Apptronik：装配线现实落地窗口看2030–2035年；形态不局限于双足，轮式+机械臂更适合装箱、上下料、bin-picking；安全与任务适配优先。
• 本田（Honda）：东京移动展展示轮式Avatar+四指灵巧手，反向重构车身设计以适配机器人装配；线速线束安装成重点验证场景。
• 小鹏（Xpeng）：IRON目标2026年底量产、1H27交付、2H27进欧洲；自研图灵芯片、76自由度、单手21–22自由度，产线自动化率超80%。
• 三菱、奇瑞AiMOGA、Wandercraft（雷诺350台Calvin-40订单）、Humanoid（轮式+1.35bn美元投后估值A轮）同步推进。
二、供应链“卖铲人”逻辑：执行器是BOM与议价权核心
• 运动部件占人形机器人BOM约50%：旋转/直线执行器、谐波减速器、轴承、电机、扭矩传感器、丝杠共同构成价值池。
• 舍弗勒（Schaeffler）：太仓“灯塔工厂”启用（约7,500㎡），实现“机器人造机器人关节”；3Q26新增两大中国客户，全球人形订单储备升至约4亿欧元。角色从零件商升级为“系统+数据+生命周期”供应商，目标用汽车级制造把组件成本压降约30%。
• 产业闭环：自用工厂采集数据→仿真训练（NVIDIA Isaac/Omniverse）→部署验证→反哺迭代。Bosch管制造、Schaeffler管执行器、Siemens管工业验证、NVIDIA管算力与强化学习。
三、软件与数据层：Physical AI的隐藏利润池
• 训练范式从“规则编程”走向Vision-Language-Action（VLA）与示教策略（policy）。
• NEURA推出Neuron AI多模态物理AI基础模型（3D视觉+触觉+音频+语言+状态记忆），与NXAI的xLSTM补长时记忆；RoboGym把研究-训练-工业验证打通。
• Apptronik与Google DeepMind合作，数据反哺Gemini Robotics；特斯拉建Optimus Academy做self-play数据采集。
• 关键指标从“能不能走”转为Time-to-Skill（学会一项任务所需数据与时长）。
四、商业化阈值与约束
• 采用阈值：工业场景小时运营成本需压到10–12美元区间（对比人力约30美元），当前约需2台机器人等效1名工人，2030年有望收敛至1.2–1.3台。
• 真实瓶颈排序：灵巧手＞持续运行寿命＞边缘算力＞数据质量＞成本。
• 先工业（搬运/上下料/质检/装配辅助），再商业服务，最后家用。家庭场景最大但安全认证与ROI最慢。
五、投资映射与选股框架
• 早期超额收益在“可确认订单+可量产工艺”的零部件：执行器平台、谐波/行星减速、3D视觉、触觉传感、边缘计算。
• 整机厂估值需等待：外部交付、复用率、单机经济模型（按5年折旧与运维测算回收期）。
• 区域排序：中国（供应链复用+量产速度）＞美国（算力与模型）＞欧洲（精密制造与工业客户）＞日本（灵巧操作与车企闭环）。
• 风险：量产爬坡低于预期、手部/电池/热管理可靠性不足、训练数据版权与安全事故、地缘与出口管制扰动供应链。