深度报告-20250722-国金证券-具身智能前瞻系列深度一_从线虫转向复盘至行动导航_旗帜鲜明看好物理AI_26页_3mb

行业深度研究总结：具身智能与物理AI分析

核心观点

• 具身智能的关键缺失：当前具身智能最缺乏的是第三阶段的生物智能——模拟学习能力，物理AI是构建该能力的核心。
• 世界模型构成：世界模型 ≈ 空间智能 + 物理AI，需模型具备3D几何理解、空间生成能力，并符合真实物理规律的交互。

章节摘要

1. 生物智能五阶段映射具身智能

• 阶段一：关联性学习（线虫转向）→ 对应商业化具身智能（如Roomba）的 行动导航。
• 阶段二：强化学习（鱼类试错）→ 实现 时空感知 和基于预期的强化学习，解决复杂场景长尾问题。
• 阶段三：模拟学习（大鼠规划）→ 核心为物理AI的建模，替代性试错与反事实学习。
• 阶段四：模仿学习（猿猴行为）→ 主要分为 主动教学 和 逆向强化学习。
• 阶段五：语义处理（人类语言）→ 推动大规模协作，目前技术已开始压缩复现。

2. 智能驾驶算法演进对具身智能启示

• 技术小结：
  1. BEV+OCC：将2D图像拓展为4D空间理解。
  2. 端到端：整合模块化算法弊端，但仍有黑盒风险。
  3. VLM/VLA：基于模型的强化学习，提供系统2（慢思考）能力。
• 结论：物理AI仿真能力是区分“好用”与“不可用”的关键，对通用人形机器人至关重要。

3. 重视3D数据资产 + 物理仿真引擎双主线

• 空间智能：需解决真实数据采集（成本高）与仿真合成（性价比高、摩尔定律降本）的平衡。
• 群核科技：室内场景空间智能龙头，毛利率持续升至80%，订阅收入占比主导。
• 索辰科技：中国稀缺物理AI资产，2025年机器人虚拟训练平台发布，CAGR达23.7%，净利率10%+。

4. 风险提示

• Day1 L4机器人商业闭环缺失风险。
• 仿真数据质量不及预期。
• 三方模型公司产业链话语权可能较低。

注：报告强调 物理AI是具身智能落地核心，需重视数据资产与仿真引擎双主线布局。