根据披露的机构调研信息，10月25日，国投瑞银（UBS）基金对上市公司海天瑞声（688787）进行了调研。
基金市场数据显示，国投瑞银（UBS）基金成立于2002年6月13日，截至目前，其管理资产规模为2048.39亿元，管理基金数202个，旗下基金经理共30位。旗下最近一年表现最佳的基金产品为国投瑞银信息消费混合A（000845），近一年收益录得16.23%。
国投瑞银（UBS）基金在管规模前十大产品业绩表现如下所示：
| 基金简称 | 基金代码 | 基金类型 | 基金经理 | 规模（亿元） | 年涨跌幅（%） |
|---|---|---|---|---|---|
| 国投瑞银添利宝货币A（001094） | 001094 | 货币型 | 李洋、颜文浩 | 545.45 | 0.92 |
| 国投瑞银顺荣债券A（009417） | 009417 | 债券型 | 李鸥 | 163.92 | 2.83 |
| 国投瑞银钱多宝货币A（000836） | 000836 | 货币型 | 李洋、颜文浩 | 148.85 | 1.32 |
| 国投瑞银恒泽中短债债券A（005725） | 005725 | 债券型 | 李达夫、段敬文 | 99.10 | 2.25 |
| 国投瑞银白银期货(LOF)A（161226） | 161226 | 其他 | 赵建 | 81.79 | 12.48 |
| 国投瑞银顺景一年定开债（010758） | 010758 | 债券型 | 余文朝 | 74.84 | 2.59 |
| 国投瑞银优化增强债券A/B（121012） | 121012 | 债券型 | 杨枫、綦缚鹏 | 59.96 | 3.57 |
| 国投瑞银顺晖一年定开债发起式（015624） | 015624 | 债券型 | 李鸥 | 52.27 | 2.9 |
| 国投瑞银顺源债券（005641） | 005641 | 债券型 | 敬夏玺、陈伟旸 | 39.75 | 2.76 |
| 国投瑞银货币D（018486） | 018486 | 货币型 | 李洋、颜文浩 | 39.59 | 0.86 |
（数据来源：同花顺（300033）iFinD）
附调研内容：
问：请介绍物理AI数据业务的行业大背景，公司布局该业务的核心逻辑是什么？
答：对比大语言模型LLM，物理AI目前最大的痛点是数据缺口远大于LLM，产业想要加速突破，必须在数据端实现突破。同时国家数据集团成立，将服务人工智能（885728）发展纳入主责主业，数据要素（886041）产业从建立规则进入运营落地阶段，供需两端都迎来加速窗口。基于行业机遇，公司正式布局物理AI也就是具身智能训练数据业务，发挥我们多年的数据工程能力，切入产业缺口。
问：目前物理AI数据业务的客户覆盖和标杆项目进展如何？
答：客户层面主要分为三类，人形机器人（886069）企业、科技大厂内部具身团队以及车企。代表性客户包括智元、极佳视界等。标杆项目方面，2026年春节后我们承接智元真机摇操订单，服务超100台本体的数据采集工作，经过3个月爬坡，实现稳定运行后快速扩容至数百台，下一阶段目标冲击千台规模。另外，我们和国内头部世界模型企业极佳视界，已经在真机遥操方向深度合作，后续计划将拓展到Ego第一视角数据，同时探讨模型落地层面的配套方案。
问：当前物理AI数据业务主要业务形态是什么？行业采集技术路线发生了怎样的迭代变化？
答：现阶段业务以具身数据采集为主，标注业务也已经启动。物理AI本身具备特殊物理属性，采集环节需要攻克稀缺场景对接、硬件适配驾驭、大规模批量落地三大难题。行业采集路线迭代节奏比较清晰：2026上半年行业主流是室内真机遥操、搭建模拟场景；5-6月行业Ego第一视角，依旧以室内场景为主；78快速转向月至今，不少客户开始走向真实线下场景开展采集。-一线客户反复提到，场景化数据是提升机器人出货、拓展落地场景的关键。
问：仿真、Ego、UMI、真机遥操这几条技术路线，公司怎么看待各自定位、占比以及优劣势？
答：仿真数据目前整体占比很小，未来更多是作为补充。Ego路线实施相对简单，更容易适配海量真实场景做规模化落地，我们判断它标品复用潜力最高，未来有望支撑较高毛利。UMI路线我们定义为行业中间过渡形态。真机遥操产出的数据属于“金标准”，当前在我们的有效小时产出中占比20%以上；但短板也很突出，机器人本体重量普遍接近200公斤，电池功率数倍于民用电瓶车，在室内做规模化采集的安全、落地阻力很大，硬件物理约束最强，同时也是三类里面单价最高的。
问：业务开展中硬件如何处理？产能现状和后续扩产空间怎么样？
答：如果客户自身已经具备成熟硬件，优先使用客户硬件；商务模式分为采购、租赁、代采三种。评判硬件是否合格，唯一标准就是产出的数据能不能满足客户模型训练、验证要求。产能上，不同设备有效产出不一样：Ego设备单班8小时有效产出3-4小时，UMI设备约3小时以上，真机遥操约2小时以上，设备支持两班倒作业。目前三类采集方式合计单月有效小时产能已经突破一万小时，对应年产能15-20万小时。待各条模式跑通成熟，后续扩产难度较低。
问：公司做物理AI数据业务，核心竞争力体现在哪些地方？
答：第一是场景落地能力；其次是对硬件、具身算法的理解驾驭能力；同时依托公司21年沉淀的数据工程能力，还要持续夯实完善的数据合规体系。场景落地我们有实际案例，某地方项目曾调动近千名采集人员,联动政府、街道对接各类场景资源;也具备医院（884301）、学校这类准入门槛高、涉及隐私安全机构的对接落地能力。另外我们和清华大学官方的具身智能与机器人研究院深度合作,获得算法层面支撑,叠加全球化资源池,形成业务协同。
问：海外业务筹备与推进情况如何？
答：东南亚基地原有人员规模扩充到1300-1500人，原本服务传统大模型标注，现在同步筹备具身业务。当地已经完成场景储备，覆盖雅加达及周边连锁商超、餐厅、高校、医院（884301）；后续将推进合规出海。北美市场同步推进，已经和当地两家头部科技大厂开启Ego数据业务需求沟通。
问：具身数据业务在成本以及数据资产方面有什么特点？
答：现阶段具身数据以高清视频为主，存储资源消耗大。但是我们自主采集的数据具备长期复用价值，如果打磨成为标准化产品，会成为高毛利业务的重要支撑，其中Ego数据标品化潜力最高。
问：投资者跟踪具身业务，可以重点关注哪些核心指标？
答：分为需求端和供给端。需求端，重点跟踪具身基座、世界模型企业（包括北美厂商）对有效小时数据的需求量，这个指标直接对应潜在订单规模。供给端，一是各家厂商单月有效小时产出，以及Ego、真机遥操、UMI三者的结构占比；二是产出数据集的场景丰富度，场景丰富度直接决定数据对模型训练的实际价值。
问：通用大模型能力提升，会对物理AI行业带来什么影响？
答：-顶层规划能力实现突破，有可能把具身智能商业化落类似GPT6 Astra这类通用大模型，如果在具身地的时间节点往前推动。但即便通用大模型能力很强，工业、专业场景容错标准很高，仍然需要具身企业自研垂域模型，搭配高质量专家动作数据做微调优化;
