物理Al行业研究：物理AI中期高壁垒+高价值量环节——触觉＆灵巧手.pptxVIP

物理AI中期高壁垒+高价值量环节——触觉灵巧手

投资逻辑：

GPT-6Astra补齐机器人“大脑”短板，下一站将是物理交互数据推动的System1进化。GPT-6Astra在50个episode中成功49个，成功率98%,而单π0.5模型仅36%的成功率，证明了通用大模型充当机器人的System2(慢思考大脑),长期制约行业的“大脑不行问题出现拐点。世界模型为代表的物理AI将Al的能力链条从感知—理解”扩展至感知—预测—规划—控制,VLA(视觉-语言一动作模型)与世界模型融合下，有望推动机器人由单步操作走向多步规划、失败识别和自主恢复。产业共识正在逐渐收敛为通用推理+专用操作的混合架构——大模型做System2顶层认知，具身模型做System1物理执行，而System1要进化，必须喂给它仿真给不了的物理交互数据。

数采手套、灵巧手有望成为物理Al的核心增量环节。物理Al核心需要的是物理状态数据——接触力、切向力、形变、接触时序等数据，这些触觉的数据需要真实交互采集和标注，2026年初全球高质量真实物理交互数据存量约50万小时，而通用具身模型训练至少需要1000万小时级，存量不足需求的5%,触觉采集相关设备中远期需求大。触觉数据采集核心设备有数采手套(人端采集)、灵巧手遥