行业资讯

加入亿拓客·流量大师 撬动财富之门!!!

算力研报丨物理 AI 主场:把算力需求从 Token 扩到具身的六层推演

wang 2026-11-20 行业资讯
算力研报丨物理 AI 主场:把算力需求从 Token 扩到具身的六层推演

博士算力猎场· 2026年11月20日 · 算力研报

Dr. Wu | UCLA Ph.D | 国内首个千卡、万卡GPU智算集群缔造者

算力研报丨物理 AI 主场:把算力需求从 Token 扩到具身的六层推演

加入算力猎场,和 Dr.Wu 一起拆解算力产业的真问题。

互动方式

联系方式

你能得到什么

二维码

关注博士算力猎场公众号

微信搜索「博士算力猎场」

每日算力研报深度分析,第一时间推送

加Alan Ng微信

微信号alanngw

算力供应链咨询、货源渠道对接

加Dr. Wu微信

微信号michaelwqs

一手信息、独家点评、项目资源对接

先把纪律与立场说清:本文为算力研报栏目,严格执行零 GPU 卡价、零租金、零报价的硬性分工,全文不出现任何 GPU 硬件买卖价格、租赁价格或渠道报价,也不写任何模型接口定价,文中出现的数字均为产业财务口径与技术规格口径并逐项标注。我的立场摆三句。第一,物理 AI 不是替换 Token 需求,而是在训练长周期与推理脉冲之上叠加一层「持续仿真 + 闭环数据」负载,负载曲线多出一条不断流的仿真基线。第二,六层框架在本篇按「负载形态逐层落点」使用,不把治理作为横切变量;换帅后的六层断点重排由本批次另一篇处理,两篇分工不重叠。第三,这一层新增负载对国产链的机会主要落在超节点互联与软件栈,不在单卡峰值指标上。

一、研报零价纪律与六层框架的定位

研报处理的是产业结构,不是设备行情。把价格从论证里彻底拿掉,物理 AI 带来的变化反而更清楚:它移动的是负载形态、软件栈结构与资本开支方向,没有一项需要靠硬件报价才能说明。Vera Rubin 的产品参数、CUDA 的版本节奏、NVL72 整柜的形态定义属于产品规格口径,不因本周任何产业消息改写;会改变的是「哪一类计算在占用机房」「哪一层软件栈成为入口」「资本往哪种形态投」。

六层框架——能源、芯片、基础设施、模型、应用、金融——是本篇的推演骨架。这里要先把分工写明白,避免与同批次其他篇目混读。

维度

本篇(11/20 研报)用法

同批次 11/21① 用法

组织轴

物理 AI 负载形态逐层落点

换帅后六层断点重排

横切变量

不设,按层推演负载

治理 / 组织形态作为横切变量

六层角色

每层回答「新增了什么负载」

每层回答「断点移到哪里」

落点

仿真、世界模型、具身对每层的改写

金融层与基础设施层的治理投影

结论形态

叠加一层持续仿真 + 闭环数据负载

治理折价的作用面划分

分工之外,还要定一条口径:本篇出现的财务数字——AI 基建债务、并购对价、资本开支规模——均为产业财务与市场口径,标注「非硬件报价、非接口定价」,不与国内现货互相推导,海外盘前或收盘口径不混用。技术规格数字(如显存制式、上下文规模、代码行数)为产品规格口径,同样不是价格。这两类数字与 GPU 卡价、租金、报价属于完全不同的范畴,严禁混用。

之所以选择按负载形态逐层推演,是因为物理 AI 的影响不是单点突破,而是同时压在六层上:能源层多了一条持续仿真基线,芯片层多出端侧实时性约束,基础设施层多出仿真集群与数据闭环,模型层多出世界模型与通用模型下沉,应用层多出具身与机器人流向,金融层则把资本开支与债务结构推向新的检验。只写其中一层,容易把「叠加」误读成「替代」。

二、能源层与芯片层:持续负载对供电与实时性的改写

能源层最直观的变化是负载曲线形状。过去机房面对的是两类负载叠加:预训练是长周期、高吞吐、接近持续满载的基线,在线推理是随请求起伏的脉冲。物理 AI 加进来的是第三条——按物理时间步不断推进的仿真流。它不像推理那样可以随波谷释放,也不像训练那样有明确的结束点,而是长期占用一部分算力,且对中断敏感。

负载类型

曲线形态

供电与散热特征

调度容忍度

关键观测点

Token 训练

长周期持续满载

稳态高功率,散热按满载设计

可容忍 checkpoint 后恢复

MFU、通信重叠、连续运行稳定性

Token 推理

脉冲式、波峰波谷明显

功率随请求波动

可错峰、可弹性伸缩

首 Token 时延、批处理效率

物理 AI 仿真

按时间步持续推进,不断流

长期占用 + 实时性约束

中断会破坏状态一致性

仿真步进稳定性、状态持久化

这三条曲线叠在一起,机房的供电与散热设计不能只按「训练满载 + 推理峰值」来估。仿真流的存在抬高了基线占用,压缩了可弹性调度的余量;而它携带的状态一致性要求,又让「暂停再恢复」不像离线批任务那样随意。能源层的结论因此不是「多耗电」三个字,而是「持续基线占用上升、可调度余量下降、状态不可随意丢弃」。这与本批次 11/21① 把治理折价落在金融层与基础设施层的写法不同:本篇在能源层谈的是负载物理形态,不谈组织变量。

芯片层的变化集中在「实时性」与「端侧」两个词。中心侧训练与推理关心吞吐与时延的平衡,端侧控制环里的实时推理不能容忍网络往返,必须落在设备本地,于是功耗边界、内存带宽、运行时与模型压缩重新成为设计约束,而非附属优化。

层级

计算位置

主要约束

与物理 AI 的关系

验证方式

中心侧训练

机房集群

互联带宽、显存容量、容错

训练世界模型与仿真策略

连续运行稳定性、MFU

中心侧推理

机房集群

吞吐与时延

非实时决策与离线评测

首 Token 时延、服务水平

端侧实时推理

设备本地

功耗、时延、内存、运行时

机器人控制环刚需

端到端时延、实机成功率

端侧这一行值得单独强调:它与「边缘算力回归」那类以部署位置为轴的讨论不是同一问题。本篇关注的是控制环的实时性约束把推理推到设备本地,属于芯片层与运行时层的负载要求,不以「云侧还是边缘」的二分来组织论证。把两类问题分开,才能看清物理 AI 真正新增的是「时延不可妥协」这一类硬约束,而不是又一轮部署位置的摆动。

三、基础设施层:仿真集群与数据闭环

基础设施层是六层里工程含量最高的一层。物理 AI 的负载不是把一个大模型跑起来就完事,而是仿真器、状态存储、数据回灌、闭环去重、故障域隔离共同构成的一条流水线。这条流水线的难点不在单点算力,而在「持续 + 闭环」两个词:持续要求状态不丢,闭环要求实机数据能干净地回流成训练数据。

组件

承担的功能

工程约束

失效情形

可核验判据

仿真步进集群

按物理时间步推进环境状态

步进连续性、状态一致性

中断后状态不可恢复

检查点可恢复、推进不丢步

状态与轨迹存储

保存状态序列与动作轨迹

高写入吞吐、版本可追溯

轨迹与状态错配

任一步可回溯、可比对

数据回灌管线

把实机轨迹转成训练样本

去重、标注、时间对齐

重复样本污染训练集

去重率、标注一致性

闭环评测

用实机结果校验世界模型

物理一致性、长时程连贯

仿真与实机偏差累积

实机成功率、偏差告警

故障域隔离

限制单点故障影响面

仿真与训练分域、资源隔离

仿真异常拖垮训练池

故障域边界清晰、互不穿透

「点亮易跑满难」这句话在物理 AI 语境里要再加一层:跑满之后还要能长时间稳定地跑闭环。万卡池的验收通常看连续运行稳定性与故障恢复,仿真闭环额外要求状态与轨迹的严格对齐——一步错位,后面整段轨迹都不能用于训练。这与我在交付中反复强调的台账纪律同构:设备台账每一步变更都要能追到原始单据,闭环数据每一步状态也要能追到原始轨迹,转述几手不改变单据的效力,重放几次也不改变轨迹的时间戳。

对本日第 ① 篇的「三类算力需求」表,这里给一个基础设施层的接口:第三类负载之所以难以直接塞进现有机房,不是因为算力不够,而是因为现有机房的调度、存储与容错设计大多围绕「可重跑的批任务」和「无状态的在线请求」两类假设建立。持续仿真与状态闭环是第三类假设,需要单独的集群分区、状态持久化策略与故障域边界。这也是为什么物理 AI 带来的机会更多落在系统侧,而不是把现有机房简单扩容。

四、模型层:世界模型与通用模型当机器人大脑

模型层本周有两条清晰的线。一条是世界模型:Genie 4 一类工作把环境状态、动作与后续状态纳入可学习的表示,目标是让模型对「下一步世界会怎样」具备可验证的预测能力。另一条是通用模型直接下沉作机器人大脑:GPT-6 Astra 被用作具身任务的通用决策核心,同时独立机器人模型线被解散。两条线方向不同,却共享一个前提——不再为每类具身任务单独训一套专用模型。

模型形态

表示对象

训练数据来源

验证方式

与负载的关系

世界模型

环境状态、动作、状态转移

仿真序列 + 实机轨迹

物理一致性、长时程连贯

直接产生持续仿真负载

通用模型作机器人大脑

任务、感知、动作序列

大规模多模态预训练

基准集 + 实机成功率

推理与规划混合,端侧实时性刚需

形式化可验证方向

可检查的证明与改写结果

形式化库、代码库

证明检查器逐行复核

输出留凭据,非负载主体

传统专用机器人模型

单一任务的策略

该任务采集数据

任务成功率

逐步被通用模型线吸收

「可验证」这条线要把本日第 ② 篇的工程增量接进来:Antigravity 多智能体完成 Weil 猜想约 180 万行 Lean 形式化、Zircon 内核约 80 万行 Rust 改写,说明形式化凭据正在成为模型输出的一种验收形态。对物理 AI 而言,这一点的价值不在数学结果本身,而在「正确性交给可检查的机制」这一思路——世界模型的物理一致性、动作序列的安全性,同样需要可复核的凭据,而不只是一段自然语言解释。180 万行、80 万行均为代码规模口径,非金额数字,本篇只作定性引用。

模型层还要守住一条边界:能力与训练节奏属模型层,不因治理或组织变量改写。本批次其他篇目讨论的换帅、风险披露、支付执行权,分别落在金融层、应用层与工程机制上,都不改变「世界模型怎么训、通用模型怎么下沉」这条技术曲线。把不同层的变量错置,是产业推演里最常见的偏差。

五、应用层:具身与机器人 vs Coding / 科研 Token 流向

应用层的对照最能说明「叠加而非替代」。现有的 Token 流向已经相对清楚:海外一侧超过 65% 的 Token 流向 Coding 与科研,国内一侧超过 55% 流向短剧漫剧、超过 20% 流向直播带货与跨境电商(○ 产业口径,作结构对比用,非金额数字)。物理 AI 带来的具身与机器人负载,并不挤占这些流向,而是在它们之外新增一类以「任务完成 + 实机成功率」计量的消耗。

应用类别

负载形态

计量方式

峰值特征

与基础设施关系

Coding / 科研

长上下文推理与代码生成

Token、任务完成数

工作时段脉冲

复用在线推理集群

内容生成 / 直播电商

批量多模态生成

Token、生成件数

活动驱动脉冲

可错峰、可批处理

具身与机器人

持续仿真 + 实机闭环

仿真步数、实机成功率

持续基线,不随波谷释放

需独立仿真分区与数据闭环

三类负载的计量方式完全不同,这一点常被忽略。Token 类负载可以用统一口径核算,具身负载要同时看仿真步数、轨迹质量与实机成功率,且后两者与「花了多少 Token」几乎无关。于是应用层的结论不是「又多了一个应用场景」,而是「多了一套无法用 Token 口径衡量的验收体系」。这与本日第 ③ 篇讨论的「每任务成本 + 回滚机制」是同一转向在不同层的投影:当智能体进入真实环境,计量从 Token 转向任务与后果。

对国产链而言,应用层的启发是:不要把物理 AI 理解成「再训一个大模型」。国内在内容生成与电商场景已有成熟的 Token 消纳结构,物理 AI 新增的是仿真、闭环与实机验证这一类此前不占主导的负载,需要配套的软件栈、数据管线与超节点互联,而不是把现有推理集群简单扩容。这也是下一节金融层结论的铺垫。

六、金融层与六层推演总表:CAPEX、债务结构与叠加结论

金融层要回答的是「资本往哪种形态投」。本周可核验的产业财务口径集中在资本开支与债务结构上,逐项列出并标注性质。

财务 / 产业口径项

数值

等级

口径性质

本篇用法

AI 基建债务

超 6800 亿(约 2023 年 5 倍)

○ 市场 / 监管口径

产业财务口径,非硬件报价、非接口定价

资本层重定价背景

AMD 收购 World Labs

约 82 亿美金全股票

○ / △ 以官宣为准

并购财务口径,非硬件报价

资本选择物理 AI 形态的信号

七姐妹 2026 CAPEX

超 1 万亿美金

○ 产业口径

产业财务口径,非硬件报价

资本开支规模背景

国内 AI 资本投入

约 3000 亿美金

○ 产业口径

产业财务口径,非硬件报价

购买力与投入结构对比背景

这四项都不是硬件买卖价格,也不与国内现货互相推导;海外二级市场对资本的定价与墙内算力现货是不同市场、不同参与者、不同机制,不能互推。82 亿美金一项还须按本日第 ① 篇的纪律处理:交易年底交割、拟任职务以官宣为准,均为待完成事项,此处只作资本取向信号,不作已生效的组织事实。

把六层收进一张总表,本篇的推演就完整了。

层级

物理 AI 带来的增量负载

对系统的新要求

对国产链的机会点

判断等级

能源

持续仿真基线,抬高基线占用

供电与散热按长期占用估

绿电与算力西移的稳态承载

中高

芯片

端侧实时推理刚需

功耗、时延、运行时约束

端侧推理与运行时适配

中高

基础设施

仿真集群 + 状态闭环

状态持久化、故障域隔离

超节点互联、仿真集群调度

高

模型

世界模型 + 通用模型下沉

物理一致性、可复核凭据

软件栈与工具链适配

中高

应用

具身与机器人的新验收体系

从 Token 口径转向任务口径

场景侧数据闭环能力

中

金融

CAPEX 与债务结构再检验

从讲规模转向看现金流与治理

资本聚焦系统侧而非单卡

中高

结论收口成两句话。第一,物理 AI 不是替代 Token 需求,而是叠加一层「持续仿真 + 闭环数据」负载:训练长周期与推理脉冲仍在,机房多了一条不断流的仿真基线,多了一套状态与轨迹的闭环管线。把叠加读成替代,会连带误判机房利用率、互联压力与软件栈投入方向。第二,这一层新增负载对国产链的机会主要落在超节点互联与软件栈,不在单卡峰值指标上——因为瓶颈从「单卡能跑多快」移到「仿真闭环能不能持续稳定地跑、状态能不能不丢、数据能不能干净回流」。我在主持千卡、万卡集群交付时反复遇到的也是同一类问题:点亮容易、跑满难,跑满之后还要长期稳定,难度逐层递增,而决定成败的往往是互联、调度与软件栈,而非单卡峰值参数。

七、Dr.Wu 的判断|七条,附置信度

物理 AI 是叠加一层「持续仿真 + 闭环数据」负载,不替代 Token 训练与推理

:负载曲线多出一条不断流的仿真基线,压缩可弹性调度余量。置信度:中高(负载形态为工程推导,规模待现场验证)。

六层框架在本篇按负载形态逐层落点使用,不设治理横切变量

:换帅后六层断点重排由同批次另一篇处理,两篇分工不重叠。置信度:高(与选题分工可直接对照核验)。

能源层的变化是持续基线占用上升、可调度余量下降、状态不可随意丢弃

:不是简单的「多耗电」,供电与散热设计须按长期占用估。置信度:中高(负载曲线推导,实际占比依赖部署数据)。

芯片层新增的是端侧控制环的时延不可妥协约束

:端侧实时推理属运行时与功耗边界问题,不以云侧 / 边缘的部署位置二分来组织。置信度:高(实时性约束为控制环的固有要求)。

基础设施层是工程含量最高的一层,难点在持续与闭环

:仿真步进、状态存储、数据回灌、闭环去重、故障域隔离需单独分区与持久化策略,现有机房的两类假设不足以承接。置信度:高(与集群交付的系统工程经验一致)。

应用层多了一套无法用 Token 口径衡量的验收体系

:具身与机器人负载以仿真步数、轨迹质量、实机成功率计量,与 Coding / 科研、内容生成的 Token 流向并行而非挤占。置信度:中高(结构对比为 ○ 级口径,验收体系属研判)。

对国产链的机会在超节点互联与软件栈,不在单卡峰值

:瓶颈从单卡速度移到仿真闭环的持续稳定与数据回流质量;文中 6800 亿债务、82 亿收购、CAPEX 均为产业财务口径,非硬件报价、非接口定价。置信度:中高(机会判断属框架研判,财务口径可核验)。

一个仍需观察的变量是这层新增负载的实际规模:仿真基线在机房总占用中的比例、闭环数据管线的工程开销、超节点互联在物理 AI 负载下的实测表现,目前缺可核验的部署数据,属 ○ / △ 级口径与条件推演。若后续出现官方部署数据或正式披露文本,本篇第 1、7 条的置信度需要相应调整。在部署数据出现之前,把负载形态、工程约束与财务口径分开,是研报唯一稳妥的写法。

互动时间

若持续仿真基线真叠加到现有机房,你认为最先需要改的是供电与散热设计、调度框架,还是状态持久化策略?

「机会在超节点互联与软件栈、不在单卡峰值」这个判断,在你们做技术选型时会不会遇到反例?哪一类负载最容易被单卡参数带偏?

具身负载以仿真步数与实机成功率计量,你会把它写进验收条款,还是只作为内部评测指标?欢迎加 Dr. Wu 微信michaelwqs、加 Alan Ng 微信alanngw讨论。

Dr.Wu:michaelwqs


数据来源分级

◎ 官方 / 央媒 / 财报与监管文本:本篇未取用涉及交易条款的 ◎ 级官方文本;涉及全周主线的边界口径为英伟达官网新闻稿《NVIDIA Announces CEO Transition》(2026-11-12)——辞去总裁、CEO 及董事职务即刻生效,CFO 科莱特·克雷斯任临时 CEO 并继续兼任 CFO,哈维·C·琼斯任首任董事会主席,启动永久 CEO 遴选,运营、客户承诺与产品路线图不中断;公告未说明辞任原因、未提及独立调查与相关人事表决、未给遴选时间表与临时任期时长。本篇涉及主线处统一声明:官方公告未说明辞任原因,公司从未将人事变动归因于个人事务,本文不作因果认定。Vera Rubin 10 月量产启动、CUDA 13.5 已 GA、6/18 进驻 CoreWeave 机房、HBM4 制式等为 ◎ / ○ 级产品规格口径,本篇仅作「产品事实不因产业消息改写」的边界说明,未列任何价格。

○ 行业媒体 / 券商研报 / 产业与财务口径:苏姿丰 CoRL 2026 与李飞飞同台定调物理 AI 与机器人机会;AMD 约 82 亿美金全股票收购 World Labs、年底交割、李飞飞拟任执行副总裁兼首席科学家(以官宣为准,待完成事项);OpenAI 解散独立机器人团队、通用模型 GPT-6 Astra 作机器人大脑;DeepMind 世界模型 Genie 4、Gemini 4 Hydrogen、Antigravity 完成 Weil 猜想约 180 万行 Lean 形式化与 Zircon 内核约 80 万行 Rust 改写;AI 基建债务超 6800 亿(约 2023 年 5 倍)、七姐妹 2026 CAPEX 超 1 万亿美金、国内 AI 资本投入约 3000 亿美金;六层框架应用层口径(海外超 65% Token 流向 Coding / 科研,国内超 55% 短剧漫剧、超 20% 直播带货跨境电商);「美 800V 直流 / DSX POD 14 天 / 1GW 工厂、中算力西移绿电 PUE」「美 Rubin 量产 / 2nm、中 7nm 主力 + 昇腾 950 / 960」「美 DSX POD 14 天 vs 中万卡池点亮易跑满难」等六层框架基线。以上均为 ○ 级产业、财务与技术规格口径;6800 亿债务、82 亿美金收购、1 万亿美金 CAPEX、3000 亿美金投入均为产业财务口径,标注「非硬件报价、非接口定价」,标明区间与出处,不与国内现货互相推导,海外盘前或收盘口径不混用;180 万行 Lean、80 万行 Rust 为代码规模口径,65% / 55% / 20% 为结构占比口径,均非金额数字。六层框架与「治理 / 组织形态作为横切变量」的分工取自 2026-11-15 周度收口新闻地基与 v5 写稿任务书第 9 节、第 11 节防重复纪律。

△ 未官宣 / 渠道报 / 预期:交易整合方式、拟任职务职权范围、物理 AI 软件栈具体耦合路径、仿真集群的实际部署规模与占用比例、亚马逊 Trainium 对外销售 2027H2 预期升温,均为 △ 级方向信号,仅作观察清单,不采用为事实、不进入任何价格或产能测算、不升 ◎;灰市与转口裸机报价数字零出现、零参与测算。素材取自 2026-11-15 周度收口新闻地基(第 6 节新闻地基二、四、五,六层结论第 6 条)、v5 写稿任务书第 6 节、第 9 节与第 11 节。

特别声明

本文为产业研究,不构成任何投资、采购或法律建议。算力研报栏目严格执行零 GPU 卡价、零租金、零报价的硬性分工,全文不出现任何 GPU 硬件买卖价格、租赁价格或渠道报价,亦不写任何模型接口定价;文中 6800 亿 AI 基建债务、82 亿美金收购、1 万亿美金 CAPEX、3000 亿美金投入均为产业财务、市场与治理口径,逐项标注「非硬件报价、非接口定价」,非硬件买卖价格;180 万行 Lean、80 万行 Rust 为代码规模口径,65% / 55% / 20% 为结构占比口径,均非金额数字。Rubin / GB300 为 NVL72 整柜、B300 / H200 为 8 卡整机,严禁直接比价;4T/3T/2T 指 GPU 服务器系统内存(DRAM),显存指片上 HBM3e(B300 单卡 288G、8 卡 2304G;H200 单卡 141G、8 卡 1128G),Rubin 片上为 HBM4 制式,与 B300 的 HBM3e 288G 非同一代介质,严禁混说。官方公告未说明辞任原因,公司从未将人事变动归因于个人事务,本文不作因果认定;不预测人事结果、不列候选人、不赋概率、不建立任何因果链,不写可操作的跨境流转路径,涉及合规边界仅采用中性抽象表述;描述第三方立场一律用中性表述,不对任何个人或机构作定性。交易交割与拟任职务均为待完成事项、以官宣为准,不写成已生效组织事实。信源分级随文标注,△ 项仅作方向信号、不进测算;文中「物理 AI 主场」「六层推演」「叠加一层持续仿真 + 闭环数据负载」「机会在超节点互联与软件栈、不在单卡峰值」为作者方法论研判与工程推导,条件推演部分不赋概率、不作时点预测,以官方发布为准。海外估值、市值与债务口径为 ○ 级市场数据,不与国内现货互相推导。所有产品规格与产业动态以厂商官方披露为准。算力有价,信用无价;把负载形态、工程约束与财务口径分开,比给一个漂亮的结论更重要。

猜你喜欢