证券研究报告 | 2026年10月25日

物理 AI 行业深度报告 优于大市

技术路径基本成熟，受益于工业智能化及自动化需求

核心观点 行业研究·行业专题 计算机 优于大市·维持

从语言走向非语言，从计算走向非计算，VLA+世界模型路径基本成熟。随着 语言模型能力的不断成熟，行业开始将视觉识别与物理动作执行相结 合，发展出了视觉-语言-动作模型，即 VLA 模型。以 OpenVLA 模型为例， 它的核心工作流程可以简化为三个连贯的步骤：1）接收信息，模型会 同时处理输入的图像和文本信息，将它所看到的画面内容与收到的自然 语言指令建立起准确的对应关系；2）逻辑推理，系统以大语言模型为 核心，利用其通用的逻辑处理能力，对接收到的画面和文字信息进行综 合分析与计算，判断需要采取的对策；3）动作执行。模型会将分析得 出的结论，直接转化为具体的物理控制数据，从而指挥机器人等硬件设 备完成实际的物理任务，通过这三个步骤，VLA 模型成功实现了从理解 外部环境到控制实体设备做出反应的完整过程。

证券分析师：熊莉 联系人：侯睿 021-61761067 xiongli1@guosen.com.cn hourui3@guosen.com.cn S0980519030002

市场走势

智能驾驶：VLA+世界模型已经落地，市场向高端拓展。自动驾驶零部件是 物理 AI 的核心载体，受益于自动驾驶渗透率提升，当前国内 L2 及以下 市场自动驾驶渗透率基本饱和，市场向 L2+及以上市场拓展，同时以自 动驾驶出租车为代表的全无人驾驶车辆也有望为智能驾驶零部件带来 全新增量。根据弗若斯特沙利文的资料，中国自动驾驶出行服务的市场 规模预计 2025 年将达到 0.7 亿美元，并呈指数级增长，进一步增长至 2030 年的 394 亿美元及 2035 年的 1,830 亿美元。

资料来源：Wind、国信证券经济研究所整理

相关研究报告

《美股核心 AI 公司 26Q3 业绩追踪系列一：Meta 收入超预期，全 年资本开支指引上调》 ——2026-10-22 《宏观流动性边际收紧，AI 数据中心 IRR 能够覆盖资本成本》—

智能工厂：“端-边-云”结构清晰，端侧放量在即。工业制造场景具备任 务边界清晰、流程相对标准的特点，成为智能化技术落地的主要环境。 与家庭、商业服务等高泛化场景相比，工业制造环境更可控、任务更高 频、价值衡量更直接，更适合通过“部署-作业-数据回流-模型迭代” 闭环的方式持续提升能力。短期看，具身智能将在封闭或半封闭工业任 务中率先创造可量化的增效的价值；长期看，工业现场积累的高质量操 作数据，也将反哺机器人智能化水平继续提升。

—2026-10-22 《CPU 行业深度系列报告一：AI agent 驱动需求增长，CPU 价格 有望上调》 ——2026-10-19 《AI 云系列研究：AI 重塑云计算增长曲线，阿里云有望进入回 报提升阶段》 ——2026-08-04 《人工智能行业专题：2026Q2 海外大厂 CapEx 和 ROIC 总结梳理》

——2026-08-01

智能医疗：当前渗透率较低，处于加速落地阶段。智能医疗与作为具身智 能应用的高价值潜力市场，正处于增量蓄势阶段。在医疗健康领域，具 身智能应用已具备一定的商业化基础。傅利叶智能在全球三十多个国家 部署了康复外骨骼和训练机器人；直觉外科的达芬奇系统年手术量超过 230 万例，国内微创医疗、天智航等企业亦在持续拓展相关市场。中长 期维度上，医疗具身智能的演进方向将聚焦于康复训练个性化方案的自 主生成以及手术辅助的自主操作。

智能基座：基座模型迭代更新加速，AI 基座提供商有望充分受益。目前， 国产头部软件厂商正逐步实现从算力、算法到模型训练平台的全栈自主 可控。随着基础大模型向多模态与智能体方向升级，基座厂商不仅提供 底层的 API 调用，更通过提供完整的开发者工具链和企业技能中台，降 低下游企业构建复杂 AI 应用的门槛。从收入角度而言，基座模型厂商 啊已初步形成 B 端+G 端双收费制，基座模型创收渠道有望逐渐成熟。

风险提示：AI 发展不及预期风险、市场竞争加剧风险、技术路径转变风 险等

请务必阅读正文之后的免责声明及其项下所有内容

内容目录

一、 VLA+世界模型，技术路径基本明确 ........................................... 4

• 1.1 趋势一：基座模型迭代不断加速，模型智能不断提升 .................................... 4
• 1.2 趋势二：从语言走向非语言，从计算走向非计算，VLA+世界模型路径基本成熟 ..............6
• 1.3 趋势三：产业政策持续升温，产业融资逐渐增长 ........................................7

二、 具身智能落地行业梳理 .................................................... 10

• 1.1 智能驾驶：VLA+世界模型已经落地，市场向高端拓展 ................................... 10
• 2.2 智能工厂：“端-边-云”结构清晰，端侧放量在即 ..................................... 13

• 2.3 智能医疗：当前渗透率较低，处于加速落地阶段 ....................................... 18
• 2.4 智能基座：基座模型迭代更新加速，AI 基座提供商有望充分受益 .........................19

三、 行业公司梳理 ............................................................ 21 风险提示 ..................................................................... 22

图表目录

• 图1： 各公司主流模型迭代梳理 .............................................................. 4
• 图2： GPT4 的 scaling law 曲线，计算量 C 和模型性能满足幂律关系 ..............................5

• 图5： VLA 算法架构 .........................................................................6
• 图6： RT-2 在未见分布任务上的成功率对比 ....................................................7
• 图7： RT-2 涌现技能评估成功率 ..............................................................7
• 图8： 具身智能关注学习与泛化能力 .......................................................... 7
• 图9： 具身智能产业链梳理 .................................................................. 7
• 图10： 2024H1-2026H1 中国具身智能行业融资情况 ..............................................9
• 图11： 明星企业 2026 年加速融资 ............................................................ 9
• 图12： 自动驾驶分级 ...................................................................... 10
• 图13： Drive Transformer 整体网格架构，通过三种统一的注意力机制来完成信息提取和融合 .......11
• 图14： 文远知行模型架构 .................................................................. 11
• 图15： 自动驾驶产业链图谱 ................................................................ 12
• 图16： 2022-2026Q1 中国国内乘用车 L2 级及以上智驾能力车型在各价格区间的渗透率对比 ......... 12
• 图17： 高阶智能驾驶渗透率仍有提升空间 .................................................... 12
• 图18： 中国及全球自动驾驶出行服务市场规模（单位：十亿美元、%） ........................... 13
• 图19： 具身智能在工业领域赋能的形态演进 .................................................. 13
• 图20： 工业制造场景率先使用具身智能的原因 ................................................ 13

• 图22： 2020-2028 全球和中国协作机器人出货量预测 ...........................................15
• 图23： 2025 年中国协作机器人市场份额分布 ..................................................15
• 图24： 工业互联网技术体系 ................................................................ 16
• 图25： 工业互联网核心产业、渗透体系产业 .................................................. 16
• 图26： 《打造“5G+工业互联网”512 工程升级版实施方案》 ....................................16
• 图27： 《工业互联网平台高质量发展行动方案》 .............................................. 16
• 图28： 全国工业互联网核心产业增加值（单位：万亿元、%） ................................... 17
• 图29： 全国工业互联网渗透产业增加值（单位：万亿元、%） ................................... 17
• 图30： 中国工业交换机市场规模（单位：亿元、%） ........................................... 17

• 图32： 傅里叶智能所设计的康复外骨骼产品 .................................................. 18
• 图33： 达芬奇 5 ...........................................................................18
• 图34： 具身智能技术发展抬升商用服务市场天花板 ............................................ 19
• 图35： 家庭场景可能是检验机器人通用智能能力的最终场景 .................................... 19

• 表1： 具身智能相关政策梳理 ................................................................ 8
• 表2： 协作机器人与传统机器人对比 ......................................................... 15

一、VLA+世界模型，技术路径基本明确

1.1 趋势一：基座模型迭代不断加速，模型智能不断提升

回顾人工智能的发展演进，2017 年 Transformer 架构及自注意力机制的提出是一 个重要技术节点，该架构有效提升了模型处理长序列数据的能力，为后续大模型 的演进奠定了基础。

自 2018 年起，国内外主要科技企业相继推出其模型产品并保持常态化迭代。 OpenAI 的 GPT 系列经历了从早期版本到 GPT-4、GPT-4o，以及后续推理模型（如 o1、o3）和 GPT-5 系列的演化；Google 的技术路径从 BERT 扩展至多模态的 Gemini 系列；Meta 则通过 Llama 系列进行了开源模型的更迭。国内市场方面，阿里巴巴 的 Qwen 系列、百度的文心系列以及 DeepSeek 等机构也保持了相应的研发节奏， 在多种参数规模和模态上进行了技术布局。

目前人工智能的技术成果主要集中在五个核心领域：一是语言模型，涵盖语音与 文本的处理；二是基于注意力机制的 Transformer 架构，其在强化语言处理功能 的同时也展现出泛化能力；三是扩散模型，其通过学习数据加噪与逆向去噪的过 程，形成了当前主流的生成式算法框架；四是图像生成，该领域在经过前期积累 后，近两年在生成质量上取得了实质性进展；五是代码生成，系统逐步具备了自 动化输出复杂代码段的能力，目前已经越发接近自然语言编程的目标。

• 图1：各公司主流模型迭代梳理

资料来源：各公司官网，国信证券经济研究所整理

Scaling law 使得模型性能能够被线性外推，推动了大模型的诞生和落地。一方 面，该定律为人工智能的研发提供了相对明确的工程化路径，使模型能力的提升 具备了一定的可预测性，降低了技术路线的不确定性。另一方面，算力与高质量 数据需求的增加，客观上提高了基础通用模型领域的研发门槛，使得相关技术资 源逐步向具备规模化投入能力的机构集中，进而影响了当前人工智能行业的竞争 格局。此外，基于对模型性能持续增长的预期，该理论促使行业参与者增加了相 关的资本开支，带动了计算芯片、高速网络及数据中心等硬件产业链的系统性发 展。Scaling law 的具体内容如下：

1）对于 Decoder-only 的模型，计算量 C,模型参数量 N,数据大小 D，三者满足:C ≈6ND；2）模型的最终性能主要与计算量 C，模型参数量 N 和数据大小 D 三者相 关，而与模型的具体结构(层数/深度/宽度)基本无关；3）对于计算量 C，模型参 数量 N 和数据大小 D，当其中任意两者资源充足，不形成瓶颈时，模型性能随剩 余单一变量呈幂律关系,即模型性能与剩余单一变量满足固定乘方比例关系；4） 为了提升模型性能，模型参数量 N 和数据大小 D 需要同步放大，但模型和数据分 别放大的比例还存在争议；5）Scaling Law 不仅适用于语言模型，还适用于其他 模态以及跨模态的任务。

• 图2：GPT4 的 scaling law 曲线，计算量 C 和模型性能满足幂律关系

资料来源：OpenAI-《GPT-4 Technical Report》-P3，国信证券经济研究所整理

全球大模型迭代持续加速，模型综合能力跃升的同时推理成本下探，行业整体质 价比迎来提升。从技术演进看，OpenAI 经历了从 GPT-4 向推理模型 o 系列及 GPT-5 的演化，Google 推出了 Gemini 多模态系列，Meta 则通过 Llama 开源系 列不断突破能力上限。这推动了前沿语言模型智能指数从 2022 年底的个位数迅 速攀升至 2026 年下半年的 60 分以上。

与此同时，阿里巴巴的 Qwen 系列、百度的文心系列、DeepSeek 以及智谱等国 内机构不仅在参数规模与模态上紧跟前沿，也在定价策略上展现出竞争力。根据 Artificial analysis 数据，在模型能力与任务成本的对比中，GLM-5.0-Flash、 DeepSeek V4 Pro、Qwen 3.0 以及 MiniMax 等国产模型占据了智能指数大于 40 且单任务成本低于 0.4 美元性价比象限，其质价比整体高于海外同级别的闭源模 型。这种高智能、低成本的结构性优势，有助于降低下游企业的 API 调用门槛与 试错成本，从而推动国内 AI 应用更快落地。

• 图3：前沿模型智能水平不断提升 图4：国产模型智价比较高

=

资料来源：Artificial analysis，国信证券经济研究所整理 资料来源：Artificial analysis，国信证券经济研究所整理

1.2 趋势二：从语言走向非语言，从计算走向非计算，VLA+世界 模型路径基本成熟

随着语言模型能力的不断成熟，行业开始将视觉识别与物理动作执行相结合，发 展出了视觉-语言-动作模型，即 VLA 模型。以 OpenVLA 模型为例，它的核心工作 流程可以简化为三个连贯的步骤：1）接收信息，模型会同时处理输入的图像和文 本信息，将它所看到的画面内容与收到的自然语言指令建立起准确的对应关系；2） 逻辑推理，系统以大语言模型为核心，利用其通用的逻辑处理能力，对接收到的 画面和文字信息进行综合分析与计算，判断需要采取的对策；3）动作执行。模型 会将分析得出的结论，直接转化为具体的物理控制数据，从而指挥机器人等硬件 设备完成实际的物理任务，通过这三个步骤，VLA 模型成功实现了从理解外部环 境到控制实体设备做出反应的完整过程。

图5：VLA 算法架构

资料来源：腾讯云，国信证券经济研究所整理

VLA 模型确立了端到端的控制范式。1）在传统的自动驾驶或机器人领域，感知、

预测与规划往往是分模块独立处理的；而 VLA 模型采用了统一的神经网络框架， 能够直接接收并处理多种维度的输入信号，随后直接输出动作执行指令。这种架 构大幅简化了系统的整体任务流程，有效减少了各模块之间信息传递的损耗，在 提升运行效率的同时，也增强了系统应对复杂任务的灵活性；2）VLA 模型具备跨 物理实体的通用性。由于该技术建立在通用的大规模预训练模型之上，其底层算 法在理论上不再局限于单一的硬件形态。无论是智能车辆、飞行器，还是其他形

态的工业与服务机器人，经过特定场景的微调后，都有望接入这类统一的控制大 脑。这种算法层面的通用性，为具身智能在各类实体产业中的规模化落地提供了 技术基础。

此外，VLA 模型展现出了极强的环境适应与逻辑推理能力。以谷歌推出的 RT-2 模 型为例，当面对训练集中未曾出现过的新物体、新背景或新指令时，该模型依然 能够表现出优秀适应能力。得益于底层语言模型提供的逻辑推理基础，它能够结 合真实的物理环境做出合理的动作决策。在针对未见任务的平均测试中，搭载大 语言模型的 RT-2 成功率可达约 60%，较前代模型 RT-1 约 30%的表现实现了大幅提 升。同样地，在符号理解、逻辑推理及人类识别等综合技能的评估中，搭载大参 数量视觉语言模型的 RT-2 任务平均成功率也接近 60%。

图6：RT-2 在未见分布任务上的成功率对比 图7：RT-2 涌现技能评估成功率

资料来源：Google DeepMind，国信证券经济研究所整理 资料来源：Google DeepMind，国信证券经济研究所整理

1.3 趋势三：产业政策持续升温，产业融资逐渐增长

具身智能指的是基于物理实体的智能系统，其核心运行机制依赖于三大要素：1）

感知，系统必须依托各类传感器（如机器的“眼、耳、身”）获取物理世界的真 实信息；2）其次是交互，机器需要与周边环境及事物进行实时的动态互动；3 学 习，系统在感知与交互的过程中不断进化。具身智能的核心意义集中体现在三个 方面：第一，让人类远离危险，例如在煤矿的深层采掘，或是大宗化工商品的冶 炼等高危场景中替代人工；第二，去执行如极寒外太空等超越人类生理极限的任 务；第三，将人类从高度重复的机械化劳动中解放出来。

在具体的产业指代上，具身智能泛指一切具备环境感知、逻辑决策与实体执行能 力的自动化软硬件。下游覆盖人形机器人、智能工厂、自动驾驶、智能家居等领 域中游包括核心算法、大模型、软件系统与系统集成领域，上游则覆盖核心硬件 零部件算力芯片与数据基础设施领域，如激光雷达、毫米波雷达、算力芯片等。

图8：具身智能关注学习与泛化能力 图9：具身智能产业链梳理

资料来源：甲子光年，国信证券经济研究所整理 资料来源：甲子光年，国信证券经济研究所整理

2025 年以来，我国具身智能产业政策持续升温，战略层级明显抬升。在国家层面，

具身智能已被纳入 2025 年政府工作报告与“十五五”规划纲要，确立为国家未来 产业的重点发展方向。工信部等部门先后出台了顶层标准体系与行业首份基准测 试方法，规范了“感知-决策-执行”全链路能力评测，并依托“人工智能+”行动 部署国家级中试基地与仿真平台建设。

在地方层面，产业正加速从单点突破转向系统布局。北京、上海、广东、杭州等 地密集发布行动计划或地方法规，其中杭州已施行首部产业地方条例，探索沙盒 监管。各地明确了 2027 年核心产业规模、量产台数等量化目标，并通过最高 5000 万元的项目资助、发放“语料券”等手段，强化资金与数据要素支持，推进特色 产业集群建设。

• 表1：具身智能相关政策梳理 政策文件名称 发布时间 发布主体 相关内容

 具身智能领域首份行业标准。构建统一基准测试框架，规范仿 真与真实环境下的环境设置、任务库构建、测试过程及指标计 算方法，适用于“感知-决策-执行”全链路能力评测。

《人工智能关键基础技术 具身 智能基准测试方法》

2026.6.1 工业和信息化部

 构建覆盖技术创新、基础设施、产业培育、场景赋能、安全管 理的全链条制度体系；

《杭州市促进具身智能机器人 产业发展条例》

2026.5.1 杭州市人大常委会

 支持在工业制造、城市管理、医疗健康、应急救援、物流、教 育、文旅、农业等领域应用；探索沙盒监管机制。

 将具身智能与量子科技、生物制造、脑机接口、6G 等并列为未 来产业重点方向；

《中华人民共和国国民经济和 社会发展第十五个五年规划纲 要》

2026.3.12 国务院/全国人大

 提出探索多元技术路线、典型应用场景、可行商业模式和市场 监管规则，完成从“技术概念”到“国家战略”的法定跃迁。

 首个覆盖人形机器人与具身智能全产业链、全生命周期的标准 顶层设计；

工业和信息化部、人形 机器人与具身智能标 准化技术委员会

《人形机器人与具身智能标准 体系（2026 版）》

2026.2.28

 由 120 余家单位联合编制，涵盖基础共性、类脑与智算、肢体 与部组件、整机与系统、应用、安全伦理六大板块。

 到 2027 年实现产业链工业总产值超 500 亿元；构建“三五成 群”产品矩阵（3 个以上量产人形机器人、5 个以上量产仿生 机器人）；

《杭州市具身智能机器人“强链 补链”行动方案（2026-2027 年）》

杭州市经济和信息化 局、杭州市财政局

2025.12.16

 围绕工业制造、市政巡检、医疗康养、文旅服务、教育科研、 生活服务等领域搭建场景供需对接平台；推进滨江区国家级具 身智能机器人中小企业特色产业集群建设。

 明确支持具身决策、人机协作大模型和具身训练仿真平台建 设；推动智能终端“万物智联”，大力发展智能机器人等新一 代智能终端；布局建设一批国家人工智能应用中试基地；

《关于深入实施“人工智能+” 行动的意见》

2025.8.21 国务院

 到 2027 年新一代智能终端、智能体等应用普及率超 70%。

 到 2027 年核心产业规模突破 500 亿元；重点支持感知决策、 运动控制、具身语料、操作系统等关键技术攻关，按核定项目 总投资给予最高 30%且不超过 5000 万元支持；

《上海市具身智能产业发展实 施方案》

上海市人民政府办公 厅

2025.7.28

 对购买语料服务产品的企业给予最高 500 万元/年语料券支持； 在物流装配、工业制造、商业零售、医疗康养、家政服务等领 域探索应用新业态。

 覆盖技术攻关、企业培育、应用场景、产业集聚、数据要素、 开源生态、人才、投融资等 12 个方面；对国家级、省级制造 业创新中心分别给予最高 5000 万元、1000 万元资金支持；

《广东省推动人工智能与机器 人产业创新发展若干政策措施》

广东省人民政府办公 厅

2025.3.10

 围绕工业、农业、城市管理、医疗、养老服务、特种作业等领 域挖掘开放应用场景。

 首次将“具身智能”“智能机器人”纳入国家顶层文件，提出 建立未来产业投入增长机制，与生物制造、量子科技、6G 等并 列培育；明确大力发展新一代智能终端及智能制造装备。

《2025 年政府工作报告》 2025.3.5 国务院

资料来源：各部门官网，甲子光年，国信证券经济研究所整理

具身智能融资热度持续提升，国资与产业资本加速入场。随着大预言模型不断迭 代，模型能力不断提升，VLA 和世界模型带来了 AI 智能体走向物理世界的可能性。 2026 年以来，资本热度进一步提升，根据甲子光年数据，2025 年中国具身智能相 关领域融资约 360 起，融资金额超 450 亿元；截至 2026 年 6 月 30 日，2026H1 融 资事件已达 322 起，融资金额约 934.7 亿元，半年度融资额已显著超过 2025 全年

水平。同时 2026 年以来，国家级基金、地方国资、政府引导基金和产业资本入场 明显增多，围绕产业链关键环节、区域产业集群和真实应用场景进行系统布局， 通过设立合资公司等方式参与具身智能产业生态建设。

图10：2024H1-2026H1 中国具身智能行业融资情况 图11：明星企业 2026 年加速融资

资料来源：甲子光年，国信证券经济研究所整理 资料来源：甲子光年，国信证券经济研究所整理

二、具身智能落地行业梳理

1.1 智能驾驶：VLA+世界模型已经落地，市场向高端拓展

自动驾驶是指通过软硬件系统集成，在无人类驾驶员干预的情况下实现车辆自主 行驶的技术。当前全球道路行驶车辆超 14 亿辆，相比于人工驾驶，自动驾驶具备 以下三大优势：1）提升安全性：据统计，全球每年约有 130 万人死于交通事故， 其中绝大多数由人为失误导致。自动驾驶系统通过多维度的传感器融合，在紧急 情况下能比人类做出更全面、更迅速的判断，从而有效降低事故发生率，保障人 身安全；2）降低运营成本：在客运及物流行业中，人工成本占据主要支出。若采 用完全自动驾驶技术替代人类驾驶员，客运及物流行业的运营成本有望分别大幅 降低约 45%及 25%。此外，系统通过更精确的路线规划与车辆控制，能显著提升燃 油与能源经济性；3）提高交通效率：相较于人类司机，计算机监控下的车辆操控 更为严谨。自动驾驶的大规模部署能够在很大程度上减少交通拥堵、优化整体道 路通行效率，并将人类从繁琐的驾驶任务中解放出来，重新部署到其他行业。

在技术分级方面，业界普遍采用国际自动机工程师学会（SAE）的标准，将驾驶自 动化程度划分为六个等级。整体上可归纳为两大阶段：“需要司机”的辅助驾驶 阶段（人类驾驶员需时刻监控并随时接管车辆）以及“无需司机”的高级别自动 驾驶阶段

• 图12：自动驾驶分级

资料来源：弗若斯特沙利文，国信证券经济研究所整理

端到端模型是自动驾驶中常提到的基于 Transformer 架构的模型，它直接将车载 传感器采集的原始数据输入单一模型，由网络内部计算并直接输出车辆的转向、 加速和制动等控制指令。相比传统的分层架构，端到端模型具备以下三大优势 1） 减少信息损耗与误差累积：传统架构将模型分为感知、预测、决策和控制模块， 误差将逐级放大，采用一段式端到端模型可以缓解误差累计问题；2）提供较强的 泛化能力：传统系统高度依赖人工编写的规则代码，难以穷尽复杂的突发场景。 端到端模型依托海量数据进行学习，泛化能力更强；3）精简架构与提升迭代效率： 去除了大量的规则算法，大幅缩减了工程代码量。系统以最终驾驶表现为目标进 行集中训练，不仅提升了车端算力利用率，也让自动驾驶的后续迭代升级更加敏 捷高效。

• 图13：Drive Transformer 整体网格架构，通过三种统一的注意力机制来完成信息提取和融合

资 料来 源： Jia,Xiaosong 等 - 《 DriveTransformer:Unified Transformer for Scalable End-to-End Autonomous Driving》（2025）-ICLR-P1，国信证券经济研究所整理

世界模型和端到端模型结合，自动驾驶技术趋向成熟。世界模型是一种旨在让机 器理解并模拟真实世界动态与物理规律的生成式人工智能架构，区别于 VLA 模型 生成符合数据统计规律的结果，世界模型能够理解真实世界的物理规律，并预测、 判断物体的状态。在自动驾驶领域，世界模型能够为端到端模型生成大量“长尾” 仿真训练数据，为解决长尾问题提供数据支撑。同时为自动驾驶模型补齐动态过 程的建模能力，世界模型以“预测物体的下一个物理状态”为目标，追求物理一 致性，能够减少模型幻觉，引导端到端模型做出更加安全，更加符合全局最优解 的控制决策。

• 图14：文远知行模型架构

资料来源：文远知行，国信证券经济研究所整理

自动驾驶产业链可以分为上、中、下游三个环节，其中上游为产品的软硬件零部 件供应商，主要涵盖四大核心模块：第一是感知环节，包括激光雷达、毫米波雷 达、超声波雷达及摄像头等传感器供应商；第二是定位环节，涉及高精地图与高 精定位服务提供商；第三是决策环节，主要由提供自动驾驶芯片（如 Mobileye、 高通、黑芝麻等）和域控制器的企业组成；第四是执行环节，包含转向、制动、

空气悬架及动力总成等系统供应商。中游主要是指提供核心技术、设备与服务支 持的产品集成供应商，如自动驾驶企业、整车厂和互联网科技公司。下游则是面 向终端乘客并以获取服务利润为主的运营平台，主要包括各类出行平台。

• 图15：自动驾驶产业链图谱

资料来源：弗若斯特沙利文，国信证券经济研究所整理

自动驾驶零部件是物理 AI 的核心载体，受益于自动驾驶渗透率提升。根据佐思 汽车研究数据，截止 2026 年 Q1 国内 L2 级别自动驾驶竞争已趋于饱和。其中，20 万元以上高端车型的 L2 级及以上智驾功能的渗透率已高达 80%-90%，10-20 万元 主流车型渗透率突破 60%-70%；同时高阶技术持续下沉，0-10 万元入门车型智驾 渗透率从 2022 年 1.6%提升至 2026 年 Q1 的 16.7%。国内 L2 级自动驾驶渗透率趋 于饱和。同时 L2.5 及以上自动驾驶功能逐渐取代 L2 级别成为乘用车入门级标配， 高端智能驾驶渗透率仍有提升空间，预计 2030 年 L2.5 智能辅助驾驶渗透率将达 35.6%。

图16：2022-2026Q1 中国国内乘用车 L2 级及以上智驾能力 车型在各价格区间的渗透率对比 图17：

高阶智能驾驶渗透率仍有提升空间

资料来源：佐思汽研，国信证券经济研究所整理 资料来源：佐思汽研，国信证券经济研究所整理

相较于配备智能驾驶功能的传统汽车，无人驾驶出租车将配备更多传感器和自动 驾驶零部件。以小马智行第七代 Robotaxi 为例，整车搭载 9 个激光雷达、14 个 摄像头、4 个毫米波雷达和四块 NVDIA Drive Orin 算力芯片。智能驾驶零部件使 用量显著高于传统车辆。根据弗若斯特沙利文的资料，中国自动驾驶出行服务的 市场规模预计 2025 年将达到 0.7 亿美元，并呈指数级增长，进一步增长至 2030

年的 394 亿美元及 2035 年的 1,830 亿美元。在世界其他地区，自动驾驶出行服务 的市场规模预计 2025 年将达到 0.7 亿美元，并进一步增长至 2030 年的 279 亿美 元及 2035 年的 1767 亿美元。

图18：中国及全球自动驾驶出行服务市场规模（单位：十亿美元、%）

资料来源：小马智行招股说明书、弗若斯特沙利文，国信证券经济研究所整理

2.2 智能工厂：“端-边-云”结构清晰，端侧放量在即

智能工厂是以计算机软件、网络通讯设备、人工智能和自动化机械装备为基础， 实现自动化生产和管理的新型制造模式。按照在产业链中的不同地位，可以将智 慧工厂拆解为“端-边-云”结构。1）端侧：端侧智能包括具身智能的物理载体， 如工业机器人、协作机器人、人形机器人等，技术难度依次递增；2）边侧：边侧 智能以智慧通信模块为主，包括工业 5G 通信网络、边缘计算盒子等；3）云侧： 包括 AI 驱动的 MES/ERP 系统，以及为工业机器人提供训练的模型提供商和训练商 等。

工业制造场景具备任务边界清晰、流程相对标准的特点，成为智能化技术落地的 主要环境。与家庭、商业服务等高泛化场景相比，工业制造环境更可控、任务更 高频、价值衡量更直接，更适合通过“部署-作业-数据回流-模型迭代”闭环的方 式持续提升能力。短期看，具身智能将在封闭或半封闭工业任务中率先创造可量 化的增效的价值；长期看，工业现场积累的高质量操作数据，也将反哺机器人智 能化水平继续提升。因此，工业制造不仅是具身智能商业化的落地点，也是未来 模型训练和能力泛化的重要数据来源。

图19：具身智能在工业领域赋能的形态演进 图20：工业制造场景率先使用具身智能的原因

资料来源：甲子光年，国信证券经济研究所整理 资料来源：甲子光年，国信证券经济研究所整理

AI 推动机器人从 R2.0 向 R3.0 演进，智能机器人渗透率持续提升。机器人行业正 从固定功能自动化向具备环境感知、决策与执行能力的智能机器人快速演进。根 据灼识咨询，机器人演进可分为 R1.0 软硬件产品集成、R2.0 场景化软硬件、R3.0 通用软件+场景化硬件、R4.0通用化软硬件四个阶段。当前行业正处于R2.0向R3.0 迈进阶段，AI、SLAM、多模态大模型、VLA、强化学习、端到端导航等成为核心驱 动力。R2.0 时代的智能机器人已能通过 SLAM 与运动控制算法在结构化环境中执 行预定义任务；R3.0 时代则通过多模态 AI 基座模型驱动，实现跨多元非结构化 设定的泛化自主性及可转移任务执行，使机器人能够覆盖复杂仓储、弹性制造、 智能检测等高附加值场景。

图21：全球机器人行业演进历程

资料来源：仙工智能招股说明书，灼识咨询，国信证券经济研究所整理

端侧方面，各类机器人是实现智慧工厂的重要物理载体。2008 年，第一代协作机 器人问世，主要用作制造用途，以解决人机协作的安全问题，并展示出对各生产 线的高度适应性。2015 年，中国及海外开始涌现多家专门从事协作机器人开发的 公司，传统工业机器人公司亦开始建设协作机器人生产线。2020 年，配备视觉传 感器的智能协作机器人出货量达 10,000 台，创下历史新高，展现了商业价值并展 示出更高灵活性及通用性。随着 AI 发展，预期智能协作机器人将于可预见未来更 广泛地实现商业化，应用类型将更加广泛。

表2：协作机器人与传统机器人对比 类别 协作机器人 传统工业机器人 服务机器人

汽车制造等工业场景，特点包括固定装配 线、速度快、负载大、伸展距离远及人机交 互需求低

典型使用场 景

工业、商业、医疗健康及科研教育等各种场 景

教育、物流、接待、食品配送、 吸尘及地面清洁等非工业场景

并无配备机械臂，下半身移动为 主，包括轮式、履带式或腿式移 动平台

结构及功能 配备机械臂，上半身操作为主 配备机械臂，上半身操作为主

执行能力适中；适度与人员交互， 主要透过语音互动及触控屏幕操 作

执行力、灵活 性及交互性

执行能力强，灵活性强；通过带拖动示教编 程设计与人员交互更多

执行能力强；与人员交互较少

强调低自重，具备复合关节、灵活性及安全 性；额定负载通常低于 20 千克，一般不超过 30 千克

刚度高，高精度及速度；额定负载范围广， 中型至重型负载通常介乎 20 千克至 1,000 千克

负载及精度

设计轻巧，具移动性；自重轻

高精度位置控制及力度控制；精密部件及控 制算法集成；避碰及人机交互技术

高精度位置控制及适当力度控制；精密部件 及控制算法集成

导航及路线规划；能源效益及续 航时间；人机交互技术

技术挑战

具有可于相同共享空间安全协作特点的人机 协作

需要通过栅栏等实体屏障将人机隔离以保 证安全

具有避障功能，安全性高，确保 与人员交互时不会造成伤害

安全

价格 中等 较高 较低

资料来源：甲子光年，国信证券经济研究所整理

全球及中国协作机器人的出货规模呈现持续扩大的趋势。根据甲子光年测算，全 球协作机器人的出货量预计将从 2024 年的 6.8 万台增长至 2028 年的 20.3 万台， 预测期内整体保持 25%以上的年增速。中国市场在协作机器人领域的扩张进程中 占据较高比重且增速领先。2024 年中国协作机器人出货量约为 3.02 万台，预计 至 2028 年将增长至 10.58 万台。竞争格局方面，中国协作机器人市场竞争格局呈 现出较高的集中度，头部效应较为明显。2025 年，前六大厂商合计占据了 79.0% 的市场份额。其中，遨博智能以 22.5%的份额位居首位，节卡机器人和越疆科技 分别以 16.8%和 14.2%的占有率位列其后。

图22：2020-2028 全球和中国协作机器人出货量预测 图23：2025 年中国协作机器人市场份额分布

资料来源：甲子光年，国信证券经济研究所整理 资料来源：2026 中国具身智能行业产业发展报告，国信证券经济研究 所整理

边侧方面，工业互联网技术加速发展，带动边侧智能实现产业落地。当前制造业 向数字化、网络化、智能化转型，以人工智能、5G 为代表的新技术加速融入工业 互联网，不断拓展工业互联网的能力内涵和作用边界，引发制造模式、服务模式 和商业模式的变革，对工业互联网能力提出了更高要求。同时，产业应用向纵深 发展，以垂类 AI 大模型为例，通用大模型在复杂工业场景下面临成本高、适配低、 可靠性不足等问题。企业正在构建面向工业领域的垂直模型体系，探索开发工业 模型互联接口，实现从通用基础到行业适配的转化。

图24：工业互联网技术体系 图25：工业互联网核心产业、渗透体系产业

资料来源：思瀚研究院，国信证券经济研究所整理 资料来源：中国工业互联网研究院，国信证券经济研究所整理

政策驱动工业网络标准提升，顶层设计支持工业互联网发展。2024 年 12 月，工 信部印发《打造“5G+工业互联网”512 工程升级版实施方案》，提出到 2027 年 建设 1 万个 5G 工厂，打造不少于 20 个融合应用试点城市，对工业网络的带宽、 时延和安全提出更高要求。2026 年 1 月，工信部《推动工业互联网平台高质量发 展行动方案（2026—2028 年）》提出到 2028 年建设具有一定影响力的工业互联 网平台超 450 家，推动不少于 5 万家企业实施新型工业网络改造升级。顶层设计 持续支持工业互联网发展，为相关企业带来新的机遇。

图26：《打造“5G+工业互联网”512 工程升级版实施方案》 图27：《工业互联网平台高质量发展行动方案》

资料来源：工业和信息化部，国信证券经济研究所整理 资料来源：工业和信息化部，国信证券经济研究所整理

在自身核心产业创造价值的同时，工业互联网产业也通过与国民经济其它领域交 叉渗透从而提升生产效率。根据中国工业互联网研究院测算，全国工业互联网核 心产业增加值从 2020 年的 1.01 万亿元增加至 2024 年的 1.53 万亿元，全国工业 互联网渗透产业增加值从 2020 年的 2.55 万亿元增加至 2024 年的 3.48 万亿元。

中国工业交换机市场稳步增长，根据中国 IDC 圈测算，2025 年中国工业交换机市 场容量将达到 55 亿元人民币，未来五年将保持 12.5%的年复合增长，到 2029 年 市场容量将达到 92.4 亿元人民币，当下正处于“政策红利释放-技术快速迭代市场分层竞争”的关键阶段。

图28：全国工业互联网核心产业增加值（单位：万亿元、%） 图29：全国工业互联网渗透产业增加值（单位：万亿元、%）

资料来源：中国工业互联网研究院，国信证券经济研究所整理 资料来源：中国工业互联网研究院，国信证券经济研究所整理

• 图30：中国工业交换机市场规模（单位：亿元、%）

资料来源：IDC 中国，国信证券经济研究所整理

AI 部署硬件壁垒降低，AI 计算能力加速向设备端侧下沉。物理 AI 落地的前提是 本地计算的经济可行性。智能蜂窝物联网模组集成了边缘处理单元与通信基带， 构成物理实体接入 AI 模型的标准化硬件基础。模组出货量规模对应产业链制造环 节的成本摊薄，降低了端侧 AI 部署的硬件壁垒。根据 Future Market Report 数 据，2025 年全球物联网模块市场价值为 67 亿美元，预计 2033 年将达到 151 亿美 元，2026 年至 2033 年的复合年增长率为 10.69%。在出货量端，Counterpoint Research 数据显示，2026 年第一季度全球蜂窝物联网模组出货量同比增长 4%， 其中中国市场占据全球主导地位。头部企业维持的规模化产能与出货增长，为物 理 AI 应用的终端设备扩容提供了硬件支撑。根据 Market.us 发布的数据显示，全 球端侧 AI 市场规模在 2024 年达到 233 亿美元，预计将从 2025 年的 288 亿美元增 长至 2034 年的约 1966 亿美元，预测期内复合年增长率为 23.8%。

• 图31：全球端侧 AI 市场预计（十亿美元）

资料来源：Market.us，国信证券经济研究所整理

2.3 智能医疗：当前渗透率较低，处于加速落地阶段

国际机器人联合会将服务机器人定义为除工业机器人外，所有直接服务人类的非 制造业机器人，包括 1）专业服务机器人：需专业培训，部署于专业环境（物流、

清洁、医院后勤等）。其中，“自主移动机器人”归入本类；2）医疗机器人：用 于诊疗、手术、康复、医学检测及实验流程，提升医疗操作的精度、重复性与安 全。自 2024 年起独立成类，不再隶属专业服务机器人；3）消费服务机器人：面 向个人/家庭、无需专业培训，如家用清洁机器人、割草机器人等。

智能医疗与作为具身智能应用的高价值潜力市场，正处于增量蓄势阶段。在医疗 健康领域，具身智能应用已具备一定的商业化基础。傅利叶智能在全球三十多个 国家部署了康复外骨骼和训练机器人；直觉外科的达芬奇系统年手术量超过 230 万例，国内微创医疗、天智航等企业亦在持续拓展相关市场。中长期维度上，医 疗具身智能的演进方向将聚焦于康复训练个性化方案的自主生成以及手术辅助的 自主操作。

图32：傅里叶智能所设计的康复外骨骼产品 图33：达芬奇 5

资料来源：中国设计制造大奖官网，国信证券经济研究所整理 资料来源：直觉外科官网，国信证券经济研究所整理

具身智能技术的发展正持续拓展其在商用服务与家庭场景中的应用边界，推动服 务模式向高附加值与高度智能化演进。在商用服务领域，机器人正从执行单一模 块化功能的设备，向具备自主任务理解、动作编排与柔性协作能力的综合服务智

能体转变。未来该场景将呈现专用机器人与通用人形机器人协作共存的格局，专 用设备负责配送、清洁等工作，而人形机器人则承担接待、整理、补货等多步骤、 强交互的复杂任务。这一变革正推动商业服务从传统的酒店、写字楼向零售门店、 医院、康养等高附加值场景延伸，且相关政策明确提出要在 2026 年底形成 100 个以上的高价值场景，带动餐饮零售、医疗康养等重点方向的万台级设备落地验 证。

家庭环境被视为检验机器人通用智能能力的最终场景。目前该市场主要在单功能 清洁领域完成商业验证，2025 年超 3200 万台与 2026 年一季度近 900 万台的出货 数据，反映出消费端对相关产品的较高接受度。在向通用智能演进的现阶段，机 器人主要通过“人机协同”的家政模式入户，由设备承担基础结构化任务，人类 负责复杂沟通与判断。由于涉及上门履约、服务标准建立及责任边界等运营问题， 家政平台成为机器人进家的关键入口，业内已出现优必选与天鹅到家等合作案例。 长期而言，老龄化趋势扩大了对居家陪护与康复等服务的需求，但实现通用机器 人的全面普及仍需行业跨越安全性、泛化能力、灵巧操作及长尾数据闭环四大门 槛。

图34：具身智能技术发展抬升商用服务市场天花板 图35：家庭场景可能是检验机器人通用智能能力的最终场景

资料来源：甲子光年，国信证券经济研究所整理 资料来源：甲子光年，国信证券经济研究所整理

2.4 智能基座：基座模型迭代更新加速，AI 基座提供商有望充分 受益

大模型及算力平台是构建所有上层 AI 应用的核心底座。目前，国产 AI 基座供应 商正逐步实现从算力、算法到模型训练平台的全栈自主可控。随着基础大模型向 多模态与智能体方向升级，基座厂商不仅提供底层的 API 调用，更通过提供完整 的开发者工具链和企业技能中台，降低下游企业构建复杂 AI 应用的门槛。从收入 角度而言，基座厂商的商业模式已较为清晰：一是在 G 端与大 B 端，通过算力与 模型的深度融合，承接智算中心或企业私有化大模型基座建设项目；二是在中长 尾 B 端，通过 MaaS 平台海量开发者的 Token 调用及标准化智能体服务，获取持续 的 API 计费与订阅收入。

以科大讯飞为例，公司作为国产通用大模型及智能算力的头部代表，已构建起 “算力+模型+平台”的自主可控 AI 底座。技术与算力方面，公司 2026 年上半年 密集完成星火 X2、X2-Flash 及多模态大模型 X2-VL 的迭代升级，并在 2026 年 7

月凭借深度参与的“鹏城云脑”国产智能算力系统项目荣获国家科技进步一等 奖。MaaS 生态与数据方面，截至 2026 年上半年，讯飞 AI 开放平台已开放 1007 项 AI 能力，汇聚开发者达 1153 万，其中大模型开发者达 321.9 万，同比增长 111%。 商业化落地方面，公司采取了标准算力接口与智能体中台并行的策略。1）算力接 口侧：推出 Token 计划，兼容主流 API 协议，提供 500 万 TPM 高吞吐保障，加速 推动大模型向企业级 AI 基础设施演进；2）智能体平台侧：面向企业端推出首个 开源技能中台 SkillHub，支持企业将 AI 能力沉淀为可调度的数字资产。凭借坚 实的底座赋能，公司核心基座能力已转化为实际收入，2026 年上半年其在教育（批 阅机智能批改调用量增长 5 倍）、汽车（前装智能化产品新增出货超 450 万套） 及金融等多领域的 AI 渗透率均实现数倍增长。

• 图36：科大讯飞底层模型迭代 图37：科大讯飞推动硬件及 SaaS 服务

资料来源：公司官网，国信证券经济研究所整理 资料来源：公司官网，国信证券经济研究所整理

三、行业公司梳理

表3：具身智能相关公司梳理 产业链环节 核心上市公司 股票代码 主要业务定位

移远通信 603236.SH 通信、算力模组及机器人解决方案 美格智能 002881.SZ/03268.HK 高算力 AI 智能模组

端侧 AI 模组

广和通 300638.SZ/00638.HK AI 模组、机器人感知与决策方案

仙工智能 06106.HK 机器人控制系统、导航及具身智能平台 商汤科技 00020.HK 多模态、空间智能、世界模型 越疆 02432.HK 具身大模型、协作机器人 海清智元 01392.HK 多光谱 AI 大模型及物理感知

模型及机器人大脑

瑞芯微 603893.SH 机器人及边缘计算 SoC 地平线机器人 09660.HK 智驾芯片、端到端算法

端侧算力芯片

乐鑫科技 688018.SH 低功耗无线连接与边缘 AI 芯片

奥比中光 688322.SH 3D 视觉、深度相机、具身数据采集 速腾聚创 02498.HK 激光雷达、空间相机与感知算法 禾赛科技 HSAI/02525.HK 激光雷达、空间智能、动力模组

感知硬件

汇川技术 300124.SZ 伺服、运动控制、机器人执行器 绿的谐波 688017.SH 谐波减速器、精密传动 兆威机电 003021.SZ 微型传动、灵巧手

运动控制及执行

宇树科技 688836.SH 四足、人形机器人及运动控制 优必选 09880.HK 工业、商用人形机器人

机器人本体

越疆 02432.HK 协作机器人及多形态具身机器人 智能驾驶应用 小鹏汽车 09868.HK 智驾系统、机器人

通信与射频硬件 通宇通讯 002792.SZ 基站天线、射频器件、微波天线及卫星通信

资料来源：各公司官网，国信证券经济研究所整理

风险提示

AI 发展不及预期风险

端侧 AI 发展依赖于 AI 大模型的研究和发展，如果 AI 发展不及预期，端侧 AI 能 力可能受到限制，下游可能因此减少对于端侧 AI 的采购。

市场竞争加剧风险

智能驾驶、智能工厂、智慧医疗、智能基座等产业均面临较大的市场竞争，存在 由于市场竞争导致毛利率下行，行业利润下降的风险。

技术路线转变风险

智能驾驶、智能工厂、智慧医疗、智能基座等产业均属新兴产业，存在由于技术 路径转变导致原有技术淘汰，产能降低的风险

免责声明

分析师声明

作者保证报告所采用的数据均来自合规渠道；分析逻辑基于作者的职业理解，通过合理判断并得出结论， 力求独立、客观、公正，结论不受任何第三方的授意或影响；作者在过去、现在或未来未就其研究报告 所提供的具体建议或所表述的意见直接或间接收取任何报酬，特此声明。

国信证券投资评级

重要声明

本报告由国信证券股份有限公司（已具备中国证监会许可的证券投资咨询业务资格）制作；报告版权归 国信证券股份有限公司

关本报告的摘要或节选都不代表本报告正式完整的观点，一切须以我公司向客户发布的本报告完整版本 为准。

本报告基于已公开的资料或信息撰写，但我公司不保证该资料及信息的完整性、准确性。本报告所载的 信息、资料、建议及推测仅反映我公司于本报告公开发布当日的判断，在不同时期，我公司可能撰写并 发布与本报告所载资料、建议及推测不一致的报告。我公司不保证本报告所含信息及资料处于最新状态； 我公司可能随时补充、更新和修订有关信息及资料，投资者应当自行关注相关更新和修订内容。我公司 或关联机构可能会持有本报告中所提到的公司所发行的证券并进行交易，还可能为这些公司提供或争取 提供投资银行、财务顾问或金融产品等相关服务。本公司的资产管理部门、自营部门以及其他投资业务 部门可能独立做出与本报告中意见或建议不一致的投资决策。

本报告仅供参考之用，不构成出售或购买证券或其他投资标的要约或邀请。在任何情况下，本报告中的信息和 意见均不构成对任何个人的投资建议。任何形式的分享证券投资收益或者分担证券投资损失的书面或口头承诺 均为无效。投资者应结合自己的投资目标和财务状况自行判断是否采用本报告所载内容和信息并自行承担风险， 我公司及雇员对投资者使用本报告及其内容而造成的一切后果不承担任何法律责任。

证券投资咨询业务的说明

本公司具备中国证监会核准的证券投资咨询业务资格。证券投资咨询，是指从事证券投资咨询业务的机 构及其投资咨询人员以下列形式为证券投资人或者客户提供证券投资分析、预测或者建议等直接或者间 接有偿咨询服务的活动：接受投资人或者客户委托，提供证券投资咨询服务；举办有关证券投资咨询的 讲座、报告会、分析会等；在报刊上发表证券投资咨询的文章、评论、报告，以及通过电台、电视台等 公众传播媒体提供证券投资咨询服务；通过电话、传真、电脑网络等电信设备系统，提供证券投资咨询 服务；中国证监会认定的其他形式。

发布证券研究报告是证券投资咨询业务的一种基本形式，指证券公司、证券投资咨询机构对证券及证券 相关产品的价值、市场走势或者相关影响因素进行分析，形成证券估值、投资评级等投资分析意见，制 作证券研究报告，并向客户发布的行为。

国信证券经济研究所

深圳 深圳市福田区福华一路 125 号国信金融大厦 36 层 邮编：518046 总机：0755-82130833

上海 上海浦东民生路 1199 弄证大五道口广场 1 号楼 12 层 邮编：200135

北京 北京西城区金融大街兴盛街 6 号国信证券 9 层 邮编：100032