前沿大模型正逐步成爲具身機器人的認知“大腦”,零樣本和少樣本泛化能力的提升,有望加快機器人從演示走向實際部署。不過,行業競爭壁壘也在變化:隨着模型能力進步,快速部署端側模型、優化計算效率及軟硬件協同設計的重要性上升。高盛認爲,物理AI規模化將帶動多模態真實世界數據需求增長,先進3D空間傳感器、高分辨率觸覺陣列及數據採集環節有望率先受益,數據質量仍是制約模型訓練的關鍵因素。應用端的機會也不侷限於人形機器人,協作機器人與既有工廠自動化改造可能更早形成實用場景。選股方面,高盛偏好估值合理、基本面紮實且具AI機器人增長潛力的供應鏈企業。

2026-10-29

前沿大模型正逐步成爲具身機器人的認知“大腦”,零樣本和少樣本泛化能力的提升,有望加快機器人從演示走向實際部署。不過,行業競爭壁壘也在變化:隨着模型能力進步,快速部署端側模型、優化計算效率及軟硬件協同設計的重要性上升。高盛認爲,物理AI規模化將帶動多模態真實世界數據需求增長,先進3D空間傳感器、高分辨率觸覺陣列及數據採集環節有望率先受益,數據質量仍是制約模型訓練的關鍵因素。應用端的機會也不侷限於人形機器人,協作機器人與既有工廠自動化改造可能更早形成實用場景。選股方面,高盛偏好估值合理、基本面紮實且具AI機器人增長潛力的供應鏈企業。