报告摘要

物理 AI（Physical AI）是人工智能发展的第四阶段，核心是将 AI 从数字空间的信息处理工具，升级为能够理解物理规律、自主规划并作用于现实三维环境的智能实体，实现从 “理解世界” 到 “改变世界” 的范式跃迁。当前行业正处于技术突破向产业验证过渡的导入期，VLA 模型、分层架构与世界模型三条技术路线加速融合，数据瓶颈成为规模化落地的核心约束。全球形成中美 “双极竞争” 格局，美国侧重基础算法与通用模型突破，中国依托制造供应链与场景优势走 “应用驱动、工程闭环” 路线。产业价值重心将沿 “硬件→软件与模型→物理数据闭环” 梯度迁移，短期核心零部件与工业场景率先受益，中长期数据闭环与通用智能平台将掌握产业链话语权。

一、行业本质与发展阶段

1.1 物理 AI 的定义与核心内涵

物理 AI 是指具备物理规律感知能力，能够通过智能代理在现实环境中完成主动感知、推理、规划、学习和物理执行的系统体系。它并非数字 AI 应用边界的简单外延，而是涉及算法、数据、计算架构、传感器、执行器和物理本体的系统性重构，其智能来源于代理、身体形态、环境约束与交互经验的持续耦合，而非单一模型的孤立计算。

物理 AI 覆盖一切能够通过闭环感知和决策改变现实物理状态的智能系统，包括人形机器人、四足机器人、智能机械臂、自动驾驶汽车、无人机和自主移动平台等，最终目标是让 AI 系统像人类一样在三维物理世界中自主完成复杂任务。

1.2 AI 发展的四阶段演进

根据 NVIDIA 的产业定义，人工智能历经四次能力跃迁，物理 AI 是当前的核心演进方向：

与前三阶段相比，物理 AI 的输出从文本、图像、代码等数字内容，延伸至电机扭矩、运动速度、空间位姿等物理控制信号，智能系统从 “生成数字内容” 走向 “改变物理世界”，将重构制造、物流、交通和服务等行业的生产方式与价值链。

1.3 物理 AI 与数字 AI 的本质差异

物理 AI 面临三类远严于数字 AI 的核心约束，构成二者的本质分野：

1.实时性约束：动态避障、平衡控制和视觉反馈控制通常要求系统在毫秒级时延内完成感知融合与推理，延迟将直接导致碰撞或任务失败；而大语言模型秒级响应即可满足需求。

2.安全性与不可逆约束：数字内容可以撤销或重新生成，物理动作一旦执行可能造成设备损坏、人身伤害或财产损失，局部安全动作也可能在长时序中累积为系统性风险。

3.物理与工程约束：系统必须遵循重力、摩擦、质量分布和运动学极限，同时受到尺寸、重量、功耗、散热、续航等硬件条件限制，无法单纯通过扩大模型参数提升性能。

这也决定了物理 AI 与传统自动化的根本差异：传统工业机器人依赖预设规则、固定轨迹，仅在结构化场景中高效运行；物理 AI 通过神经网络策略、世界模型和持续反馈提升泛化能力，使机器人由 “任务执行机器” 向具备上下文认知和自主调整能力的 “智能协作者” 演进。

1.4 核心概念边界：物理 AI、具身智能与人形机器人

三者分属不同层级，整体呈现 “物理 AI> 具身智能 > 人形机器人” 的包含关系：

具身智能的核心观点是 “智能并非完全来源于抽象符号计算，而是在身体、传感器、执行器与环境的持续交互中形成”，是物理 AI 最核心的技术实现路径；人形机器人因双足双臂结构适配人类工作空间，具备最强的跨场景潜力，但仅是具身智能的载体之一，而非全部。

二、产业发展的核心驱动因素

物理 AI 进入产业化加速期，是模型技术、算力基建、硬件升级与产业需求四大因素共振的结果。

2.1 基础模型能力突破，推动智能范式转变

传统机器人依赖分层架构、人工规则与任务专用模型，开放环境下泛化能力不足。随着大语言模型向多模态演进，VLA（视觉 - 语言 - 动作）模型、机器人基础模型实现了视觉、语言与动作空间的统一建模，使机器人能够复用大模型的语义理解、常识推理和任务规划能力，实现跨场景泛化、长序列任务执行和自主决策提升，推动机器人从单一任务设备向通用智能体演进。

2.2 数据与算力基础设施持续完善

物理 AI 对高质量交互数据高度依赖，当前数据供给正从单一真机采集转向 “互联网数据 + 真实交互数据 + 合成数据” 融合体系：互联网数据提供语义知识与环境理解，遥操作数据建立感知与动作的映射，高保真仿真与生成式技术低成本扩展训练样本，缓解真实数据采集成本高、覆盖不足的问题。

同时，云端 GPU 集群、边缘计算平台和端侧芯片共同构成 “云 - 边 - 端” 协同算力体系，为模型训练、仿真推演和机器人实时控制提供底层支撑。

2.3 硬件与仿真基础设施同步升级

硬件端，高扭矩密度电机、精密减速器、行星滚柱丝杠等核心零部件持续成熟，推动机器人运动性能、负载能力和控制精度提升；RGB-D 相机、激光雷达、触觉传感器、力传感器的普及，增强了机器人对环境状态和物理交互的理解能力。

仿真端，高保真仿真平台和世界模型成为关键基础设施，通过数字孪生环境开展大规模并行训练，利用世界模型预测环境变化和动作结果，结合域随机化与 Sim2Real 技术缩小虚实差距，加速复杂任务从实验环境向真实场景迁移。

2.4 产业需求持续释放，商业化动力充足

人口老龄化、劳动力供给趋紧与用工成本上升，推动企业自动化需求从 “效率提升” 转向 “部分替代人工劳动”；柔性制造、多品种小批量生产、复杂人机协作等新需求，也让传统固定程序机器人难以适配。

物理 AI 优先落地于重复性、高风险、高强度的 “脏苦险” 工作场景，逐步向柔性制造、仓储物流、医疗康养和家庭服务拓展。根据思略特预测，2030 年全球物理 AI 市场规模将达 4300 亿欧元；英伟达 CEO 黄仁勋判断，物理 AI 对应超过 50 万亿美元的产业机会，覆盖制造、物流、医疗、基础设施等广泛领域。

三、技术体系与主流路线

3.1 四层技术架构体系

物理 AI 以数据和基础模型为核心，将感知、认知、决策与执行连接为持续反馈的智能闭环，整体分为四层：

1.感知层：从 “看见物体” 到 “理解环境”，由单一传感器向多模态融合感知演进，融合 RGB 图像、三维深度、触觉信号、声音、关节位姿等多维数据，形成对物体位置、形态、材质、受力状态和自身姿态的统一认知。

2.认知层：从 “理解语言图像” 到 “理解如何行动”，通过 VLA 模型打通视觉语义与物理动作，通过世界模型赋予机器人预测未来的能力，实现从 “当前是什么” 到 “下一步做什么、会发生什么” 的升级。

3.决策与控制层：将抽象目标转化为稳定动作，主流采用 “大脑 - 小脑” 分层架构：高层负责语义理解与任务规划，中层生成连续运动策略，底层处理平衡、关节协调等高频实时控制，兼顾智能性与实时性。

4.执行层：连接数字智能与物理世界，通过电机、减速器、关节和机械结构将模型策略转化为现实动作，是智能落地的最终载体。跨具身学习正逐步突破单一硬件形态限制，同一基础模型可适配多种机器人载体。

3.2 三大核心技术路线

当前产业形成 VLA、分层架构、世界模型三类技术范式，分别对应动作生成、工程执行与环境推演三大功能。 

3.2.1 VLA 模型：端到端打通感知与执行

VLA 是当前商业化路径最清晰的路线，核心是将视觉观测、语言指令、机器人状态与动作纳入统一模型，建立从环境感知到物理动作的直接映射。Google DeepMind 的 RT 系列是早期代表，Physical Intelligence 的 π0 系列进一步采用流匹配生成连续动作，向 “规模化自主运行 + 在线学习” 演进；国内智元机器人等也在探索 ViLLA 等本土架构。

动作生成机制正从离散 Token 自回归，向 DiT、流匹配等连续生成方法演进，更好适配柔性抓取、精细装配等复杂接触任务。

3.2.2 分层架构：兼顾智能与实时性的工程方案

为协调大模型推理慢与底层控制要求高的矛盾，产业采用 “大脑 - 小脑” 异步分层架构，解耦高层认知与底层执行：

System 2（大脑）：多模态大模型，负责环境理解、任务拆解，运行频率低；

System 1（小脑）：轻量化动作策略模型，生成连续运动策略，运行频率中等；

System 0（底层控制）：全身控制、模型预测控制算法，处理平衡、关节协调，运行频率达数百赫兹。

Figure AI 的 Helix 系统是典型代表，实现 “慢速认知 + 高速控制” 的协同。当前分层架构与 VLA 正加速融合，形成 “VLA 提供泛化能力、分层架构保障实时安全” 的主流形态。

3.2.3 世界模型：从反应式控制到预测式决策

世界模型通过学习空间关系、动力学规律和因果结构，根据当前状态与候选动作预测未来环境变化，让智能体在执行前完成内部模拟、风险评估和策略选择，推动物理 AI 从 “反应式控制” 向 “预测式决策” 升级。

当前主要有四条技术分支：

观测层生成式：直接生成未来视觉画面，代表为 Genie、Atlas，适合构建虚拟训练环境；

潜在空间动力学：压缩至高维潜空间推演，代表为 V-JEPA 系列，计算效率高，适配控制场景；

强化学习驱动：结合环境动态预测优化策略，代表为 Dreamer 系列，减少真实环境试错；

对象中心模型：以离散对象为单位组织环境，学习对象间关系，提升可解释性。

3.3 技术融合趋势

三条路线并非相互替代，而是逐步向统一物理 AI 架构融合：VLA 负责多模态感知到动作策略的映射，分层控制体系保障实时响应与安全约束，世界模型通过预测动作后果增强主动规划能力。

2026 年以来，融合进程明显加速：英伟达与哈佛提出 Hydra-O，统一动作与视觉接口，将机器人运动误差降低 90.4%；智元 GE-Act2.0 整合预测与生成，3 万小时数据下陌生场景零样本成功率达 44.1%；云深处 DR-WM-1.0 引入物理属性先验，解决 “画面真实但物理不可执行” 的问题。

四、核心瓶颈：物理数据高墙与突破路径

4.1 数据稀缺是规模化落地的根本约束

物理 AI 尚未迎来 “ChatGPT 时刻”，核心原因在于物理数据供给不足，构成难以突破的 “物理高墙”：

数据性质差异：数字 AI 依赖静态互联网文本图像，物理 AI 需要 “感知 - 行动 - 反馈” 的动态交互数据，需同步记录视觉、关节角度、力矩、接触状态等多模态信息，单纯人类视频无法还原力度控制与本体反馈。

采集成本高昂：真机遥操作数据每小时成本达数百至数千美元，远高于互联网视频、开源数据集和仿真数据；且真实数据受 “1 小时数据需 1 小时真实运行时间” 的物理刚性约束，无法通过资本投入直接压缩周期。

数据孤岛严重：不同机器人本体、传感器、任务体系的数据格式差异大，跨平台复用困难，难以形成互联网文本级别的统一数据生态。

数据稀缺直接限制了 Scaling Law 在物理 AI 领域的有效性，模型缺乏物理直觉、长尾泛化不足、安全性难以验证，本质都源于真实交互数据覆盖有限。

4.2 数据获取的三条核心路径

行业正通过三类互补路径突破数据瓶颈，共同构成物理 AI 训练体系。

4.2.1 真实世界采集

是获取高保真数据、缩小 Sim2Real 差距的核心途径，主流方式包括：

遥操作：通过主从机械臂、VR 设备、外骨骼远程操控机器人采集专家示范数据，是当前模仿学习的核心数据来源，但依赖人工，效率受限；

动作捕捉：光学 / 惯性动捕记录人体运动轨迹，经重定向迁移至机器人，提升复杂动作采集效率；

人类视角数据：通过第一人称视频、手部追踪将人类操作映射至机器人，扩大数据来源，降低对遥操作的依赖；

部署数据回流：真实应用场景持续产生长尾数据与失败案例，形成 “部署 - 采集 - 训练 - 迭代” 的数据飞轮，是长期数据资产的核心来源。

4.2.2 仿真与合成数据

依托数字孪生和物理仿真引擎生成合成数据，是扩大训练规模、覆盖极端场景的核心手段：

优势：可大规模并行训练，低成本覆盖边缘工况与故障场景，训练成本主要由算力构成；

核心挑战：Sim2Real Gap，即仿真与真实世界在动力学、摩擦、光照、传感器噪声等方面的偏差；

演进方向：以世界模型为核心的新一代仿真范式，用数据驱动学习真实世界规律，替代人工设定物理参数，结合域随机化缩小虚实差距。

4.2.3 开放数据集与标准建设

通过汇聚多机构数据推动通用模型发展，代表性数据集包括 Open X-Embodiment、RH20T、DROID 等。当前行业正推进 OpenUSD 等统一 3D 场景描述标准，提升数据跨平台互操作性，降低重复建设成本。

4.3 机器人训练场：数据基础设施的新形态

针对数据采集成本高、场景覆盖不足的问题，建设专业化实训场正成为产业共识。国内已形成北京、上海、郑州等多个异构训练基地，搭建可动态配置的真实环境，支持多品牌机器人同场训练，制定数据采集标准，推动数据生产从碎片化向规模化、标准化演进。

这类公共数据底座能够降低全行业研发成本，加速模型、硬件与场景的协同迭代，是物理 AI 时代的核心基础设施。

五、全球竞争格局

全球物理 AI 形成 AI 巨头、基础模型独角兽、中国机器人企业三大阵营，中美呈现 “双极竞争” 态势。

5.1 全球三大阵营

阵营一：AI 巨头 —— 定义基础模型与算力生态

将数字 AI 时代的模型、算力与生态优势延伸至物理世界，掌握行业标准定义权：

Google DeepMind：基础研究标杆，RT 系列 VLA 模型、Open X-Embodiment 数据集、Genie 世界模型均为行业标杆；

NVIDIA：全栈基础设施提供商，通过 Isaac Sim、Cosmos 世界模型、Groot 机器人模型、DSX POD 算力设施，构建从数据生成到边缘部署的完整底座；

Tesla：垂直整合路线，将自动驾驶的视觉感知、数据闭环能力迁移至 Optimus 机器人，依托自有工厂形成数据飞轮；

OpenAI：从投资 Figure 转向自研人形机器人，招募硬件与控制团队，意图自建整机掌握数据闭环，计划 2027 年推出演示原型。

阵营二：基础模型独角兽 —— 探索通用机器人智能

聚焦跨本体通用基础模型研发，核心资产是模型架构与数据集：

Physical Intelligence：π0 系列模型，覆盖多机器人形态，技术迭代快，硬件中立定位；

Figure AI：模型与本体协同开发，Helix 分层架构行业领先，已进入宝马工厂开展工业场景验证。

阵营三：中国机器人企业 —— 规模制造与场景落地

依托成熟机电供应链与丰富工业场景，走 “应用驱动、工程闭环” 路线，在出货量上占据绝对优势：

整机企业：宇树科技、智元机器人、优必选、银河通用等，2026 年上半年中国厂商占据全球人形机器人出货量的 97% 以上；

数据与仿真厂商：光轮智能、松应科技等，聚焦物理 AI 数据与仿真基础设施，快速成长为本土独角兽。

5.2 中美差异化竞争路径

美国侧重基础算法、通用模型与先进算力，追求通用智能突破；中国依托制造业需求、完整供应链和工业数据，走 “算法优化 - 硬件迭代 - 规模应用 - 数据反馈” 的闭环路线。

中国的核心竞争优势包括：

全球最大的制造业场景与需求：汽车、3C、物流等行业提供最丰富的落地土壤；

领先的制造与供应链能力：核心零部件国产化持续推进，参考光伏产业路径，规模化制造将加速成本下降；

独特的真实数据资源：庞大的工业机器人部署量持续产生运行数据，为数据飞轮提供基础；

政策与产业生态协同：“人工智能 +”、新质生产力等政策持续加持，新能源、消费电子等产业形成协同支撑。

短板则在于底层模型原创性、高端算力芯片、高质量多模态交互数据供给仍有差距。

六、商业化演进与产业价值迁移

6.1 商业化落地节奏：梯度渗透

物理 AI 仍处于产业导入期，商业化将沿 “结构化→半结构化→非结构化” 梯度渗透，呈现 “本体形态分化、场景梯度落地” 特征：

短期（1-3 年）：优先落地结构化工业场景，汽车制造、电子装配、仓储物流等任务边界清晰、价值明确的场景率先形成商业闭环；轮式、履带式机器人凭借稳定性与成本优势率先规模化。

中期（3-7 年）：向半结构化商业服务延伸，覆盖医疗康复、零售、农业等场景，竞争焦点从硬件集成转向系统能力与数据闭环，商业模式从设备销售向 RaaS（机器人即服务）延伸。

长期（5-10 年）：渗透至非结构化家庭环境，实现通用人形机器人的家用服务，但对模型泛化、安全控制、成本控制要求极高，兑现时间最晚。

6.2 产业价值重心迁移路径

物理 AI 产业链价值中心将沿 “硬件→软件与系统集成→模型→数据” 持续迁移：

第一阶段（当前 - 2028 年）：硬件价值释放期

产业处于工程化与量产爬坡阶段，高性能芯片、执行器、精密传动、传感器等高壁垒硬件环节价值集中，具备工艺积累与规模交付能力的供应商率先受益。

第二阶段（2028-2030 年）：软件与模型价值重构期

本体成本下降、硬件接口成熟后，竞争转向 “定义智能能力”，VLA、世界模型、机器人操作系统、仿真平台的重要性提升，软硬件协同、行业 Know-how 与标准化交付能力成为中游核心竞争力。

第三阶段（2030 年后）：数据价值主导期

模型与硬件逐步成熟后，真实世界交互数据成为核心壁垒，率先实现规模部署与数据回流的企业形成增长飞轮，掌握产业链终极话语权。

七、风险提示

技术进展不及预期风险：世界模型长程一致性、触觉数据、因果泛化、实时控制等问题若长期难以突破，高可靠生产系统落地节奏将慢于预期。

商业化落地不及预期风险：物理 AI 项目可能持续依赖定制实施，标准化复制与订阅收入形成慢于预期，企业收入增长但利润率未同步提升。

数据标准与生态进展缓慢风险：跨企业数据流通困难，统一标准建设滞后，限制行业规模效应与通用模型能力提升。

安全与监管风险：物理 AI 直接控制设备与机器人，安全事故可能推动更严格的认证、责任认定与应用限制。

估值与业绩错配风险：部分标的当前物理 AI 收入规模较小，股价提前反映长期产业空间，若订单与业绩兑现偏慢，存在估值回调风险。