野村聚焦中国机器人物理AI商业化：从NeuralAxis架构到Unitree WVLA2.0

概览

本报告基于2026年6月15日对Unitree的走访，讨论中国机器人与物理AI的商业化路径。野村将物理AI商业化分成两层：一是由NXP提出的NeuralAxis系统架构与安全原则，强调类似人类神经系统的分层控制；二是Unitree WVLA2.0如何通过世界模型、VLA和软硬件协同，将该类蓝图转化为可部署产品。

核心观点

核心观点是，物理AI的关键约束不是单纯扩大语言模型推理能力，而是构建低延迟、分布式、能效更高的反射与协调控制体系。NeuralAxis把系统划分为推理层、协调层和反射层，反射层下沉到关节、手、脚等执行端，有助于在约40ms内完成局部自主决策与姿态恢复。Unitree WVLA2.0则展示了产品化路线：用WMA世界模型动作能力叠加VLA端到端动作生成，并结合G1机器人硬件、传感器和本地边缘计算实现闭环执行。

分析框架

报告采用产业调研与公司走访相结合的方式，先解释NeuralAxis作为物理AI系统蓝图的底层逻辑，再用Unitree WVLA2.0作为案例分析商业化产品如何落地。分析重点包括系统架构、延迟、传感器融合、动作控制、边缘算力、数据采集范式和优先商业场景。

方法论与常识提炼

• 系统架构NeuralAxis

  三层神经轴架构

  该框架将物理AI映射为类似人类神经系统的推理层、协调层和反射层：推理层负责高层决策，协调层负责运动控制和平衡，反射层靠近执行器并以低延迟完成安全关键动作。

• 模型架构WVLA2.0

  世界模型与VLA融合

  Unitree WVLA2.0融合WMA的预测能力和VLA端到端动作生成能力，用于提升任务理解、空间语义推理、受动力学约束的动作生成和抗干扰能力。

• 商业化路径工业优先落地

  从可控工业场景到开放场景

  管理层认为机器人最早会在工业制造中落地，例如关节电机装配、上下料和夹具处理，随后扩展到物流分拣、柔性3C装配，家庭和医疗因开放非结构化环境难度更高而更靠后。

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）。

• Unitree

  核心案例公司，未上市

  优势

  具备全栈自研整合、G1机器人硬件平台、WVLA2.0模型融合能力，以及来自全球机队的大规模真实机器数据。

  劣势

  报告指出仍有后向感知盲区、噪声偏高、执行速度慢、精细操作不够精准和连续成功率缺少量化基准等问题。

  对比

  相较只押注VLA或云端模型的厂商，Unitree路线强调世界模型、VLA、本体硬件和运动控制的协同。

  风险

  从演示走向大规模商业部署仍需验证持续成功率、可靠性、成本、场景泛化和复杂开放环境适应能力。

• NVIDIA CORP / NVDA.US

  边缘AI算力供应链相关公司

  优势

  G1 EDU使用NVIDIA Jetson Orin NX在本地运行WVLA2.0，体现边缘AI芯片在机器人低延迟场景中的作用。

  劣势

  文中未对NVIDIA给出评级、估值或业绩影响量化。

  对比

  相较云端推理，本地边缘推理可降低延迟并减少断连导致的任务中断。

  风险

  机器人端侧算力需求能否转化为可观收入仍取决于量产规模、成本约束和方案替代。

• NXP / NXPI US

  NeuralAxis提出方，未评级

  优势

  NeuralAxis强调低延迟反射处理、分布式控制和能效，契合物理AI安全关键控制需求。

  劣势

  报告主要讨论架构思想，未给出NXP商业收入测算或投资评级。

  对比

  该路线把物理AI重点从中心化大脑转向接近执行器的分布式反射控制。

  风险

  架构理念落地仍依赖机器人、无人机和软件定义汽车等终端客户的采用速度。

关键数据

• Unitree走访日期2026-06-15报告称野村于该日走访Unitree以更新公司最新进展。
• NeuralAxis反射层延迟as low as 40ms反射处理器下沉到靠近执行器的位置，用于局部自主控制。
• 推理层参考延迟~300msNeuralAxis将推理层类比为大脑皮层。
• 无人机glass-to-glass延迟目标within 20ms报告称同一架构可将无人机端到端视觉延迟压缩到20ms以内。
• WVLA2.0传感器配置RealSense depth camera, Livox MID360 LiDAR, two side cameras四路视觉/感知流融合为360度表征。
• 干扰下位置更新时间within 10ms报告称WVLA2.0在干扰条件下位置更新可在10ms内完成。
• G1关节自由度23 degrees of freedom动作参数经CAN总线下发到G1的23自由度关节。
• 单臂抓取重量sub-2kg报告称单臂抓取2kg以下物体时定位误差控制在5mm内。
• 单臂抓取定位误差within 5mm体现Unitree运动控制与软硬件协同能力。
• 边缘算力上限below 100 TOPS轻量化后可在G1 EDU的NVIDIA Jetson Orin NX上本地运行。
• 闭环推理周期~90ms per inference约每秒10次迭代，覆盖感知、预测、决策和动作闭环。
• Nomura评级分布Buy 57%, Neutral 41%, Reduce 2%截至2026年3月31日的Nomura Group全球股票研究评级分布披露。

影响与含义

对投资研究而言，报告强化了物理AI产业链的两条主线：一是机器人本体和控制系统需要更靠近执行端的低延迟边缘计算与安全控制架构；二是具备整机、运动控制、传感器融合和真实机器数据闭环能力的厂商，可能比纯云端模型厂商更具商业化优势。NVIDIA Jetson Orin NX等边缘AI算力平台、NXP相关嵌入式控制理念，以及中国机器人整机厂商的工业落地进度，均可能成为后续观察重点。

风险

• Unitree WVLA2.0仍存在感知盲区和后方区域感知缺口。
• 演示中仍有噪声偏高、执行速度慢和精细操作不够精准的问题。
• 报告未提供连续成功率的量化基准，商业部署可靠性仍需进一步验证。
• 家庭和医疗等开放、非结构化场景难度显著高于工业制造。
• 物理AI商业化可能受硬件成本、边缘算力功耗、供应链、监管和安全责任约束影响。

后续跟踪

• Unitree WVLA2.0后续是否披露连续成功率、故障率和真实工厂部署数据。
• 工业制造场景中关节电机装配、上下料和夹具处理等任务的商业订单进展。
• 物流分拣、柔性3C装配、家庭和医疗场景的落地节奏差异。
• NVIDIA Jetson Orin NX及同类边缘AI平台在机器人端侧部署中的渗透率。
• NeuralAxis式分布式反射控制是否被更多机器人、无人机和软件定义汽车方案采用。