（来源：华泰证券财富管理）
这个周末，朋友圈被同一个词刷了屏——物理AI。今天，机器人更是领涨科技板块，狂欢之后，我们更想聊清楚三个问题：机器人离自己的“GPT时刻”还有多远？为什么模型越强，反而越离不开数采？以及，这轮行情的钱，究竟会先流向哪里？
懂步骤，不等于有手感
——写给所有正在学“动手”的机器人们
01
满屏物理AI：一周行情的呼吸曲线
周末满屏的物理AI，这种热度很久没有出现过了。其实这轮行情已经走了一周：上周一共识买入，上周二分歧中继续买入，上周三、周四分批兑现，上周五下午与大盘指数反弹共振走强，到了周末，情绪被推向顶点。
如果把一周的行情画成一条曲线，它更像一次深呼吸——吸气、屏息、吐纳。而每一次“屏息”，都是检验你究竟是看懂了产业，还是只是看见了涨幅的时刻。
冷静下来看，物理AI这一轮能被反复讨论，并非偶然。过去做得最好的物理AI是智驾：2023—2025年完成质的飞跃，背后是算法的突破（Occupancy Networks）＋数据量的爆发（4D自动标注）＋硬件的提升（HW 4.0量产）三重共振。对标智驾，当前物理AI的行业迭代很快，但痛点依然清晰：
硬件：本体更新很快，但技术方案没有收敛趋势，尚无一家本体公司给出行业共识的解决方案；
数据：本体数量少＋场景千变万化，数据获取难度大、成本高，真实世界的场景数据成为最大的瓶颈之一；
模型：视频生成、文本处理日趋成熟，但对物理规律的理解，仍需依赖数据和算法的突破。
02
为什么说“这次不一样”？三个理由
理由一：
机器人的“大脑”，可能正在迎来收敛
GPT6 Astra的出现，可能使机器人大脑的模型加速收敛——类似GPT-3时刻的到来。有了大脑的硬件，就不再只是玩具。这也让物理AI的内涵不再局限于人形机器人，而是泛化到一切“能感知、能行动”的物理智能体。
理由二：
物理AI补上了AI投资逻辑的关键一环
过去几个月全球AI资产的深度调整，很大一部分原因是市场看不清2028年之后的应用回报率，而非当前景气度不足——所以单靠业绩、订单，不足以支撑估值，只有新应用打开新市场才可以。物理AI恰好扮演了这个角色。据公开报道，宇树科技王兴兴曾表示1—2年内行业会有革命性突破，恰好指向2028年前后。而物理AI的token消耗，可能是一个远大于编程（coding）的市场——AI硬件的“命”就此续上。它不是一个孤立的主题，而是一个闭环，这也是它对系统性企稳如此重要的原因。
理由三：从“一张嘴”到“真量产”
以前行业发展全靠发布会，国内一些零部件公司送个样就能被资金追逐。现在，T链真的在走向量产，供应链逐渐固化，“靠谱的公司”有了轮廓。更重要的是，入场的不再只有一家：OpenAI、Muse、DeepSeek等也都在布局物理AI——多方的参与，本身就是置信度的增强。
当然，也要留一句清醒的话：周末大火，很可能意味着短期情绪透支。重视这个方向，与追逐这个方向，是两件事。
03
机器人的GPT时刻：
Astra强在哪，弱在哪
GPT6 Astra作为机器人云端大脑，具备远超VLA/WAM的复杂任务理解能力，且在没有针对机器人控制专项训练的情况下，就达到了Robodojo公开测试集的SOTA水平。
Robodojo是什么？一个公开测试集：模型只能通过输出三维坐标控制机械臂与夹爪，视野来自夹爪和头部相机，需要在有限步骤内完成任务——极其考验任务拆解与操作精度。
Astra的表现，恰好体现了通用大模型的典型特征：强在理解与拆解，弱在精细操作。它能识别麻将并针对性打出，甚至能在相机被遮挡时，用空闲夹爪主动调整视野；但涉及插笔筒、倒水入杯这类精细操作，它在空间测量与失败后重试上明显吃力，而且动作极慢——因为模型参数大，还要输出每一次操作的细节。而这些细节，本不应由Astra来做。
基于Astra，仅用一个月，业内就有两套方案重回SOTA，思路殊途同归：让Astra干它擅长的事。
方案一（决策与执行分离）
Astra只做决策，比如设定运动终点，不考虑轨迹；轨迹由固定方程实现。泛化性与精度同步提升，精度媲美最强的VLA/WAM。
方案二（技能自我迭代）
每次执行后生成对应的skill库——怎么做、如何确认完成度、如何回退——并持续迭代；具体动作交由专用WAM执行。泛化性、长程任务能力均大幅提升。
业内常把机器人控制分为三层：System 2负责思考“做什么、怎么做”，System 1把结论转化为全身动作，System 0纯粹执行。一句话总结：让专门的模型，做专门的事。而S2层的泛化，一直是机器人的痛点，恰恰是Astra这类大模型最擅长的部分。
周末Kimi 3.1 Pro发布，大幅强化3D理解能力——国产模型也开始具备接近Astra的能力。那么现在的Astra还缺什么？复杂场景理解与复杂任务拆解。这些能力需要大量优质数据做专项训练——对应数采的庞大需求。在上亿小时数据的量级下，对应的是一个千亿级的上下游市场。
04
数据资产的估值重塑：
大厂下场之后的连锁反应
物理AI被认为是编程之后需求空间最大的应用市场。当通用大模型已经能直接参与机器人控制时，模型厂商下场布局机器人，或许已是产业趋势——大脑与身体需要深度耦合。而模型厂入局，给数据资产带来的是一次价值重估。
大语言模型的天花板，由训练数据的质量、规模和多样性决定。随着模型厂涌入具身智能赛道，数据采购需求将被再次放大。几个值得记录的观察（据公开资料与业内交流整理，部分为估算，请以官方披露为准）：
据业内交流信息，OpenAI每月消耗的Ego数据量，相当于很多国内头部具身公司全年的数据采购计划；
市场估算2027年其数据采购体量或在500万—1000万小时量级，叠加Anthropic、Google DeepMind、DeepSeek、字节等需求，全球数采市场有望突破百亿美金；
为OpenAI、Anthropic等提供数据服务的Mercor，据公开报道估值已达200亿美元（实际收入约6—8亿美元）——估值抬升的本质，是市场对“定制化、高质量数据资产”的重新定价。
谁能绑定大模型客户，谁就证明了作为AI基础设施的核心竞争力。值得跟踪的，是能够进入国内外大模型厂商供应链的数据服务商与数采设备供应商。
05
数采：从“教步骤”到“补手感”
这是本文最想展开的一层思考。过去训练机器人，既要教它理解任务，也要教它执行动作；Astra带来的变化在于——通用模型已经能完成前者，接下来的竞争，聚焦在教会它“只有人类动手才能学会的技能”，需要的是真实的触觉数据。
为什么模型越强，反而越要重视数采？
因为懂步骤，不等于有手感。以插钥匙为例：模型知道钥匙要对准锁孔，却难以知道插不进去时，是角度偏了、左侧卡住了，还是应该退回来重试。网上的知识和视频能教常识，但接触条件下的反馈，仍需要真实操作来补。通用能力越容易获得，缺失的“身体经验”就越值得重视。
几个产业事实（据公开资料与业内交流整理，价格为区间估算）：
数采的逻辑本身也在进化：简单动作的反复录制难以形成壁垒，能够覆盖接触、滑落、卡住与失败恢复的数据，价值更高。UMI、Ego、真机数据各有其位置，数采设备、数据手套与触觉传感器，正成为产业链上产品化的一部分。
为什么更值得关注“设备”？
因为同一类零部件，可以服务示范端，也可以进入本体端：摄像头可以戴在人的头部、手腕上采示范，也可以装在机器人头部、手部做感知；IMU可以用于穿戴设备的运动追踪，也可以用于机器人本体的姿态感知；触觉传感器可以采集人手接触数据，也可以进入灵巧手与电子皮肤。
短期，穿在人身上的设备随采集工位扩张，空间受人员规模与设备复用约束；长期，装在机器人身上的传感器随本体部署量增长，持续承担感知任务，并有机会形成数据回流。长期硬件空间，不能只按当前数采工位来理解。
由此，一个时间维度的观察框架可以概括为：短期看新买家的订单，中期看触觉等数据补齐，长期看机器人本体放量。
06
写在最后：热闹处，留一分清醒
产业观察上，市场当前的一种排序思路是：卖数据 > 卖数据设备 > 传统零部件；海外链（O链为主）> 国内链。它未必是最终答案，但至少提示了资金的注意力正流向哪里——数采作为本阶段交易主线的可能性。
最后，把开头那句诗补完整：
懂步骤，不等于有手感；
看得见热度，更要看得懂位置。
浪潮来的时候，先站对层次，
再谈远近。
周末的热闹终会沉淀为周中的K线。愿你我在喧嚣中，都能守住自己的一分清醒。
风险提示：
理财有风险，投资需谨慎。本材料中的信息和数据仅供参考，部分来源于公开或第三方渠道，不保证其准确性、完整性或可靠性。本材料所表述的意见或观点力求客观、公正，但具有一定的时效性及局限性，仅供辅助参考，在任何情况下均不构成对投资者的投资建议或投资依据，也不等同于省心投组合策略实际操作。投资者应根据自身情况自主、审慎作出投资决策，自行承担投资风险。本公司具有中国证监会核准的"证券投资咨询"业务资格，经营许可证编号为：91320000704041011J。
