物理 AI 有業績了，紅外行業高景氣有望持續？

2026年的AI敘事，越寫越分裂。大模型與算力仍在講投入與護城河，應用端卻不斷被追問：誰付錢、場景在哪、何時規模化。物理AI、具身智能更是站在爭議中心——資本一邊談論“下一個50萬億美元的機會”，一邊又有投資人公開質疑：客戶是不是想象出來的，誰會花十幾萬買一個機器人去幹活。泡沫與反泡沫來回拉扯，市場很容易把整條鏈都打成“故事股”。

但若把鏡頭從“會不會走的人形機器人”挪到“機器如何看見真實世界”，答案並不一樣。物理AI要走出屏幕，先得在黑夜、煙霧、眩光和複雜戶外裏穩定感知。紅外熱成像補的，正是可見光做不好的那一層“眼睛”。這一層也早已跨出PPT裏的傳感器清單，在車載、工業、戶外、低空等場景裏形成訂單、出貨和利潤。AI應用飽受質疑的2026年，紅外給出的是感知側先兌現的路徑。

被質疑的是“整機故事”，先賺錢的是“看見能力”

物理AI遭遇的冷水，大多打在商業閉環上。具身智能融資熱度一度很高，爭議也隨之而來：通用人形機器人成本高、節拍慢、數據少，家庭場景更遠；真正能先落地的，往往是結構化更強的工業、倉儲、巡檢與危險替代。行業共識也逐漸收斂——環境感知、泛化能力、硬件可靠性與高質量數據，和模型同樣卡脖子。市場罵“還不會幹活的身體”，也難據此否定“必須先看清環境的眼睛”。

紅外的位置，恰恰卡在這條最短的兌現鏈上。它不依賴可見光，能在全黑、強光、雨霧等惡劣條件下給出熱輻射輪廓，對生命體、障礙物與溫度異常更敏感；與可見光、毫米波、激光雷達組合後，構成多維感知冗餘的一環。對智駕來說，夜間與眩光場景的安全冗餘直接關係到AEB有效性；對工業與安防來說，測溫、巡檢、消防本就是成熟付費場景；對低空與戶外消費來說，夜視與目標識別決定產品能不能賣得出去。這些場景的共同點很樸素：客戶爲“看得見、辨得清”付錢。

用紅外觀察物理AI，邏輯應倒過來：先看感知硬件有沒有在可付費場景裏放量，再談人形機器人何時普及。若“眼睛”這一層已經開始規模化，說明AI進入物理世界的工程底座在夯實。整機敘事可以慢，感知兌現可以先。

紅外的兌現，寫在場景滲透裏

最能說明問題的，是車載從“能裝”走到“能用”。睿創微納已與多家乘用車、商用車及智駕相關企業合作，賦能車型超過20款，並推動紅外自動緊急制動系統在量產車上落地；其公開表述強調，單純紅外或雷達都有侷限，新一代方案把紅外熱成像與4D毫米波雷達及自研AI算法融合，針對雨雪霧霾、強光眩光等痛點做冗餘。高德紅外體系內的車載紅外路徑，也早已把夜視能力推進到越野、乘用與商用等量產場景。車載紅外的價值，在於把“物理世界裏必須看清人與障礙”做成前裝與法規牽引下的剛需，這比實驗室演示更接近商業化。

民用與行業側同樣在擴圈。2025年，睿創微納紅外熱成像業務收入約59.32億元，同比增長逾五成，佔營收九成以上；公司年報口徑顯示，低空經濟、戶外消費、工業與視覺感知等需求旺盛，合同負債明顯抬升，境外渠道重構後出口增速更快。高德紅外則在型號項目恢復交付之外，持續強調民品紅外芯片應用放量，完整裝備系統總體能力把紅外從器件推到系統級交付。兩邊路徑不同，卻指向同一事實：紅外需求已在裝備、外貿、工業、消費與車載多點開花。

技術降本決定滲透能走多深。非製冷紅外像元從十數微米級向8μm、6μm演進，本質是縮小芯片、降低功耗與成本，讓熱成像模組更適合車規、消費與大規模集成。睿創微納完成8μm系列量產導入並提高出貨佔比後，毛利率改善與產能爬坡同步出現；2026年一季度營收約19.45億元、同比增長逾七成，歸母淨利潤約4.79億元、同比增長逾兩倍，毛利率與淨利率同步抬升，說明量、結構與效率在共同抬升景氣。中報預告裏的高增，更適合讀作這一趨勢的延續確認；真正有時效的，仍是場景滲透、產品迭代與產能釋放是否還在進行。

把這條鏈放回AI爭議裏，預期差就清楚了。市場習慣拿整機商業化進度審判物理AI，於是容易忽略：視覺與感知層可以單獨形成生意。紅外龍頭談的“多維感知+AI”，是把紅外、微波、激光與算法做成可交付的傳感器與方案；機器人、低空、工業視覺，只是同一套“看見能力”的外延。質疑物理AI的人，問的是誰買單；紅外給出的答案是——至少在夜視、安防、工業檢測、車載冗餘這些場景裏，買單者已經存在，而且在擴大。

物理AI今年挨的質疑，很大程度針對過早承諾的通用本體與模糊客戶；紅外行業正在證明，AI進入真實世界時，最先規模化的往往是感知底座。它沒有消解泡沫爭議，卻把討論從“故事有沒有”推進到“哪一層先有現金”。後續若繼續跟蹤，更值得盯的是車載前裝與AEB滲透、8μm等高端產品佔比與毛利率、工業與低空訂單是否滾動，以及龍頭擴產後利用率能否跟上。AI應用可以繼續被質疑，眼睛這一層卻已經開始交卷——這或許纔是紅外在2026年真正的位置。