国泰海通：物理AI数据采集是量产闭环的实质瓶颈

（原标题：国泰海通：物理AI数据采集是量产闭环的实质瓶颈）

智通财经APP获悉，国泰海通发布研报称，特斯拉Optimus的产能节点已基本落定。决定它从“能量产”走向“能干活”的关键变量，正在转向真机数据采集与数据飞轮的构建速度。该行认为，数采环节的需求弹性更可能先在国内本体厂商和数采中心一侧兑现。

国泰海通主要观点如下：

产能节点落定，数据路径成为下一个关键变量。2026年10月21日，特斯拉召开2026年第三季度业绩交流会。公司披露，弗里蒙特工厂的Optimus早期生产已经启动，规划年产能百万台的产线大部分设备已经到位。马斯克预计，爬坡到周产约两万台至少需要一年，可能更久，主要原因是部分设计仍在迭代。对外交付有望在约一年后启动，首批面向危险、重复性的工业场景。此外，奥斯汀的第二座Optimus工厂已经开工。数据路径方面，马斯克在2026年2月的访谈中提出了“Optimus学院”(Optimus Academy)的构想：部署至少1-2万台Optimus，在真实世界中反复练习，开展“自博弈”(self-play)。公司在2026年第二季度业绩会上也披露，弗里蒙特的早期产出将投放到Optimus学院，用来加速训练数据的采集。该行认为，产能节点锁定的是交付的确定性；本体交付后能否形成可复用的泛化能力，则取决于数据飞轮的启动速度。

为什么数采是关键约束：真机数据只能主动“制造”。具身智能的数据来源大致分三层。顶层是真机数据，精度最高，成本也最高。中层是仿真数据，成本低、可以规模化，但存在仿真到现实的迁移落差(Sim2Real gap)。底层是互联网视频和人类行为数据，来源广、泛化性强，但缺少三维动作和力觉标注。自动驾驶可以靠在路车队自然回流数据，人形机器人没有这样的存量车队，只能主动建数据源：先建场景，再建数据，最后才谈外售。同时，人形机器人的任务空间是开放式的。数据需求因此不是一次性采集，而是随任务复杂度持续扩张。

“本体零部件 + 国内数采基建”双轮驱动。本体侧受益于产能爬坡的确定性，灵巧手、精密传动和力/触觉传感仍是决定爬坡速度的核心变量。数采侧需要区分需求方。特斯拉以自有机器人在真实世界自博弈为主，其训练重心已经向人类视频倾斜，对外部数采设备的依赖相对有限。因此，数采环节的订单弹性更可能先在国内兑现。国内本体厂商和各地数采中心、训练场正处在“先建场景、再建数据”的阶段，动作捕捉与遥操作设备、数据标注与仿真合成、力/触觉与3D视觉等环节，有望在整机大规模外售之前进入采购周期。另外，如果AI5按计划在2027年4月前后导入Optimus，将能支撑更高自由度、更复杂的任务，同时也会抬高对数据质量的要求。

跟踪节点：一是弗里蒙特的周产爬坡进度和设计冻结节奏；二是Optimus学院的部署规模和训练进展；三是2027年首批外部工业客户的结构；四是AI5导入Optimus的时点；五是国内数采中心的招标和订单落地情况。

风险提示：具身智能/AI发展不及预期；地缘政治风险。