国金证券发布研究报告称，本轮Physical AI的核心变化并非机器人机械结构本身发生突破，而是通用模型开始由感知和理解进一步进入规划、决策与动作空间，使AI由数字世界向物理世界延伸。随着模型输出由语言、图像逐步扩展至真实动作，机器人对硬件的要求也由单一AI算力进一步扩展至多模态感知、本地计算、Memory/Storage、实时控制及功能安全等完整端侧系统能力。

　　与此同时，Physical AI并非一条孤立的机器人硬件路线：手机、PC已率先验证本地大模型和Agent的规模化部署，机器人则进一步将同一趋势由数字交互延伸至物理执行。国金证券认为，模型能力跃迁是本轮Physical AI的技术起点，机器人是最典型的新终端，而端侧计算平台升级则是电子行业更广泛的产业落点。

　　模型进入物理世界，推动机器人端侧硬件由单一算力升级向系统级扩容。随着机器人任务由固定工位、单一操作向开放环境、全身运动和灵巧操作扩展，模型需要持续获取

　　机器人进入小批量产业验证，Training需求有望先于本体大规模放量释放。2026H1全球人形机器人出货已接近2.5万台，半年出货量超过2025全年，产业由几千台级研发市场逐步迈入数万台级商业化探索;与此同时，应用结构也开始由科研、展示和数据采集向制造、物流和服务等真实作业场景扩散，电子零部件需求有望由项目型采购向标准化、批量化采购迁移。更值得关注的是，模型训练需要提前积累大量真实交互数据，无本体采集能够降低对机器人数量的依赖，EGO、UMI、WristCam、Hub等产品形态已经开始由实验室自建工具向标准化训练硬件演进。电子硬件需求不必完全等待机器人本体大规模出货，可能形成“训练需求先行、本体需求承接”的释放节奏。

　　模型加速下沉，Physical AI进一步融入更广泛的端侧计算升级周期。MLPerf标准测试对象已由传统

　　Physical AI模型能力提升不及预期;机器人产业化及终端出货不及预期;Physical AI数据采集及训练硬件需求不及预期;端侧AI渗透及模型本地部署进度不及预期;端侧硬件配置升级幅度不及预期;技术路线快速变化及产业竞争加剧。