Physical AI 完整可投资版图
Physical AI 是从屏幕生成式 AI 向嵌入现实世界的机器智能的过渡——机器人、无人机、自动驾驶汽车、手术系统、国防平台和工业自动化。其总可寻址市场（TAM）并非软件市场，而是整个实体经济：仓库、农场、医院、战场、工厂和交通网络。
美国银行预测，仅 2026 年人形机器人出货量就将达到约 9 万台，到 2030 年将增至 120 万台。这是一个可见的终点；更广泛的 Physical AI 技术栈——传感器、边缘芯片、控制系统、执行器、电源、仿真、连接——如今已让数十家中小市值上市公司产生收入，而它们相对于 AI 基础设施同行而言，关注度严重不足。
投资框架与光学/光子学周期类似：寻找技术供给受限、利润获取持久、且无论哪家机器人 OEM 最终胜出都能向所有平台供货的“卖铲人”环节。对公开市场投资者最相关的七个层级是：(1) 训练与仿真，(2) 感知与传感，(3) 边缘计算，(4) 软件与规划，(5) 控制与运动，(6) 电力电子，以及 (7) 连接与车队协调。下文将逐一映射每个层级，列出当前产生收入的中小市值公司、其财务指标，以及它们具体的 Physical AI exposure 论点。
1、Layer 1：训练与仿真
为何重要： 任何机器人在部署前，都必须在仿真世界中训练。真实世界练习昂贵、危险且缓慢——仿真可将边缘案例的迭代速度提升 1000 倍。“仿真到现实的鸿沟”是核心挑战：只有当仿真在物理上足够精确、能迁移到真实部署时，虚拟训练才有效。掌握仿真层的公司位于所有 Physical AI 平台的上游。
早期角度： NVIDIA 的 NVDA 0.00%↑ Omniverse 平台（非独立可投资标的）是参考环境——真正值得投资的是那些开发集成到 Omniverse 风格仿真管线工具的公司。留意宣布与 Omniverse 建立集成合作伙伴关系的小市值软件公司；这类公司往往会迅速重估。
2、Layer 2：感知与传感，最丰富的小市值层级
感知是机器的“眼睛、耳朵和皮肤”。每个 Physical AI 系统都需要它。没有任何单一传感器能在所有环境中胜出——这正是该层级同时支撑最多公司、并拥有最长硬件多元化跑道的原因。
2.1 LiDAR：测距、深度、三维建图
Ouster OUST 0.00%↑ 论点： 收购 Stereolabs（深度相机 + AI 感知融合）使 OUST 从纯 LiDAR 硬件公司转型为多模态感知平台。Stereolabs 提供的立体相机 + 深度 AI 可与 LiDAR 在传感器融合架构中配对——这种组合才是机器人系统真正需要的。CFO Ken Gianella 表示，Ouster 正处于“Physical AI 革命的核心”。以 24 亿美元市值 计算，收入增长 49%、毛利率 43%，OUST 是当前最具吸引力的纯 Physical AI 感知标的之一。
Source: Seeking Alpha
2.2 计算机视觉与机器视觉
Cognex CGNX 0.00%↑ 是工厂 Physical AI 的“卖铲人”。 Cognex 在 2026 年 3 月对 500 多家全球制造商的调查显示，他们“越来越期待”支持 AI 的机器视觉成为其运营的标准配置。Cognex 获得 14 个买入、6 个持有、1 个卖出的分析师评级，共识目标价 75.75 美元——意味着较当前水平有 10.3% 的上行空间。虽非深度低估，但它是 Physical AI 工厂层核心中一个安全的长期复利标的。
2.3 多光谱与特种传感
3、Layer 3：边缘计算，利润率最高、护城河最深
为何重要： Physical AI 无法等待云端服务器响应。机械臂必须在毫秒级内做出反应。无人机不能丢帧。边缘计算是本地大脑——能够在 5-50W 功耗预算内（对比数据中心 GPU 的 300-700W）提供 AI 推理性能的公司，拥有极难复制的技术护城河。
Ambarella AMBA 0.00%↑ 是当今 Physical AI 领域最具投资价值的边缘计算标的。 FY2026 是财务拐点：创纪录的收入、非 GAAP 口径扭亏为盈（净利润 2690 万美元，上年同期为亏损 680 万美元），现金 3.126 亿美元，连续 17 年自由现金流为正。N1 SoC 在 50W 以下即可实现 Llama2-13B 的交互式运行速度——支持语音指令机器人、能用自然语言描述事件的智能安防摄像头，以及具备深度情境感知能力的车辆。Cooper 开发者平台（与 PyTorch/TensorFlow 集成的全栈 SDK）正在构建 NVIDIA CUDA 所建立的开发者护城河——370 多个客户项目已投入生产，证明这一策略正在奏效。
Source: Ambarella FY26 Press Release
Blaize BZAI 0.00%↑ 是投机性的边缘计算赌注。 以约 2.3 亿美元市值 和 1.3 亿美元收入指引来看，如果收入兑现，估值并不苛刻。NeoTensr 芯片的图流架构声称在推理任务上比传统 GPU 方案能效高 10 倍——Physical AI 推理市场（机器人在边缘进行持续实时推理）正是该架构的精准匹配。风险：尚未盈利、客户集中度高、仍处于量产爬坡早期。
Hailo SPAC 关注： 估值低于 5 亿美元，Hailo-8 已在多家 Tier 1 汽车供应商处量产，并明确转向 Physical AI 机器人领域，SPAC 后的入场点可能颇具吸引力。风险在于现金消耗紧迫性——SPAC 的驱动力是“迫切的流动性需求”。密切关注 SPAC 条款；最佳入场点是交易完成后、价格反映困境而非此前 12 亿美元峰值之时。
4、Layer 4：软件、规划与仿真
5、Layer 5：控制系统与运动/执行
这是“身体”层——电机、执行器、编码器、伺服驱动。这里的“卖铲人”洞见是：无论谁制造了 AI 大脑，每个机器人仍然需要物理执行系统。提供关节、夹爪和驱动器的公司能在每个平台上获胜。
Moog 是大多数人忽视的国防 Physical AI 标的。 2026 年 3 月的胡德堡演示验证了一个完整的 Physical AI 闭环：EchoShield 雷达（感知）→ AI 瞄准计算（边缘计算）→ Moog 精确动能交战（执行）——在 3 秒内探测、跟踪并消除无人机威胁。Moog 是该系统中的执行与火控层。随着 Q2 FY2026 被描述为“出色”，108 亿美元市值，以及下一代国防机器人和太空执行收入的明确增长，Moog 值得在每个 Physical AI 投资组合中占有一席之地，作为国防运动层。
Source: MOOG Investor Presentation
6、Layer 6：电力电子，最被忽视的层级
电源在机器人无法完成整班作业之前都是隐形的。Physical AI 最严苛的约束是功率密度：更强的 AI 能力需要更多计算，需要更多能量，而体积和重量必须更小更轻。解决这一问题的公司同时服务于每个机器人平台。
Vicor VICR 0.00%↑ 是连接数据中心 AI 与 Physical AI 的电源标的。 “最后 1.5 毫米”论点：Vicor 的电源组件设计方法论（PCDM）可在距离计算芯片 1.5 毫米范围内提供稳压电源——这对 GPU 集群和机器人嵌入式 AI 芯片都至关重要。在 2026 年 Q1 业绩超预期后，Vicor 已上涨 11.2%——但 Physical AI 的电源角度尚未被任何分析师模型纳入，目前只有数据中心角度被考虑。
Source: LSEG
7、Layer 7：连接与车队协调
8、Physical AI 模拟 ETF，多元化小市值标的池
下表设计为一个参考性的“模拟 ETF”，覆盖 Physical AI 技术栈的所有层级，偏向已有收入的纯中小 (mid-cap) 小市值公司。这不是推荐的投资组合配置——而是一个筛选池。
Tier 1：高确信度、收入已验证的中小市值
Tier 2：新兴、高上行空间、存在一定收入风险
Tier 3：尚无收入 / 投机 / 观察名单
9、应用于 Physical AI 的七项投资标准
使用原始研究简报中的框架：
1. 直接性
纯 Physical AI 公司（OUST 0.00%↑、AMBA 0.00%↑、BZAI 0.00%↑）得分最高。像 Moog 或 Cognex 这样的公司属于“邻近”领域，但拥有具体、可量化的 Physical AI 收入板块。应避免 Physical AI 仅占收入 5-10% 且核心业务无关的公司。
Source: Market Intelo, Physical AI Market
2. 收入证据
当前：AMBA、CGNX 0.00%↑、OUST、MOG.A、VICR 0.00%↑、SYM 0.00%↑ 均已确认拥有 Physical AI 收入。
2026-2027：BZAI、INVZ 0.00%↑、SERV 0.00%↑ 正在爬坡。
2028+：Hailo（SPAC 后）、纯人形 OEM 标的。
3. 瓶颈价值
2026 年瓶颈最高的层级：边缘计算（能在 5-50W 内实现低功耗 AI 推理的公司有限——具体是 AMBA 和 BZAI）和国防认证执行（MOG.A——用于自主国防系统的 SIL-2 认证精密执行无易替代方案）。LiDAR 正在商品化，但 OUST 的多模态融合在商品层之上构建了一个粘性感知平台。
Source: Grand View Research
4. 利润捕获
利润率最高：边缘计算软件（AMBA 的 Cooper 开发者平台创造平台经济效应）、机器视觉软件（CGNX 毛利率约 75%）、车队管理 SaaS（DGII 0.00%↑ 的 ARR 模式）。纯硬件执行和电源利润率较低，但转换成本高。
5. 跨平台持久性
AMBA、CGNX、VICR 和 DGII 均向每个机器人平台供货，无论哪家 OEM 胜出。OUST 同时向仓库机器人、无人机、自动驾驶汽车和工业检测出售 LiDAR。这些是最持久的仓位。
6. 杠杆（加速时的上行空间）
最高杠杆：BZAI（如果 1.3 亿美元收入指引兑现 + Physical AI 合同加速）、OUST（如果机器人部署增速超过汽车爬坡速度）、Hailo SPAC 后（如果困境入场 + 量产爬坡 = 快速重估）。AMBA 因 N1 SoC + 定制 ASIC 部门而具有高杠杆——首个 2nm 定制芯片项目是构建大客户年金收入流的模板。
7. 客户 ROI
Physical AI 在 ROI 可衡量且即时的领域被部署。今天 ROI 最清晰的市场：仓库自动化（吞吐量指标是二元的）、国防 C-UAS（3 秒内消除威胁是可量化的）、手术机器人（患者预后和手术室时间节省）、农业自主设备（每亩劳动力成本替代）。这些是将投资论点锚定的终端市场，而非消费级人形机器人。
10、光学平行，为何时机感觉熟悉
光学/光子学超级周期始于一个狭窄的“数据通信收发器”主题，随后扩展到硅光子学、共封装光学、LiDAR、医学成像和国防瞄准——随着底层驱动力（AI 基础设施带宽需求）被证明比共识预期更大，主题不断拓宽。Physical AI 遵循完全相同的模式：
· 狭窄的切入点（现在）：仓库机器人、国防无人机、手术系统——今天即可投资
· 拓宽（2026-2028）：规模化自动驾驶汽车、AI 管理农业、建筑机器人、每个手术室的 AI 手术器械
· 全面扩张（2028-2031）：消费级人形机器人、AI 管理物理基础设施、每个触点的物理-数字融合
上述模拟 ETF 中 Tier 1 和 Tier 2 的公司处于光学周期的“早期 AAOI / TSEM”阶段——主题已确认、收入已开始、机构覆盖薄弱。卖铲人层（AMBA 代表边缘计算、OUST 代表感知、VICR 代表电源、MOG.A 代表执行）将无论哪个具体机器人平台赢得消费市场而持续复利。
11、关键风险
· 仿真到现实的鸿沟尚未在大规模上解决： 在仿真中训练的机器人仍会在意外的真实世界变化中失败。这延长了非结构化环境（建筑、农业）中大规模部署的时间线，相对于结构化环境（仓库、医院）而言
· 安全认证瓶颈： 功能安全标准（汽车 ISO 26262、工业 IEC 62443、医疗 FDA 510(k)）为部署时间线增加 2-4 年。没有现有安全认证产品线的公司面临收入延迟
· 功率密度瓶颈： 当前电池技术限制了移动机器人的作业时长。在固态电池或燃料电池对移动机器人具有成本竞争力之前，作业范围/续航约束限制了野外应用的市场扩张
· 国防采购周期： 国防 Physical AI（无人机、C-UAS）拥有最清晰的即时 ROI，但政府采购周期压缩了收入爬坡——2026 年 3 月在胡德堡演示的系统可能要到 2028 年才能产生项目级收入
· 人形 OEM 风险： 如果 Tesla Optimus 或 Figure 的平台实现快速降本并以垂直整合主导，部分零部件供应商可能面临定价压力。卖铲人策略可以缓解但无法消除这一风险
原文链接: Physical AI: The Full Investible Stack
汇智网翻译整理，转载请标明出处