> **来源：[研报客](https://pc.yanbaoke.cn)** # 计算机行业深度报告总结 ## 核心内容 本报告围绕“世界模型”与“物理 AI”的发展路径及其在工业场景中的应用前景展开，分析其技术特点、产业应用及投资机会。 ## 主要观点 - **世界模型**是让智能体具备“预演后果”能力的内部模拟系统，能够从多模态观测中构建对世界状态的表征，预测不同动作下的状态变化，并支持规划和决策。 - 世界模型不是单一技术路线，未来将形成生成模型、潜空间动力学、物理仿真与因果结构的混合架构。 - **物理 AI**是世界模型的具身化，是完整的“感知—决策—执行”闭环系统，其核心价值在于将模型预测转化为真实世界中的行动。 - 世界模型的发展已进入“能力跃迁期”，但通用物理智能尚未成熟，仍需解决六大难点：动作与后果对齐、隐藏状态推断、长程预测误差累积、时间尺度差异、仿真与现实域差异、安全验证与经济性。 - 物理 AI 的商业化将首先聚焦于**流程工业、工程仿真、汽车、仓储物流和建筑施工**等高价值、半结构化场景。 - 投资主线聚焦于掌握**物理世界数据、机理模型与控制接口**的企业，建议关注中控技术、宝信软件、品茗科技、奥比中光、索辰科技、中望软件、能科科技、鼎捷数智、汇川技术、埃斯顿、奥普特等。 ## 关键信息 ### 世界模型定义与能力 - 世界模型的核心是建立世界状态及其变化规律的内部表征。 - 区别于普通视频生成模型，世界模型的关键在于“动作条件”。 - 世界模型可划分为四层能力： 1. **环境理解**：当前世界状态（对象、属性、位置、空间关系） 2. **环境预测**：不行动时世界的变化（未来状态、运动轨迹） 3. **动作条件预测**：不同动作对应的未来状态（条件未来状态） 4. **规划决策**：选择最接近目标且风险最低的动作序列（动作序列、控制策略） ### 技术路线分析 - **潜空间动力学模型**：最早成熟，适合连续控制。 - **视频生成模型**：适合构建虚拟训练世界，但存在视觉与动力学不一致问题。 - **JEPA 联合嵌入预测模型**：通过抽象表示预测状态，减少计算资源消耗。 - **显式物理和结构化世界模型**：适合工业场景，提供高精度与安全验证。 - **因果世界模型**：仍处于前沿探索阶段，用于提升泛化与主动探索能力。 ### 世界模型与物理 AI 的关系 - 世界模型是物理 AI 的“大脑”，负责预测和模拟。 - 物理 AI 是完整的“感知—决策—执行”闭环系统，包括传感器、世界模型、规划器、控制器和执行器。 - VLA 与世界模型并非竞争关系，而是“动作生成”与“动作验证”的互补关系。 ### 世界模型的六大难点 1. **动作与后果对齐**：真实工业系统中，动作后果数据稀缺。 2. **隐藏状态推断**：物理世界为部分可观测，需融合多模态数据。 3. **长程预测误差累积**：误差随时间呈乘法增长，需滚动预测。 4. **时间尺度差异**：高层推理可为秒级，底层控制需毫秒级响应。 5. **仿真与现实域差异**：需通过参数随机化、在线校准等缩小差距。 6. **安全验证与经济性**：模型需具备稳定性、安全性与可量化收益。 ### 物理 AI 应用场景 1. **流程工业**：最确定的第一落点，用于工艺优化、异常预警、无人调度等。 2. **离散制造与机器人操作**：实现柔性自主生产，提升动作适应性。 3. **自动驾驶**：数据和算力规模最大，世界模型用于长尾场景生成。 4. **仓储物流**：结构化环境与明确 ROI 推动规模应用。 5. **建筑、矿山与能源**：高风险环境推动“机器替人”。 6. **家庭服务与通用人形机器人**：空间最大，但兑现时间最晚。 ### 投资建议 - **核心资产**：掌握物理数据、机理模型和控制闭环的企业。 - **投资主线**： - **流程工业自主运行**：关注中控技术、宝信软件。 - **物理仿真与工程世界模型**：关注索辰科技、中望软件、品茗科技、奥比中光、敏芯股份。 - **工业智能体与数字主线**：关注能科科技、鼎捷数智。 - **感知、控制与执行层**：关注汇川技术、埃斯顿、奥普特。 ## 风险提示 - 技术进展不及预期。 - 工业数据开放不及预期。 - 商业化和标准化不及预期。 - 工业客户资本开支波动。 - 安全事故和监管风险。 - 估值与业绩错配风险。 ## 产业趋势判断 2026—2030 年，物理 AI 将经历三轮价值迁移： 1. **2026—2027年**：价值集中在仿真、数据和垂直模型，企业采购合成数据、数字孪生、CAE 等。 2. **2027—2028年**：价值从“智能分析”迁移至“自主执行”，收费模式转向订阅、设备量收费、按效果分成。 3. **2028—2030年**：头部平台将形成跨客户、跨设备的行业世界模型，竞争焦点转向数据、控制与财务回报。 ## 总结 本报告指出，世界模型是物理 AI 的核心技术，其发展将推动人工智能从“信息世界”向“物理世界”延伸。当前世界模型已在多个工业场景中初步验证，但通用物理智能仍需突破。未来物理 AI 商业化将首先落地于流程工业、工程仿真、汽车、仓储物流和建筑施工等场景，投资应关注具备物理数据、机理模型和控制接口的企业。