报告行业投资评级 - 投资评级为领先大市 - A，维持评级 [5] 报告的核心观点 - 重视物理 AI 和世界模型（WFM）投资机会，机器人系统是 AI 下一波浪潮，未来十年工厂将由软件和 AI 驱动生产智能产品 [1][9] - 物理 AI 和世界基础模型（WFM）是关键基础设施，英伟达布局两大平台型产品，国内物理 AI 产业链形成，仿真和感知厂商有先发优势，建议关注索辰科技、奥比中光、能科科技 [2][3][11] 根据相关目录分别进行总结 本周行业观点 - 7 月 16 日英伟达黄仁勋提及物理 AI 和世界模型（WFM），认为机器人系统是 AI 下一波浪潮，未来工厂由软件和 AI 驱动 [1][9] - 物理 AI 目标是让智能体理解真实世界规律并交互，世界模型是理解现实世界动态的生成式 AI 模型 [2][10] - 英伟达推出 Cosmos 和 Omniverse 两大平台型产品用于相关开发，国内索辰科技、奥比中光在物理 AI 有成果，建议关注相关厂商 [3][11][12] 市场行情回顾 本周板块指数涨跌幅 - 本周上证综指涨 0.69%，深证成指涨 2.04%，创业板指涨 3.17%，计算机行业指数涨 2.32%，跑赢上证综指 1.63pct，跑赢深证成指 0.28pct，跑输创业板指 0.85pct，计算机板块受益于 AI 相关主题活跃 [13] - 本周计算机行业指数在中信 30 个行业指数中排第 6，在 TMT 四大行业中排第 2 [16] 本周计算机个股表现 - 本周计算机板块中 AI 相关公司表现好，向物理 AI 等新方向扩散，稳定币相关板块回调，RDA 相关标的成交活跃 [17] 行业重要新闻 - 特朗普签署稳定币相关法案，确立美国数字稳定币监管框架 [20] - OpenAI 通用智能体 ChatGPT Agent 登场，能自动利用多种工具完成复杂任务 [20] - OpenAI 模型在国际奥林匹克数学竞赛达金牌水平，全新推理模型预计年底发布，GPT - 5 发布在即 [20] - 英伟达获美国批准恢复 H20 在中国销售 [20] - 宇树科技拟申请上市，辅导时间从 7 月到 12 月 [20] - 人形机器人首个商业化大单落地，智元机器人和宇树科技中标采购项目 [20] - Rigetti 新 36 量子比特系统达年中目标，计划 8 月 15 日推出，有望年底前发布 100 + 量子比特系统 [20]

纪要涉及的公司 英伟达 纪要提到的核心观点和论据 1. **财务表现** - 2026财年第一季度收入440亿美元，同比增长69%，数据中心收入390亿美元，同比增长73%，人工智能工作负载过渡和人工智能工厂建设带动大量收入[4] - 2025年第一季度确认4.6亿美元H20收入，总收入70亿美元，未达预期，计提46.45亿美元库存和采购承诺减值，预计第二季度中国数据中心业务收入大幅下滑，但订单金额预计80亿美元[28] 2. **出口管制影响** - 美国4月9日对H20数据中心GPU新出口管制，无过渡期售完库存，一季度确认46亿美元H20收入，确认45亿美元费用，无法实现25亿美元预期收入，失去中国AI加速器市场准入权有重大不利影响[4] - 出口管制致二季度约80亿美元不利因素，总体影响约150亿美元，后续季度仍有负面影响[3][26] 3. **产品线表现** - Blackwell产品线增长迅速，带动数据中心收入同比增73%，贡献近70%数据中心计算收入，GB200系列架构变革支持大规模工作负载，主要云服务提供商开始采样GB300系统[2][5] - GB300系统与GB200架构等相同，即插即用，HBM多50%，密集FP4推理计算性能高50%[6] 4. **业务发展情况** - **AI工厂**：部署加速，本季度近100个视频驱动AI工厂运行，GPU使用量翻倍，各行业领导者部署关键主权云项目[2][7] - **游戏业务**：收入38亿美元创新高，同比增长42%，AI PC笔记本产品线增加，任天堂Switch 2采用相关技术[2][18] - **网络业务**：一季度收入50亿美元，同比增长64%，Spectrum X产品线年收入超80亿美元，新增客户，推出交换机产品[2][13][16] - **专业可视化领域**：一季度收入5.09亿美元，同比增19%，AI工作站需求强，预计二季度收入增长恢复[19] - **汽车业务**：一季度收入5.67亿美元，同比增72%，得益于自动驾驶业务和Nexus产品需求，推出相关模型推进人形机器人研发[20] 5. **合作与应用** - 与百胜餐饮集团合作，今年在500家餐厅引入AI，未来扩展到61,000家餐厅[10] - 网络安全领域，多家领先公司使用AI安全解决方案及软件栈，与CrowdStrike合作有检测分类速度提升等成果[11][12] - 为ASIC和CPU供应商提供支持，与高通等合作[15] - 深化Omniverse与软件平台集成应用，在工业运营等方面有成果[19] 6. **未来展望** - 对全年持续增长有较大信心，受益于AI扩散规则取消和Sovereign相关业务[3][30] - 未来几年内有近1万亿美元AI支出发展路径，支持技术领先和创造就业等[27] - 处于发展初期，人工智能渗透各行业，将有更多企业内部部署AI，推出新产品支持[28] 其他重要但是可能被忽略的内容 1. 英伟达推出基于Llama架构开放式推理模型系列，后训练增强措施带来准确率和推理速度提升，领先平台公司利用其转变工作方式[8] 2. Nemo微服务在各行业应用广泛，能提高模型准确度、响应时间等[9] 3. 第五代NVLink计算结构带宽优势明显，一季度出货量超10亿美元，宣布NV Link Fusion技术[14] 4. 台积电等在亚利桑那州投资建设，与富士康在休斯顿合作建工厂生产人工智能超级计算机[24] 5. Grace Hopper NVLink 72在推理方面优势明显，与Hopper相比速度和吞吐量提高约40倍[25] 6. 专业可视化领域中，NVIDIA DGX Spark和DGX工作站将改变个人计算，今年不同时间上市[19] 7. 汽车业务中推出Isaac Group和新的开放式Nvidia Cosmos World Foundation模型用于人形机器人研发[20]

具身智能数据挑战 - 高质量数据是具身智能突破的关键[1] - 现实数据采集成本过高，合成数据技术成为重要解决方案[2] - 当前具身智能数据存在数量少、场景单一、语义标签粗略等问题[16][17] - 自动驾驶已建立城市级仿真数据闭环，但室内环境缺乏3D合成平台[4][18] 技术路线之争 - 两条主流技术路径："视频合成+3D重建"与"端到端3D生成"[3] - 视频合成路线存在模态转换链路过长、误差累积、精度瓶颈等问题[24][39] - 端到端3D生成路线理论效率高但面临常识欠缺、现实合理性不足等挑战[67][69][70] - 视频合成路线代表案例：群核科技SpatialLM+SpatialVerse[28][31]、Hillbot Cosmos+Sapien[35][37] - 端到端3D生成代表方法：GNNs[49]、自回归Transformer[53][54]、扩散模型[60]、程序化生成[62] 模态编码创新方案 - 提出"模态编码"技术，将空间设计规则转化为可学习的数学结构[5][75][77] - Sengine SimHub通过强化学习嵌入行业知识，生成兼具功能性与合理性的3D场景[76][78] - 模态编码支持从户型图/功能需求到结构化3D数据的自动转译，提升语义理解能力[81] 行业现状与趋势 - 机器人运动控制能力已成熟，但环境感知与推理能力仍是短板[98] - 现有合成数据技术难以满足家庭场景的多样性与交互真实性需求[18][40] - 未来需构建支持规则嵌入、偏好吸纳、交互可控的空间数据生成体系[90][94] - 合成数据将成为具身智能迈向通用能力的关键推动力[100] 代表性研究进展 - 李飞飞团队BEHAVIOR基准基于mesh网格生成，缺乏语义标注[25][30] - ATISS利用自回归Transformer生成合理室内布局[54][57] - DiffuScene通过扩散模型生成物理合理的完整场景[60][62] - Infinigen Indoors通过程序化生成实现高可控性3D场景[62][80] - SceneTeller展示语言到3D场景的强映射能力[65][67]

具身智能技术路线之争 - 核心观点：具身智能领域存在两条主要技术路线——"视频合成+3D重建"与"端到端3D生成"，前者存在模态转换误差累积问题，后者理论效率更高但面临常识欠缺挑战 [1] - 当前机器人高难度动作主要依赖遥控/预设编程，环境感知与推理能力仍是短板 [1] - 合成数据被视为具身智能突破关键，英伟达指出机器人领域缺乏互联网规模数据，室内环境3D合成平台尤为稀缺 [1][6] 具身智能现实挑战 - 智能困境：机器人运动控制能力成熟，但空间理解力不足，难以处理陌生环境中的语义推理 [3][4] - 数据困境：现有数据来源（真实扫描/游戏引擎/开源数据集）存在场景单一、效率低、语义粗糙等问题，缺乏物理一致性（如可承重桌面、可开启门） [6] - 家庭环境多样性导致传统数据采集方式不经济，需依赖合成数据覆盖变体 [8] 技术路线一：视频合成+3D重建 - 代表方案：李飞飞团队BEHAVIOR基准生成mesh壳体但缺乏结构语义 [13]，群核科技SpatialLM+SpatialVerse通过LLM理解3D语义但仍存物理精度问题 [16] - Hillbot采用NVIDIA Cosmos生成视频片段，通过Sapien/ManiSkill重建3D场景并赋予物理属性 [21] - 核心缺陷：路径长导致误差累积，生成结果结构精度有限 [11][16] 技术路线二：端到端3D生成 - 主要方法： - 图神经网络（GNN）：MIT超图模型优化空间关系，HAISOR结合强化学习优化人机交互布局 [27][29] - 自回归Transformer：ATISS基于房间平面图生成多样化布局，InstructScene实现文本指令到结构图转化 [30][33] - 扩散模型：LEGO-NET迭代优化布局，DiffuScene生成物理合理场景 [31][37] - 程序化生成：Infinigen/ProcTHOR通过规则合成高可控性场景 [35][38] - LLM应用：FlairGPT分解设计任务，SceneTeller实现文本到3D场景直接生成 [36][41] - 核心挑战：生成质量低、常识欠缺（物体重叠/通道阻塞）、程序化生成缺乏设计弹性 [39][40][42] 生境科技模态编码解决方案 - 提出"模态编码"技术，将设计知识（如餐桌靠近厨房）转化为可学习的数学结构 [44] - Sengine SimHub引擎通过空间模态编码+强化学习，实现户型图到3D场景的自动转译，考虑功能/动线/家具逻辑等实际因素 [44][48] - 系统内嵌训练流程提升生成稳定性，使合成数据更贴近真实空间逻辑 [45] 行业技术对比 - 视频合成路线：依赖真实视频的先天常识优势，但信息效率低 [1][39] - 端到端生成路线：理论效率高但需解决常识嵌入问题，代表模型包括ATISS/LEGO-NET/DiffuScene等 [11][31][33] - 未来方向：需构建可嵌入规则的空间数据生成体系，模态编码或成关键突破点 [49][50] 代表性研究 - GNN：HAISOR优化人机交互布局 [29]，PlanIT实现高层语义规划 [52] - 扩散模型：DiffuScene生成物理合理场景 [37]，LEGO-NET学习人类布局偏好 [52] - 程序化生成：Infinigen提供无限变体高质量数据 [46][52]，ProcTHOR支持大规模交互环境 [38][52] - LLM应用：FlairGPT分步骤拆解设计约束 [52]，SceneTeller实现语言到空间映射 [41][52]

文章核心观点 - NVIDIA发布新的Cosmos世界基础模型，为物理AI开发带来突破，还推出两个新蓝图，助力机器人和自动驾驶车辆的合成数据生成，多家行业领先企业成为早期采用者 [1][2][3] 新模型及蓝图发布 - 公司宣布发布新的NVIDIA Cosmos世界基础模型，为物理AI开发引入开放且可完全定制的推理模型，开发者可对世界生成进行前所未有的控制 [1] - 公司推出由NVIDIA Omniverse和Cosmos平台驱动的两个新蓝图，为开发者提供用于训练后机器人和自动驾驶车辆的大规模、可控合成数据生成引擎 [2] 行业应用情况 - 1X、Agility Robotics、Figure AI、Foretellix、Skild AI和Uber等行业领导者率先采用Cosmos，以更快、更大规模地为物理AI生成更丰富的训练数据 [2] 不同功能模型介绍 Cosmos Transfer for Synthetic Data Generation - Cosmos Transfer世界基础模型可摄入结构化视频输入，生成可控的逼真视频输出，简化感知AI训练，将Omniverse中创建的3D模拟或真实数据转换为逼真视频，用于大规模、可控合成数据生成 [3][4] - Agility Robotics将早期采用Cosmos Transfer和Omniverse进行大规模合成数据生成，以训练其机器人模型 [4] - NVIDIA Omniverse蓝图用于自动驾驶车辆模拟，利用Cosmos Transfer扩大基于物理的传感器数据的变化，Foretellix和Parallel Domain使用该蓝图增强驾驶数据集 [5] - NVIDIA GR00T蓝图用于合成操作运动生成，结合Omniverse和Cosmos Transfer大规模生成多样化数据集，减少数据收集和增强时间 [6] Cosmos Predict for Intelligent World Generation - Cosmos Predict世界基础模型可从多模态输入生成虚拟世界状态，新模型支持多帧生成，可根据起始和结束输入图像预测中间动作或运动轨迹，可使用公司公开的物理AI数据集进行定制 [7] - 借助NVIDIA Grace Blackwell NVL72系统的推理计算能力，开发者可实现实时世界生成 [8] - 1X、Skild AI、Nexar和Oxa等公司分别使用Cosmos Predict和Cosmos Transfer来推进其机器人和自动驾驶系统的开发 [8] Multimodal Reasoning for Physical AI - Cosmos Reason是具有时空感知的开放、可完全定制的世界基础模型，使用链式思维推理理解视频数据并预测交互结果，可用自然语言表达 [9] - 开发者可使用Cosmos Reason改进物理AI数据注释和整理，增强现有世界基础模型或创建新的视觉语言动作模型，还可对其进行训练以构建高级规划器 [10] 数据处理与训练 - 开发者可根据下游任务，使用原生PyTorch脚本或NVIDIA NeMo框架在NVIDIA DGX Cloud上对Cosmos世界基础模型进行训练 [11] - Cosmos开发者可使用NVIDIA NeMo Curator在DGX Cloud上进行加速数据处理和整理，Linker Vision、Milestone Systems、Virtual Incision、Uber和Waabi等公司使用其进行数据整理以推进相关项目 [12] 责任AI与内容透明度 - 公司在所有Cosmos世界基础模型中实施开放护栏，并与Google DeepMind合作集成SynthID，对AI生成的输出进行水印处理和识别 [13] 可用性 - Cosmos世界基础模型可在NVIDIA API目录中预览，已列入Google Cloud的Vertex AI模型库，Cosmos Predict和Cosmos Transfer在Hugging Face和GitHub上公开可用，Cosmos Reason处于早期访问阶段 [14]