物理AI与世界模型投研分析关键要点总结 一、涉及行业与公司 行业 - 物理AI产业链涵盖算力基础设施、核心算法（世界模型/VLA/仿真孪生）、感知层、执行层及实体载体与场景应用五大环节[1][3] - 机器人行业、自动驾驶行业、数字孪生行业、数据服务行业[1][6][12] 公司 - **索辰科技**：A股唯一拥有自研全系列物理产品并可提供仿真体系的公司，核心产品为“天空开物”物理AI平台[14] - **杭州柯林**：在AI 3D数据服务及FTE领域有布局[14] - **中控技术**：国内工业自动化控制环节占据约50%市场份额，拥有工厂级AI闭环控制系统，持续采集大量工业数据[13][14] - **东华软件**：国产CAD领域公司，在相关技术上有基因积累[14] - **奥比中光**：3D视觉代表性企业，布局覆盖3D视觉全技术路线[19] - **万集科技**：在激光雷达方面有所建树[19] - **安普隆、福莱电子、汉威科技、立讯精密、恒辉安防、华依科技**：物理AI感知层参与者[19] - **鸣志电器、科森科技、福赛科技、兆威机电、长盈精密、拓普集团**：执行层相关标的[20] - **龙旗科技、汇成股份、空宇度**：在VR遥操作数据采集领域有所布局[18] - **特斯拉**：人形机器人产能规划明确，FSD采用隐空间表征路线[1][6][20] - **英伟达**：Cosmos模型代表像素级生成路线[6] - **Google**：Geni模型，拥有海量数据[6][18] - **OpenAI**：机器人方案上层架构已初步定型，下层执行方案尚未确定，相关投资机会最大[20] - **字节跳动**：抖音平台拥有全球最大无线数据库，可利用游戏等业务积累的数据资产[9][18] - **Meta**：GPA、PE拥有海量数据[18] - **光环**：专注于仿真数据合成[9] - **软银**：入局研发世界模型[23] 二、核心观点与论据 1. 物理AI的本质与产业链结构 - 物理AI的本质是从环境感知到物理推演，再到实体执行与反馈迭代的完整闭环，始于传感器输入信息进行环境感知，经物理推演与行动规划（依赖世界模型预见物理规律后果），再到实体执行（电机、执行器驱动），最后反馈迭代优化后续行为[2] - 产业链自上而下划分为五大环节：算力基础设施（GPU、CPU及数据中心）、核心算法（世界模型、VLA模型、仿真孪生）、感知层（触觉、视觉等传感器）、执行层（丝杠、电机、减速器等核心部件）、实体载体与场景应用[3] 2. 世界模型的核心价值与数据特性 - 世界模型核心价值在于4D时空交互数据，训练数据必须带有物理性质和时序信息，与大语言模型使用的平面数据有本质区别，4D数据稀缺性构成其核心价值[1][4] - 世界模型与大语言模型存在本质区别：LLM预测下一个Token，世界模型预测下一帧的物理状态；LLM依赖互联网文本语料，世界模型必须依靠仿真数据与真实持续物理交互数据相结合[5] - 世界模型技术架构基于Transformer，核心组成包括视觉编码器、时序建模主干（时序Transformer或扩散模型）及预测数组等[10] 3. 世界模型两大技术路线 - **像素级生成路线**：直接预测未来视觉画面，像素级还原场景，适用于内容生成和仿真数据生成，代表为英伟达Cosmos[6] - **隐空间表征路线**：在隐空间中生成表征物理状态的向量或物理参数（如空间坐标和速度），更适用于机器人和自动驾驶等需要精确物理理解的领域，代表为特斯拉FSD[6] - 完整物理AI训练系统通常结合使用两种路线[6] 4. 数据方案：仿真为主、真实为辅 - 通用方案以仿真数据为主、真实数据为辅，仿真数据通过数字孪生技术生成，利用脚本自动调整物理形状、重量、摩擦系数、光照、障碍物位置等参数批量创造场景，核心技术为“域随机化”[4][7] - 真实数据采集成本极高，一小时数据采集成本可达数千元人民币，收集1,000万小时数据成本将达百亿级别，完全依赖真实数据不可行[7] - 真实数据核心作用是修正仿真与现实偏差，提升模型在真实场景的泛化能力，单纯依赖仿真数据训练的模型在真实环境中容易失效[9] - 真实数据获取方式包括：自有实体硬件（机器人、自动驾驶车辆）闭环采集、VR遥操作采集、物联网视频数据（抖音、小红书等平台）[4] - 原始数据需经清洗、筛选、时空对齐、自监督标注和序列化等处理步骤[4] 5. 世界模型训练三阶段 - **通用物理预训练**：学习通用物理知识和常识（冰上行走会滑倒、电子设备遇水短路等），导入真实和仿真数据进行时序预测和自监督训练，算力需求非常高甚至超过大语言模型[10][11] - **条件化微调**：建立从动作到后果的映射，VLA模型输出动作，世界模型判断是否导致碰撞或摔倒等不良后果[11] - **虚实闭环迭代**：将仿真环境预训练模型部署到实体机器人，在真实环境运行采集“动作到实际结果”数据，用小批量真实数据微调修正物理认知偏差，是目前落地应用的主要挑战之一[11] 6. 数据市场空间测算 - 真实场景数据采集单价约每小时1,000元，仿真数据成本约每小时500元[15] - 预计每家大型模型公司初始需求量在1,000万小时级别[1][15] - 以总计5,000万小时需求量、每小时1,000元预算测算，仅数据环节市场规模至少达500亿元[15] - 数据不可迁移性显著（为智源采集的数据无法直接应用于宇树科技），每个参与者需独立构建数据集，数据永远处于“不够用”状态，全球市场空间可达数千亿级别[19] 7. 高保真数字孪生技术门槛 - 高保真数字孪生要求从外观到内在物理规律、从传感器输出到实际响应均与真实实体高度一致[13] - 三大关键要求：几何保真性（视觉感知和碰撞检测结果与现实一致）、物理保真性（运动、受力、形变及碰撞结果遵循物理学定律）、时序保真性[13] - 与普通可视化数字孪生有本质区别：普通可视化数字孪生仅停留在3D建模层面，面向世界模型的物理数字孪生必须支持多物理场仿真和实时交互，内置工业级物理求解器[13] - 传统数字孪生企业通常不具备这些能力，传统CAE公司可能具备切入该领域的技术基础，核心技术包括高精度几何建模和多物理场仿真[13] 8. 感知层关键技术与硬件 - 感知层主要负责感知空间坐标、尺寸、形貌等物理世界信息，关键技术包括3D视觉、激光雷达及IMU[19] - IMU和六维力传感器是获取核心物理感知数据的关键部件[19] 9. 执行层投资逻辑与OpenAI机会 - 当前从事件驱动频率角度看，OpenAI相关投资机会最大，可类比2024年底特斯拉发布FSD后的市场反应[20] - OpenAI机器人方案上层架构已初步定型，下层执行方案尚未确定，后续将有大量公司为其提供样品测试，潜在送样公司是重点关注标的[20] - OpenAI弹性空间巨大的三大原因：每年数千亿美元资本开支难以仅靠现有AI业务增速支撑，物理AI被视为消化开支并创造新增长曲线的最大应用场景；领域尚处从0到1初始阶段，投资弹性最大；产品刚起步，可选标的众多，想象空间广阔[20] 10. 特斯拉人形机器人产能规划与供应链影响 - 预计2027年第一季度周产能达5,000台，2027年底周产能增至20,000台[1][20] - 2028年迈向百万台级别年产能框架[1][20] - 核心供应商单体收入增量有望超百亿元，百万台产能规模下能获得100亿收入的公司估值不应低于500亿，供应链公司具备非常大增长弹性[1][20][21] 11. 机器人行业行情可持续性 - 当前机器人行业行情具有很强可持续性，处于主升浪前期阶段，预计持续到市场对AI硬件利空因素完全消化并就“投资硬件”形成广泛共识为止[22] - 市场达成共识条件远未成熟：相关板块筹码需要时间出清；AI硬件领域利空因素尚未消化完毕（SCC供应链成本传导、涨价传导、存储扩展预期、零部件短缺等）；需要北美AI相关领域或资本市场配合[22] - 机器人行业独特优势：现阶段没有任何明显利空因素；行业利好将持续不断涌现，2027年明确进入向上增长周期；海外巨头（软银、字节跳动、OpenAI等）纷纷入局研发世界模型，“大脑”层面技术瓶颈有望加速解决[23] - 机器人行业极有希望成为继2026年初AI编程热潮之后下一个重要投资主题，预计许多相关公司股价将实现翻倍以上增长[23] 三、其他重要但可能被忽略的内容 数据采集具体方式 - 通过自有实体硬件采集数据：硬件设备（车辆或机器人）携带摄像头（感知视觉信息）、激光雷达（测距和环境建模）、IMU或惯性导航系统（姿态和运动感知）等传感器在真实环境中持续收集环境、设备状态和交互数据[16][17] VR遥操作方案的局限性 - VR设备十年间数据反馈能力有限，后续仍需对数据进行重新校准[18] - 有公司利用R3模型通过VR输入学习大量游戏操作[18] 物联网视频数据的固有缺陷 - 视频数据虽可用于无监督训练，但难以让模型学习到精确的“动作-推理-后果”因果关系[18] - 视频数据普遍存在画质不佳、噪音干扰和帧率不稳等问题，影响物理推理能力训练效果，如视频中两车相撞场景可能因噪音干扰而失真[18] 不同厂商数据竞争力差异 - 特斯拉优势在于拥有全球最大规模的自动驾驶数据[9] - 字节跳动或腾讯可利用游戏等业务积累的数据资产[9] 仿真数据质量局限 - 仿真数据生成效率高但质量不及真实数据[7] 世界模型训练算力需求 - 通用物理预训练阶段算力需求非常高，甚至超过大语言模型，因为处理的数据更为复杂[11]