产业图谱

2026 物理 AI 产业图谱:按要素技术划分的市场版图

流入物理 AI 的资金很显眼,真正流向哪里却不容易看清。
人形机器人头条之下,还有精密减速器、触觉皮肤、世界模型、遥操作设备等二十多个要素技术,各有不同参与者。
本图谱按层梳理这些环节。
发布于2026-07-07更新于2026-07-08阅读约 14 分钟
23
要素技术类别
188
收录公司
16
总部所在国家/地区
2026-07
数据截至
C

硬件零部件

D

具身载体——机器人平台

Curated, representative selection — not an exhaustive registry. Companies with verifiable products, deployments, or disclosed funding only; an entry can appear in several categories. Country codes show HQ location. Logos are favicons from each company's official site (trademarks belong to their owners); where none is available, only the company name is shown. As of 2026-07.

01如何阅读本图谱:何谓物理 AI

物理 AI 是能与物理世界形成闭环的 AI:感知环境、建立理解、决定行动、驱动物体,再感知行动结果。图谱中每项产品都服务于闭环的一环:传感器输入,模型思考,执行器完成动作,仿真与机群软件包围整个流程。

因此,仅按公司类型划分(如“人形初创公司”“芯片厂商”)容易误导。竞争实际发生在要素技术层:肩关节里的应变波齿轮由谁供应,指尖覆盖谁的触觉皮肤,策略接触真实硬件前由谁的世界模型评估。本图谱分为五层、23 个要素技术类别;公司只要确实参与竞争,就可同时出现在多个类别。

感知

相机、LiDAR、触觉

理解

感知、世界模型

决策

VLA 策略、规划

执行

执行器、灵巧手、轮式底盘

物理 AI 闭环

A

物理智能——模型层

机器人的“大脑”:能够理解物理动力学的通用控制策略与模型。

Robot foundation models / VLA / World models & spatial intelligence

B

数据与仿真

模型的学习来源:物理仿真、合成数据和真实世界演示数据。

Simulation & synthetic data / Demonstration data & teleoperation

C

硬件零部件

构成机器人本体的要素技术,包括关节、感知、计算与供能。

Precision reducers / Motors, roller screws & actuators / Tactile sensing & e-skin / Force / torque sensors / Dexterous hands & end effectors / LiDAR, depth & vision sensors / Edge AI compute / Batteries & power

D

具身载体——机器人平台

部署到现实世界的机器人本体,从人形机器人到自动驾驶车辆。

General-purpose humanoids / Quadrupeds & inspection / Industrial arms & cobots / Warehouse & logistics robotics / Autonomous vehicles / Drones & aerial autonomy / Agriculture, construction & mining / Medical & surgical robotics

E

软件基础设施与运营

大规模开发、部署并安全运营机器人队伍所需的技术体系。

Middleware, OS & dev platforms / Fleet management & observability / Safety, testing & validation

02A 层——模型:争夺通用机器人“大脑”

模型层最像 LLM 热潮,也集中了最大融资。视觉—语言—动作(VLA)模型像 GPT 处理文本一样处理机器人控制:用庞大多样的示范数据训练一个大模型,力图跨本体与任务迁移。当前三种路线并行:美国初创公司销售模型本身;中国厂商把模型与开放数据集、规模硬件结合;大型科技公司则把模型作为可采购基础设施。

世界模型是该层另一半:用生成模型预测场景演化,以便想象、规划,并越来越多地在策略接触硬件前于合成世界中评估。参与者包括 NVIDIA Cosmos、Google DeepMind Genie、Wayve 面向驾驶的 GAIA,以及 1X 的人形世界模型。

US

通用机器人“大脑”获得巨额融资

Physical Intelligence 于 2025 年 11 月为 π 系列通用策略融资 6 亿美元;据报道,Skild AI 于 2026 年 1 月估值超过 140 亿美元。共同押注是一个模型适配多种机器人本体。

来源TechCrunch (2026)

CN

开放技术栈支撑规模化产业

智元机器人将 GO-1 基础模型与公开的 AgiBot World 示范数据集结合;银河通用则把 VLA 驱动的轮式人形机器人部署到零售门店。

来源MERICS report

Big tech

模型成为可购买的基础设施

NVIDIA 开放的 GR00T 人形模型、Cosmos 世界模型,以及 Google DeepMind Gemini Robotics——后者已在 Boston Dynamics 与 Apptronik 机器人上运行——使机器人“大脑”成为现成组件。

来源NVIDIA (2026)

03B 层——数据与仿真:行业最稀缺的资源

语言模型可以学习互联网,机器人模型没有同等规模的动作档案,因此形成了专门制造数据语料的产业。一类是仿真公司,以 NVIDIA Isaac、开源 MuJoCo、Genesis 及合成数据厂商低成本生成符合物理规律的经验;另一类收集真实示范,包括遥操作服务、可穿戴采集设备,以及中国出现的城市级采集计划,例如京东安排操作员遥控机器人积累数百万任务小时。这里的计划规模与实际完成小时数须按各方披露口径理解。

两部分正汇成同一流程:在仿真中广泛预训练,以真实示范微调,部署,再把机群数据回流训练。掌握飞轮任一环节都能形成防御性,因此专业初创公司与机器人厂商都在投资数据基础设施。

1先在仿真中预训练
2收集真实示范
3训练/微调策略
4部署并回传数据

04C 层——零部件:价值藏在哪里

拆开机器人的物料清单,价值集中在少数要素技术,每类都有独立市场、领导者、价格曲线和挑战者。日本与欧洲仍在此层保有部分最强位置,中国供应链也在这里最深入地超越单纯总装。图谱中的八个零部件类别需要分别观察。

精密减速器

应变波与摆线减速器决定关节能否精准运动,是行业长期瓶颈。日本 Harmonic Drive Systems 与 Nabtesco 数十年来领先该市场,而一台人形机器人需要数十个精密关节。随着中国人形产业扩张,绿的谐波等中国厂商正在快速提高产能。

电机、滚柱丝杠与执行器

人形机器人的直线关节采用行星滚柱丝杠,这一小众市场长期由 Ewellix、Rollvis 等欧洲专业厂商占据;中国恒立液压及日本直线运动厂商 THK、NSK 正在进入。旋转关节侧,maxon、TQ-RoboDrive、Kollmorgen 的无框力矩电机为其他关节提供动力。

触觉感知与电子皮肤

没有触觉就难以完成高接触操作;到 CES 2026,触觉已成为独立产品类别。日本早稻田衍生公司 XELA 与 MIT 衍生公司 GelSight 已向机器人手部出货产品;中国 PaXini、Ensuring Technology 等厂商则向全身电子皮肤推进。

力/力矩传感器

腕部六轴力/力矩传感器使机械臂能感知按压力度,是力控制与装配作业的关键部件。ATI 长期是标杆供应商;ETH 衍生公司 Bota Systems 面向新一代机器人提供原生支持 ROS 的传感器,日本新东工业与 Wacoh-Tech 则占据专业市场。

灵巧手与末端执行器

2025—2026 年,灵巧手成为零部件领域融资最快的赛道之一。英国 Shadow Robot 与韩国 Wonik(Allegro Hand)建立研究基准;中国因时机器人向大量国内人形厂商规模供货;Proception、mimic robotics、韩国 Tesollo 等新创公司则竞相把灵巧操作变成可采购组件。

激光雷达、深度与视觉传感器

LiDAR 在机器人领域获得第二增长曲线:中国 RoboSense 与 Hesai 领跑。2025 年 7 月从 Intel 分拆的 RealSense 深度相机已用于多种 AMR 与人形机器人;几乎每个机器人视觉系统底层都可能用到 Sony 图像传感器。

边缘 AI 计算

A 层所有功能都必须在移动机器人的功耗预算内运行。NVIDIA Jetson Thor 已获 Agility、Boston Dynamics、Figure 等采用;Qualcomm、以色列 Hailo、中国地平线机器人竞争能效,日本 Preferred Networks 则与 Toyota 开发物理 AI 推理芯片。

电池与供能

续航是所有移动机器人的约束,因此电池被明确列为人形瓶颈。据报道,韩国 LG Energy Solution 正向主要人形厂商供货,Samsung SDI 发布适配人形机器人的固态电池;中国 CATL、BYD、EVE Energy(与 Vbot 联合开发机器人电池)具备电动车规模制造能力,日本 Panasonic Energy 供应高密度电芯,Tesla 自行垂直整合,Amprius 则为无人机推进硅负极能量密度。

CES 2026

触觉成为独立产品类别

深圳帕西尼之外,Ensuring Technology 于 CES 2026 发布指尖传感器与全身电子皮肤;日本 XELA 和 MIT 衍生公司 GelSight 已向机器人手部市场出货触觉传感产品。

来源PR Newswire (CES 2026)

Q1 2026

LiDAR 从汽车转向机器人

RoboSense 报告称,2026 年第一季度机器人 LiDAR 出货量同比增长 1,458.8%。按该公司口径,机器人而非汽车已成为该业务增长引擎。

来源RoboSense (Q1 2026)

→ 2027

适配人形机器人的固态电池

Samsung SDI 发布面向人形机器人的软包全固态电池,目标于 2027 年下半年量产;功率与能量密度已被明确列为人形机器人瓶颈。

来源The Korea Times (2026)

05D 层——本体形态:让 AI 拥有身体的八种方式

人形机器人占据头条,而且该类别在 2025—2026 年确实从舞台演示转向工厂试点、公开价格与资本市场。但本体层共有八类,今天全球已部署的大多数物理 AI 并不双足行走。仓储机器人是商业成熟度最高的市场:Amazon 于 2025 年 7 月宣布累计部署超过一百万台,Geek+、Exotec、AutoStore 向全球销售货到人系统。自动驾驶按机群规模和累计融资也属最大类别之一。手术机器人长期几乎由 Intuitive da Vinci 垄断,但 2025—2026 年已有可信竞争者通过监管门槛。试点、获批与规模销售仍是不同成熟度。

既有厂商也在行动。过去半世纪的工业机械臂巨头 FANUC、Yaskawa、ABB、KUKA 正用 AI 改造既有装机;行业所有权也随技术转移。SoftBank 于 2025 年 10 月宣布以 53.75 亿美元收购 ABB 机器人部门,把“四大家族”之一纳入其明确围绕物理 AI 构建的投资组合;截至数据日期,应区分已宣布协议与完成交割。

US

资本支持的垂直整合

Figure 将 Helix 模型、Figure 03 本体与 BotQ 工厂留在内部,Tesla Optimus 也采取类似路线;Agility 与 Apptronik 则分别同物流和制造伙伴合作。

CN

规模、价格与公开市场

Unitree 的科创板 IPO 于 2026 年 6 月获受理,智元机器人 3 月宣布第 10,000 台产品下线。中国人形厂商以出货数量和价格竞争,而不只比拼演示。两项数字的统计口径并不等同实际付费部署。

来源Tech Times (2026)

EU

制造优先的挑战者

据报道,德国 Neura Robotics 于 2026 年 6 月融资最高约 14 亿美元,NVIDIA 也在投资方之列;其押注是面向欧洲工厂的认知型人形机器人。

来源CNBC (2026)

06E 层——运营:决定能否盈利的低调环节

能在演示中工作的单台机器人,与能够盈利的机器人机群之间隔着运营层。开发仍以开放 ROS 2 生态为基础,商业平台在其上提供工业级工具。机群部署后,问题变成遥测、远程介入、多厂商编排;机器人数据专业厂商正成为行业可观测性技术栈。开发与部署之间还有验证,包括场景测试、功能安全硬件,以及为人与机器人共享空间制定标准的认证机构。

该层公司数量少,图上容易忽略,却负责审计其他层的承诺。因此在 A 层和 D 层几乎所有严肃部署案例中,都能看到这些厂商作为合作伙伴。

E1

中间件与开发平台

ROS 2(Open Robotics)仍是共享基础;Alphabet Intrinsic、Viam、Apex.AI、PickNik 在其上构建工业级工具层。

E2

机群数据与可观测性

NVIDIA、Amazon、Wayve 都在使用 Foxglove;公司于 2025 年 11 月完成 4,000 万美元 B 轮融资,定位为机器人机群数据平台。Formant 与 InOrbit 提供远程运营能力。

来源The Robot Report (2025)

E3

安全、验证与认证

Applied Intuition 与 Foretellix 销售基于场景的验证工具;SICK、Pilz、Fort 提供功能安全硬件;TÜV 机构则依据逐步形成的人形机器人标准开展认证。

07地区格局:没有国家拥有完整技术栈

按地区统计可见结构性差异。北美主导模型与软件基础设施;中国是唯一在几乎所有硬件类别都拥有规模厂商的国家,从减速器、LiDAR 到人形与物流,本体企业以出货数量竞争。日本优势集中在 C 层:精密减速器、电机、力传感器、图像传感器及物流机器人;政府同时投入约 3,870 亿日元援助建设国内尚缺的物理 AI 模型层。韩国集中于电池、灵巧手和制造业支持的人形机器人;欧洲则在协作机器人、巡检四足、仓储系统与安全认证领域拥有专业冠军。资金数字为特定计划承诺额,不等同已支出。

有两项限制。下方柱状图统计的是编辑筛选的代表性条目,不是各国完整企业数量;总部所在地也越来越难反映跨境产业:美国人形机器人使用韩国电池、日本齿轮,中国机械臂厂商可能由欧洲集团持有,反之亦然。

按地区与层级统计本图谱公司
北美欧洲中国日本韩国其他
物理智能——模型层
19
数据与仿真
19
硬件零部件
67
具身载体——机器人平台
85
软件基础设施与运营
19

08本图谱如何维护

产业图谱只有保持新鲜才有用,因此本图谱作为持续更新的数据维护,而非一次性图片。每家公司必须有可核验活动:在售/出货产品、已记录部署或已披露融资;不凭传闻收录隐身公司。停止运营或失去独立性的公司会移除,例如 2026 年关闭的 Monarch Tractor、2024 年并入 Amazon 的 Covariant。“快速变化”类别——基础模型、世界模型、示范数据、人形、灵巧手与触觉、机群软件——每月以第一方来源复核;成熟度较慢的类别按事件复核。

图谱的数据截止日期是诚实的时效信号:只有真正完成复核时才会更新。

1每月复核所有快速变化类别
2以第一方来源核验
3人工编辑复核
4更新图谱并标注数据截止日期

09常见问题

物理 AI 与具身 AI 有何区别?

实践中二者高度重叠。“具身 AI”是通过身体学习智能的较早研究术语;“物理 AI”是较新的产业总称,因 NVIDIA 等用法而普及,涵盖本图谱从模型、执行器到已部署机群的完整商业技术栈。

如何选择本图谱中的公司?

每个条目都须有该类别中的可核验活动:出货产品、已记录部署或已披露融资,并以第一方来源确认。选择目标是全球代表性而非穷尽,通常每类约 6—18 家,覆盖美国、中国、欧洲、日本、韩国等地区;停止运营或被吸收的公司会移除。

图谱多久更新一次?

标记为快速变化的类别每月以第一方来源复核,较慢类别在重大事件发生时复核。截止日期只有实际完成复核才变化,是可靠的新鲜度信号。

2026 年哪些类别变化最快?

机器人基础模型(最大融资在数月内集中发生)、世界模型、示范数据、通用人形(IPO 受理、首批家用机器人)以及灵巧手/触觉传感赛道。2025—2026 年新参与者持续出现,因此这些类别标记为“快速变化”并每月复核。

为何有些公司出现在多个类别?

因为它们确实在多个环节竞争。NVIDIA 同时提供基础模型 GR00T、世界模型 Cosmos、Isaac 仿真、Jetson 边缘计算和开发中间件;Unitree 同时出货人形和四足机器人。只放进一个框会歪曲市场。

哪个国家正在赢得物理 AI?

没有单一国家掌握全栈。北美领先模型与软件基础设施;中国领先硬件广度与出货规模;日本和欧洲掌握关键零部件与安全认证位置;韩国集中于电池与灵巧手。更准确的问题是各国领先哪一层,本图谱正为此设计。

10参考来源

04. C 层——零部件:价值藏在哪里

05. D 层——本体形态:让 AI 拥有身体的八种方式

07. 地区格局:没有国家拥有完整技术栈

相关文章

分享本文发布到 X
01

按要素技术划分的市场图谱

  • ›2026 物理 AI 产业图谱:按要素技术划分的市场版图(本文)
02

研究实验室与国家机构