Physical AI：德意志银行认为，实体AI正从数字模型走向机器人、自动驾驶交通以及最终的地外基础设施

概览

这份主题报告研究AI如何从屏幕走向能在现实世界中行动的机器。德意志银行将AI资本开支周期、早期机器人部署、人口结构带来的劳动力约束、训练数据限制、零部件供应链，以及自主系统最终在太空中的应用联系起来。

核心观点

德意志银行将实体AI定位为AI投资周期的下一阶段：智能从软件和基础模型延伸至自动驾驶出租车、人形机器人、仓储机器人、无人机和手术系统等资本密集型机器。报告指出，万亿美元市值俱乐部在五年内增长逾一倍，截至2026年9月新增的十家公司中有七家为半导体企业；其余三家中，Tesla和SpaceX从事AI业务。报告还强调Amazon、Microsoft、Alphabet、Meta、Oracle和SpaceX的2026年合计资本开支，同时以此前美国电信建设为警示，指出大规模基础设施投资后可能遗留未充分利用的产能。 报告认为自动驾驶出租车是首个具有实质意义的现实世界部署案例。它列举Waymo覆盖14个都市圈、拥有4,000辆自动驾驶车辆、每周付费乘车超过500,000次、累计自动驾驶里程达200M英里，并以每周100万次乘车为目标。报告还提到Tesla的Cybercab商业服务于9月3日在Austin开放，车辆没有方向盘或踏板；以及北京、上海、广州和深圳约有2,000辆自动驾驶车辆提供付费服务。德意志银行对Waymo的说明性成本拆分合计为每车英里$1.23：按$105,000车辆成本和175,000英里计算的折旧为$0.60，远程协助为$0.09，车场、清洁和维护为$0.26，保险和责任成本为$0.23，能源为$0.05。报告的核心观点是，在进一步优化之前，其经济性已具吸引力。 人形机器人被定位为应对劳动力短缺及其造成的产业瓶颈的手段。报告提到2026年劳动力增长接近零，预计至2026年年中的净移民低于2024年的2.7M，婴儿潮一代持续退休，到2033年制造业预计有1.9M个岗位无法填补。报告认为，回流制造不仅需要工厂，也需要人员；制造商将熟练工人而非关税列为约束因素。其对美国2026年人形机器人运营成本的说明性模型显示，单个生产性工时成本为$5.86；若按每位工人配备两台机器人计算，则为$11.72，其中包括折旧、维护、监督、车队软件和能源。全球人形机器人出货量正在超过此前约50,000台的2026年预测；仅中国上半年就生产超过40,000台，预计占全年出货量的88%。报告提及到2050年可能达到100 million台、市场规模达$1.5trn。 报告认为，训练数据质量和供应链集中是核心障碍。人类视频虽然丰富，却不包含机器人关节角度、扭矩、夹爪状态、可靠的尺度信息，也缺少失败尝试和恢复行为。遥操作能提供更高保真的演示数据，但每可用小时成本为$35-60，且在不同机器人机体之间迁移并不完美；仿真可在一夜间生成数百万次训练样本，每可用小时成本低于$1，但需要真实采集来构建和验证仿真环境。德意志银行描述了一种混合路径：跨不同机器人类型汇集演示数据，从视频推断潜在动作并以较小的标注集校准，通过能否正确排序模型检查点来验证仿真，并首先将机器人部署到可重复任务，使其为后续任务产生数据。 在零部件方面，报告认为，相较中国和亚洲，美国本土人形机器人供应链仍不完整。每个关节电机均需要钕；中国精炼约90%的全球供应，而美国尚无规模化精炼能力，新增产能需要多年建设。人形机器人需要30–40个精密关节，日本的Harmonic Drive领先、中国竞争者正在追赶，但美国没有规模化供应商。在电池方面，CATL领先，LG和Panasonic紧随其后；尽管电动车投资已使部分电芯产能落地美国，报告预计人形机器人未来多年仍将沿用亚洲成本曲线。 报告将实体AI逻辑延伸至数据中心和太空。它认为，选址争议、更长的并网排队和社区缓解措施，可能使土地和建设成本年增速升至6%，高于2%的基准情景。其假设电力和冷却成本年增4%、服务器成本年增2%，而基准情景分别为下降3%和1%；电气和机械行业人员也是建设速度的约束，承包商进入2026年时短缺约349,000名工人。随着可重复使用发射、太阳能和散热器规模化降低成本，轨道计算最终可能具备成本竞争力，初期服务于地面计算需求，随后支持更大规模的地外智能系统。 对于月球经济，德意志银行将Artemis III式人类任务约$42.7m的每生产性地表工时成本——基于每次发射$4.1bn的SLS/Orion成本和约96小时生产性地表作业时间——与约$350的机器人每小时成本进行对比；后者假设一台$200k的太空级人形机器人以$50k/kg运抵、在五年内工作12,000小时。月球2.6秒的往返通信时延让地球操作员能够保持参与，因此现有尚不完美的自主能力可能已足够用于月球作业。火星的要求更高：单程通信延迟为4至24分钟，发射窗口每26个月一次，且存在长途飞行和人类健康风险，因此必须由机器自主决策。报告据此认为，火星是自主控制和数据解决方案的压力测试，而在人类乘员抵达前，机器人必然构成首批劳动力。

分析框架

报告将市场和资本开支证据与部署案例及运营成本模型相结合，随后以劳动力供给、数据采集约束和零部件供应链来检验采用逻辑。最后，它将相同的成本和自主性逻辑应用于不断上升的地面数据中心成本和地外作业。

方法论与常识提炼

• 行业/产业分析框架产业链上中下游传导

  实体AI供应链分析

  报告追踪机器人部署对上游稀土磁体、精密减速器和电池电芯的依赖，并说明区域供应集中如何制约下游人形机器人的生产。

• 行业/产业分析框架量价拆分

  单位成本和运营成本分析

  德意志银行将自动驾驶出租车的每英里成本和人形机器人的每生产性工时成本拆分为折旧、人工支持、维护、软件和能源，以评估经济可行性。

• 其他

  机器人训练数据来源与仿真验证

  报告按吞吐量、成本和保真度比较遥操作、仿真、人类视频和车队学习，并描述通过仿真正确排序模型检查点来进行验证。

标的映射与对比

研报将主题/逻辑映射到具体标的时的结构化摘要（优势、劣势、对比与风险）。

• Waymo

  规模化自动驾驶出租车部署的示例

  优势

  每周付费乘车超过500,000次，累计自动驾驶里程200M英里，并在14个都市圈扩张。

  对比

  作为自动驾驶出租车部署案例，与Tesla和Pony.ai一并讨论。

  风险

  保险、责任、远程协助和车辆折旧仍是成本结构的重要组成部分。

• Tesla

  通过自动驾驶开展实体AI部署的示例

  优势

  报告提到，Cybercab商业服务于9月3日在Austin开放，车辆没有方向盘或踏板。

  对比

  与Waymo和Pony.ai一同讨论。

• Pony.ai

  中国自动驾驶出租车部署的示例

  优势

  报告提及北京、上海、广州和深圳的付费自动驾驶车辆服务。

  对比

  与Waymo和Tesla一同讨论。

• CATL

  人形机器人电池电芯供应链示例

  优势

  被认定为电池电芯领导者。

  对比

  在LG和Panasonic之前被讨论。

  风险

  预计人形机器人未来多年仍将沿用亚洲成本曲线。

• Harmonic Drive

  精密减速器供应链示例

  优势

  被认定为精密减速器领域的领先者。

  对比

  中国竞争者正在缩小差距。

  风险

  报告未识别出具备规模的美国供应来源。

• SpaceX

  发射成本和轨道计算支持基础设施的示例

  优势

  快速、可重复使用的Starship发射被视为降低轨道成本路径的一部分。

  对比

  报告提及当前Falcon 9的成本为$1,400每公斤。

  风险

  仅靠发射成本改善无法解决地外生产性劳动力的需求。

关键数据

• Waymo付费乘车次数>500K per week覆盖14个都市圈并拥有4,000辆自动驾驶车辆；公司目标为每周1M次乘车。
• Waymo每车英里全成本$1.23完全优化前的说明性成本拆分。
• 预计无法填补的美国制造业岗位1.9M by 2033用于支持人形机器人应对劳动力短缺的逻辑。
• 人形机器人运营成本$5.86 per productive hour; $11.72 at 2 robots per worker美国2026年完全负担成本的说明性计算。
• 中国人形机器人产量40K+ units in 1H26预计中国将占2026年全球出货量的88%。
• 中国稀土精炼份额~90%对依赖钕的机器人电机而言构成供应链约束。
• 月球生产性工时成本~$42.7M for an astronaut-hour versus ~$350 for a robot-hour基于Artemis III任务模式和太空级人形机器人的说明性比较。

影响与含义

报告认为，实体AI可将AI投入转化为对自动驾驶车辆、机器人、芯片、零部件、电力基础设施和数据系统的需求。近期部署受到劳动力短缺和单位经济性改善的支持，但扩大规模取决于能否解决具身数据问题，并降低对高度集中的亚洲供应链的依赖。

风险

• 实体AI的规模化受到高保真机器人动作数据有限的制约，尤其缺乏失败和恢复行为的数据。
• 美国生产面临稀土精炼、精密减速器和具竞争力电池供应方面的多年缺口。
• 资本密集型基础设施投资可能带来产能过剩风险，报告以此前美国电信光纤建设为例。
• 地面数据中心扩张可能面临更高的土地、建设、电力、冷却和熟练劳动力成本。

后续跟踪

• 自动驾驶出租车付费乘车增长、车队规模及每英里成本下降。
• 人形机器人出货增长，尤其是中国的生产份额以及可重复商业任务的进展。
• 遥操作、仿真验证、潜在动作学习和车队生成训练数据的进展。
• 美国稀土精炼、精密减速器和电池电芯产能的发展。
• 数据中心建设成本、并网排队情况以及可重复使用发射经济性的演变。