物理 AI 行业深度分析：发展现状、产业链及相关公司梳理

摘要： 本报告深度探讨了物理 AI（Physical AI）的定义、技术范式及其在实体世界的应用前景。物理 AI 旨在让 AI 学习物理规律并与现实世界交互，是人工智能从“虚拟认知”向“具身智能”演进的核心路径，重点覆盖人形机器人、智能驾驶和工业软件等场景。

行业主线：

1. 产业链结构：物理 AI 产业链分为“大脑（基础模型：VLM/VLA/世界模型）—身体（硬件本体）—环境（仿真平台与工业软件）”三层。世界模型作为合成数据工厂，是降低训练成本、突破 sim2real 鸿沟的关键。
2. 竞争格局：英伟达凭借芯片、Cosmos 世界模型及 Omniverse 仿真平台构建生态闭环，处于领先地位；国内则呈现人形机器人厂商主导基模、互联网大厂提供支撑的特点。

关键变化与分歧：

1. 技术路线迁移：自动驾驶和机器人控制正从规则驱动转向端到端 VLA（视觉-语言-动作）架构，实现从感知到执行的直接映射。
2. 数据获取方式：行业共识正转向利用世界模型生成高保真合成数据，以弥补真机遥操数据采集成本高、规模小的缺口。

受益方向与风险：

1. 受益方向：具备高质量仿真平台能力的厂商、工业 CAE 软件供应商以及能快速实现数据闭环的具身智能本体企业（如五一视界、索辰科技、群核科技）。
2. 核心风险：物理 AI 商业化落地节奏低于预期、端到端模型在复杂物理环境中的安全可控性不足、核心算力资源受限。