物理AI行业：AI革命下一站

摘要： 本报告探讨了“物理AI”这一AI革命的下一阶段，定义其为能够理解真实物理世界并预测状态的AI系统，旨在实现虚拟世界与真实世界的链接。物理AI的核心在于通过“世界模型 + VLA（视觉-语言-动作模型）”共同实现，使AI具备在物理空间中的感知、理解、推理与行动能力。

行业主线：

1. 技术范式转移：AI正从感知AI、生成式AI、代理式AI演进至物理AI时代，由数据驱动转向推理驱动（3.0时代），通过构建世界模型实现“先理解世界，再做出决策”。
2. 生态闭环构建：英伟达已形成“训练-仿真-推理”的全生命周期开发闭环；谷歌和Meta则分别在多模态机器人模型和开源世界模型研究上发力。
3. 核心落地场景：自动驾驶（最先跑通数据与商业闭环）、具身智能（感知-行动的物理载体）以及工业软件（物理AI的控制台与底座）构成了最核心的应用方向。

关键变化与分歧：

1. 世界模型的关键作用：世界模型通过合成虚拟环境弥补真实数据的缺失，解决了物理世界不可逆、不可重演的试错难题。
2. 工业软件的共生关系：物理AI与工业软件互补，软件提供物理底座和高质量数据，AI则提供智能加速与闭环优化。

受益方向与风险：

1. 受益方向：具备世界模型能力的平台商、工业软件（CAE/数字孪生/工业IoT）、具身智能本体及感知部件、以及端到端算法的自动驾驶公司。
2. 核心风险：物理一致性等模型迭代不及预期、高性能算力供应不足、商业化落地节奏缓慢以及下游制造业资本开支下降。