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）
