五一视界20260526

## **物理AI基础设施领航者：智驾垄断式扩张与具身智能战略迁移** ### **摘要**–**公司定位物理AI 软件基础设施层，提供仿真平台、合成数据及世界模型三大核心能力，路径已在智驾领域验证并向具身智能迁移。**–**智驾业务目标2026年实现垄断式布局，市占率拟从53%提升至75%-80%，核心驱动力为L3 量产元年强制性仿真测试需求。**–**商业模式经历三阶段跃迁：从百万级软件授权转向千万级系统部署，未来规划以Token（clip 片段）销售为主的AI Factory模式。 # **五一视界20260526** ## **物理AI基础设施领航者：智驾垄断式扩张与具身智能战略迁移** ### **摘要**–**公司定位物理AI 软件基础设施层，提供仿真平台、合成数据及世界模型三大核心能力，路径已在智驾领域验证并向具身智能迁移。**–**智驾业务目标2026年实现垄断式布局，市占率拟从53%提升至75%-80%，核心驱动力为L3 量产元年强制性仿真测试需求。**–**商业模式经历三阶段跃迁：从百万级软件授权转向千万级系统部署，未来规划以Token（clip 片段）销售为主的AI Factory模式。**–**具身智能被确立为第二增长极，利用智驾积累的3D资产与物理反馈机制解决机器人“零数据冷启动” 困境，难度较智驾高一数量级。**–**技术路线对标英伟达Cosmos，定位为物理直觉世界模型，通过与英伟达DriveSim 战略合作解决垂直行业工程落地。**–**特斯拉FSD入华发挥“鲶鱼效应”，将倒逼非自研车企采购完整数据闭环工具，公司作为第三方领先服务商直接 –**竞争格局优化，主要美系对手VTD退出中国市场，腾讯等大厂相关业务收缩，公司在AI Infra 软件层先发优势显著。**（修正原文笔误“主要关系对手”） ### **Q&A**#### **在物理AI时代，公司的核心商业战略、定位及主要业务构成是怎样的？** 公司的定位是物理AI的AI infra软件基础设施服务商。在整个AI产业结构中，底层是硬件（包括土地、电力、GPU、AI工厂等），顶层是丰富的应用，而公司专注于中间的软件基础设施层。 物理AI目前公认的两大商业化场景是智能驾驶和具身智能，其中智能驾驶的发展领先约十年。公司在物理AI软件层提供三大核心能力：1.**平台能力** ：即提供极致的仿真与物理验证平台，该平台由早期的智能驾驶仿真训练平台衍生而来，具备向机器人等更复杂领域迁移的能力；2.**数据能力** ：特指提供规模化、多维度且具备场景泛化能力的合成数据资产，这些基于数字孪生技术构建的高置信度合成数据，能够生成现实世界中难以捕获的长尾案例（corner case），与真实数据采集形成互补，共同构成训练物理AI理解世界的基础。 ###所需的数据基础；最后是模型，长期来看即世界模型，这是物理AI的核心。目前世界模型尚未收敛，但公司正集中投入该方向。这三大能力（平台、数据、模型）构成了公司闭环的AI infra，该路径已在智能驾驶行业得到验证，未来可迁移至**具身智能**及其他垂直领域。 — ## **公司在智能驾驶业务板块今年的商业规划、市场地位以及核心竞争力是什么？**2026年是国家L3 高阶自动驾驶量产落地的元年，也是相关国家强制标准的实施元年，行业已形成以数据驱动为核心的端到端加世界模型的技术路径共识。在此背景下，公司智能驾驶业务板块的目标是实现垄断式的商业规划。截至2026年二三月份，公司在该细分板块的市场占有率约为53%，计划在2026年内提升至75%到80%。 公司的核心产品是为车企提供数据闭环系统，帮助其加速迭代智驾算法，以应对市场竞争。虽然头部主机厂（如特斯拉、小鹏）倾向于自研，但公司的核心客户主要为国内二三线、合资及海外车企。中长期来看，考虑到车企 自建仿真与数据闭环团队的成本高昂且可能错失市场窗口，更多企业会选择自研加外采，甚至最终转向直接外采的模式。 随着市场占有率的提升，公司能够为更多车企提供从软件销售到数据闭环系统部署的升级服务，预计客单价和客户数量将有较高且相对确定的增长。此外，公司已与国内**头部**的车检机构达成合作，形成了从训练到测试的业务闭环。 — ## **公司未来的商业模式将如何从当前的软件工具授权向更高阶的模式演进？** 公司的商业模式正在经历三个阶段的跃迁。第一阶段是传统的软件工具授权模式，即销售工业仿真软件，这种模式毛利高，但客单价通常在几十万至一两百万人民币，属于单次购买或年费制。 第二阶段，公司已转向系统级部署，为车企提供完整的数据闭环系统。这一转变将客单价从百万级别提升至三五百万甚至上千万的体量，并加深了与车企自研部门的价值链捆绑。第三阶段，也是未来的规划方向，是转型为以Token销售为主的商业模式。在物理AI领域，Token 对应的概念是clip（片段），一个clip约等于100万到200万个Token。合成数据将以clip的形式进行销售，供车辆或机器人学习物理世界。最终，公司计划构建AI Factory模式，将平台、数据、模型等所有能力打包，通过统一接口对外提供服务，用户只需按Token使用量付费，无需关心**底层**基础设施。此项规划是对未来商业模式的展望，不会对2026年的财务指引产生影响。 ## **在智能驾驶业务已进入规模化商业爆发阶段的背景下，公司下一步的战略重点是什么？**在智能驾驶业务已进入规模化商业爆发阶段后，公司明确的下一步战略重点是**具身智能** 。当前，具身智能的市场热度已超过智能驾驶，且处于一个前景广阔但尚未被充分验证的早期阶段，这与多年前智能驾驶所处的发展阶段相似。公司在智能驾驶领域积累了近九年的经验，所构建的AI infra，包括仿真平台、合成数据和世界模型能力，具备向具身智能领域迁移的基础。智能驾驶本质上是二维世 ###开篇内容界规则下的应用，而人形机器人等**具身智能** 需要应对远为复杂的世界。因此，公司将利用在智驾行业跑通的成熟技术路径和商业模式，拓展至具身智能这一公认的第二大物理AI商业化场景。 #### **公司在物理AI领域的战略布局是怎样的，特别是在具身智能方面，与自动驾驶业务有何异同，以及面临哪些核心挑战？**公司计划在下个月（2026年6月）由创始人发布2030物理AI路径。在智驾领域，公司从2025 年开始布局，目前为具身智能提供的闭环产品和能力与智驾业务基本接近，即通过提供虚拟场景进行训练和迭代，实现Sim-to-Real及Real-to-Sim的闭环。当前行业公认的难点在于机器人本体之外的大脑，即世界模型本身。**具身智能与自动驾驶在发展路径上存在本质区别，核心在于数据的冷启动。** 自动驾驶的冷启动难度相对较低，因为消费者购买车辆时并不要求其具备L3或L4级别的自动驾驶能力，驾驶员在驾驶过程中会无形中为车辆提供训练数据，且车企在合规前提下会采集用户真实数据。然而，具身智能面临典型的零数据冷启动困境，因为用户不会购买不够智能的机器人用于生产。为解决此问题，大量初创团队或大厂正通过人工采集本体操作数据、视频数据或合成大量数据的方式进行训练，这使得其难度比自动驾驶高一个数量级。** 在此背景下，高质量的合成数据和高置信度的物理仿真环境成为具身智能从实验室走向规模化量产的必要条件。**公司有信心将过去九年在自动驾驶领域积累的能力，包括3D 世界资产、动态传感器仿真、复杂物理反馈机制以及工程落地能力，顺利迁移至具身智能这一更宏大的物理AI叙事中。公司认为，未来地球上的人形机器人数量将与人类数量相当，应用场景将从工厂扩展到家庭等各种环境。除机器人外，公司也在探索低空、深空、太空及深海等领域，并已拥有多个未披露的案例。自2025年底挂牌至今一百多个交易日，公司经历了市场从不了解物理AI 到该概念广为人知的过程。从产品、技术及工程落地能力来看，公司目前是在智驾、具身智能、低空乃至深空领域能够提供贯穿性AI Infra软件层服务的领先服务商。未来，公司计划通过商业模式升级，从销售软件升级到销售系统，最终实现销售Token，以达成技术与商业化的双重兑现。 #### **公司的“51世界模型”与英伟达的Cosmos世界模型在技术和产品定位上有何差异？同时，公司与英伟达的合作情况如何？**世界模型目前的发展阶段类似于2017至2018 年的大语言模型前期，技术路线尚未收敛。当前主流路线大致可分为几类：第一类是延续Transformer架构的视频生成类模型，如OpenAI的Sora和Google的Gemini，这类模型能快速进行内容二创，但因缺少物理属性和执行度，在To B和To G场景下的应用受限。除视频生成类模型外，还有三条主流路径。第一条是基于物理真实的世界模型，公司的路线与英伟达的Cosmos 最为相似，内部称之为“物理直觉”。第二条是李飞飞提出的3D交互世界模型，其特点是生成3D高斯场景速度快，但 存在自身问题。第三条是杨立昆提出的认知规划世界模型（JPA架构），该架构认为渲染画面会消耗过多GPU算力，主张在隐藏空间下预测物理规则和表征，研发难度极大。 #整理后的完整内容前，在非视频生成类的世界模型中，**英伟达的Cosmos在商业化和工程落地方面表现较好** 。关于与英伟达的合作，双方是战略级合作伙伴关系。英伟达的Cosmos定位为世界基础模型（World Foundation Model），其本身无法直接解决具体行业的工程落地和商业化问题。公司的角色正是在Cosmos基础模型之上，面向具体行业进行开发。例如，英伟达基于其基础模型开发了面向机器人、智驾等垂直行业的模型，公司目前与其智驾软件栈（DriveSim）在国内是合作关系，帮助其在车企等客户中进行推广。简而言之，**英伟达提供底层的基础模型，而公司则专注于解决垂直行业的工程落地与商业化应用。** ##物理AI的商业化前景如何？近期特斯拉FSD可能进入中国市场，这对公司的智驾仿真业务以及客户需求会产生什么影响？物理AI的商业化路径可以参考数字AI （大语言模型）的发展历程。大语言模型发展至今近十年，仍未实现大规模商业化或普遍盈利，主要瓶颈在于高昂的底层硬件成本，甚至存在销售Token毛利为负的情况。物理AI领域，自动驾驶作为其首要落地场景已发展十年，但对主机厂而言，智驾业务本身并非一个易于盈利的领域，每年投入巨大，但它已成为车辆销售的“必做题”。特斯拉FSD入华对公司是积极影响。FSD采用的是纯视觉加端到端世界模型的路线，其进入中国市场将扮演“鲶鱼”角色，类似于十年前其在中国建厂带动了硬件供应链生态。如今，FSD的到来将推动软件、算法和数据生态的发展。由于特斯拉的系统是in-house且不开源的，其他车企若要追赶或超越，就需要一套完整的数据闭环工具。公司恰好提供此类产品，因此**FSD入华对整个行业是利好，对公司而言更是直接的利好。**消费市场对智驾能力的验证非常直接，通过实际路测即可辨别优劣，FSD的引入将加速这一进程，从而激发市场对高效数据闭环解决方案的需求。 — ##在物理AI领域，国内外的主要参与者有哪些？贵公司在国内市场的主要竞争对手是谁？物理AI是一个宽泛的概念，其参与者因终端应用的不同而多种多样。例如，许多造车新势力在一季度发布会上频 繁提及物理AI，将自身定位为物理AI公司，但这些车企实际上是我们的客户和应用场景，而非竞争对手。在与我们同属AI Infra软件层面的企业中，国内外数量并不多。北美市场典型的代表是Applied Intuition，该公司专注于提供类似51Sim的软件，上一轮投后估值已达千亿人民币级别，收入体量也相当可观。此外，大型科技公司内部也有部门从事类似业务，如英伟达的Omniverse加Cosmics平台，以及北美科技巨头（七姐妹）内部除大语言模型外，也都在研究物理AI相关方向。同等规模的上市公司则较为罕见，因为该领域兴起时间较短，许多公司