11月11日，北京市经信局印发《北京市具身智能机器人产业高质量发展行动方案（2026—2028年）》，将具身智能机器人定位为“高精尖产业的重要领域和未来产业的关键突破口”。文件设定了到2028年的核心目标：培育不少于5家国际一流、10家国内领先的人形机器人（886069）整机企业，推动京津冀区域整机产能占全国25%，关键零部件配套率超过60%，在北京形成20万台/年的整机生产能力。方案同时提出建立具身智能机器人企业上市“一对一”服务机制，这一非量化条款在各地同类政策中并不多见。
把上市服务写进产业政策，作用方式与补贴、算力券截然不同。它不直接降低企业当期成本，而是试图缩短整机企业从有限公司到公众公司的制度距离。对于一家仍在亏损、估值已不低的整机公司，上市通道意味着早期股东有了退出预期，后续融资有了定价参照。这条机制与培育龙头企业的目标绑定，北京对整机环节的支持由此从研发端延伸至资本端。培育对象被分成“国际一流”和“国内领先”两档，实际上承认了整机企业之间存在梯队差异，上市服务更可能先覆盖第一梯队中已进入辅导期或股改阶段的企业，而非全部整机公司。
海外市场给出的远期需求轮廓，为整机企业量产预期提供了外部参照。摩根大通（JPM）最新报告判断，美国人形机器人（886069）年产量2030年可达30万至40万台，2035年约150万台；2035年执行器、电机、视觉等核心零部件TAM接近300亿美元，其中执行器及运动约90亿美元，减速器（886008）与丝杠单独超过35亿美元。这组预测对应的是美国单一市场，统计口径与国内整机产能目标并不直接可比，但它指向一个判断：整机放量的瓶颈不只在总装环节，核心零部件的供给能力同样决定爬坡速度。
国金证券（600109）对产业链分层给出了另一种切法：北美产业链聚焦汽车零部件（881126）与智能制造，机器人大脑领域关注AI芯片与智能解决方案，具身数据采集围绕传感器（885946）与视觉技术展开。三层共同构成从硬件基础到智能应用的智能硬件生态。这一框架把算力集群的位置讲清楚了——它属于大脑层的训练基础设施，客户是整机企业和模型公司，而非直接产出整机产能。
北京方案同步写入“在不少于100个真实场景中采集超过100万小时高质量数据”，说明政策设计者已经意识到算力与数据必须配套推进。算力集群解决的是模型训练的计算资源问题，训练什么数据、数据从哪里来、数据能否复用，是另一个层面的约束。专门搭建实验室数采工厂成本高昂，多数整机企业难以负担；部分采集数据高度绑定特定机器人本体，硬件迭代后数据随即失效。有企业负责人透露，物理AI预训练阶段更多需要仿真合成数据和人类视频数据，头部客户的数据需求已从去年的十万小时级升至百万小时级。数据采集的规模化与合规化，是整机企业训练效率的前置条件，单建算力集群而不解决数据供给，训练效率提升有限。
产业链订单层面出现的变化，比概念热度更值得跟踪。中信证券（HK6030）研报提到，近期北美大厂密集催化、国产玩家交付提速；11月初多数T链供应商获周产1000台以上订单，核心结构件向2500台/周冲刺。这些订单数据来自券商研报口径，对应的是供应商环节的排产节奏，尚未转化为整机企业的收入确认。华泰证券（HK6886）的判断与此呼应：人形机器人（886069）产业正由样机验证推进至产线投产阶段，行业定价依据正从融资能力与主题弹性转向量产、交付及收入兑现，后续实际出货、订单节奏和收入确认将成为判断产业是否真正放量的重要指标。
物理AI概念的升温，为板块提供了另一条叙事线索。宇树科技（688836）创始人王兴兴近日多次在公开场合谈及物理AI的技术突破预期，引发市场关注。国盛证券（002670）认为，物理AI的“DeepSeek时刻”正在临近，GPT-6 Astra展现出空间推理与机器人操作能力，推动AI从数字智能向物理智能拓展；国产大模型厂商正通过基座模型自研、产业投资、机器人本体合作等方式卡位，模型与本体深度耦合的趋势持续强化。这些判断仍属于对技术路线的预判，产业化节奏有待验证。
机构对落地路径的分歧不大，分歧在时间。华安基金认为，人形机器人（886069）有望率先在工业制造、物流搬运等企业端场景落地，再逐步向商业服务、家庭生活延伸；当前产业仍处于商业化早期，长期成长空间取决于技术进步、成本下降和应用场景拓展。长城基金基金经理余欢重点关注数据采集供应链、具备整机能力的本体企业以及核心零部件供应商，同时强调产业长期发展仍要落实到量产节奏、订单兑现和技术迭代。
回到北京方案本身，量化目标密集，但四个节点的推进速度并不一致。场景开放受制于安全责任划分与场景方的投入产出评估，数据采集受制于硬件绑定与复用效率，模型迭代受制于技术路线是否收敛，产能爬坡受制于零部件验证周期（883436）。循环能否跑通，不取决于最快环节，而取决于最慢环节。上市服务机制缩短的是资本端的制度距离，它不能替代场景谈判、数据积累和产线验证。整机企业从样机走到规模化部署，资本通道解决的是融资预期，制造与供应链配套解决的是交付能力。两条线同时铺轨，北京对整机环节的支持才算完整。
对相关产业而言，专用算力集群的直接影响落在训练与仿真环节，间接影响则通过模型迭代速度传导至整机企业的场景验证能力。这条传导链每个箭头都需要时间，且不是自动成立。政策目标提供了时间锚点，产业是否真正放量，仍要看订单兑现和收入确认的节奏。
把上市服务写进产业政策，作用方式与补贴、算力券截然不同。它不直接降低企业当期成本，而是试图缩短整机企业从有限公司到公众公司的制度距离。对于一家仍在亏损、估值已不低的整机公司，上市通道意味着早期股东有了退出预期，后续融资有了定价参照。这条机制与培育龙头企业的目标绑定，北京对整机环节的支持由此从研发端延伸至资本端。培育对象被分成“国际一流”和“国内领先”两档，实际上承认了整机企业之间存在梯队差异，上市服务更可能先覆盖第一梯队中已进入辅导期或股改阶段的企业，而非全部整机公司。
海外市场给出的远期需求轮廓，为整机企业量产预期提供了外部参照。摩根大通（JPM）最新报告判断，美国人形机器人（886069）年产量2030年可达30万至40万台，2035年约150万台；2035年执行器、电机、视觉等核心零部件TAM接近300亿美元，其中执行器及运动约90亿美元，减速器（886008）与丝杠单独超过35亿美元。这组预测对应的是美国单一市场，统计口径与国内整机产能目标并不直接可比，但它指向一个判断：整机放量的瓶颈不只在总装环节，核心零部件的供给能力同样决定爬坡速度。
国金证券（600109）对产业链分层给出了另一种切法：北美产业链聚焦汽车零部件（881126）与智能制造，机器人大脑领域关注AI芯片与智能解决方案，具身数据采集围绕传感器（885946）与视觉技术展开。三层共同构成从硬件基础到智能应用的智能硬件生态。这一框架把算力集群的位置讲清楚了——它属于大脑层的训练基础设施，客户是整机企业和模型公司，而非直接产出整机产能。
北京方案同步写入“在不少于100个真实场景中采集超过100万小时高质量数据”，说明政策设计者已经意识到算力与数据必须配套推进。算力集群解决的是模型训练的计算资源问题，训练什么数据、数据从哪里来、数据能否复用，是另一个层面的约束。专门搭建实验室数采工厂成本高昂，多数整机企业难以负担；部分采集数据高度绑定特定机器人本体，硬件迭代后数据随即失效。有企业负责人透露，物理AI预训练阶段更多需要仿真合成数据和人类视频数据，头部客户的数据需求已从去年的十万小时级升至百万小时级。数据采集的规模化与合规化，是整机企业训练效率的前置条件，单建算力集群而不解决数据供给，训练效率提升有限。
产业链订单层面出现的变化，比概念热度更值得跟踪。中信证券（HK6030）研报提到，近期北美大厂密集催化、国产玩家交付提速；11月初多数T链供应商获周产1000台以上订单，核心结构件向2500台/周冲刺。这些订单数据来自券商研报口径，对应的是供应商环节的排产节奏，尚未转化为整机企业的收入确认。华泰证券（HK6886）的判断与此呼应：人形机器人（886069）产业正由样机验证推进至产线投产阶段，行业定价依据正从融资能力与主题弹性转向量产、交付及收入兑现，后续实际出货、订单节奏和收入确认将成为判断产业是否真正放量的重要指标。
物理AI概念的升温，为板块提供了另一条叙事线索。宇树科技（688836）创始人王兴兴近日多次在公开场合谈及物理AI的技术突破预期，引发市场关注。国盛证券（002670）认为，物理AI的“DeepSeek时刻”正在临近，GPT-6 Astra展现出空间推理与机器人操作能力，推动AI从数字智能向物理智能拓展；国产大模型厂商正通过基座模型自研、产业投资、机器人本体合作等方式卡位，模型与本体深度耦合的趋势持续强化。这些判断仍属于对技术路线的预判，产业化节奏有待验证。
机构对落地路径的分歧不大，分歧在时间。华安基金认为，人形机器人（886069）有望率先在工业制造、物流搬运等企业端场景落地，再逐步向商业服务、家庭生活延伸；当前产业仍处于商业化早期，长期成长空间取决于技术进步、成本下降和应用场景拓展。长城基金基金经理余欢重点关注数据采集供应链、具备整机能力的本体企业以及核心零部件供应商，同时强调产业长期发展仍要落实到量产节奏、订单兑现和技术迭代。
回到北京方案本身，量化目标密集，但四个节点的推进速度并不一致。场景开放受制于安全责任划分与场景方的投入产出评估，数据采集受制于硬件绑定与复用效率，模型迭代受制于技术路线是否收敛，产能爬坡受制于零部件验证周期（883436）。循环能否跑通，不取决于最快环节，而取决于最慢环节。上市服务机制缩短的是资本端的制度距离，它不能替代场景谈判、数据积累和产线验证。整机企业从样机走到规模化部署，资本通道解决的是融资预期，制造与供应链配套解决的是交付能力。两条线同时铺轨，北京对整机环节的支持才算完整。
对相关产业而言，专用算力集群的直接影响落在训练与仿真环节，间接影响则通过模型迭代速度传导至整机企业的场景验证能力。这条传导链每个箭头都需要时间，且不是自动成立。政策目标提供了时间锚点，产业是否真正放量，仍要看订单兑现和收入确认的节奏。
