📰 研报摘要
查看全文 ➔摘要： 本次会议重点讨论了物理AI（Physical AI）与具身智能的发展现状，分析了世界模型的技术路径、数据闭环的重要性以及人形机器人的商业化落地节奏。
行业主线：
- 发展阶段：物理AI经历概念阶段（2023年）和技术验证（2024年）后，目前处于样机导入阶段（2026年），预计2028年进入大规模商业化。
- 技术路径：世界模型分为视频生成（视觉三维）、3D构建（几何三维）和抽象结构学习三种路径，未来将向3D构建和技术融合方向演进。
- 核心瓶颈：数据是物理AI最大的卡点，需构建“真实采集+仿真扩容”的数据闭环，并依赖空间智能实现从二维到三维的精准交互。
关键变化与分歧：
- 研发范式转移：机器人研发正从“项目制”转向“平台制”，通过通用大脑和RCP协议实现技能的泛化与下发。
- 国内外格局：海外在前沿模型和通用控制框架上领先；国内在硬件成本、供应链成熟度和特定场景落地速度上具有优势。
- 落地顺序：遵循“工业场景 $\rightarrow$ 服务场景 $\rightarrow$ 家庭场景”的路径，其中家庭场景由于对安全性和成本要求最高，落地最晚。
受益方向与风险：
- 受益方向：具备全栈能力（数据+场景+仿真+控制）的公司、提供算力与仿真平台的基建公司（如英伟达）、以及拥有大规模自有场景数据的车企（如特斯拉、小鹏汽车）。
- 核心风险：世界模型技术尚未收敛导致研发重复造轮子、真实世界高质量数据采集成本高昂、端侧算力芯片成本过高影响出货价格。