中信建投：被忽视的物理AI训练场，新范式下的数据决定论

全文按四部分展开：为什么数采是物理AI核心卡点、为什么快递物流是最优数据训练场、为什么当下是布局最佳时点、现行估值框架错在哪及如何迭代。

1、数采是物理AI的核心卡点

物理AI不是大模型的简单延伸，训练对象从文本转向"感知-动作-反馈"时序闭环，输出从token变成action；数字AI数据可爬取，物理AI数据只能在运营环境中诞生——算力可买、模型可开源、本体可代工，唯有真实作业数据无法采购。全球高质量物理AI数据仅约50万小时，达到真正训练体量至少需1000万小时，缺口达20倍；全球在人类工作场景中运行的机器人不足2000台，真机数据500-1000元/小时，采集成本是普通数据的10倍以上。

四类数采方式互补：真机遥操质量最高但规模化慢（可用率仅15-20%），UMI示教（40-50%）、仿真数据（80-90%、单条成本0.01元）、EGO视频（50-60%）。 数据正加速资产化：数采项目数由2024年5笔增至2026年预计37笔、金额由0.14亿元升至21.5亿元；京

东规划未来2年1100万小时以上，智元/觅蜂、星海图各1000万小时；截至2026年4月底中国至少90个人形机器人数采中心在用或规划中、64个已投用。 据此测算，达成1000万小时可用数据需采集原始数据约2500万小时（约300万天），对应市场规模1300-4200亿元（中值2750亿），快递物流按约18%数据操作来源对应约500亿元。

2、快递物流是最优训练场

快递网络每天以十亿级频次在真实非结构化环境自动生产闭环数据，卸车、供包、分拣、投柜、理赔等每个动作自带成功/失败标签，人工接管是高价值样本，KPI考核体系相当于7×24小时免费标注机。 其天然满足物理AI对好数据的苛刻要求：WMS/TMS/巴枪全链路时间戳可对齐、SOP固定可复现、签收/破损/超时可评测、抓取-扫码-放置可跨本体复用，且每天1-2%（约500-1000万件）异常件构成稀缺负样本。 虽操作量低于工业制造，但行业集中度好（每家近百个分拨中心、近万台车辆）、包裹形态不规则随机、投诉按小时响应，数据多样性与准确性更佳。 企业角色已从"被找上门做试点"转为卖数据、卖场景、卖订单乃至成为股东。

3、当下是布局最佳时点的三条原因

其一，政策把仓储物流写进量化考核：2024年至2026年6月地方已发布超40份政策文件、覆盖18个省，工信部2026年专项行动明确聚焦仓储物流打造可训练、可测试、可验证场景，对央企国企是“有指标、有验收、有考核的必答题”。 其二，劳动力供需拐点：在放宽供给范围、保守估计需求增长的基础假设下，模型显示2026年是快递物流劳动力供需失衡拐点。 其三，经济性拐点出现在ROI<2年：以顺丰分拨部署星动纪元M7为例，30万元半身工业版年化成本13万元，效率1200件/时（人工1000-1200件）、22小时/日（人工8小时），投资回收期约1.5-2年；全尺寸人形机器人单机均价预计由2026年30-40万元降至2030年后10-15万元。

4、估值框架迭代与投资建议

（1）旧框架为"市值=业务量×单票净利率×给定P/E=f(份额，价格战强度，降本空间)"，2022年后件量市占率已不再是股价前瞻指标；行业护城河原本是规模效应/网络密度＋人力组织能力，但科技是双刃剑——资本开支替代人力运营开支使规模门槛变高，人力组织能力壁垒却会消失、网络密度壁垒被数据密度壁垒替代。 当前快递板块近2个月平均估值处十年1%分位以下（最低0.41%），2026年国内平均P/E 11.1倍，显著低于过往10年平均22.0倍及海外平均27.2倍。 我们提出新定价公式：市值=基础快递业务价值＋物理AI数据资产期权＋成本结构重构期权＋具身智能产业资本收益。 

（2）投资建议：物理AI重置了竞争维度，奖励"资本开支能力＋数据沉淀能力"、惩罚"纯人工劳动力组织能力"，期权定价前提是"持有权利"而非"身处场景"：直营模式掌握全链路作业数据、统一IT系统与资本开支决策权，加盟模式末端网点数据在加盟商手里、总部对作业细节掌控力有待加强。

1、产业化落地节奏与估值重定价触发条件不及预期

估值锚切换的触发条件是“有快递公司公开对外输出数据/场景/机器人即服务”，另外此类商业路径市场目前没有定价，板块近2个月平均估值处十年1%分位以下（最低0.41%）。 若部署节奏延后或政策验收放缓，三张期权可能长期不被计入，低估值状态延续；且科技是"双刃剑"，人力组织能力壁垒消失、网络密度壁垒被数据密度壁垒替代，原有护城河削弱对既有龙头并非单向利好。

2、关键测算与估值高度依赖假设，存在系统性下修风险

市场空间由"1000万小时可用数据→2500万小时原始数据→1300-4200亿元（中值2750亿）→按18%得快递约500亿"多级推导，而四类数采方式的成本与可用率差异极大。 若仿真合成数据、跨本体复用技术突破使Sim2real gap收窄，真实作业数据的稀缺性溢价与"数据小时"重置成本法基础将被削弱。 同时京东未来2年1100万小时以上、智元/觅蜂与星海图各1000万小时等产能规划集中释放，数采供给快速扩张可能压低数据单价。

3、主业基本面、资本开支前置与"持有权利"分化带来标的选择风险

过去一年需求增速下降、短期单票利润改善预期下降，股东回报成为市值管理重要手段；当下是反内卷后单票净利润高点且成本压力短期无法释放，主流估值把价格战周期利润还原为"稳态单票净利润×稳态单量"，若价格战反复或需求走弱，基础业务价值这一估值底座将被侵蚀。 科技替代使资本开支替代人力运营开支、规模门槛变高，单票资本开支与单票研发费用近年出现回升，而多数环节无人化仍处试点，投入前置、收益兑现偏后。

韩军：全球交通运输及全球能源首席分析师，曾供职于上海国际航运研究中心，3年政府规划与市场咨询经验，曾负责或参与为交通运输部、上海市交通委、港航企业等提供决策咨询服务二十余项。10 年交通运输行业证券研究经验，深入覆盖航运、港口、高铁、快递、物流板块，擅长把握周期性和政策性投资机会。2021第十九届新财富最佳分析师交通运输行业第五名。

梁骁：交运行业分析师，南开大学硕士，先后供职于中集集团物流板块、顺丰控股、京东物流，曾参与撰写《国家多式联运标准修订建议报告》并为交通物流相关十四五规划建言献策，2022年加入

证券研究报告名称：《物流:快递行业研究分析框架（三）：被忽视的物理AI训练场，新范式下的数据决定论》

对外发布时间：2026年11月11日

报告发布机构：中信建投证券股份有限公司 

本报告分析师： 

韩军 SAC 编号:S1440519110001

SFC 编号:BRP908

梁骁 SAC 编号:S1440524050005