数据文件，请登录您的会员账号进行下载！
先进制造与出行科技-2026下半年展望：物理AI进入产业验证期：汽车先行、机器人接力20260630_导读
2026年07月01日 01:23
关键词
物流AI 产业验证 汽车 机器人 新能源汽车 出口 智能化 高价值车型 订单交付 数据AI 物理AI 模型曲线 数据曲线 智能驾驶 小鹏 理想 莫问塔 L3 L4 线控制动
全文摘要
下半年，物流AI产业将进入验证阶段，重点关注汽车领域作为先行者，随后机器人技术将接力发展。市场关注点将转向产业证据，如订单、交付和运行情况，特别是汽车端出口和智能化对增长的推动作用。企业对机器人技术的投入产出比成为关键议题。物理AI技术在汽车终端的应用成为焦点，强调硬件成本、模型能力、数据与物理I的差异，以及从概念验证到系统级验证的转变。产业链迁移、国产替代、量产及价格下探对供应链产生影响，尤其关注特斯拉供应链和国产零配件公司。总体而言，下半年物理AI和机器人技术的产业验证将是市场关注的重心，汽车、电力和物流等领域将是主要验证场景。
章节速览
00:00 下半年展望：物流AI与机器人产业验证及汽车市场趋势
下半年重点关注物流AI进入产业验证阶段，汽车先行，机器人接力。市场将从交易技术参数转向关注硬核产业证据，如订单、交付、运行情况及投入产出比。汽车市场正从内需转向出口，智能与高价值车型驱动增长，新能源汽车零售渗透率超60%，出口同比增长超80%。机器人板块估值将从主题交易转向产业验证，关注可验证商业场景。
03:04 下半年验证窗口与AI发展关键点
下半年被视为验证窗口，标志着数据AI与物理AI的模型、数据和硬件成本曲线进入关键验证阶段。数据AI从认知生产效率转向真实物理世界应用，底层技术从云端训练拓展至边缘推理，商业化节奏虽慢但产业链宽度和硬件价值潜力巨大。物理AI则面临从技术演示到场景验证的过渡，预计2024-25年进入小批量部署，283年后广泛渗透。整体来看，下半年是观察模型能力差距、应用层套利速度及云资本开支回报率的重要时期。
07:06 大模型在汽车行业的应用与产业链升级
对话探讨了大模型在汽车行业的应用，包括数据采集、硬件成本、供应链成熟度等方面。指出汽车具备真实数据、成熟硬件供应链和清晰软件迭代路径，成为大模型落地的首选场景。强调了产业链升级、智能化架构和出口增长对汽车行业的重要性，以及大模型在提升系统安全性、可调试性和功能安全认证方面的作用。
11:40 新能源汽车市场结构升级与智能化趋势
新能源汽车渗透率已破60%，成为主流销量结构，行业正经历从燃油车向电动化、智能化转型的关键期。出口端结构升级明显，同比增长87%，智能硬件和座舱系统出海为中国车企开辟新市场。尽管价格战挤压利润，但通过智能化能力和高价值车型提升单车价值成为趋势。下半年，出口、智能化及高价值车型将成为驱动汽车行业增长的关键因素。
15:25 L3智能驾驶硬件预埋与法规落地趋势
对话讨论了L3智能驾驶硬件预埋的重要性，包括线控制动、声控转向等配置成为高阶车型标配的趋势，以及下半年法规对L3落地的影响，特别是事故责任主体明确对大规模放量的关键作用，同时提及软件订阅收入可能成为新的盈利模式。
20:11 L4自动驾驶商业化运营与监管趋势分析
对话探讨了L4级自动驾驶在开放道路上的运营能力，强调了从测试到商业运营的转变，以及监管对行业门槛的提升作用。指出下半年将关注头部平台的运营指标，如单车日均订单、收入及城市盈利模型。同时，分析了监管对合规成本的短期影响与中长期行业门槛提升的作用，认为这有利于头部公司的竞争优势，促进行业向安全稳定、低成本运营方向发展。
23:28 汽车与机器人产业融合：智能驾驶能力迁移与市场影响
对话讨论了汽车产业链与机器人产业的融合趋势，指出智能驾驶能力、车规芯片、功能安全设计等可迁移至机器人领域，头部车企布局机器人并非跨界，而是智能驾驶能力的自然延伸。上半年汽车板块的结构验证行情，特别是出口和产业链迁移，成为下半年关注重点。推荐关注架构领先、数据换出口能力强的智能驾驶整车公司，以及具备机器人集成能力的零配件公司，这些方向的公司有望受益于模型VLA上车及整车价值提升。
27:30 机器人商业化进展与未来预测
讨论了机器人从垂类场景向更复杂任务场景的商业化扩展，强调了技术验证、客户现场运行小时数、复购情况对商业化的关键作用。预测全球机器人出货量将逐年增长，中国内地表现突出，但真正形成持续复购的商业部署仍占小比例。分析了模型从研究到工业级适配的进展，提出五个维度跟踪模型进展，包括本体覆盖数量、任务成功率、系统集成成本等，以评估模型是否能进入工业环境。
33:02 工业机器人成本与应用场景分析
对话围绕工业机器人在不同领域的应用及成本效益展开，重点讨论了汽车、电力、物流等行业中机器人的标准化任务执行能力与高风险环境下的可靠性。指出，机器人需在替代人工、降低风险和提升效率方面展现价值，以吸引企业投资。下半年将关注成本下降趋势及在汽车总装线、电力设施维护、物流仓储等场景的落地情况，强调任务标准化、环境结构化及高确定性场景对机器人技术验证的重要性。
37:56 机器人行业趋势与供应链分析
对话围绕机器人行业的发展趋势展开，指出其底层逻辑相似，从概念验证转向系统级证据阶段。重点分析了中国供应链完整性提升、量产拐点临近及国产价格下探三大条件，看好核心配件公司与具备跨平台能力的企业。特斯拉供应链定点与国家级采购落地被视为关键信号，但需警惕特斯拉量产延期及贸易不确定性风险。
要点回顾
下半年AI和机器人行业的重点展望是什么？企业先行与机器人接力的关系是怎样的？
下半年的重点在于物流AI进入产业验证阶段，尤其是汽车领域作为先行者，机器人则是接力的角色。市场将从关注交易技术参数转向基于更硬的产业证据，如订单、交付、运行情况、客户投入产出比以及利用率等进行定价。企业先行意味着当前已有明确的商业验证落地场景，而机器人则是中长期较大的落地场景。两者都体现了AI技术在不同终端上的应用，下半年机器人板块估值将从主题交易转向产业验证。
对于下半年的谨慎展望，有哪些关键信号？
虽然全面兑现还需时间，但工程交付信号较强，包括政府机关采购计划等。汽车外部测试、机器人被视为同一条物理AI技术的不同终端来理解。
汽车市场方面有何趋势？
汽车市场中，新能源汽车零售渗透率超过60%，且乘用车出口同比增长超80%，新能源汽车出口同比增长一倍。这表明中国车企增长正从本土市场扩散到城市化、智能化及高价值车型。
下半年数据AI领域有哪些关键验证窗口？
下半年是模型数据硬件同时进入验证阶段的重要时间点，过去几年数据AI经历了高弹性增长阶段，现在进入收入兑现和估值分化阶段，边际变化在于模型能力差距可能会变小，而云资本开支后会更多关注投资回报率。
物理AI（如车辆机器人）与数据AI的主要差异在哪里？数据AI与物理AI商业化节奏有何不同？
物理AI面临将AI从软件界面带到真实物理世界的挑战，底层技术也会发生变化，例如模型从NN走向LA的世界模型，算力需求从云端训练拓展至车端SOC、机器人控制器和边缘推理芯片等。数据AI主要解决认知和生产效率问题，集中在互联网世界的信息处理，而物理AI涉及感知、决策、控制和执行，商业化节奏相对较慢，但如果成功，产业链宽度和硬件价值会大幅提升。
上半年对于数据AI、模型和硬件成本曲线观察的重点是什么？
上半年观察的重点在于这三个曲线（模型曲线、数据曲线、硬件成本曲线）的突破情况。其中，数据瓶颈逐渐消失，复合数据链可以重复使用学习；硬件成本方面，成熟传感器供应链已形成，机器人端材料集成器、电机、减速器等环节正逐步降低成本。但要形成产业链拐点，需要结合老架构和世界模型来提升高层理解能力。
在大模型落地到真实世界的过程中，为何会出现工程矛盾，比如延迟和安全性问题？目前业界是如何解决这一工程矛盾，实现大模型在物理世界中的应用的？
大模型在输出如车辆控制、机器人操作等实时性要求高的场景时，由于其推理过程以百毫米为单位，而大型工程机械控制和自动驾驶底层控制器则需要50到200毫秒的速率，如果直接使用大模型输出控制指令，可能会导致系统延迟，进而影响安全性与连续性。业界正从分层架构进行探索，例如将大脑部分负责语言理解、任务分解，小脑部分负责运动控制和平衡维持等。这种分层设计不仅提高了系统的可调试性，便于嵌入急停和安全控制功能，还满足了部分商业价值实现的需求，即将高层VA与底层控制及生产部署稳定结合。
数据文件，请登录您的会员账号进行下载！
1、本站部分资源源自互联网，如内容存在侵权行为或未标明出处的情况，您可通过邮箱 meiritouyan@qq.com 与我们联系，我们将尽快进行处理。
2、如遇本站资源无法下载、无法查看，请及时联系我们，我们将第一时间修复。
