未来两年物理AI股票alpha抓取深度研究
本文旨在探讨未来两年内“物理 AI”（机器人和自动化技术）领域的投资 Alpha 机会。作者明确指出，最确定的需求不在于“人形机器人”的故事，而在于已经开始产生现金流的物理 AI 基础层，如车载感知、边缘计算和仓储自动化。文章重点分析了 Ambarella、Mobileye、Symbotic、Intuitive Surgical 等公司，认为利润将流向高附加值、高切换成本的环节，并给出了具体的买入排序和交易策略。
相关文档
Making a Billion Intelligent Machines
文章介绍了Applied Intuition公司如何通过提供仿真、数据和操作系统工具，从自动驾驶领域的非主流选择发展为物理AI应用平台，并成功拓展到国防、建筑等多个行业。
美国机器人公司物理地图和市场地图
作者整理了一份美国机器人公司的物理地图和市场地图，按业务类别系统梳理了约40家机器人公司的进展，包括人形/通用机器人与基础模型类（Figure、1X、Physical Intelligence、Skild AI等）、自动驾驶/移动机器人类（Tesla、Waymo、Zoox、Skydio等）、工业/物流/仓储机器人类（NVIDIA、Dexterity、Nimble等）、农业/建筑/专业场景类以及平台/软件/硬件类。每家公司附带融资规模、估值、CEO及官方X账号等信息，方便跟踪研究美国机器人行业的发展动态。
五年计划把答案都写出来了，别还不会"抄"
作者通过对比十二五到十五五四份五年规划，提出阅读五年规划的正确方法：不是搜索关键词找利好，而是纵向对比同一产业在不同规划中的演变。文章以互联网、平台经济、人工智能为例，展示数字经济如何从基础设施与电商工具升级为数字中国战略，政策措辞从鼓励发展转向规范监管时对估值的影响，以及AI产业链的细化拆解。核心观点：五年规划应被当作产业变化时间轴，用来确定未来值得重点研究的产业方向，而非直接指导买哪只股票。
折腾A股量化几年后，我决定慢慢放弃了
作者回顾了自己从本科时期进入A股，到学习量化交易、搭建完整量化系统的经历。在多年实盘运行后，他发现自己赚到的钱与投入的时间精力严重不成正比，且量化并未真正排除主观情绪的干扰。最终让他淡出A股的不是亏损，而是机会成本：同期纳斯达克100指数涨幅远超他的A股策略收益，而他作为拥有香港身份、可便利投资美股的人，完全没必要把自己限制在A股。作者感悟到投资并非努力竞赛，选对市场和资产比努力更重要，A股量化研究不再是他资产配置的重心。
机器人研究的隐藏支柱：部署
Skild AI 创始人 Deepak Pathak 宣布公司实现 1 亿美元 ARR，并阐述部署为何是机器人研究的隐藏支柱。文章指出机器人无法像 LLM 那样先研究后部署，演示视频会掩盖真实准确率，部署中必须同时考虑速度、精度和对变化的适应能力。这些实践催生了 S1 模型——通过单视频上下文学习即可掌握新任务而无需微调。作者还探讨了演示文化与部署文化的冲突，并提出物理 RSI（递归自我改进）路线：将各专业部署的数据反哺通用基础模型，形成持续改进的飞轮。
投资数据中心，还是投资机器人？
文章从算力角度分析机器人产业的投资逻辑：前沿机器人模型（VLA、WAM）参数量大，边缘芯片无法承载，将认知层卸载到数据中心成为必然趋势。通过对比卸载方案与端侧方案的资本开支和TCO，指出卸载方案在规模化后成本更低。受网络与安全回退条件限制，云端方案适用于工厂、仓库、家庭等场景。作者认为算力是机器人的大脑前提，XAI等算力投入会优先于具身智能量产，看好机器人未来等同于看好算力投资，本质上是同一个问题。
一文看懂A股、港股和美股的区别
文章系统对比了美股、A股和港股三大市场的特点。美股占全球自由流通市值63.5%，具备开放性、完备监管、做空机制和注册制等优势，机构投资者主导，牛长熊短；A股以散户为主，上市审核严格，结构以金融地产等传统行业为主，牛短熊长；港股则是国际资金与内地资金共同参与的市场，波动剧烈，存在仙股和A/H折价等问题，投资时需兼顾国际与内地政策。作者建议投资者理解三个市场的差异，以做出更明智的投资选择。
从金字塔到沙漏：机器人产业链的形状之变
文章提出机器人产业链正从传统制造业的金字塔结构演变为沙漏形态：整机端价格持续下探（宇树、优必选降价，本土份额升至57%），零部件端已现过剩（谐波减速器产能利用率仅一半），而腰部的主控芯片与基础模型环节集中度最高、利润最厚——英伟达占据69%的机器人主控SoC市场，基础模型类公司吸走具身智能领域44.9%的资金。作者分析腰部靠资本门槛与工具链生态锁定，但指出技术路线（如VLA）和数据瓶颈尚未收敛，沙漏腰部还未硬化，价值正向中间流动但最终形态仍不确定。
一只399美元的机器鸭，让资金重新看瑞芯微
文章通过开源机器鸭项目Microduck（售价399美元，基于RK3566芯片运行神经网络策略控制15个舵机）切入，指出瑞芯微正从消费电子SoC厂商转型为端侧AI部署平台。作者用GitHub数据分析：rknn-toolkit2、rknn_model_zoo、rknn-llm三大AI工具链仓库两年Star数增长约322%，远超传统项目；Hugging Face上RK3588相关模型96.9%创建于近两年。瑞芯微恰好位于MCU与英伟达Jetson之间的算力断层带，适合门禁、机器人、会议终端等海量中端设备。文章同时提醒Star不等于收入、RKNN3工具链不兼容等风险，认为瑞芯微无需击败英伟达，只需拿下低成本端侧智能市场。
AI 产业挖掘机：泡沫爆了再去捡！2027 是杀伤力很大的一年
本文是 168X 节目对 AI 产业挖掘机的访谈摘要。嘉宾认为，当前 AI 产业存在短期泡沫，Coding 之外缺乏新应用场景，开源模型冲击闭源模型，上游高毛利难以持续，AI 投资更像房地产而非 2000 年互联网泡沫。他建议散户空仓等待泡沫破裂，再捡拾政府会救的公司，并预警 2027 年可能是指数跌幅很大的一年。
现代科技与人工智能：改变一切的时代
文章探讨了人工智能如何重塑智能手机、自动驾驶、医疗、机器人、智慧城市和太空探索等关键领域，并提出了关于隐私、责任、伦理和人类独特性等深刻问题。作者认为AI是反映我们数据、价值观和梦想的镜子，其发展取决于我们自身。
Physical AI淘金热：机器人技术为何是下一个万亿美元前沿
本文探讨了机器人技术从风险投资坟墓到万亿美元前沿的转变，核心在于基础模型与具身智能的结合。文章通过实例展示了机器人技术的进步，并分析了VLA模型如何使机器人控制从硬编码转向预测问题。最后，作者提出了四种不依赖硬件制造的盈利模式，包括硬件无关的AI中间件、物理数据变现、垂直微自动化以及远程操作基础设施，强调软件和中间件是当前机器人领域的高利润机会。
