国盛证券（002670）发布研究报告称，建议关注手眼脑整合、灵巧手、触觉及微电机模组环节。物理交互脑的本质，是填补通用大模型与底层物理执行之间的控制真空带，将机器人从“能演示”推向“能干活”。手眼脑整合技术的出现，再次强调了接触级感知与控制环节在产业链的投资价值。建议关注：1)手眼脑整合;2)触觉;3)灵巧手&微电机模组相关标的。
国盛证券（002670）主要观点如下：
GPT-6Astra标志着通用模型跨过了具身操作门槛，但在“最后一厘米”的精细接触控制上仍存断崖，亟需独立于大模型、以触觉为原生输入的新技术范式
Astra已能直接生成动作指令控制机械臂，在抓取积木等空间推理任务上实现代际跃升且成功率远超前代。然而，面对拼图插入等需要毫米级接触调节的任务，其成功率骤降至10%。这表明现有通用模型在接触后的物理控制上存在巨大鸿沟，单纯的空间推理无法替代接触级控制。灵巧手作为“最后一厘米”的物理载体，核心痛点在于触觉反馈与实时力控。因此，行业未来的破局点不再是单纯扩大VLA模型参数，而是转向构建以触觉为核心输入、能真正解决接触级控制问题的物理交互脑新范式。
灵巧手不是单纯的硬件工程，而是机器人物理交互智能载体
多指多关节的机械结构及高自由度仅赋予了机器人基础的物理动作空间，这是实现复杂任务的必要条件而非充分条件。在真实的非结构化环境中，面对物体的滑移、形变或位置偏移，单纯依靠预设轨迹或高自由度的机械质动，无法完成通用的精密装配与掌内操作。这就要求灵巧手必须突破纯粹的执行器定位，具备对接触状态的实时感知、环境理解以及底层的动态反馈修正能力。因此，灵巧手的产业逻辑正从单纯的机械性能比拼，跨越至“感知-决策-执行”一体的综合智能控制，其本质已演变为多模态传感与实时算法深度融合的软硬协同系统。
手眼脑协同构建的“物理交互闭环”是突破机器人精细化操作瓶颈的核心，而戴盟机器人的“物理交互脑”为该路径提供了关键的技术验证
面对精密插接、柔性体操作等高接触任务，单纯依赖视觉、大模型或灵巧手硬件的单点能力已现边界，行业亟需实现“感知—决策—执行—反馈”的深度融合。作为这一范式的典型代表，戴盟机器人于2026年8月发布的Daimon-TWM(触觉锚定世界模型)，将物理认知、推演决策及瞬时操控整合于统一框架，真正打造出驱动机器人灵巧操作的“物理交互脑”。测试数据显示，该模型在接触密集型任务的无扰动与有扰动环境下，平均成功率分别达到64%和53%，验证了预判式决策与高频闭环控制对操作容错率的显著提升。这标志着物理AI的竞争正从单一硬件参数或模型规模的比拼，全面转向以手眼脑一体化为核心的系统级协同壁垒。
风险提示：机器人应用模型开发不及预期风险;时间推移风险;样本误差风险。
