公司业务与市场定位 - 公司已成为大型科技公司的数据工程合作伙伴 近期成功转型为“七巨头”及其他前沿模型构建者提供高复杂度数据工程服务 这为其构筑了深厚的技术护城河 [1] - 与使用众包工人的竞争对手不同 公司利用领域专家进行监督微调和基于人类反馈的强化学习 [1] - 公司正在扩展至物理人工智能领域 构建用于训练机器人和无人机的以自我为中心且富含可供性数据集 近期在无人机物体检测任务中实现了比之前最先进基准6.45%的性能提升 使其成为自主系统的关键供应商 [2] 财务表现与增长指引 - 公司报告2025年全年有机收入增长48% 达到2.517亿美元 [2] - 管理层预计2026年收入将实现35%以上的增长 [2] - 截至2025年底 公司持有8220万美元现金 使其能够在不稀释股东权益的情况下 为智能体人工智能和机器人数据领域的创新提供自筹资金 [2] 战略合作与客户关系 - 2026年初 公司与Palantir达成一项重要合作伙伴关系 以现代化人工智能驱动的竞技分析 并扩大了其用于大型语言模型安全的SHIELD合同 [1] 市场认可与股东结构 - 在对冲基金中受到关注 Schonfeld Strategic Advisors和Millennium Management等机构已建立新头寸或扩大现有头寸以捕捉其上行潜力 [2] - 在一份“当下最值得购买的12只人工智能数据中心股票”榜单中排名第12位 [1]

公司新闻与业务进展 - Blaize Holdings, Inc. (BZAI) 宣布与 NeoTensr 达成一项价值 5000 万美元的部署协议，该部署将在未来一年内进行 [1] - 公司展现出强劲的增长势头，产品采用速度正在加快 [1] 分析师观点与背景 - 分析师认为 Blaize Holdings, Inc. (BZAI) 具备实现高增长的潜力 [1] - 该观点由买方股票分析师 Michael Del Monte 提出，他在科技、能源、工业和材料领域拥有专业知识 [1] - 在进入投资管理行业之前，该分析师在专业服务领域拥有超过十年经验，涉足行业包括石油天然气、油田服务、中游产业、工业、信息技术、工程总承包服务和可选消费品 [1]

Press contact:Elsa Estager BergerouTel.: +33 6 59 62 55 13E-mail: elsa.estager-bergerou@capgemini.com Two-thirds of organizations rate physical AI as a high priority for the next three to five years 79% of organizations are already engaging with physical AI1, with 27% already deploying or scaling solutions60% of executives believe that physical AI will enable robotics adoption in areas that were once impossible or impractical 43% of executives are interested in physical AI as an enabler of domestic producti ...

文章核心观点 - 凯捷研究院发布报告指出 物理AI正成为机器人领域从自动化向现实世界自主行动过渡的关键 并将在未来三到五年内成为企业自动化的主要优先事项[2] - 技术进步与市场动态正推动物理AI达到拐点 使其从实验阶段转向大规模商业部署 为企业创造价值[3] - 物理AI被视为支持欧美再工业化、提升运营韧性和灵活性的关键杠杆[6] 行业采用现状与驱动力 - **79%** 的组织已在物理AI领域展开活动 其中 **27%** 已进入部署或规模化阶段[7] - 劳动力短缺是推动物理AI投资的关键因素 其重要性超过劳动力成本 在农业、零售、高科技、仓储物流和汽车行业尤为突出[7] - 全球近四分之三的美国高管以及约三分之二的欧洲和亚太地区高管认识到物理AI带来的机遇[2] - 日本在自动化战略中给予物理AI最高优先级 超过四分之三的高管将其视为未来三到五年的优先事项 领先于美国[8] 技术发展与市场机遇 - 基础模型的进步使机器人具备在复杂环境中自主运行的智能 而仿真技术则通过大规模学习缩短了训练周期[3] - 物理AI、机器人技术和数据之间形成良性循环 部署的系统生成的真实数据持续提升性能和泛化能力[4] - 边缘计算、电池技术的进步、硬件成本下降、机器人即服务等新商业模式以及5G私网和高精度无线定位等连接技术的进步 共同推动了这一趋势[4] - **60%** 的高管认为物理AI将使机器人技术应用于以前无法进入或不切实际的领域[5] 应用场景与预期收益 - 应用场景涵盖危险作业、微物流、拾取与放置、现场巡检 以及制造业动态装配、公共部门医疗与老年人辅助、保险业灾后损失评估等[5] - **43%** 的高管认为生产回流和再工业化使得物理AI对于支持大规模近岸生产越来越有吸引力[7] - 近一半的高管将提高灵活性视为关键收益 强调其比传统机器人或固定自动化能更快地重新配置生产系统和工作流程[9] - 超过一半的高管强调了安全性的改善和体力劳动强度的降低[9] 未来部署重点与挑战 - **三分之二** 的组织将物理AI列为未来三到五年自动化路线图的主要优先事项[6] - 超过一半的高管预计移动自主机器人、工业机械臂和协作机器人将成为其组织未来三到五年内增长最快的机器人类型 远超类人机器人[6] - 尽管近三分之二的高管预计物理AI将在未来五年内从试点项目转向大规模部署 但目前只有 **4%** 表示已实现规模化[11] - 规模化对近十分之八的高管来说仍是一个挑战 主要原因是技术和运营成熟度不足[11] 类人机器人的发展前景 - 类人机器人尽管备受关注 但仍面临重大障碍 被视为更长期的赌注[12] - **72%** 的高管指出其技术不成熟 特别是在可靠性和灵巧性方面 **63%** 受制于高昂成本 **58%** 受困于训练困难[12] - 超过十分之六的高管表示尚未对采用类人机器人的投资回报率有清晰愿景[12] - 社会接受度构成挑战 超过十分之六的高管认为公众阻力将是采用类人机器人的关键障碍 法国 **68%** 的高管提及公众阻力 西班牙为 **56%**[13]

合作核心公告 - HII公司与GrayMatter Robotics公司签署谅解备忘录 旨在探索将后者的物理人工智能技术整合到造船业务中 以加速生产流程、加强海事工业基础并扩充劳动力 [1] - 合作探索的具体技术整合包括将自主表面处理、涂装和检测技术引入造船业 [1] - 备忘录签署仪式在GrayMatter Robotics总部举行 HII海事系统与公司战略执行副总裁Eric Chewning及GrayMatter Robotics首席执行官兼联合创始人Ariyan Kabir出席 [1] 合作目标与预期效益 - HII公司2025年造船产量提升了14% 并寻求在2026年实现额外15%的增长 与GrayMatter Robotics等新伙伴合作旨在进一步扩充劳动力并加速美国海军造船生产 [2] - 双方将共同开发基于人工智能的自主制造解决方案 并将其整合到HII的高产机器人计划中 该计划旨在利用物理人工智能技术提升造船流程 目标是在不牺牲质量的前提下提高生产效率 [2] - 合作旨在解决供需缺口问题 在确保质量和一致性、消除报废、返工和维修的同时 极力缩短交付时间、建设武库并为作战人员制造关键部件 [6] - GrayMatter Robotics的物理人工智能体验中心展示了其人工智能驱动的机器人系统可应用于海军制造工作 包括打磨、研磨、喷砂、涂装和检测 系统能适应船厂生产的高混合性与高可变性 同时保持高速、高标准和材料的高效利用 [6] 合作具体领域 - 双方将在四个领域识别并寻求未来机会：自主造船能力开发、GrayMatter Robotics技术与其他造船技术计划的整合、扩展自动化的劳动力培训、以及加速和扩大无人系统生产 [5] - 结合其他创新造船技术 GrayMatter Robotics的技术将用于扩充造船劳动力、自动化结构生产并加速生产流程 以推进国家安全目标 [5] 公司背景与技术能力 - HII是美国最大的造船商 为美国及其盟友防务客户提供世界上最强大的舰船和全域任务技术 包括无人系统 同时是美国海军乃至全球最大的无人水下航行器生产商 [8] - HII拥有超过140年的历史 员工人数达44,000名 业务涵盖从核心舰队到C6ISR、人工智能/机器学习、电子战和合成训练等防御能力的构建与整合 [9] - GrayMatter Robotics致力于构建“工厂超级智能” 其开发的物理人工智能技术能在全球要求最严苛的生产环境中处理复杂的、高混合度的工具操作应用 例如表面处理、涂装和检测流程 [9] - GrayMatter Robotics的技术可实现高达熟练人工12倍的吞吐量 并将返工减少95% 其采用气隙隔离、边缘部署的架构 确保国防和关键企业运营的数据完全主权 [9] - 截至目前 GrayMatter Robotics已在超过20个行业处理了超过3000万平方英尺的表面积 客户涵盖航空航天、国防、造船、特种车辆和消费品领域 [9] 行业背景与需求 - 美国正处于造船业复兴时期 [2] - 当前HII造船工人正结合先进的数字工具、现代化设施和悠久的工艺来建造海军最复杂的舰船 尽管焊接自动化和其他人工智能技术不断进步 但许多工作仍需手工完成且技术含量高 例如必须严格遵守要求的喷砂、打磨和涂装工作 [7] - 人工智能驱动技术为支持这些关键流程提供了前景广阔的机会 可通过减少重复性工作和提高一致性来帮助加速交付时间表 满足美国海军日益增长的需求 [7] - GrayMatter Robotics的使命是推动美国制造业再工业化、巩固国家安全、弥合工业基础供需差距并确保国家所依赖的工业韧性 [9]

公司介绍与活动 - 公司举办了一场关于物理人工智能的网络研讨会，由公司企业发展与投资者关系副总裁Ada Menaker主持 [1] 前瞻性声明 - 公司声明讨论内容包含前瞻性陈述，这些陈述涉及未来事件和未来财务表现，并受风险和不确定性影响 [1] - 公司强调实际结果可能与前瞻性陈述中的预期存在重大差异 [1] - 公司明确今日所作的前瞻性陈述仅代表截至今日的预期，且无义务对其进行公开更新或修订 [2] - 公司指出重要风险因素的讨论可参见其于2026年3月4日向美国证券交易委员会提交的20-F表格中的“风险因素”部分 [2]

行业竞争格局 - 杂货行业竞争激烈 折扣店、专业杂货商和大型连锁店给区域性和独立杂货商带来巨大压力 [2] - 尽管小型杂货商生存空间看似有限 但全国性食品零售商若忽视这些竞争对手将是一个错误 [2] - 本周行业新闻由区域杂货商主导 从炫目的技术创新到并购行动和高管晋升 表明他们决心与克罗格和阿尔迪等行业巨头保持同步 [3] 区域杂货商扩张与战略 - 阿肯色州区域杂货商Harps Food Stores近年来通过收购小型独立杂货商 几乎将其业务版图扩大了一倍 [4] - 本周 Harps的扩张策略使其成功进入田纳西州和肯塔基州两个新市场 [4] - 德克萨斯州连锁超市Brookshire Brothers宣布了四项高层晋升 包括新任首席财务官和首席运营官 以从内部培养人才 为持续增长做准备 [5] 数字化与技术投资 - 区域杂货商正在提升其技术能力 例如Redner's Markets推出了新的购物者应用程序 取代了之前脱节的数字购物体验 [6] - 该应用程序不仅是应用本身 更是公司更大数字战略的“基石” [6] - Instacart推出了Physical AI系统 使智能购物车能够基于收集的数据提供实时、个性化的购物体验 [9] 合作与物流网络 - 亚马逊与Winn-Dixie扩大了配送服务合作 将服务范围扩展至佛罗里达州更多社区 包括大坦帕湾地区 [9] - 该合作伙伴关系始于去年在杰克逊维尔和奥兰多 现已发展到佛罗里达州和佐治亚州南部近100个城镇 [9]

公司动态与产品展示 - Reply将于2026年3月16日至19日在加利福尼亚州圣何塞举行的NVIDIA GTC大会上展示如何利用数字孪生技术和物理AI优化实际生产与物流流程、扩展机器人技术并可持续提升工业绩效[1] - 公司将在大会上重点展示两个具体用例，以演示数字与物理世界在工业环境中如何有效整合：一个用于制造和物流的自学习边缘AI开发方法，以及一个为奥托集团开发的智能机器人协调系统[1] - 2026年3月17日下午3:00至5:00，Reply将在AWS展位921的7号展亭展示名为“The AI Fast Lane for the Industrial Edge powered by NVIDIA on AWS”的解决方案[1] - 2026年3月16日至19日，Google与Reply将在Google展位513的4号展亭联合展示一个结合云端机器人仿真的智能机器人协调解决方案[1] - 奥托集团将于2026年3月17日下午3:00至3:40在题为“Leverage Physical AI to Simulate and Orchestrate Robotic Fleets for Retail Fulfilment Centers”的会议中演示智能机器人协调的实际应用[1] 技术方案与产品细节 - 公司展示的工业边缘AI解决方案可在机器人手臂或移动机器人等自主连接的边缘设备上验证和优化AI模型，实时处理传感器数据，识别性能差距，并在需要时自动启动重新训练[1] - 该解决方案通过集成NVIDIA Omniverse与Isaac Sim，将数字孪生仿真直接纳入开发流程，允许使用合成数据测试持续改进并验证效率提升[1] - 在Google与Reply的联合方案中，NVIDIA Isaac Sim直接在Google Cloud G4实例上运行，从而无需本地工作站即可创建复杂物流环境的高精度数字孪生，并在此基础上仿真和训练多样化机器人车队[1] - 为奥托集团实施的方案中，Roboverse Reply创建了一个精确复制仓库、所有机器人系统及其交互的数字孪生，一个机器人协调层将此数字孪生与车队管理和仓库管理系统连接，实现了集中式车队协调、预测性布局仿真以及在高峰期的流程优化[1] 行业活动与市场影响 - NVIDIA GTC大会被视为AI开发者、研究人员和决策者最重要的国际会议点，2026年预计有来自超过190个国家的30,000多名参与者参加[1] - 通过参加NVIDIA GTC，Reply展示了数字仿真与物理自动化如何在实践中整合，奥托集团和工业边缘领域的项目展示了物理AI与精确数字孪生如何共同作用为工业价值创造新机会[1] 公司业务背景 - Reply专注于基于新通信渠道和数字媒体的解决方案设计与实施[1] - 公司是一个高度专业化公司的网络，支持电信与媒体、工业与服务、银行、保险和公共管理等关键工业集团，为其定义和开发由大数据、云计算、数字媒体和物联网等新范式驱动的商业模式[1] - Reply提供的服务包括：咨询、系统集成和数字服务[1]

AI投资情绪与市场动态 - AI炒作热潮已转向，投资者担忧该技术对商业和经济可能产生的颠覆性影响，市场对下一轮恐慌的出现保持警惕 [1] - 科技板块受冲击最为严重，Anthropic近期的更新引发软件抛售，Citrini提出的劳动力市场灾难情景担忧加剧了市场波动 [1] - 即使英伟达的财报也未能将投资者从对AI的恐惧中解脱出来 [1] - 投资专业人士描述市场抛售剧烈，投资者情绪如履薄冰 [2] - Freedom Capital Markets的科技研究主管将其对科技板块的预期从2026年跑赢大盘，下调为预期其表现将落后于标普500指数 [6] 私人信贷市场风险 - 私人信贷领域存在“死亡炸弹”风险，可能引发近期经济放缓 [7] - 对Oracle等公司如何持续为资本支出筹集资金的担忧，突显了私人债务问题 [7] - 围绕Blue Owl Capital的头条新闻重新引发了对私人信贷的担忧，有观点认为其与2007年金融危机前的情景相似 [8] - 对Blue Owl的担忧，与软件板块遭受重创以及数据中心领域出现的问题共同加剧了市场焦虑 [8] - 市场存在关于“AI永远无法盈利”的持续争议，预计为AI建设提供资金的贷方将持续面临压力 [9] - 私人借贷市场得以存在，部分原因是某些企业无法从银行获得资金 [9] 银行业面临的挑战 - 大型银行同样面临风险，并未对AI相关问题免疫 [10] - 大型金融机构近年来也大量涉足私人信贷，参与杠杆贷款市场的债务银团，并通过CLO促进融资 [10] - 银行可能特别容易受到投资者担忧情绪的影响，与2007年的比较暗示压力正在积聚 [10] - 除了私人信贷风险，银行业自身也面临被AI颠覆的风险 [11] - 银行业可能是一个更广泛的、尚未被市场充分定价的颠覆候选者，其通过劳动力市场间接受到AI影响 [11] - 当前环境对银行“非常有利”，导致股票估值变得过高，市场可能未充分定价银行业在多个层面面临的AI风险 [12] 实体AI的颠覆性机遇与威胁 - 实体AI（指在物理世界中交互的AI系统，如自动化机械或自动驾驶汽车）预计将成为重要的技术前沿 [13] - 花旗预测，仅仓库自动化系统的总可寻址市场到2029年将增长至1120亿美元，自动导引车和自主移动机器人是实体AI的重要应用案例 [13] - 实体AI带来的机遇将是“快速而猛烈的”，对成功采用的公司是巨大机会，对未采用的公司则是“超级威胁” [14] - 工业与运输板块可能受到实体AI创新的颠覆 [14] - 投资者从科技股撤出，加速了市场向周期性板块的轮动，这可能使投资者在工业领域更多地暴露于实体AI的颠覆风险之下 [15] - 当前对必需消费品和工业等周期性板块的偏好可能适得其反，部分股票被视为“对AI免疫”导致其估值过高，若AI引发重大经济颠覆，将形成一个“市场的脆弱口袋” [15] 软件板块前景 - 软件是近期科技抛售中受打击最严重的领域之一 [16] - 预计软件子板块将反弹，但复苏不会均衡 [17] - 在SaaS热潮期间上市、专注于特定功能的应用软件公司，可能被整合到更大的平台中或被完全淘汰，例如Expensify和Monday [17] - 没有数据护城河、不属于更大平台、或面临代理式AI替代风险的软件公司，在情绪反弹前可能面临进一步下跌 [18]

核心观点 - 谷歌与蚂蚁集团几乎同时开放世界模型技术，标志着该技术从实验室正式走向商业应用，一场围绕“现实模拟器”的技术与标准竞赛已经开始 [1] 技术发布与策略 - 谷歌DeepMind于2026年1月30日向美国AI Ultra订阅用户开放Project Genie，采用125美元/月的订阅制，仅限美国成年用户 [1][3] - 蚂蚁集团旗下灵波科技在谷歌发布前24小时开源了LingBot-World，选择了完全开源策略 [1][3] - 两大模型均实现关键性能突破：交互延迟控制在1秒内，连续生成时长达到10分钟，物理碰撞计算准确率超过92% [3] 技术架构与突破 - 蚂蚁的模型基于2万小时真实机器人数据训练，覆盖9种主流机器人构型 [3] - 谷歌的模型依托Gemini 3和Nano Banana Pro的协同计算架构 [3] - 技术突破主要体现在三方面：物理碰撞计算从传统视频补帧升级为真实世界模拟；实现文本、图像与操作指令的实时转换；用户可通过键盘控制虚拟视角 [3] - 当前算力瓶颈导致持续交互超过10分钟会出现场景漂移 [3] 战略路径与行业影响 - 技术路径分化反映中美企业战略分歧：蚂蚁通过连续开源构建完整工具链以争夺机器人领域话语权；谷歌则将其嵌入云服务生态 [3] - 行业影响显著：游戏开发中3D建模成本可能降低70%，具身智能训练效率提升3倍，自动驾驶仿真测试成本有望下降85% [5] - 供应链呈现区域化特征：美国企业侧重商业API生态，中国企业聚焦垂直场景适配，欧盟则在两者间寻找平衡并将通用大模型纳入高风险系统监管 [5] 商业化挑战与市场反应 - 商业化面临两大挑战：内容审核问题（谷歌采用实时过滤，蚂蚁依赖社区监管）和算力门槛（LingBot-World需要企业级CPU支持） [5] - 资本市场反应热烈：2026年初全球新增23家物理引擎初创公司，英伟达推出“Physical AI”架构 [5] - 分析师预测，到2026年底世界模型相关投资将占AI总投资的35% [5] 未来展望与竞争态势 - 下一个技术临界点是连续交互时长突破30分钟，谷歌计划在2026年第四季度实现，蚂蚁则希望通过分布式计算架构达成 [5] - 随着谷歌与蚂蚁的示范效应，预计微软、Meta等企业将在年内陆续开放各自的世界模型平台 [5] - 人工智能正在进入环境认知的新纪元，“模拟现实”能力将成为下一轮竞争的核心战场 [5]