物理 AI：数据筑基，模型搭台，拔节起势在即——传媒行业深度报告

摘要： 本报告深度分析物理 AI（Physical AI）的产业逻辑，探讨其如何通过将 AI 与物理世界的感知、决策与执行系统深度融合，在自动驾驶、具身智能等领域实现突破，并详细剖析数据层、模型层、应用层三大核心环节的演进路径。

行业主线：

1. 技术定义与演进：物理 AI 旨在将模型推理能力延伸至物理世界，其核心引擎是“世界模型”。通过渲染器（视觉保真）、模拟器（物理结构）与规划器（行为指导）的相互融合，推动 AI 从预测 token 转向生成物理控制信号。
2. 产业链协同：数据层依托真机实采与仿真合成数据筑基；模型层通过世界模型实现应用泛化；应用层则由自动驾驶起步，逐步向具身智能机器人、医疗手术及无人装备等领域渗透。

关键变化与分歧：

1. 数据瓶颈凸显：物理 AI 对高质量数据的需求量远超数字 AI，但目前有效物理数据稀缺，仿真合成数据被视为规模化训练的必经之路。
2. 模型路线融合：业界正从单一的视觉生成或动作规划，向全模态世界模型（如英伟达 Cosmos 3）演进，旨在统一文本、图像、视频、音频与动作数据。

受益方向与风险：

1. 受益方向：重点关注世界模型研发、3D 仿真平台、真机数据采集设备等环节。覆盖标的包括海清智元、五一视界、索辰科技、风语筑、凡拓数创、奥比中光、天娱数科。
2. 核心风险：物理 AI 商业化进展不及预期、世界模型迭代速度慢、数据采集技术路线发生变化。