2026年10月28日，財聯社引述華泰證券研報，內容聚焦兩件事：機器人與智駕。機器人部分，研報觀察到AI大廠正集中布局「具身大腦」，也就是讓機器人具備任務規劃與泛化能力的通用模型；瓶頸則很明確，模型能力的進一步突破，越來越依賴真機數據。研報點名數據採集、感知、本體運控與高精度傳動等環節可望率先受惠。
為什麼「真機數據」變成關鍵詞
可以用學開車來理解。看再多教學影片，跟自己坐上駕駛座握方向盤，是兩回事。機器人模型也一樣：網路上的影片資料能教它「世界大概長什麼樣」，但抓不準杯子要用多少力、地面打滑時腳要怎麼調，這類資訊只有機器實際動手才能取得，而且取得成本高、速度慢。
這就是研報所謂「模型能力仍是行業核心瓶頸」的具體意思。當模型進步到某個程度，剩下的難題已經不在演算法，而在數據不夠。誰能有效率地採集真機數據，誰就握住了下一階段的入場券。這也解釋了為什麼受惠名單裡，「數據採集」排在最前面。
這與我們先前整理過的券商談物理AI升溫的訊號方向一致：當模型開始長出手腳，價值會往讓手腳真的動得起來的環節移動。
研報的另一層訊息：落地還有兩道坎
華泰證券同時提到，落地還需解決時延與成本。這兩個詞對做工程的人不陌生。時延是機器「想了才動」之間的延遲，工廠產線上一秒的遲疑就是良率與安全問題；成本則決定這類機器人能不能從展示影片走進實際採購清單。
把這句話跟受惠環節放在一起看，邏輯就通了：本體運控與高精度傳動之所以被點名，正是因為它們同時壓在時延與成本這兩個問題上。傳動件的精度影響反應速度，量產能力決定單價能壓到哪裡。研報在投資建議裡強調「具備客戶基礎和量產能力的產業鏈公司」，篩的其實就是這一關。
智駕那一段，講的是規則何時落地
研報的智駕部分同樣有具體依據：工業和資訊化部擬規定自動駕駛系統標誌燈僅限L3及以上車輛選裝。別小看一顆標誌燈。它對應的問題是：路上其他用路人如何辨識「這臺車正在自動駕駛」，以及出事時責任怎麼分。標誌燈只給L3以上，等於在視覺層面先把責任邊界畫出來。
研報進一步判斷，2027至2028年的L3準入節奏，將成為車企智駕競爭的關鍵變數。對一般消費者與供應鏈從業者的意涵都具體：車廠的產品時程表會圍著法規時程排，供應商的訂單能見度也繫於此。
讀者可以帶走的判斷
一份券商研報的價值，不在預測準不準，而在它點出的因果結構。這份報告的結構是：模型進步的燃料從網路數據轉向真機數據，因此數據採集與硬體環節先看到需求；法規把L3的邊界畫清楚，車企競爭的時鐘才開始轉。對在機器人或車用供應鏈工作的讀者，值得留意的是自家產品落在「採集、感知、運控、傳動」哪一格，以及客戶是否具備量產驗證的實績。研報點名的受惠順序，最終要用訂單來驗證。