文章核心观点 - 文章介绍了一场由泽平宏观商学组织的前沿科技企业实战研学活动 活动聚焦“智能驾驶”与“人形机器人”两大领域 计划于2026年2月27日在北京参访两家行业标杆机构 [11] - 活动旨在通过实地参访、高管分享与对话 帮助企业家学员洞察人工智能赋能实体经济的未来机遇 把握新质生产力崛起中的关键机会 [11][12] 头部智能驾驶企业 - 行业正处在从L2向L4自动驾驶迭代、从汽车向通用机器人跨越的历史拐点 [5][14] - 智能驾驶芯片及解决方案市场正以接近50%的年复合增长率 奔向万亿规模 [5][14] - 该公司凭借国产替代与技术普惠的双重红利 占据了中国智能驾驶市场的“半壁江山” [5][14] - 公司是国产中大型算力芯片头部企业 具备软硬一体能力 致力于推动汽车从“功能”迈向“智能” [5][14] - 参访活动将包括展厅参观、高管主题分享及任泽平博士对谈 探讨从L2向L4演进的技术突破与商业化前景 [10][11][19] 天工机器人（北京人形机器人创新中心） - 北京人形机器人创新中心于2023年11月成立 是国内首个省级人形机器人创新中心 也是国内首家具身智能软硬件全栈科技公司 [6][11][16] - 中心研发覆盖人形机器人的大脑、小脑、本体与数据 并构建了良好的开源生态 [6][16] - 已推出全国产化的“具身天工”系列人形机器人和“天轶”系列轮式人形机器人 可应用于工业制作、特种作业、物流分拣、商业导览等多元场景 [6][16] - 其“天工Ultra”人形机器人以全自主模式在2025世界人形机器人运动会中斩获多项奖牌 [11] - 该机器人依托自研“慧思开物”具身智能平台 完成了1500米长跑全程独立完成 突破了高动态奔跑控制、户外导航、散热抗冲击等关键技术 [11] - 机器人采用1.8米全尺寸设计 验证了其在长时、复杂场景下的工程可靠性 已具备工厂级落地能力 [11]

核心观点 - 英伟达联合斯坦福大学发布名为“3D通才”的视觉-语言-动作模型，标志着AI从生成视听内容升级为能理解并构建物理规则3D世界的技术突破，这被视为“物理AI的ChatGPT时刻” [1][10][11] - 该技术旨在解决此前AI生成内容缺乏物理真实性的问题，通过生成包含完整物理属性的3D环境，为机器人等具身智能在虚拟世界中进行大规模、低成本训练铺平道路，是英伟达实现“从模拟到现实”战略的关键拼图 [7][30][37] 技术突破与模型细节 - 模型名称为“3D Generalist: Vision-Language-Action Models for Crafting 3D Worlds”，由英伟达与斯坦福大学合作完成，并在第十三届国际三维视觉会议上发表 [12][13] - 模型核心是“Action”，它颠覆了AI仅作为“观察者”的角色，使其成为能根据文本描述输出包含完整3D布局、材料、固定装置及照明配置的“全能手” [13][14] - 技术流程包括：利用全景扩散模型生成360°引导图像，通过房间布局估算、固定装置分割、视觉-语言模型注释等步骤，最终程序化构建3D房间 [17][23] - 模型采用视觉-语言-动作模型生成代码来构建与修改3D环境，并通过自我改进训练循环进行微调，涌现出自我纠错行为 [23][24] - 研究团队使用该模型生成的合成数据训练视觉基础模型，在仅使用861,080个标签时，其ImageNet-1K Top 1准确率达到0.731，接近使用50亿真实数据训练的模型效果（0.786） [25][28][29] 战略意义与行业应用 - 该技术的战略意图服务于英伟达宏大的“具身智能”版图，旨在解决在真实世界中训练机器人成本高、速度慢、风险大的难题 [30][32] - 通过该模型可瞬间生成数百万个包含不同物理变量的“虚拟平行宇宙”，让机器人在高度逼真的虚拟环境中进行高强度训练，实现“Sim-to-Real” [34][36] - 该技术深度集成于英伟达Omniverse生态，利用Omniverse Replicator进行大规模合成数据生成，并配合Isaac Lab进行机器人仿真，构建了完整的训练闭环 [36] - 此举将推动所有移动物体走向自主化，模糊虚拟与现实的界限，为机器人、自动驾驶等多个行业带来变革 [40][42] 背景与人物 - 研究由英伟达与斯坦福大学合作，主要作者包括斯坦福大学AI实验室的博士生Fan-Yun Sun、Shengguang Wu，助理教授Jiajun Wu，以及英伟达的高级系统软件工程师Shangru Li等 [43][45][47][49][51] - 黄仁勋自2024年起便多次强调“Physical AI”的重要性，认为下一波AI浪潮必须是懂物理的AI，此次发布验证了他的预言 [4][8] - 此次技术突破被视为对2024年OpenAI发布的Sora视频生成模型在物理真实性不足方面的回应与超越 [2][7]

公司核心观点与战略 - 禾赛科技首席执行官在2026冬季达沃斯愿景晚宴上，围绕“速度与底线：智能时代的全球基础设施新对话”主题发表演讲，阐述中国科技企业突围的核心在于供应链与需求端的双重优势 [1][3] - 公司以激光雷达国产化为例，印证了上述观点，指出中国企业在拥有领先客户和强大制造业的领域具有显著优势 [3] - 公司认为人形机器人是物理AI领域的核心赛道，具有重要价值 [3] 公司发展历程与成就 - 公司回忆创业初期激光雷达行业被美国垄断，单台价格高达5万美元 [3] - 依托中国新能源汽车产业的领先优势和头部车企的庞大需求，公司在去年将激光雷达价格压缩至200美元，降幅达99.7%，并实现了量产规模的跨越式增长 [3] - 2020年公司产品覆盖全球市场后，遭遇对手政治游说与指控，被列入美国国防部清单，导致股价暴跌和做空危机，美国业务受到影响，但公司通过继续深耕中国与欧洲市场取得了成绩 [3] 行业趋势与物理AI价值分析 - 当前大众讨论的AI多为数字AI（Digital AI），主要解决信息处理和决策问题，但无法覆盖真实世界中的“行动”类需求，如做饭、照料、生产等，而这正是物理AI（机器人技术）的核心价值所在 [4] - 物理AI对中美两国的价值存在差异：对于中国，其核心使命是破解养老和老龄化问题；对于美国，其核心诉求是支撑制造业回流，缓解劳动力短缺困境 [4] - 机器人技术（物理AI）领域的一个核心问题是，中国和美国谁有可能解决得更好 [4]

AI产业体系与平台迁移 - AI是一次平台迁移，正在重造整个计算栈，历史上每次平台迁移都会带来新的应用生态，从大型机到PC，从PC到互联网，从互联网到移动与云计算[3][4][5] - AI产业体系可分为五层：最底层是能源，第二层是芯片和计算基础设施，第三层是云基础设施与云服务，第四层是AI模型，第五层是模型之上的应用层[7][8][9][10] - 应用层是最重要的一层，是真正产生经济收益的层级，其爆发得益于模型层的快速进步，应用层覆盖金融服务、医疗健康、制造业等领域[10][11] AI模型层的关键进展 - 2025年AI模型层发生了三件颠覆性大事：第一是Agentic AI，语言模型演化为能进行推理、制定计划并执行任务的智能体系统[14] - 第二是开源模型的突破，以DeepSeek为代表的开源推理模型出现，使各行业公司能够以此为基础开发领域专用模型[14] - 第三是物理AI的巨大进展，AI开始理解物理世界，在理解蛋白质结构、化学物质及物理规律方面进步迅速，正推动制造业和药物发现等领域取得显著突破[15] AI驱动的投资与基础设施建设 - AI正在驱动人类历史上规模最大的基础设施建设浪潮，目前仅投入几千亿美元，而真正需要的是数万亿美元级别的投入[11][12] - 芯片和计算基础设施层增长迅速，具体表现为台积电宣布新建20座晶圆厂，富士康、纬创、广达在建设数十座计算机工厂，存储厂商美光、SK海力士、三星全面扩张[13] - 2025年是风险投资规模最大的年份之一，全球风险投资超过1000亿美元，其中大部分资金投向了AI原生公司[13][32] AI对就业市场的影响 - AI不会导致失业潮，反而可能因大规模基础设施建设创造大量工作，特别是需要水管工、电工、建筑工、钢铁工人、网络技术员等技工岗位，在美国这些岗位薪资已接近或超过六位数[17] - 判断AI对工作的影响应区分工作目的与具体任务，自动化任务可能强化工作目的，例如放射科医生和护士的核心目的是照护病人，AI辅助提升效率后，相关从业人数反而增加[18][19][21] - 以医疗行业为例，AI提升影像分析效率后，医院接诊能力和收入提升，从而雇佣了更多放射科医生，AI辅助病历记录则让护士能更专注于病人照护，提升了医院运转效率，进而可能雇佣更多护士[18][19] AI的全球影响与行业机会 - AI对新兴经济体是缩小鸿沟的机会，AI本身是一种基础设施，开源模型降低了训练门槛，语言和文化成为国家的“自然资源”[22][23] - AI是人类历史上最容易使用的软件，用户规模在短短两三年内已接近10亿人，极大降低了技术门槛，使更多人能参与数字经济[23][25] - 对欧洲而言，AI与工业制造、机器人及物理世界建模深度融合是关键机会，欧洲有望在Physical AI/Robotics时代实现跃迁，但需增加能源供给和基础设施投资[26][28] AI发展现状与未来展望 - AI发展并非泡沫，而是尚未投入足够的长期建设周期，GPU租赁的现货价格（包括最新一代和两代前的产品）正在上涨，反映了AI公司数量和研发预算的增长[30] - 越来越多公司的研发预算正转向AI，例如Eli Lilly在三年前研发预算几乎全在湿实验室，现在则投入了大型AI超级计算机和AI实验室[30] - 参与AI世界成长对全球养老金而言是一笔很好的投资，这是人类历史上最大的基础设施机会之一，需确保普通储蓄者和公众能分享增长[34][35]

文章核心观点 - AI是一次平台迁移，正在重建整个计算栈，并催生新的应用生态 [7][8] - AI产业体系可分为五层，其中应用层是创造经济价值的关键，且其爆发依赖于下层基础设施的同步大规模建设 [12][14][15][16] - 2025年AI模型层发生了三件颠覆性大事：Agentic AI、开源模型的突破、物理AI的巨大进展 [22][23][24][26] - AI不会导致大规模失业，反而会通过提升效率、扩大产业规模创造大量工作机会，甚至可能造成劳动力短缺 [27][28][32] - AI是全球性的历史机遇，能降低技术门槛，帮助新兴经济体发展，并可能重塑欧洲的工业竞争力 [36][40][42][44] - 当前AI投资并非泡沫，而是长期基础设施建设周期的一部分，投资规模仍需扩大以支撑各层发展 [45][46][47][48] AI产业体系与平台迁移 - AI被视为一次“平台迁移”，类似于从大型机到PC、到互联网、再到移动与云计算的转变，计算栈被重新发明 [7][8][10] - 新计算范式从处理结构化信息的“预录制”软件，转变为能实时理解并处理非结构化信息与意图的智能系统 [9][11][17] - AI产业是一个五层结构：能源层、芯片与计算基础设施层、云基础设施与服务层、AI模型层、以及最顶层的应用层 [12][18] - 应用层是产生经济收益的关键，其爆发依赖于下层模型的快速进步，目前已在金融服务、医疗健康、制造业等领域展开 [14][15][18] - 支撑这五层需要人类历史上最大规模的基础设施建设，目前投入仅数千亿美元，未来需要数万亿美元级别 [15][16] - 芯片工厂、计算机工厂、AI工厂正在全球同步建设，芯片层增长迅速 [19][25] 2025年AI模型层的三大进展 - **Agentic AI**：语言模型进化为能进行规划、分步推理和执行任务的智能体系统，变得更扎实、更有依据 [23] - **开源模型的突破**：以DeepSeek为代表的开源推理模型出现，降低了企业、研究机构和初创公司使用和定制AI模型的门槛 [24] - **物理AI的巨大进展**：AI开始理解物理世界，如蛋白质结构、化学物质、流体力学等，在制造业和药物发现等领域取得突破 [26] - 与制药公司Eli Lilly的合作表明，AI在理解蛋白质和化学结构方面进步巨大，有望带来重大突破 [26] AI对就业与社会的影响 - AI基础设施建设将创造大量与技工技能相关的工作岗位，如水管工、电工、建筑工、网络技术员等，在美国这些岗位薪资已接近或超过六位数 [28][29] - 以放射科为例，AI辅助影像分析提升了医生效率和服务能力，反而导致放射科医生人数增加 [30] - 以护士为例，AI接管病历记录等行政工作后，提升了护理效率和医院接诊能力，导致对护士的需求增加，美国目前仍短缺约500万护士 [31][32] - 分析AI对工作的影响，应区分工作的“目的”和“任务”，自动化任务往往能强化和放大工作的核心目的 [33][34] - AI是人类历史上最容易使用的软件，用户规模在短短两三年内已接近10亿人，极大降低了技术门槛，使更多人能参与数字经济 [37][40] 全球机遇与投资前景 - 对于新兴经济体，AI是一种应像道路和电力一样普及的基础设施，开源模型和低使用门槛为其提供了缩小数字鸿沟的机会 [36][37] - 对于欧洲，其强大的工业制造基础与AI、机器人技术结合，有望在物理AI/机器人时代实现跃迁，但需增加能源和基础设施投资 [42][44][45] - 当前AI投资热潮并非泡沫，而是支撑各层基础设施建设的必要长期投入，投资规模仍需扩大 [45][46][47] - GPU租赁现货价格（包括前两代产品）正在上涨，反映出AI公司数量和研发预算在持续增长 [47] - 2025年是风险投资规模最大的年份之一，全球超过1000亿美元，大部分流向了AI原生公司 [21][49] - 参与AI基础设施建设被视为人类历史上最大的投资机会之一，应让普通储蓄者和养老金也能分享增长 [51]

微软发布机器人专用AI系统Rho-alpha - 微软研究院正式发布首款基于Phi视觉-语言模型家族的机器人专用AI系统Rho-alpha，该系统被定义为“VLA+” [1] - 该系统通过植入触觉感知、融合仿真训练与人类反馈机制，旨在提升机器人在双手协同操作中的适应性与可靠性 [1] - 该发布被视为将云端AI能力延伸至物理世界的重要载体，并为物理AI的落地按下加速键 [1][13] 技术突破：从VLA到VLA+ - 传统视觉-语言-行动模型受限于单一感知维度，在非结构化环境中表现“笨拙” [3] - Rho-alpha首次将触觉感知深度集成至模型架构，通过六维力传感器捕捉三维力与三维力矩信息，实现实时感知接触压力、剪切力及微小扭转力 [5] - 该突破将感知维度从视觉拓展至触觉，并构建了“感知-行动-反馈”的闭环架构，因此被称为“VLA+” [5] - 在演示中，搭载触觉传感器的UR5e协同机械臂在Rho-alpha驱动下，能根据力信号反馈微调动作以完成插头插入等精细任务 [5] - 目前系统已实现触觉与视觉、语言指令的跨模态融合，后续计划加入更精细的力感知机制以提升在精密装配、医疗辅助等场景的操作精度 [7] 创新训练与数据解决方案 - 为应对高质量训练数据稀缺的行业难题，Rho-alpha采用了真实机器人演示、仿真任务以及大规模视觉问答数据相结合的训练方式 [8] - 通过与NVIDIA合作，利用Azure上的NVIDIA Isaac Sim生成物理精确的合成数据集，以加速开发能够掌握复杂操作任务的多功能模型 [10] - 研究团队利用模拟和强化学习结合，丰富从实体机器人收集的预训练数据集，进行多样化的合成演示，以克服真实世界数据稀缺的挑战 [10] 人机协同与持续学习能力 - Rho-alpha的核心优势在于“动态适应”，不仅能根据传感器信号调整动作，还能将人类干预转化为学习样本，实现部署后的持续进化 [10] - 在BusyBox物理交互基准测试中，当机器人因物体摆放刁钻导致抓取失败时，操作人员的远程纠正反馈会被实时纳入模型训练，使后续遇到同类场景时成功率显著提升 [11] - 这种人机协同的学习模式让机器人从“被动执行”转向“主动优化”，为其在非标准化场景的应用奠定基础 [11] 测试、合作与未来计划 - 目前Rho-alpha已在双臂机器人与类人机器人平台开展测试，团队正重点突破双手协同操作的性能瓶颈 [13] - 微软已启动Rho-alpha研究早期访问计划，邀请机器人制造商、系统集成商及终端用户参与测试，共同探索基于自有数据的模型定制、部署与迭代方案 [13] - 后续该模型还将通过Microsoft Foundry向更广泛用户开放 [13] - 详细技术说明将在未来数月内发布，届时会披露更多关于跨模态融合、力觉感知的技术细节 [13] 行业发展趋势与意义 - 英伟达CEO黄仁勋曾预判，物理AI将引爆新一轮工业革命，赋予自主机器在现实场景中“感知—推理—行动”的完整能力 [4] - Rho-alpha的发布体现了大模型研究从纯数字世界的认知与交互，迈向与物理世界深度融合与协作的重要趋势 [13] - 通过整合语言理解、视觉感知、机器人行动能力，并融入触觉反馈与持续学习机制，此类研究致力于构建能适应开放环境、理解人类意图并通过协同作业完成复杂任务的智能系统 [13] - 机器智能的发展方向正从执行预设程式，转向在动态真实场景中学习、调整并与人类协作，有望在更多日常与专业场景中成为人类自然、灵活的工作伙伴 [14]

公司状态与战略 - 过去三到四年，谷歌AI团队几乎一直处于红色警报状态，工作强度极大，CEO本人长期保持每周100小时、一年50周的工作强度，以创业公司的战时节奏运营[2] - 公司通过艰苦努力，让技术和模型重新回到行业最前沿，Gemini 3的发布是关键节点[4][10] - 公司是唯一真正具备AI全栈能力的公司，拥有从研究、算力、数据、硬件到产品的完整资源，核心挑战在于如何将这些资源整合成统一体系[4][13] - 公司创始人拉里·佩奇与谢尔盖·布林深度参与，佩奇负责战略层面，布林则深入参与具体研发甚至编码工作[15][16][17] - 公司正努力融合初创企业的快速冒险活力与大企业的资源优势，并为长期探索性研究保留空间[17] 技术领导力与研发 - 过去十年，现代人工智能产业所依赖的关键突破，约90%由谷歌与DeepMind研发，包括Transformer架构、深度强化学习及AlphaGo背后的技术体系[4][32] - 公司拥有业内最深厚、最广泛的研发团队，并持续在研发领域投入巨资[32] - 公司CEO不认同Transformer和大模型已走到尽头的观点，认为有50%的可能性仅通过优化和扩大现有技术规模就能实现AGI[30] - 公司采取双轨策略，既全力研发新技术，也持续优化并扩大现有技术的规模[31] 产品方向：Gemini与物理AI - Gemini从一开始就被设计为理解现实世界的多模态系统，是通往物理AI的入口，而非单纯的聊天模型[4] - Gemini未来的两个主要方向是：随身的通用AI助手（如眼镜、手机）和真正能干活的机器人[7] - 物理AI正处于突破的临界点，但距离实现突破还需要18个月到两年的时间，在算法、数据、硬件等方面仍有差距[4][19][20] - 制约机器人技术发展的因素包括：算法鲁棒性不足、相关数据量少于数字模型、以及机械臂/手等硬件难题[22] - 公司已宣布与波士顿动力展开深度合作，将AI技术应用于汽车制造，预计未来一两年展示原型机并实现规模化应用[22] 对AGI的预测与定义 - 预测到2030年，有50%的概率实现通用人工智能（AGI）[8][27] - 对AGI的定义标准非常严格，要求其具备完整的人类认知能力，尤其是科学创新能力，即不仅能解决问题，还要能提出真正重要的问题[8][28] - 实现AGI可能还需要一到两项，最多不超过五项突破性技术，可能体现在世界模型、持续学习能力、稳定性、更强推理或更长规划能力等方面[8][31] - 不认同埃隆·马斯克关于技术奇点已经到来的说法，认为距离完全的AGI还有五年时间[33][34] 行业竞争格局与中国AI - 不认为DeepSeek构成真正意义上的“危机”，并指出西方舆论夸大了其算力效率优势，因其研发过程仍依赖西方模型蒸馏[5][24] - 认为中国公司极其擅长追赶，但尚未证明自己能率先打开下一代技术前沿，实现原创性突破[5][25] - 特别表扬字节跳动，认为其距离技术前沿大约只差6个月，而不是1-2年[5][24] AI的社会影响与未来 - AI带来的变革，无论规模还是速度，都会是工业革命的十倍，取代部分人类工作不可避免，但大规模取代需要先解决AI系统的稳定性问题[8][38][40] - 将当前AI的不均衡表现称为“锯齿型智能”，认为需要系统能稳定完成整个任务才能实现工作替代[39] - 展望若实现AGI，可能进入“后稀缺时代”，借助AI解决能源危机（如核聚变）、发现全新材料体系等根本性难题[8][39] - AI本质上是终极的科学研究工具，就像更先进的望远镜和显微镜，未来科学研究将是顶尖科学家与AI的合作成果[36] - 鼓励年轻一代熟练掌握AI新工具，将其像母语一样运用，认为这将赋予他们超能力，尤其在创意和创业领域[41] - 支持在理想情况下全球合作暂停AI研发，并设想成立类似欧洲核子研究中心的国际AI研究机构，让全球顶尖人才携手推进AGI研发的最后阶段[41][42]

股价表现与市场关注 - 公司股价午后一度上涨近8%，最高触及80.45港元，创下历史新高 [1] - 当前股价78.6港元，较30.5港元的招股价已累计上涨超过160% [1] - 成交额达到4470.03万港元，显示市场交易活跃 [1] 行业技术趋势与公司定位 - 英伟达CEO黄仁勋提出AI“五层蛋糕”理论，自下而上包括能源、芯片与计算基础设施、云数据中心、AI模型和应用层 [1] - 行业观点认为“物理AI的‘ChatGPT时刻’”已经到来，机器开始具备理解真实世界、推理并行动的能力 [1] - 公司长期专注于3D图形、模拟仿真及人工智能三大技术领域，并以此构建核心竞争力 [1] - 公司是全球少数真正具备物理AI三要素（数据燃料、空间模型、训练平台）的公司之一 [2] 公司核心业务与市场应用 - 公司已推出三大核心业务平台：51Aes（数字孪生平台）、51Sim（智驾仿真平台）及51Earth（数字地球平台） [1] - 公司产品已被全球超过1000家大中型企业广泛应用，业务覆盖19个国家和地区 [1] - 公司构建了“合成数据—空间智能模型—仿真训练平台”的全链条物理AI闭环生态 [2] - 公司的物理AI解决方案已在智能驾驶、交通枢纽、智慧工厂、智慧能源等多个领域落地标杆案例 [2]

公司股价表现 - 五一视界(06651)股价午后涨近8%，最高触及80.45港元，创历史新高 [1] - 当前股价78.6港元，较30.5港元的招股价已累计上涨超过160% [1] - 成交额达4470.03万港元 [1] 行业技术趋势与公司定位 - 英伟达CEO黄仁勋提出AI“五层蛋糕”理论，自下而上包括能源、芯片与计算基础设施、云数据中心、AI模型、应用层 [1] - 黄仁勋认为“物理AI的‘ChatGPT时刻’已然到来”，机器开始具备理解真实世界、推理并行动的能力 [1] - 公司在物理AI的三个关键组件（数据燃料、空间模型、训练平台）上均具备完善的技术能力 [2] - 公司构建了“合成数据—空间智能模型—仿真训练平台”的全链条物理AI闭环生态，成为全球少数真正具备物理AI三要素的公司 [2] 公司业务与技术 - 公司长期围绕3D图形、模拟仿真及人工智能三大领域进行投资并发展核心竞争力 [1] - 公司拥有三大核心业务平台：51Aes（数字孪生平台）、51Sim（智驾仿真平台）及51Earth（数字地球平台） [1] - 公司产品已被全球超过1000家大中型企业广泛应用，业务覆盖19个国家和地区 [1] - 公司的物理AI技术已在智能驾驶、交通枢纽、智慧工厂、智慧能源等领域落地标杆案例 [2]

文章核心观点 - 英伟达首席执行官黄仁勋认为，人工智能与机器人技术（物理AI）的结合是欧洲“几代人难得一遇”的重大机遇，有望助其超越美国主导的软件时代 [2] - AI正驱动一场以数万亿美元基础设施投资为核心的长期结构性周期，而非短期投机泡沫 [5] - 当前AI投资的第一轮红利是创造实体经济就业，而非取代人类工作 [6] 行业趋势与机遇 - 工业与科技界焦点正转向自主机器人，欧洲工业巨头（如西门子、梅赛德斯-奔驰、沃尔沃、舍弗勒）已纷纷启动机器人项目并建立合作 [2] - 2025年机器人相关企业融资额创下265亿美元的历史纪录 [3] - 2025年全球风险投资规模超过1000亿美元，其中大部分流向了“AI原生公司” [3] - 大型科技公司持续加码：特斯拉认为其80%未来价值将来自人形机器人Optimus；谷歌DeepMind发布机器人AI模型；英伟达与Alphabet合作推进“物理AI” [2] 关键挑战与必要条件 - 欧洲需认真对待能源供应问题，因其能源成本位居全球前列，这是决定AI竞赛成败的关键因素之一 [4][5] - 必须确保能源供给增长，才能投资基础设施层，进而在欧洲构建繁荣的AI生态系统 [5] - 超大规模云服务商在欧洲加快部署AI基础设施时，正面临能源获取受限的问题 [5] AI投资的性质与规模 - AI已启动人类历史上规模最大的基础设施建设浪潮，目前已投入数千亿美元，未来仍需建设规模达数万亿美元的基础设施 [5] - AI并非短期投机，而是一场以基础设施为核心的长期结构性投资周期 [5] - AI模型已“好到足以作为基础来构建产品和服务”，AI正从效率工具转变为新一代产业架构的底座 [5]