报告投资评级 - 报告未在提供内容中明确给出行业投资评级 报告核心观点 - 物理AI是人工智能从虚拟智能迈向具身智能的关键桥梁，其外延覆盖人形机器人、智能驾驶与工业机器人三大核心场景 [3] - 基础模型层呈现VLM、VLA与世界模型三条路径收敛之势，海外格局是“NVIDIA一超、Google/Figure/Pi多强”，国内则由人形机器人厂商主导基模+硬件 [3] - 物理AI浪潮中，工具层是被低估的一环，仿真平台是基础模型训练的核心数据来源，物理AI还从仿真训练与数字孪生两个维度拉动工业软件需求 [3] - 随着部署量提升、数据持续回流，物理AI有望进入“数据增长—模型迭代—能力提升—场景扩张”的飞轮 [3] 物理AI定义、边界与产业链 - 物理AI由黄仁勋于2024年提出，指能感知、理解并在真实物理世界中执行复杂操作的模型 [3] - 物理AI至少覆盖三个明确场景：人形机器人、智能驾驶、工业机器人 [7] - 物理AI与生成式AI在数据来源、规模、输出空间等方面存在显著差异：物理AI真机数据采集成本高昂，数据规模可达十万小时级，但存在千万倍数据缺口；其输出为连续动作空间，控制周期需在毫秒级 [7] - 物理AI的核心价值在于赋予自主机器在真实物理世界中实现“感知—理解—执行”闭环能力，是人工智能向具身智能演进的关键桥梁 [11] - 物理AI的产业链可按“大脑（基础模型） — 身体（硬件） — 环境（工具与应用）”三层划分 [12] 基础模型层：技术路径与竞争格局 - 基础模型层包括VLM、VLA、世界模型三类，三者路径呈现收敛之势 [14] - 世界模型可作为后台合成数据工厂，为下游模型提供低成本训练数据；VLM负责视频理解、物理常识推理和高层任务规划；VLA可将语言指令和视觉感知直接转化为机器人关节级动作 [16] - 海外格局是“NVIDIA一超、Google/Figure/Pi多强”：英伟达凭仿真、世界模型、基座VLA与软硬件全栈抢占“机器人安卓”地位；Google、Figure AI、Physical Intelligence、Tesla等公司也在积极布局 [27][28] - 国内基础模型层的核心特征是：人形机器人公司在做基础模型，大厂仍在追赶，原因在于国内LLM大厂主要注意力在AGI路线，而人形机器人公司技术和融资能力强，有能力自建基础模型团队 [29][31] - 国内主要参与者包括智元机器人（启元大模型GO-1、Genie Sim 3.0仿真平台）、银河通用（GraspVLA等）、宇树科技、星动纪元、字节跳动、商汤、腾讯、阿里等 [30] 核心应用场景：智能驾驶与人形机器人 - 智能驾驶正完成从端到端大模型到VLA/世界模型的切换，成为物理AI最先规模化落地的场景 [3][34] - 主流车企技术路径已切换：小鹏采用第二代VLA方案；华为采用世界行为模型（WEWA 2.0架构）；理想采用MindVLA-o1（VLA+3D融合）；蔚来采用NWM世界模型；小米采用XLA认知大模型（VLA融合路线） [34] - 人形机器人正从样机验证进入小批量/规模化部署阶段，Figure、Tesla、智元、宇树等厂商均给出2026年万台级产能或部署目标 [35] - 真实场景数据开始形成持续回流，数据闭环成为模型层竞争的关键，行业有望进入“数据增长—模型迭代—能力提升—场景扩张”的飞轮阶段 [35] - 主要厂商2026年部署目标：Figure目标年产能12，000台；Tesla目标Optimus年产能100万+台；智元机器人2026年3月累计下线目标10，000台；宇树科技2026年目标1–2万台 [35] 工具层：仿真平台与工业软件 - 工具层是被严重低估的一环，仿真平台是基础模型训练的核心数据来源 [36] - 英伟达Omniverse / Isaac生态在仿真平台领域占据主导地位，其工具生态涵盖底层3D平台、机器人仿真、学习框架、世界模型、评估框架等 [38][39] - 国内仿真平台与海外存在差距，但开源生态在快速追赶，主要玩家包括智元Genie Sim 3.0、索辰开物平台、华为工业仿真云平台SIM Space、五一视界51Sim等 [41] - 物理AI正从两个维度拉动工业软件需求：一是仿真训练直接需要CAE求解器提供物理一致性；二是数字孪生开始规模落地，用于训练机器人在真实工厂部署前的迭代 [42][43] - 英伟达已与Cadence、达索系统、PTC、西门子、Synopsys五大全球工业软件巨头深度合作，将CUDA-X、Omniverse注入工业软件生态 [43] 投资建议关注 - 报告建议关注工具层软件厂商如索辰科技、五一视界 [3] - 报告建议关注智能驾驶软硬件提供商如地平线机器人、中科创达、经纬恒润、禾赛等 [3]