📰 研报摘要
查看全文 ➔摘要： 本报告深入探讨物理 AI（Physical AI）的技术体系与产业前景。物理 AI 通过将感知、决策与执行系统深度融合，使 AI 能够从数字世界延伸至物理世界，重点覆盖自动驾驶、具身智能等应用场景。报告指出，世界模型是物理 AI 的发展引擎，而高质量的物理数据则是其智能涌现的基础。
行业主线：
- 产业发展趋势：物理 AI 正在成为科技大厂与金融资本关注的新赛道，旨在通过世界模型实现对物理法则的理解与预测。
- 产业链结构：分为应用层（自动驾驶、具身智能、无人装备）、模型层（渲染器、模拟器、规划器）和数据层（真机数据、仿真合成数据）。
- 技术路径演进：世界模型正从单一的视觉保真（渲染器）或物理结构还原（模拟器）向全模态统一（如 Cosmos 3）方向融合。
关键变化与分歧：
- 数据稀缺性：物理数据量级远低于数字 AI 训练语料，仿真合成数据成为突破数据瓶颈、加速模型迭代的必经之路。
- 量产进程：具身智能机器人正从封闭场景转向规模量产，自动驾驶则推动硬件普及与安全兜底机制的完善。
受益方向与风险：
- 受益方向：重点关注布局世界模型、3D 仿真平台、真机实采设备及多光谱 AI 感知的企业。
- 核心风险：商业化落地进度不及预期、世界模型迭代速度慢、数据采集技术路线发生偏移。