物理 AI：从数字世界走向物理世界，商业落地加速中

摘要： 本文探讨了物理 AI 从“数字世界”向“物理世界”的延伸，核心在于使 AI 理解真实物理规律并驱动机器人、智能汽车等实体终端。报告分析了政策端的高质量数据集建设、海外巨头的产业化验证以及 A 股产业链的布局机会。

行业主线：

1. 范式升级：物理 AI 标志着人工智能从单纯的“生成内容”转向“理解并作用于物理世界”，其核心底座是高质量物理数据与仿真平台。
2. 落地场景：典型应用包括具身智能、自动驾驶、工业制造、新材料研发和数字孪生。

关键变化与分歧：

1. 海外验证提速：英伟达与 LG 合作构建 AI 工厂，Neura Robotics 获得巨额融资，显示物理 AI 正进入产业资本集中投入阶段。
2. 数据瓶颈凸显：国内政策明确聚焦智能体和世界模型的高质量数据集建设，旨在破解制约物理 AI 发展的关键瓶颈。

受益方向与风险：

1. 受益方向：产业化初期，高质量数据、仿真平台、世界模型、数字孪生、3D 感知和工业软件等底层基础设施有望率先受益。
2. 核心风险：技术创新不及预期、政策推行不到位以及下游需求景气度不稳定。