这个赛道本身的逻辑站得住脚，但目前市场上炒的这批标的大多数还是"故事股"阶段——我先给你把主线逻辑和这8只标的的真实业务成色分开核实一下，再给结论。

核心逻辑站得住，但目前挂钩的这批标的里，真正在做这件事的凤毛麟角——建议按"真做" vs "蹭热点"分层处理，而不是把整个题材当一个篮子买。

一、方向本身：逻辑成立，且已有产业验证，不是纯券商炒概念

大模型靠万亿级Token训练，具身智能能用的真实物理交互数据确实严重不足，这不是研报臆想的瓶颈——2026年上半年已经有多方产业信号印证：光轮智能这类具身数据公司估值已冲到20亿美元级别、多家本体厂公开表态数据是当前最大制约、特斯拉Optimus放量后对数据的需求也在同步加码。这个方向的"大逻辑"是真实的，值得继续跟踪。

但要注意两个反向信号：

• 数据采集成本极高、效率低（据了解特斯拉一天有效采集也就一小时左右），意味着这门生意的规模化速度可能比研报描述的乐观曲线慢；
• 当前一批数据公司已经被资本市场明显炒出溢价——年收入才几百万的公司估值已经到几亿，一旦头部本体厂选择自建数据采集能力（这是大厂的常规路径），外部第三方数据服务商的采购需求会被明显压缩，这是这个赛道最大的中期风险。

二、8只标的：真假分层，不建议整体一篮子买

三、我的结论

这个方向"值得继续挖"，但挖的重点应该收窄到真正卡位数据采集硬件/数据服务、且已有实际订单和收入验证的公司（目前看下来主要是海天瑞声、奥比中光两家），而不是研报罗列的整批"相关标的"。剩下5家里至少3家(亿嘉和、兆驰、凸版)明显是主业无关的蹭热点标的，即便主线逻辑再对，买错标的也是亏钱。

如果你想往下推进，我建议下一步做两件事之一：① 对海天瑞声/奥比中光做一次正式的基本面+估值分析（看具身数据业务收入占比和增速能否撑住当前估值）；② 对天奇股份做进一步核实，先确认它的"具身智能布局"到底是真实业务还是公告修辞。需要我现在就做哪一个？

给"物理AI训练数据采集"这类新兴细分产业链做行业分析，不能直接套用成熟行业的框架（成熟行业看份额稳定性和现金流），因为这个赛道处在需求验证期——先要判断需求是不是真的，再判断谁能吃到，最后才是估值。分七层来拆：

第一层：需求验证——这个"缺口"到底有多真

先回答"数据瓶颈"是不是本体厂自己说的痛点，而不是券商编出来的故事。

• 一手信源优先级：本体厂（特斯拉/Figure/宇树/智元等）财报电话会、公开技术分享 > 数据公司融资公告/估值 > 券商研报转述。上次核查里海天瑞声、光轮智能的进展就属于第一类。
• 需求量化：具身多模态数据集所需时长（小时数）、当前实际可采集效率（如特斯拉一天约1小时有效数据）、数据成本曲线（美元/小时）——这三个数字决定了市场规模测算是否可信。
• 时间线锚定：区分"现在已经在花钱采购"和"未来某年市场规模将达到XX"，后者是券商外推，前者才是真实需求。

第二层：产业链分层——谁在哪个环节赚钱

把产业链拆成四段，每段问一个不同的问题：

这次核查里，真正卡在第一、第三层且有实证的标的（海天瑞声、奥比中光）明显比蹭概念的（主业无关的那几家）更值得往下看。

第三层：商业模式与经济性

• 单位经济模型：单小时数据采集成本 vs 客户愿意付的价格，毛利率能否随规模摊薄成本改善，还是天然是人力密集型低毛利生意（类似标注外包）。
• 客户集中度：目前买单的可能只有几十家本体厂，客户数量上限直接限制天花板——这是本赛道和"卖铲子"故事最大的区别，铲子生意的前提是"淘金者足够多"，这里淘金者可能就那么几个。

第四层：竞争格局与护城河

• 数据规模壁垒：先发者积累的数据集是否具备复用价值，还是每个客户/每个场景都要重新采集（后者就没有规模效应）。
• 硬件认证壁垒：像奥比中光拿到应用端认证这种，是否形成客户切换成本。
• 替代风险：本体厂自建数据团队的能力和意愿——这是判断"外部供应商生意能做多大"的核心变量，需要持续跟踪本体厂财报/招聘/专利动向。

第五层：真伪甄别清单（尽调用，防止买到故事股）

这是上次帮你核查8只标的时用的方法，可以固化成标准动作：

1. 查最新财报/公告，看有没有具体的具身智能/数据采集收入或订单，而不是"布局""关注""战略合作意向"这类模糊表述
2. 查机构调研记录，看管理层被追问细节时是正面回应还是打太极
3. 对照主业——公司历史主业与题材关联度低，且缺乏对应技术积累（如印刷、消费电子代工突然"进军具身智能"）的，默认为蹭热点
4. 看股价/估值走势是否已经明显跑在业务进展前面（题材炒作 vs 业绩兑现的时间差）

第六层：跟踪指标体系（建议按季度复盘）

• 需求侧：本体厂出货量、融资金额、头部数据公司估值/订单增速
• 供给侧：核心标的的具身智能相关收入占比、毛利率变化、新签大单
• 政策/技术侧：VLA模型/世界模型技术成熟度进展（技术越成熟，对数据质量和数量的要求可能不减反增）

第七层：估值锚点

• 数据服务型公司：不能用传统PE/PS，因为客户数量有限、单价高波动，建议用"收入兑现进度 vs 隐含增长预期"的方式检验（类似之前给301413.SZ做的方法），而不是简单对标概念热度。
• 硬件型公司：看题材相关收入占总营收比例，题材收入占比过低时估值提升更多是情绪溢价，不是基本面驱动。

这套框架的核心是把"这是不是真需求"和"谁能吃到"分开验证，避免把整条概念链当成一个整体交易。如果你想，我可以把这个框架和上次的8只标的核查结果一起整理成一份可复用的行业分析模板存到memory里，之后做同类新兴题材分析时直接套用——需要吗？

There's a search category to resolve names to symbols. Let me batch-resolve all 8 tickers.

Now let me update the MEMORY.md index to link this report.

报告已按七层框架完整写出并存档（/workspace/memory/physical-ai-data-industry-report-2026-07.md），核心结论如下：

一、需求验证：真实瓶颈，非纯题材

物理AI数据缺口已获产业实质验证——具身数据专项公司光轮智能一级市场估值已超20亿美元，海天瑞声2026年初已设立具身智能专项团队。但要警惕：采集效率天然受限（参考特斯拉遥操作产线经验，一人一天约只能产出1小时有效数据），且当前买单客户可能只有数十家头部本体厂级别，天花板并非无限。

二、8只标的重新核查（用真实财务/估值数据交叉验证）

三、估值观察（最关键的一个发现）

奥比中光是本次核查里估值-业绩落差最大的标的：市销率约41倍、处于自身历史约76百分位，但一季度营收增速只有6.2%，明显撑不起当前的题材溢价，需要重点盯后续季度业绩能否跟上。海天瑞声虽然PS也不便宜（约26.6倍），但营收增速38.6%至少提供了一定支撑。

完整报告（含产业链分层、商业模式经济性、竞争护城河、跟踪指标体系）已存入你的知识库，方便后续按季度复盘更新。

这行业目前被媒体和研报反复强调的"数据规模"本身不是真正的门槛，真正的门槛藏在能不能让数据"复用"、能不能锁住客户、以及本体厂会不会把你绕开这三件事上。分层说清楚：

不是真门槛的东西（容易被误认为壁垒）

• "数据量大"：如果每个客户、每个场景都要从零采集，数据量再大也是一次性成本，不构成规模效应，只是重复的人力密集型劳动。
• 设备便宜/铺得快（UMI路线的卖点）：低成本设备门槛本身就低，谁都能快速复制，反而是竞争最激烈、最容易被打价格战的环节。
• 题材关联的公告：这次核查里天奇股份、亿嘉和这类"表态布局"但业务和财务上看不到实质贡献的，说明单纯蹭题材不构成任何门槛，市场迟早会用业绩证伪。

真正的核心门槛，按重要性排序

1. 数据资产的可复用性（这是最本质的护城河） 关键问题是：采集来的数据能不能跨客户、跨机型、跨场景复用，形成一个越滚越大的数据资产池，而不是"接一单、采一单、清零重来"。如果能复用，先发者的成本曲线会持续和后来者拉开差距；如果不能复用，这门生意本质上没有规模经济，谁先进场没有优势。海天瑞声能不能建立这种复用资产，是判断它长期价值的核心变量，而不是它现在的营收增速。

2. 客户端认证/适配壁垒 奥比中光拿到应用端（如机器人厂商）的官方认证，这类壁垒是硬件层最实打实的护城河——一旦设备被写进客户的标准供应链、跟客户的算法栈深度适配，换供应商的成本就上去了。但这类壁垒天花板有限，因为客户数量本身就窄（可能只有几十家头部本体厂），认证壁垒能保护的市场规模有上限。

3. 数据标注/多模态处理的算法+人才复合能力 原始传感器数据（视觉+触觉+力矩+姿态）转化成可训练的多模态数据集，需要机器人学+数据工程+标注质控的复合能力，这不是单纯的硬件采购或人力外包能解决的，是相对难被复制的软实力，也是海天瑞声这类专业AI数据公司相对硬件商更容易建立差异化的地方。

4. 采集成本曲线的执行力 这个行业当前最大的现实约束是采集效率低（参考此前提到的"一人一天约一小时有效数据"），谁能率先把单位小时采集成本压下来，谁就在客户议价和毛利率上占优势，这本质是运营执行力的门槛，不是技术专利型门槛，容易被后来者用资本堆出来追赶。

最容易被忽视、但决定性最强的一条：本体厂"自建 vs 外采"的选择权

以上所有壁垒都建立在一个前提上——本体厂愿意把数据采集外包给第三方。一旦头部机器人厂商（类似特斯拉这种量级）决定自建数据团队，前面提到的所有护城河都会被绕开，因为客户直接消失了。这是这个行业和"卖铲子"故事最本质的区别：铲子生意的前提是"淘金者数量足够多、且没有能力自己造铲子"，而物理AI数据这门生意的客户既少、又恰好是最有资金和动机自建能力的一批公司（头部机器人厂本身就在砸钱做研发）。

我的判断：如果一定要排出唯一最核心的门槛，是"数据资产能否复用形成规模效应"——这决定了公司是不是真的在建资产，还是只是在做人力外包生意；而"本体厂会不会自建"是决定这整条护城河能维持多久的天花板变量，两者要一起看，缺一个都会得出错误结论。

按"数据资产可复用性"这个最本质的门槛标准去套，海天瑞声比奥比中光更有可能构建出真正的核心门槛，但两家都还处在"潜力"阶段、没有真正兑现。分开说：

海天瑞声（688787.SS）—— 门槛类型：数据资产复用 + 算法/人才复合能力（第①③类，最持久的一类）

它的主业本身就是AI数据解决方案提供商，这意味着它做具身智能数据，不是从零跨界，而是把已有的多模态数据处理、标注质控、跨客户数据管线能力平移过来——这种"数据工程+人才"复合能力是机器人本体厂或纯硬件公司短期内很难复制的，也是我上次分析里排第一位的门槛类型。

但要打个问号的地方：现在的38.6%营收增速是从很小的基数上做出来的，公司还没有披露具身智能这块业务单独的收入占比，"数据能否跨客户复用"这个核心假设目前还只是逻辑推断，不是已验证的事实——需要看后续季报/年报有没有分部披露来证实。

奥比中光（688322.SS）—— 门槛类型：客户端硬件认证锁定（第②类，较浅的一类）

它拿到机器人厂商的官方适配认证，这是硬件层比较实在的护城河——设备一旦写进客户的标准供应链和算法栈，切换成本确实存在。但这类门槛天花板更低，原因有两个：一是硬件/传感器技术本身容易被追赶，认证壁垒随时间会被更多竞品拿到；二是它恰恰最暴露在"本体厂自建"风险下——像特斯拉这类头部机器人厂本来就有自研视觉/传感器能力的倾向和资金，一旦选择自建深度相机/传感器方案，奥比中光的客户认证壁垒会被直接绕开。这也是为什么它现在营收只有+6.2%却背着约41倍PS估值——市场在为"门槛能长期成立"付溢价，但业绩还没证明这一点。

天奇股份及其余四只 —— 不构成任何门槛

天奇股份主业是工业自动化集成，净利润同比还下滑了41.8%，看不出在这个题材上有任何实质性的能力积累；兆驰股份、华依科技、尚水智能、亿嘉和主业与具身数据采集基本不相关，谈不上门槛问题，它们的风险是"有没有资格上牌桌"，还轮不到讨论门槛。

结论

如果只能选一个去验证"谁在构建真正的核心门槛"，我会把研究优先级放在海天瑞声——它的门槛类型（数据复用+算法人才）理论上更持久、更难被本体厂绕开；奥比中光值得跟踪但认知上要打折扣，它的护城河类型更浅、更容易被客户自建能力侵蚀，现在的高估值也还没有业绩验证。下一步如果你想深挖，我建议盯海天瑞声后续季报里有没有单独披露具身智能/机器人数据的收入占比和毛利率——这是验证"数据资产是否真的在复用增值"这个假设最直接的证据，要不要我设一个季度跟踪提醒？