物理 AI 推动工业智能化升级行业分析

摘要： 本报告重点分析物理 AI 如何推动工业智能化升级，探讨 AI 从数字世界进入物理世界的逻辑，阐述了“算力—仿真—世界模型—执行系统”的协同工程范式，并指出工业软件作为 AI 理解工业上下文和连接执行层的关键接口，其入口价值有望被重新定价。

行业主线：

1. 物理 AI 的核心逻辑：物理 AI 面向设备、产线、机器人等工业对象，其评价标准从通用 AI 的生成效率转向生产现场的良率、能耗、节拍等硬性指标。
2. 演进路径：工业 AI 将经历 Copilot（提升效率）$\rightarrow$ Agent（任务编排）$\rightarrow$ Autopilot（受控执行）三个阶段。
3. 关键基础设施：数字孪生（Omniverse）作为验证平台，世界模型（Cosmos）提供结果推演，两者共同解决工业数据稀缺和试错风险。

关键变化与分歧：

1. 数据供给模式转变：从单一现场采集扩展为“真实数据+仿真数据+合成数据”的复合体系，其中合成数据用于补齐极端工况等长尾场景。
2. 工业软件角色重定义：CAD、CAE、MES 等系统将从记录工具升级为 AI 编排工业任务的基础设施，最终向“工业操作系统”形态演进。

受益方向与风险：

1. 受益方向：具备核心系统入口、跨系统数据关联、仿真验证能力和 OT 执行能力的工业软件及自动化厂商。
2. 核心风险：行业激进扩人策略影响盈利增长；外部因素影响供应链稳定性。