在时间的折痕处——物理AI_22页_1mb

物理AI：人工智能从虚拟迈向具身的关键桥梁

核心内容

物理AI（Physical AI）是黄仁勋于2024年提出的新概念，指能感知、理解并在真实物理世界中执行复杂操作的模型，是人工智能从虚拟智能迈向具身智能的关键桥梁。其应用场景涵盖人形机器人、智能驾驶与工业机器人三大领域，具备“感知—理解—执行”的闭环能力。

主要观点

• 物理AI的定义：物理AI模型能够与真实世界交互，通过感知、推理和执行实现复杂任务，是具身智能的核心。
• 基础模型层：物理AI依赖VLM（视觉语言模型）、VLA（视觉语言动作模型）和世界模型三种路径，三者协同工作，形成完整的训练与推理体系。
• 技术挑战：训练数据来源有限，仿真与真实环境存在差距（sim2real），且物理AI模型需在毫秒级延时内做出反应，评估体系尚不完善。
• 产业链结构：物理AI产业链分为“大脑（基础模型）—身体（硬件）—环境（工具与应用）”三层，其中工具层（如仿真平台、工业软件）是当前被低估但关键的一环。
• 海外格局：NVIDIA在基础模型、仿真平台、硬件支持等方面占据领先地位，是“机器人安卓”地位的代表；Google、Figure、Tesla等公司也在布局，形成多强并立之势。
• 国内格局：国内厂商以人形机器人为主导，构建基础模型与硬件的协同体系；大厂如华为、百度等则在技术支撑与数据积累上追赶。

关键信息

基础模型层

• VLM（视觉语言模型）：负责视频理解、物理常识推理与高层任务规划，如NVIDIA的Cosmos Reason 2。
• VLA（视觉语言动作模型）：将语言指令与视觉感知转化为机器人动作，如NVIDIA的GR00T N1.6/1.7。
• 世界模型：作为后台数据工厂，生成合成数据并模拟物理世界，支持模型训练与闭环评估，如NVIDIA的Cosmos-Predict 2.5。

技术路径与应用场景

• 智能驾驶：从端到端大模型向VLA世界模型演进，如小鹏、华为、理想等车企已部署相关技术。
• 人形机器人：加速量产与部署，形成数据—模型飞轮，如Figure、Tesla、智元、宇树等厂商。
• 工业机器人：已实现规模化收入，未来将通过数字孪生与仿真训练进一步拓展应用场景。

工具层

• 仿真平台：英伟达Omniverse、Isaac Sim等主导，提供物理引擎、渲染引擎与生成式数据引擎，是物理AI训练的核心数据来源。
• 国内仿真平台：智元Genie Sim 3.0、索辰开物、51Sim等平台正在快速追赶，部分已实现商业化。
• 工业软件：物理AI推动工业软件需求增长，NVIDIA与Cadence、达索、PTC、西门子、Synopsys等巨头合作，加速工业数字化与数字孪生落地。

代表厂商与布局

海外厂商

国内厂商

风险提示

• AI底层技术变革不及预期；
• 政策落地不及预期；
• 行业竞争加剧；
• 报告信息更新不及时。

重要声明

本报告由中泰证券研究所发布，仅限客户使用。内容基于公开资料与实地调研，不构成投资建议，亦不保证信息的准确性和完整性。投资者应自行关注信息更新，本公司对内容不承担任何责任。