计算机行业研究：Optimus V3前瞻

一、人形机器人商业化路径：四象限泛化与“干中学”

人形机器人商业化价值核心在于处理“高价值/低重复”任务，可分为四大象限：

1. ToB+大脑泛化：营销服务场景
   如导览、导购、导巡，对物理运动能力要求低，需高动态认知能力，提升获客转化率与运营效率。
2. ToB+小脑泛化：特种行业场景
   如宇树科技机器人，需高动态运动控制、人机协同与低成本量产能力，已获美国海军陆战队采购。
3. ToC+大脑泛化：个人陪伴场景
   如春晚松延动力机器人，需基础肢体回应与情感交互能力，建立用户粘性。
4. ToC+小脑泛化：家庭照护场景
   如银河通用机器人，需稳定移动与精细操作能力，替代高价值家政劳动。

特斯拉Optimus第一阶段商业化采用“干中学”模式，先做成physical labor cloud，通过遥操作采集数据并训练模型，以工业喷涂、商业清洁等高价值/低重复场景为切入点。

二、特斯拉Optimus量产进展

Optimus V3将于2026年第一季度发布，具备三大核心优势：人类级别灵巧手、AI大脑与大规模量产能力。特斯拉计划2026年在加州弗里蒙特工厂年产100万台，2027年在德州工厂年产1000万台，推动行业空间十倍打开。

三、物理AI技术突破

1. 人类视频数据Scaling Law
   NV EgoScale基于2万+小时带标签的人类视频数据验证灵巧手操作泛化性Scaling Law，人类数据可被视为“机器人数据”，比遥操作数据更自然，但需补充力与接触反馈。
2. 顶尖具身大脑商业化试水
   PI推出具身大脑API，让应用团队复用基础智能层，但面临API通用性与技术路线收敛的挑战。
3. UMI轻量化数据采集方案
   UMI（Universal Manipulation Interface）以手持终端采集数据，降低采集门槛，实现跨设备数据复用，成本控制在400美元。
4. 仿真合成数据与真实数据结合
   英伟达、Skild AI、银河通用等采用仿真合成数据预训练，结合真实数据采集，如PI租用Airbnb公寓采集数据，成本高昂。
5. NVIDIA“三台计算机”解决方案
   DGX AI超级计算机（训练）、NVIDIA Omniverse/Cosmos（仿真）、NVIDIA Jetson AGX Thor（部署），打造完整机器人开发框架。
6. 世界模型持续迭代
   谷歌Genie 3与蚂蚁LingBot-World内化物理规律，支持虚拟环境预判与交互推演。
7. 多模态大模型助力人类视频转化
   Google Gemini 3.1 Pro抽象推理能力翻倍跃升，加速人类视频向机器人训练数据的转化。

四、相关标的

1. 北美链：斯菱智驱、田中精机、科森科技等。
2. 其他机器人链：泛亚微透、唯科科技、领益智造等。
3. AI大脑及世界模型：协创数据、索辰科技、群核科技等。

五、风险提示

1. 北美人形机器人量产节奏不及预期。
2. 通用机器人Day1 L4路线缺乏商业化基础。
3. 仿真合成数据质量不及预期。
4. 模型及软件解决方案三方公司长期产业链话语权较低。