物理 AI 产业全解析：定义、技术基石与产业链图谱

摘要： 本报告对“物理 AI (Physical AI)”进行了全面解析，将其定义为能够理解物理规律并在真实物理环境中自主执行任务的智能系统，强调其通过“感知-决策-验证-执行-反馈”五维能力构建闭环。

行业主线：

1. 物理 AI 核心逻辑：物理 AI 区别于数字 AI，其核心在于让 AI 真正“懂得”物理规律（如重力、摩擦），通过世界模型、物理仿真和具身智能实现对物理实体的反向控制与自主优化。
2. 三大技术基石：世界模型（如 NVIDIA Cosmos, Google Genie）实现环境预测；物理仿真与数字孪生提供虚拟训练场以降低试错成本；多模态感知与边缘计算保障数据的低时延处理。
3. 产业链分层：产业链由上至下分为基础设施层（高端芯片、传感器、执行部件）、技术使能层（CAE/仿真平台、模型算法）、系统集成层及落地应用层。

关键变化与分歧：

1. 技术路径升级：行业正从传统自动化转向基于 VLA（视觉-语言-动作）大模型的端到端控制，实现从“看见”到“理解并预测”的跃迁。
2. 市场潜力巨大：预计 2026-2032 年全球市场复合增长率达 47.2%，中国凭借完整的制造业链条和丰富应用场景（智能汽车、机器人）成为核心增量市场。

受益方向与风险：

1. 受益方向：国产全物理场仿真平台、3D 视觉感知硬件、高精密执行部件（伺服电机、减速器）以及端侧感知决策集成商。
2. 核心风险：真实物理数据稀缺、仿真精度不足、核心硬件成本高企以及安全验证体系尚不完善。