在时间的折痕处：物理AI

物理AI（Physical AI）由黄仁勋于2024年提出，是指能感知、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，外延覆盖人形机器人、智能驾驶与工业机器人三大核心场景。

核心模型层：

• 基础模型呈现VLM、VLA与世界模型三条路径收敛趋势。
  • 世界模型作为后台数据工厂合成训练数据。
  • VLM承担长程规划的“慢思考”。
  • VLA将指令与感知直接转化为动作。
• 海外格局：NVIDIA领先，Google/Figure/Pi等公司多强布局。
  • NVIDIA凭借仿真、世界模型、基座VLA与软硬件全栈优势抢占“机器人安卓”地位。
• 国内格局：人形机器人厂商主导基础模型，大厂追赶。
  • 国内LLM大厂主要算力投入AGI路线，人形机器人公司技术和融资能力强，自建基础模型团队。

两大场景：

• 智能驾驶：从端到端大模型切换至VLA世界模型。
  • 理想汽车CEO詹锟表示自动驾驶只是物理AI起点，VLA模型可扩展至机器人。
• 人形机器人：量产加速落地，数据—模型飞轮加速构建。
  • Figure、Tesla、智元等厂商给出2026年万台级产能或部署目标。
  • 应用场景从工厂、物流扩展至家庭与零售。
  • 数据闭环成为模型层竞争关键，Figure、Tesla、智元等厂商加速数据积累。

工具层：

• 仿真平台：英伟达Omniverse/Isaac主导，国内智元Genie Sim等开源生态加速追赶。
  • 仿真平台核心能力包括物理引擎、渲染引擎和生成式数据引擎。
  • 国内仿真平台与海外差距仍存，但开源生态快速追赶。
• 工业软件：物理AI拉动工业软件需求，NVIDIA与工业软件巨头合作。
  • 物理AI增加仿真训练和数字孪生需求。
  • NVIDIA与Cadence、达索、PTC、西门子、Synopsys等巨头合作，注入CUDA-X、Omniverse至工业软件生态。

研究结论：

• 物理AI有望进入“数据增长—模型迭代—能力提升—场景扩张”的飞轮。
• 建议关注工具层软件厂商如索辰科技、五一视界；智能驾驶软硬件提供商如地平线机器人、中科创达、经纬恒润、禾赛等。

风险提示：

• AI等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。