本文作者   | 弗雷迪

数据支持 | 勾股大数据（www.gogudata.com）

进入 10 月下旬，A 股资金正以近乎疯狂的姿态扑向同一个方向——人形机器人概念。

从 10 月 19 日至 26 日的榜单来看，" 机器人概念 " 与 " 人形机器人 " 不仅连续多日登顶霸榜，更在 26 日盘中掀起震撼市场的涨停潮：泛亚微透、上纬新材齐刷刷封死 20cm 涨停，超 10 只概念股集体封板，板块主力净流入高达 7.23 亿元，5 日累计涨幅超 4.6%。   

如果这仅仅是一场短期情绪的宣泄，资金绝不可能展现出如此高强度的连续攻势。

站在四季度这个关键的决胜窗口，这轮狂飙的底层逻辑究竟是什么？

01

为什么是物理 AI？

四季度 A 股从不缺主题，缺的是能同时凑齐政策、技术与估值三要素的核心主线。物理 AI 之所以值得单拎出来看，正是因为它在这三个维度上展现出了罕见的共振信号。

从政策端来看，历年四季度的 A 股主线行情大多由顶层设计驱动。

回溯历史，2021 年信创、2022 年数据要素、2023 年低空经济、2024 年 AI 应用以及 2025 年商业航天，无一不是遵循类似的演进路径。

行情均经历了从高层定调、红头文件落地，到机构层面设立专职司局（如国家数据局、低空经济司、商业航天司）的完整闭环。

今年以来，这一政策闭环的落子节奏明显加快。

9 月全国先进制造业大会明确将 " 智能化 " 列为 " 三化 " 之首，并确立新一代智能制造为主攻方向；在 " 人工智能 +" 行动方案中，工业也被列为独立专项。随后工信部在 10 月工博会上再度发声，并在 10 月 20 日明确正研究起草新一代智能制造政策措施，重点围绕梯度培育智能工程、创新发展智能装备、推进智能技术攻关与推广、深化国际合作四方面展开。

这意味着，本轮物理 AI 行情的本质是 " 人工智能赋能新型工业化 "。

相比于美国以 " 创世纪计划 " 押注 AI 制药等基础科研，中国选择将 AI 锚定在自身最擅长的工业领域。

这一选择源于底座支撑——中国拥有 35 万亿元工业增加值，占 GDP 近四分之一、全球近三成，拥有全球最齐全的工业门类与海量工业数据，具备 " 有数据可学、有场景可练 " 的独特优势。

政策回答了 " 为什么是现在 "，而技术端则解释了 " 凭什么能成 "。

当前物理 AI 的核心瓶颈已从算力转向物理世界真实数据的匮乏。单个基座模型若要达到 GPT-3 水平需 1 亿小时以上的有效数据，而目前全球高质量真机数据不足 70 万小时，人类喂入的数据量尚不足 5%。

但泛化能力的提前显现打破了这一僵局，如谷歌机器人仅通过观看人类搬运视频即可学会相应动作。这促使此前并行的多条技术路线加速向 " 大语言模型做大脑、VLA 充当小脑 " 收拢。

王兴兴总结指出，具身智能迈过 "ChatGPT 时刻 " 的核心挑战，在于 AI 模型输入输出与真实机器人的 " 对齐 "。

随着 GPT-6 发布，他判断物理 AI 已看到被击穿的苗头，拐点预计在 1 至 3 年内到来；一旦头部公司将数据推至 1000 万到 1 亿小时的临界点，行业便会复制算力投资路线，迎来爆发展期。

技术演进直接重塑了估值体系，完成了估值锚的重构。

上一轮具身智能炒作停留在丝杠、灵巧手、减速器等零部件生意，估值锚定在传统制造业；而本轮市场关注的核心在于 " 让机器看懂物理世界 " 的软件与平台能力，估值上限被大幅拉升。

一级市场的变化印证了这一逻辑，如 Physical Intelligence 在团队仅 80 人、零收入且不碰本体的情况下，凭约 1 万小时跨本体真机数据，以超 110 亿美元估值完成融资并实现 4 个月翻倍。

上半年国内具身智能一级市场融资超 900 亿元，达到去年同期的 5 倍，其中 " 智能 " 相关环节占比近 55%。

产业巨头亦在加速布局，AMD 出资 82 亿美元收购 World Labs，英伟达则花 129 亿美元买下 Hugging Face，并洽购笛卡尔追加 10 亿美元投资。巨头抢购的皆是理解物理世界的模型而非硬件产能。

截至 10 月 23 日，沪深 300 与创业板指估值均处于合理偏低的区间，对应 2026 年、2027 年动态 PE 分别约为 23.1 倍和 16.3 倍。

同时成交额前 5% 个股的占比已从 6 月末 50% 的历史高点回落至 40.9%，拥挤度下降近 10 个百分点。

加上宽基 ETF 单周净流入超 1500 亿元（周四、周五单日均超 500 亿元，力度堪比 2025 年 4 月与 2026 年 7 月的底部区域），资金面显著转暖。

从近一周表现来看，政策、技术、估值三重因素为物理 AI 提供了顺畅的演绎环境，物理 AI 很有可能作为四季度的行情主线。

02

物理 AI 的投资地图

在划分投资版图之前，必须先厘清行业的痛点所在。

目前业内共识高度一致：具身智能能否迎来自主进化的 " 开窍 " 时刻，核心瓶颈已从算力转向对真实世界物理数据的积累。

参照大语言模型的演进规律，基座模型若要达到 GPT-3 级别的通用能力，那就要喂入上亿小时的有效数据。

然而，目前全球可用的高质量真机数据不足 70 万小时，也就是说，人类仅投喂了不到 5% 的数据量。

尽管国内智元等头部企业数据量已达百万小时级别，但距离 1000 万至 1 亿小时的大脑泛化临界点仍有差距。

考虑到真机采集极低的产出比（8 小时班次仅沉淀 2 小时有效数据，单条数据成本折算达每小时数千元），且低价外包数据缺乏力觉与失败样本，真正具备泛化价值的高质量真机数据将持续紧俏。

这一稀缺性已在一级市场高度定价，如 Physical Intelligence 在无本体、零收入的情况下，凭 1 万小时跨本体数据获得了超 110 亿美元的估值。

不过从二级市场的投资映射来看，物理 AI 的产业版图并非单一的 " 买数据 " 逻辑，而是要沿 " 大脑构建—场景落地—订单承接 " 三条主线展开。

第一条主线是贯穿四层架构的数据链。

最上游芯片层由芯动联科的陀螺仪芯片卡位；传感器层中，奥比中光占据视觉感知六成以上份额，华依科技主攻姿态感知，日盈电子与莱星彩布局触觉；物理数据平台与垂类落地则以凡拓数创和天奇股份为代表。

第二条主线是具备极高兑现度的特斯拉产业链。

经历了前期调整，市场对特斯拉 V3/V4 的预期已压至低位。随着年底周产能向 1000 至 2000 台冲刺，明年量产上量将驱动预期快速翻转，拓普集团、旭升集团、浙江荣泰、恒立液压、五洲新春等核心供应商将迎来重新定价的机会。

接着 OpenAI 硬件链，对应明年起端侧产品（AI 音箱、AI 手机、人形机器人本体）的爆发预期，该方向现在还没被市场充分定价，核心标的涵盖立讯精密、长盈精密、兆威机电，以及提供 3D 打印设备的华曙科技。

还有，结合工业落地的 " 数据采集—加工—操作系统—具身大脑—工业 Agent" 闭环（如敏芯股份、东土科技、中控技术、能科科技），完成了从 " 数据供给 " 到 " 产线变现 " 的完整商业回路。

03

尾声

抛开短期情绪，物理 AI 是未来几年 A 股最具重塑力的主题。

政策闭环、技术临界点与估值体系的切换，共同推倒了这场产业变革。一旦头部公司跨过千万小时的数据门槛，赛道极可能复制当年算力板块的爆发路径。

但作为投资者，还是需要防范几个潜在的风险点。

一个是概念炒作透支估值。数据链标的鱼龙混杂，缺乏实际数据收入支撑的 " 伪概念 " 公司，挤泡沫会极其残酷。以及，纯数据平台的变现瓶颈。数据若无法绑定本体与真实工业场景，商业化飞轮就转不起来。

还有，高预期下的产能兑现滞后。特斯拉链等硬件侧的估值修复高度依赖量产进度，一旦年底周产不及预期，行情翻转时点将被推迟。

看好物理 AI 的大方向，但也要留心股市的波动。真正的策略不是盲目追高，而是紧扣数据硬实力与场景落地确定性，在估值与业绩的平衡中寻找真赢家。（全文完）

格隆汇声明：文中观点均来自原作者，不代表格隆汇观点及立场。特别提醒，投资决策需建立在独立思考之上，本文内容仅供参考，不作为实际操作建议，交易风险自担。