物理AI产业深度解析：数据筑基模型搭台加速起势

物理AI：AI发展的下一个时代

物理AI是将人工智能能力与物理世界中的感知、决策与执行系统深度融合的智能技术体系。与主要基于文本、视频等数字信息“预测下一个token”的数字AI不同，物理AI模型输入包含力等其他传感器采集数据，输出主要为物理载体控制信号，其智能上限更高。科技大厂如英伟达、特斯拉及金融资本密集加注，推动物理AI迈入加速发展阶段。据InfoQ公众号数据，截至2026年6月，近18个月内超百亿美元资金流入物理AI赛道。

应用层：自动驾驶与具身智能双轮驱动

应用层方面，自动驾驶有望从“高端车专属”向“全价位段普及”。随着端到端大模型技术走向主流，模型能力成为智驾竞争的关键。部分车企承诺为局部智驾兜底，显著拉升了智驾功能使用率，推动硬件普及。亿欧智库预计中国高速及城市NOA市场规模将持续扩大。同时，具身智能助机器人突破封闭场景，头部人形机器人厂商在规模量产前夕，弗若斯特沙利文预计全球具身智能机器人市场规模将保持高速增长。此外，首例“自主手术”实验成功及无人装备的持续推出，显示物理AI正逐步渗透千行百业。

模型层：世界模型多路线融合演进

世界模型是物理AI发展的引擎。李飞飞将世界模型按输出分为渲染器、模拟器和规划器三类。渲染器追求视觉保真，代表模型如OpenAI Sora；模拟器关注物理结构，能更真实还原世界，代表包括英伟达Cosmos系列；规划器指导物理载体与现实世界互动，代表如谷歌Gemini Robotics系列。目前，三类模型正相互融合，英伟达Cosmos 3等尝试用单一模型架构统一多种数据，旨在铸就真正理解物理世界的世界模型。此外，杨立昆提出的JEPA架构也作为一种远期愿景，致力于建模“物理逻辑”。

数据层：合成数据成为关键基础设施

数据是物理AI的基石。全球高质量物理数据仅约50万小时，与GPT-5级别大模型所需的超100亿小时训练语料相比，量级差距达数万倍。真机实采数据质量高但成本高、难以规模化。基于真实数据的仿真合成数据可控制误差、覆盖长尾场景且边际成本低，被视为物理AI跑通的必经之路。率先定义仿真环境和评测体系的系统有望成为物理AI时代的基础设施。大厂如英伟达、谷歌等积极布局仿真系统，通过收购或自研构建生态壁垒。

受益标的：关注世界模型与数据采集

建议关注世界模型及数据采集涉及的3D仿真平台、真机实采设备等环节。受益标的包括海清智元、五一视界、索辰科技、风语筑、凡拓数创、奥比中光、天娱数科等。这些公司在多光谱AI、数字孪生、工业仿真、3D视觉传感器及具身智能数据资产等方面具备技术积累或市场优势，有望在物理AI产业发展中受益。