> **来源：[研报客](https://pc.yanbaoke.cn)** # 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 | 公司 | 核心模型 | 数据策略 | 商业模式 | |------|----------|----------|----------| | NVIDIA | GR00T、Cosmos系列 | 仿真+真机数据 | 仿真平台+芯片+开源模型 | | Google DeepMind | Gemini Robotics、Robotics-ER | 互联网视频+仿真+合作方真机 | 硬件合作 | | Figure AI | Helix系列 | 自家真机数据+BotQ | 整机销售+订阅服务 | | Tesla | FSD+Optimus | 自用数据闭环 | 垂直整合，闭源 | ### 国内厂商 | 公司 | 核心模型及工具 | 数据策略 | 关键特点 | |------|----------------|----------|----------| | 智元机器人 | GO-1、Genie Sim 3.0 | 真机+非本体数据 | 模型与本体协同迭代 | | 银河通用 | GraspVLA、GroceryVLA | 仿真数据为主 | 仿真数据路径代表 | | 宇树科技 | UnifoLM-VLA-0 | 数据沉淀潜力 | 路线低调 | | 百度 | Apollo 11.0+萝卜快跑 | 开源+商业运营 | 技术开源+商业运营双轮驱动 | | 小米 | XLA认知大模型 | VLA融合路线 | 首次打通辅助驾驶与具身机器人 | ## 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。