物理 AI 新手入门指南

AI模型价格对比 | AI工具导航 | ONNX模型库 | Vibe Coding教程 | PLC在线仿真器 | Tripo 3D | Meshy AI | ElevenLabs | KlingAI | ArtSpace | Phot.AI | InVideo

黄仁勋相信物理 AI 将成为下一个大事件。我有什么资格不同意他呢。美妙之处在于，物理 AI 革命可能比大多数人想象的来得更早。事实上，我认为它已经在发生了。

我们已经到了一个阶段，重点不再是大语言模型的在线用例，而是 AI 模型如何在我们日常生活中行动和互动，以及它们如何真正创造有形的价值。

目前物理 AI 作为一个广泛的总称，涵盖了许多不同的运动和子行业。人们分析这个 sector 的方法也大相径庭。

但有一件事似乎所有人都同意：潜力是巨大的。

高盛认为到 2035 年总可寻址市场可能达到 380 亿美元。摩根士丹利更大胆，他们预计人形机器人市场到 2050 年将超过 5 万亿美元。花旗的目标是到 2050 年高达 7 万亿美元。

我想了解更多，就像我写光子学入门指南一样，我觉得是时候再次深入研究了。这篇文章就是成果。

1、什么是物理 AI？

物理 AI 指的是在物理对象的真实世界中操作、感知和行动的 AI 系统，而不仅仅作为软件存在于计算机屏幕上

现在大多数人使用 AI 的方式是在笔记本电脑后面。大多数人实际上将其用作谷歌搜索的替代品，如果他们使用的话。

以这种方式使用 AI 并不能真正发挥它所提供的可能性。你可以用它做更多的事情，但你必须以正确的方式使用它。我们离每个人都这样做还有很长的路要走。

我实际上想说的是，采用率真的还处于起步阶段。这并不意味着我们应该困在这个起步阶段。突破正在四处发生。整个物理 AI 领域正在以令人难以置信的速度发展。

物理 AI 是这场 AI 革命的下一个逻辑步骤。

这基本上就是在线世界与"真实"世界融合的地方。

在这里，我们也仍处于早期阶段。这就是为什么我认为在它达到大规模采用和大规模认可之前了解更多关于这个空间的信息如此重要。公平地说，我们甚至还没有那么早。所以让我们加快速度。

所以我们首先必须理解它是什么。因为每次我谈论物理 AI 时，我都会被问到：那是什么？

对我来说，物理 AI 是：

物理 AI 发生在 AI 突破屏幕时。当它真正在现实世界中做一些事情时。
它可以移动、抓取、驾驶或举起。
也许它甚至可以在你需要时给你一个拥抱。
所以这里的输出不是简单的文本段落或视觉效果，而是一个动作。
而动作才是关键。
它是有形的。
而且真实的。

这不是什么未来主义的想法。

世界上已经有很多用例。

这是现在、这里真正有效的东西。

它已经可以降低成本、消除中间商或执行人类无法完成的任务。

最著名的例子可能是亚马逊的机器人车队，用于他们的仓库。这是我妻子刚才想到的例子。让我们把这个作为目前的基线知识水平。

另一个看起来和听起来都很熟悉的例子是机器人出租车。它们被广泛接受和喜爱，当它们没有封锁道路时。

但它也可以像机器人接管邮政仓库的分类任务，或机器人帮助采摘水果和蔬菜一样简单。

你可能会想，嗯这不是什么新鲜事。工厂和仓库使用机器人已经有几十年了。恭喜 Tacticz。你很聪明。你在这里真的很早。

然而，有一个很大的不同。过去这些机器人执行一个单一的简单重复任务。

它们运行在一个非常基础的脚本上，一遍又一遍地做完全相同的事情。环境突然变化，它就会停止或损坏。

过去几年发生的主要变化是在机器人的"大脑"中。最近，这些机器人可以处理它们没有明确编程的情况。

机器人不再需要箱子在完全正确的位置。环境可以改变，机器人仍然可以执行它的任务。这比看起来更重要。

这种变化发生的原因有几个。

第一个是模型现在可以通过摄像头真正观察世界并理解发生了什么。理解部分是关键。它可以处理环境。

其次，模拟变得便宜了很多。在机器人被"释放"到世界之前，它已经在超逼真的虚拟世界中通过数百万次练习尝试进行了无情的训练。这在不久前是非常昂贵的，但取得了很大进展，成本现在已经大幅下降。

最后但同样重要的是，技术赶上了。传感器变得更便宜、更智能，电机和部件变得更精确，电池寿命显著提高。

所有这些结合在一起，使得今天的机器人能够在初始训练模式之外行动。

2、物理 AI 的局限性和优势

在我深入探讨不同的用例和行业之前，我想先谈谈物理 AI 的局限性和优势。潜力是真实的，但我们还有很长的路要走。

大多数物理 AI 用例的表现仍然不如人类。

物理 AI 在混乱、不可预测的环境和需要真正灵巧性的任何事情上都很吃力。

同时，在精度、重复性、永不疲倦和检测我们甚至无法检测到的事物方面，它绝对碾压人类。

这就是为什么你看到它首先在工厂和仓库中实施，而还没有在家庭或许多公共空间中。我稍后会解释为什么这些地方如此适合。

我认为物理 AI 已经真正擅长什么？

• 重复性： 机器人可以一遍又一遍地做同样的事情。无论是 1000 次、10,000 次甚至一百万次。人类只能做这么多，然后就会感到疲倦、无聊或厌烦。人类在这里无法匹敌。唯一的限制是电池寿命。
• 精度： 当涉及到精度时，人类也落后了。机器人可以在毫秒内做出反应或执行非常精确和准确的任务。这样的速度和协调性对人类来说是不可能的。
• 检测： 物理 AI 可以检测到我们人类根本无法检测到的东西。它可以检测红外线、超声波、激光雷达深度或微小的振动。无人机可以"看到"建筑物泄漏的热量；检查系统可以发现你永远不会注意到的裂缝。人类做不到这一点，可能永远也做不到。
• 在危险场所周围：机器人在危险环境中也确实表现出色。一个非常清楚的例子是拆弹，或在放射性区域工作（虽然这可能是远程操作的）。但尽管如此，用例非常清楚。让人类远离危险。

很好，它们胜过人类。所以我们完蛋了，对吧？不，因为在一些领域它们仍然明显落后。而且可能需要一段时间才能赶上。

• 混乱的环境：人类仍然擅长的是对不可预测的事情做出反应。当事情不按计划进行时，我们可以处理。我们做出反应，想出一些东西或使用我们的直觉。机器人做不到。它没有直觉。
• 理解情感：机器人无法读懂房间或理解意图。它擅长理解规则、数字和文本。但它无法理解感情、道德或价值观。
• 适应性：当涉及到切换任务时，机器人也落后了。例如，当从做饭切换到驾驶时，机器人无法涵盖如此广泛的任务范围。大多数物理 AI 目前仍然是狭隘的。它可以做一件事做得非常好，但在另一件事上完全卡住。

随着 AI 的进步，物理 AI 也会进步。如果我们达到 AGI 或 ASI，选项是无限的，对 AI 物理用例的影响将是巨大的。

所有这些仍然是非常推测性的，当然不是必然的。但取得的进展至少可以说是非常有希望的。

3、机器人是如何工作的

在我们了解不同的行业和需要了解的公司之前，我想先解释一下这些"机器人"是如何工作的，以及使用什么框架来理解这些机器内部的实际内容。

当我说机器人时，它可以意味着很多不同的东西。它可以是人形机器人、汽车或摄像头系统。这是一个广义的术语，但我将在本文后面澄清这一点。

我想暂时将它们分为 4 层。还有一些更多的层，我们将在讨论主要行业时再介绍。问题是，物理 AI 几乎触及每个行业和每个产品领域。这是它的美妙之处，但当我们试图正确绘制它时，也很难完全理解。

这将是我使用的四个层：

1. 传感器
2. 边缘 AI
3. 执行器
4. 软件

3.1 传感器

可能是最知名且同时是机器人最重要部分之一的，就是传感器。

当机器人应该在现实世界中行动时，它们必须能够吸收周围发生的事情。它们需要摄像头来环顾四周，需要麦克风来接收声音。 这些是机器人可以连接的最明显方式。但它们也使用激光雷达、雷达和触摸传感器。这与传统的摄像头和麦克风角度有些不同。

激光雷达用于构建机器或机器人周围一切的 3D 地图。 激光雷达非常精确，可以将环境映射到厘米级。它通过发射激光脉冲来实现这一点，有时甚至每秒数千次。目前它主要用于自动驾驶汽车，以便它们可以自主驾驶和停车。但最终它也可以用于基础设施（监控交通流量、行人移动和检测事件）、无人机区域测量或测量森林生物量和单树碳储量。

雷达做的事情与激光雷达类似，但略有不同。它使用无线电波而不是激光脉冲。这意味着分辨率比激光雷达低得多。但雷达可以透过雨雪观察，这是激光雷达目前无法做到的。它还非常擅长测量某个物体移动的速度或向你移动的速度。

触摸传感器有些不同。它们通常被称为触觉或力传感器。它们从机器人的手和抓手开始工作。它们可以给机器人反馈，例如它按压或挤压的力度。 这就是让机器人能够拿起鸡蛋而不压碎它，同时仍然紧紧抓住锤子的原因。

3.2 边缘 AI

能够在毫秒内行动的机器与根本无法反应的机器之间的区别，就是边缘 AI。

边缘基本上意味着 AI 在机器/机器人本身上，而不是在远处的云端。

当 AI 在云端运行时，设备将数据发送到远程服务器，服务器进行思考，然后发回答案。这需要时间。但当它在边缘运行时，思考发生在设备内部的芯片上。

物理 AI 不能承受延迟。想象一下自动驾驶汽车经历延迟或反馈变慢。这可能是拯救生命与否的区别。

所以对于任何必须实时反应的东西，边缘 AI 是必需的。

边缘 AI 的其他一些明显好处是它通常更便宜、更好地保护隐私和数据，并且与远程 AI 相比，连接失败的可能性要小得多。

3.3 执行器

然后我们有执行器，这是我完全不熟悉的术语。所以我花了一些时间来弄清楚它的意思。我发现它实际上是机器最重要的部分之一。

首先这个词本身：执行器源于拉丁语单词 "actuare"，意思是"付诸行动"或"投入运动"。这非常有意义，因为执行器是将决定转化为运动的部分。 你可以将其视为机器的肌肉。

所有运动部件，如关节、轮子、抓手或臂部都是执行器。

平衡这些执行器的功能是非常困难的。当你专注于力量时，你可能会失去精度，反之亦然。使其精确，它会变慢。使其更大，它会变重。

为了让你了解执行器的类型，我将介绍一些例子。

首先是电机，它驱动大多数机器人关节和轮子。它们通常精确且干净，但功率和尺寸之间存在持续的权衡。

接下来是传统的液压和气动执行器。它们使用加压流体或空气。想想波士顿动力的机器人，它们使用液压来完成那些后空翻。看起来很棒，但它们非常笨重、容易泄漏且效率较低，所以这个领域实际上正在向电动方向发展。

这就是目前的发展方向：柔软和生物启发的执行器。 这些是类似肌肉的材料，可以弯曲和压缩，而不是旧的刚性电机。

它们是模拟生物有机体的灵活性、适应性和复杂运动的人工肌肉。

因为它们更温和、更灵活，所以它们可以与人类安全互动，并适应复杂的不平坦环境。

3.4 软件模型

我们已经涵盖了硬件的基本部分。但软件将这一切联系在一起。软件模型获取传感器报告的所有内容，理解它，决定做什么，并告诉执行器移动。

最近发生的变化是这些模型现在可以在模拟中进行训练。

公司构建仓库或道路的超逼真虚拟副本，然后让 AI 在其中练习数百万次。最新版本甚至构建了世界如何运作的内部模型，这样它们就可以预测接下来会发生什么，而不仅仅是做出反应。这是机器变得如此聪明的一个重要原因。

我认为我们现在对机器的工作原理有了很好的了解。现在我们将找出它们在哪里使用，以及哪些公司发挥着关键作用。

4、主要行业

现在是有趣的部分，物理 AI 中的主要行业。有多种方法可以做到这一点。

我想首先描述这些行业，然后再讨论这个领域的供应商和参与者。

PWC 做了一个非常好的选择，我将用它作为本章的基础。

以下是 PWC 描述的六个行业的概述：

然而，我将采取与他们略有不同的角度。我将关注这些行业目前的集成程度。也就是说，哪些已经在实施，哪些仍然更具投机性。所以，我们从最成熟的开始，以最具投机性的结束。行业适合的位置相当随意，但你只需要相信我。

4.1. 工业自动化和仓库

这是已经在现实生活中广泛采用的部分；机器人在仓库和工业环境中使用。我认为目前如何使用的最明显例子是亚马逊。去年他们已经在整个价值链中部署了超过 100 万台机器人。大约 75% 的亚马逊全球交付在某个阶段涉及机器人。

亚马逊推出了一个名为 DeepFleet 的 AI 模型来协调所有路线，这使车队行驶时间减少了约 10%。这可能看起来不是什么大事，但想象一下亚马逊的巨大规模和 10% 的减少。这是巨大的。我相信许多公司很快就会效仿亚马逊的脚步。

物理 AI 已经在这里起作用的原因是，仓库是结构和可预测性的完美例子。一切都是受控的、映射的和标记的。这正是当前模型蓬勃发展的环境类型。

同样的事情适用于工业部门。这些是高度监管的工作场所，有严格的工作手册和步骤。实施物理 AI 的完美场所。

在我看来，这不是突破性的东西。这是现在有效的东西。它不性感也不闪亮，但我将这一层视为整个物理 AI 故事的基础。

而且并不重要。它有效。我节省了成本。这就是公司最终追求的，也将推动创新。

4.2. 自动驾驶汽车

自动驾驶汽车被视为大规模物理 AI 的首次全球推出。这些"机器人"比仓库和工业机器先进得多。我们已经简要讨论过 Waymo，我认为它仍然是最好的例子。

Waymo，Alphabet 的机器人出租车，从 2024 年 5 月的每周 50,000 次付费 rides 增长到 2026 年初的每周 500,000 次。

它现在在美国十个城市运营，拥有超过 3,000 辆车队，管理层的目标是到 2026 年底每周超过一百万次付费 rides。

虽然所有这些看起来令人印象深刻，但这个领域似乎才刚刚开始。PWC 预计到 2030 年这个市场将增长到略高于 1700 亿美元，而我们离这个目标还有很长的路要走。

技术已经存在，但大规模和消费者的推出尚未发生。

这在总可寻址市场方面是有道理的，因为汽车、卡车和配送车辆是资本最密集、最可见的应用。但也是最接近大规模部署的。

4.3. 无人机、国防和医疗机器人（以及娱乐）

我将无人机、国防和医疗机器人合并到这一层，因为我觉得它们目前处于同一阶段。这是我个人寄予厚望的一层，特别是医疗方面。仅仅从纯粹的人道主义角度来看，这个领域的突破最终可能导致挽救数百万人的生命。

我认为医疗机器人比大多数人意识到的走得更远。一个明显的例子是 Intuitive 的达芬奇手术系统，自 1997 年以来已用于超过 2000 万次手术，仅 2025 年就超过 310 万次。

问题是，这些还不是完全自主的。我们离机器/机器人自己进行手术还有很长的路要走。

目前机器人稳定并延伸人类的手，而不是取代人类。最新版本甚至可以感知器械尖端的力量，因此外科医生对组织施加的力减少多达 43%。

阻碍快速进展的是监管。你可以想象医院的规则和法规有多严格，加快这一过程将非常困难。

我相信潜力是巨大的，一旦实施就可以挽救生命。

然后我们有无人机和其他类似"武器"。自主武器开发是目前物理 AI 中最重要的事情之一。

这里的进展非常非常快。

这是有道理的，因为你可以用机器人或机器取代士兵的生命，决定很容易。进行了大量投资，测试可以在现场进行。

所以当你将其与医疗领域进行比较时：机器/机器人必须绝对完美。没有缺陷。没有意外的故障或行动。

在国防方面，这并不那么重要。是的，你希望它们正常运行，但当无人机从天上掉下来时，没有生命损失。

乌克兰战争已经成为 AI 驱动武器的试验场。乌克兰现在正在大规模生产无人机，每年超过 300 万架，到 2026 年将达到 700 万架。

但就像在医疗领域一样，今天的大多数无人机仍然由人驾驶（远程）。所以在使无人机/机器独立方面还有很多改进空间。

然而，俄罗斯似乎正在取得进展，他们似乎已经开发了一种完全自主的无人作战系统。基本上是一种没有与操作员连接的无人机，运行机载 AI，自主选择和打击目标。

乌克兰也没有闲着。据第三军团发言人称，去年夏天，一辆遥控乌克兰地面作战车辆在"敌人持续攻击的关键交叉路口"防守了 45 天，他称其为"乌克兰第一次完全机器人防御阵地行动"。

我不确定我们应该对所有这些消息感到兴奋还是害怕。战争正在改变，而且改变很快。

但这个领域背后有很多资金，很多政府都有动力在这里"领先"。我预计这里的突破会相当快。

然后是娱乐行业，老实说，我没有听到很多人谈论这个。娱乐行业有几个有趣的用例。

例如，现代电子动画使用物理 AI 来解读观众反应或客人动作，允许角色自然地即兴进行物理互动和对话，而不是在刚性循环中操作。

下面是一些样子。以下是迪士尼的 BDX 机器人。这些是在佛罗里达、巴黎和东京迪士尼乐园的银河边缘区域漫游的小型星球大战机器人。它们可以自由行走，导航不平坦的地面，识别人脸，响应声音，并与客人实时互动。

另一个例子是自由漫游的 Olaf。与 BDX 机器人的区别在于，这个 Olaf 机器人实际上可以交流。他有能力与客人互动并做出回应。

虽然这看起来很可爱而且很有趣，但这并不是物理 AI 论文的核心。这只是为了说明已经在实施的内容。这也是这些机器可以安全地在人旁边工作的一个很好的例子。这非常重要。

4.4. 人形机器人

现在我们进入人形机器人，这是每个人总是非常兴奋的地方。这是人们想象机器人/机器或物理 AI 时的想法。

也许受到《我，机器人》电影或类似主题电影和书籍的影响，但这感觉是最令人兴奋和最大的发展，也是最值得期待的事情？

与我们之前讨论的所有内容的主要区别在于，这些机器实际上具有类人的形状。它们有手臂、腿和手，整体外观和感觉像一个人。

虽然已经投入了大量工作来开发人形机器人，但我们仍处于早期阶段。很难对这个市场可能有多大做出明确的预测，但数字非常非常大。

持保留态度，但摩根士丹利研究估计人形机器人市场到 2050 年可能达到 5 万亿美元，加上相关供应链以及维修、维护和支持。到 2050 年可能会有超过 10 亿台人形机器人在使用。

他们认为未来几年采用率会很慢，但很可能从 2030 年开始加速。

它们的工作方式与我们讨论的其他机器人差不多，所以仍然是传感器、执行器、传感器和模型，但这次适合人形。

学习过程有些不同。人形机器人不是对每个动作进行编程，而是通过观看演示来学习任务，就像大型语言模型从文本中学习一样。

这些人形机器人的实际部署和使用仍然非常令人失望。整个行业只有几千台这样的人形机器人在使用。

不过，这可能会从这里指数级增长。看看 Figure（这个领域的主要参与者之一）的数字。

机器人数量首次超过人类。

人形机器人尚未在全球范围内推出的三个主要原因是：

• 移动操作，同时移动和使用双手尚未优化。这与机器人在执行任务或移动时失去平衡有关。

• 从演示到现实世界的转变并不容易。从"这在受控演示中有效"到"在无人监督的区域每天每次都有效"的飞跃确实很难实现。大多数人形机器人项目现在都在试图解决这个障碍。
• 它们非常昂贵且消耗大量能量。身体制造超级昂贵，这些电池只能运行几个小时。

4.5. 荣誉提名

前面的章节涵盖了我认为最重要的行业。但有一些缺失的值得提及。

物理 AI 最清晰和最成熟的例子之一是在农业领域。想想自主拖拉机（John Deere 多年来一直在发货）、机器人收割机、精准喷洒无人机、牲畜监测。就像在仓库和工厂一样，农业是相当有结构和有组织的工作方式。

同样的原则适用于采矿和建筑业。有结构的工作方式和非常缺乏劳动力。物理 AI 的完美设置。目前看起来不错的一些好例子是卡特彼勒和小松的完全自主运输卡车车队。

另一个值得关注的利基市场可能是海事和水下。自主航运、港口自动化、水下检查无人机是一些想到的例子。

好吧，我想这总结了。机器人的工作方式现在很清楚了，我们知道哪些领域看起来有前景。

在下一章中，我将向你概述这个领域你应该了解的公司。

5、你应该了解的公司

我将在这里提供一个高层次的概述，因为我将制作一个关于不同层面的物理 AI 系列，我将更深入地讨论它们。

首先，层面：

• 大脑
• 身体
• 集成商
• 供应链

以下是整个价值链的概述。在本章中，我将简要总结所有这些公司的业务及其在价值链中的位置。

5.1. 大脑：芯片、模型和训练世界

我们得出结论，如果机器人无法思考，它们就完全没有用。因此这一层最受关注。它是机器人的中心，但它也由我们大多数人都已经知道的公司组成。所以这是最明显的起点。

这里的焦点和我们都熟悉和喜爱的公司是 Nvidia (NVDA)。你可能认为它只属于这里因为它销售芯片。但实际上他们做的更多，也在开发方面。

他们有 Isaac（用于构建、训练和运行机器人的工具包）和 GR00T（专门为人形机器人设计的基础模型）平台，在机器人内部运行的 Jetson 芯片，以及 Omniverse，一个机器人在接触真实世界之前学习的模拟世界。

另一个大公司：台积电 (TSM)。你可能也知道这个，如果你不知道，你应该知道。台积电制造本文中提到的几乎每一种先进芯片。有些人会说这是一家无聊的公司。但它是必不可少的，很难被取代。世界上最重要的公司之一。

AMD (AMD) 和 Qualcomm (QCOM) 涵盖了其余的计算领域。AMD 专注于原始处理，Qualcomm 专注于低功耗芯片，让机器人无需数据中心就能思考。

Arm (ARM) 授权许多边缘计算的核心设计。

Broadcom (AVGO) 处理定制硅和芯片之间的连接。

在模型方面，Alphabet (GOOGL) 正在构建 Gemini Robotics，他们正在将 DeepMind 的模型注入波士顿动力的 Atlas。

Microsoft (MSFT) 提供云骨干网并支持 Figure。

我们之前得出结论：机器人必须首先在模拟中学习。Unity (U)、Roblox (RBLX) 和 Take-Two (TTWO) 都拥有也作为训练场的游戏引擎。

5.2. 身体

执行器和传动装置

首先让我们谈谈执行器和传动设备。这个领域最著名的参与者之一是 Harmonic。FinX 上非常受欢迎的名字，也许是有道理的。

Harmonic Drive Systems (6324.T) 制造机器人关节中的谐波减速器。这可能是一个瓶颈，因为只有少数公司能制造它们并且做得很好。绝对是一个值得关注的名字。

然后我们有 Allient (ALNT)。他们为人形关节制造精密电机，他们甚至发布了人形电机指南。仍然是一家相当小的公司，市值只有 16 亿美元。现在谁不喜欢小盘股呢。

更不为人知的是 Regal Rexnord (RRX)。他们制造机器人内部的电机和齿轮。

最后但同样重要的是，一些需要记住的中国供应商。对于执行器臂，我们有 拓普集团 (601689.SS) 和 三花智控 (002050.SZ)。上银科技 (2049.TW) 涵盖线性运动和滚珠丝杠。

传感

然后是传感器。第一个名字是 Cognex (CGNX)。这是一家机器视觉系统、软件和传感器制造商，用于自动化制造中检查和识别零件、检测缺陷、验证产品组装和引导装配机器人。

Vishay Precision Group (VPG) 制造应变计，这是机器人的触觉。Synaptics (SYNA) 从事触觉传感，并与 Google 机器人合作。CEVA (CEVA) 授权用于设备上推理的边缘 AI IP。

激光雷达

对于激光雷达，我认为只需要关注以下 4 个名字。

禾赛科技 (HSAI) 制造激光雷达传感器，让机器人和人形机器人能够以 3D 方式观察。他们与宇树合作，他们的设备已经在宇树人形机器人中使用。

另一个 FinX 最爱：Ouster (OUST) 构建数字激光雷达，为机器提供周围环境的实时深度图。

Luminar (LAZR) 制造主要用于自动驾驶汽车的远程激光雷达。

Aeva (AEVA) 构建 FMCW "4D" 激光雷达，可以同时读取物体的位置和移动速度。

动力

所有这些机器人都需要供电。我们不希望它们 10 分钟后就死了，所以这实际上是供应链中非常重要的一部分。

两个大名字是 CATL (300750.SZ) 和 LG Energy Solution (373220.KS)。两家都是电池制造商（他们做得更多）。

另一个在过去 5 年表现非常好的名字是 Monolithic Power (MPWR)。他们制造电源管理芯片，负责路由和调节机器人系统中的电力。

最后但同样重要的是 Navitas (NVTS)。Navitas 制造下一代 GaN 和 SiC 功率半导体，更有效地移动电力。GaN 和 SiC 是两种用于制造功率芯片的材料。它们是硅的替代品。

工业臂

然后是臂部。可以说这是机器人最重要的部分。

制造这些臂的三个名字是：Fanuc (6954.T)、Yaskawa (6506.T) 和 ABB (ABB)。

一些可以通过 Teradyne (TER) 获得的间接敞口，它拥有 Universal Robots。Universal Robots 是协作臂的领导者，旨在安全地与人一起工作。

Rockwell (ROK) 制造自动化系统和软件，埃斯顿 (002747.SZ) 是中国的自动化参与者。

集成商

你可以把集成商想象成将所有东西混合在一起的公司。他们拿走我们在本文中讨论的所有内容，并将其放入一个系统中。

这里最明显的名字是 特斯拉 (TSLA) 和他们的 Optimus 人形机器人。这仍然是一个正在发展的故事，因为时间表一直在推迟。

在 2026 年第一季度电话会议上，马斯克确认生产将于 2026 年 7 月下旬或 8 月在弗里蒙特开始，但他警告说产量将"相当缓慢"，并称今年的生产率"简直无法预测"，因为机器人有大约 10,000 个独特部件在全新的生产线上。大批量生产现在目标是 2027 年夏季。

很遗憾你不能直接获得这里的敞口，因为现在购买特斯拉是唯一的方式。

稍微不那么知名的是波士顿动力公司制造的 Atlas 机器人。同样，不可能直接获得敞口。现代 (HYMTF) 拥有波士顿动力，所以那将是投资方式。

然后是其他一些大公司，他们目前正在构建自己的人形机器人。小米 (1810.HK)、小鹏 (XPEV) 和 比亚迪 (1211.HK) 都在积极开发自己的人形机器人。不是为了商业用途，而是首先为自己的工厂配备人员。

看看更纯粹的选择，优必选 (9880.HK) 是今天最直接的上市公司赌注。优必选是香港上市的人形机器人制造商。其他选择是 Rainbow Robotics (277810.KQ)，三星支持，以及 Richtech (RR)，他们提供服务机器人和早期人形机器人。

最后但同样重要的是，一个大公司。目前仍是私营：宇树。宇树是第一家获得中国市场批准的"具身 AI"公司，其 IPO 目标估值约为 62 亿美元，应该很快就会发生。他们在 2025 年已经交付了大约 5,500 台人形机器人，这是目前全球任何制造商中最多的。最棒的是：他们实际上已经盈利了。绝对是一个值得期待的更大、更有前景的 IPO。

应用

这里是一些已经成功实施 AI 并且真正在赚钱的公司。我们现在称它们为应用。

直觉外科 (ISRG) 是大多数人想到的名字。我们之前已经讨论过。他们一直在开发他们的系统很长时间了，他们的达芬奇系统现在已经对超过 2000 万名患者进行了手术。

另一个医疗重点的名字是 Globus Medical (GMED)。Globus 从事脊柱和手术机器人。

不同行业，但同样有趣：Symbotic (SYM)。他们自动化仓库，并在 2026 财年第一季度实现了 GAAP 盈利。

FinX 最爱：Serve Robotics (SERV)。他们有人行道配送机器人，这是用于食品和其他消费品最后一英里配送的自主人行道机器人。

硅、内存、电力和金属

这一层不是机器人特有的，但没有这些公司，就无法取得重大进展。它们都是以某种形式存在于价值链中，因此值得在这个概述中占有一席之地。

我不会在这里讲太多细节，但我认为了解它们仍然很重要。

这些公司中的大多数也在 AI 建设中发挥着关键作用，所以它们在这里发挥类似角色是有道理的。

硅供应链

• ASML (ASML) 可能是最重要的之一，没有 ASML 的机器就无法制造任何芯片。
• Applied Materials (AMAT)、Lam Research (LRCX)、KLA (KLAC) 和 Tokyo Electron (8035.T) 也制造晶圆厂设备。
• Cadence (CDNS) 和 Synopsys (SNPS) 是每个硅团队都使用的设计软件双头垄断。

内存

内存现在是热门主题，因为它被视为未来几年最大的瓶颈。关键参与者是并将是：

• SK Hynix (000660.KS)
• Samsung (005930.KS)
• Micron (MU)

电力和电网

整个建设需要电力。而且是大量的电力。有很多方法可以投资这一部分。发电、冷却或连接器。

• Eaton (ETN) 和 Vertiv (VRT) 处理数据中心电力和冷却。
• Infineon (IFX.DE) 和 ON Semi (ON) 制造功率半导体。
• Schneider Electric (SU.PA) 和 Amphenol (APH) 涵盖电气化和连接器。
• 在投机方面：Wolfspeed (WOLF) 在 SiC（碳化硅）领域。Wolfspeed 的 SiC 芯片位于移动和转换电力的设备中。
• GE Vernova (GEV) 和 Constellation (CEG) 负责发电。GE Vernova 和 Constellation 在发电层运营。他们制造发电的机器或拥有发电的工厂。

材料

电动机需要磁铁，磁铁需要稀土。这个领域的一些关键参与者：

• MP Materials (MP) 和 Lynas (LYC.AX) 是中国以外的供应押注。
• Freeport-McMoRan (FCX) 是铜的投资。
• Hexagon AB (HEXA-B.ST) 及其 AEON 人形机器人。AEON 是欧洲投资人类人形机器人最干净的方式之一

私营公司（目前）

我们上面提到的所有名字都是已经上市的，或者很快就会上市。

这是我们未来要关注的重点。但有很多私营公司应该至少在我们的观察名单上。

这些是我将与上市公司一起关注的顶级名字：

• Figure AI
• Physical Intelligence
• Skild AI
• 1X
• Agility Robotics
• 波士顿动力
• Neura Robotics
• AgiBot
• RobotEra
• Galaxea
• Spirit AI
• Linkerbot

要购买的 ETF

这可能有点多。这么多名字，这么多主题。如果你想让事情变得简单，购买 ETF 可以是获得物理 AI 主题敞口的好方法。

一些值得注意的选择是：

• KraneShares Humanoid & Embodied (KOID)
• KraneShares STAR Market (KStR)
• Global X Robotics & AI (BOTZ)
• ROBO Global (ROBO)
• First Trust AI & Robotics (ROBT)

6、结束语

这本入门指南详细介绍了物理 AI 到底是什么以及我预计这个行业将如何在未来几年内实现。

我不是这个领域的专家。这只是我试图理解一切，并与你分享我的研究。

我可能会遗漏或误解一些重要方面或遗漏关键信息。我很乐意让你指出来。总有东西要学。

原文链接：A Beginner's Guide to Physical AI

汇智网翻译整理，转载请标明出处