物理AI专家会议纪要20260622

物理AI技术与产业链探讨

物理AI模型厂商

• 物理AI模型厂商包括海外如谷歌、英伟达，以及国内如阿里等。
• 物理AI模型厂商的商业模式可能包括按token收费或订阅费模式，具体取决于ROI计算。

算力需求

• 训练物理AI模型所需的参数量级和实验周期目前难以预测，但预计将遵循scaling law规则。
• 物理AI模型训练需要的数据量和算力消耗比大语言模型更大。
• 端侧推理对于机器人应用至关重要，目前Orin等芯片可能不足以满足未来需求。
• 国产AI芯片在端侧推理方面仍有较大差距，需要进一步提升性能。

感知硬件与零部件厂商

• 机器人对感知硬件提出了更高的要求，特别是深度相机、力觉和触觉传感器（如电子皮肤）。
• 国内厂商在感知硬件领域具有强大的研发和制造能力，但触觉传感器等领域仍需发展。
• 零部件方面，线性执行器（如丝杠）和灵巧手是新增需求的主要方向，其中灵巧手具有更大的突破空间。

数据与仿真平台厂商

• 仿真平台对于物理AI模型构建至关重要，但目前国内厂商在仿真技术内核方面与海外存在代差。
• 数据采集和仿真平台搭建需要大量投入，包括算力、人工标注等。
• 多方合作（如机器人公司联合贡献数据）是未来趋势。

边缘推理

• 物理AI应用场景对数据实时性要求高，边缘推理需求旺盛。
• 机器人需要在端侧或边缘侧进行实时推理，以实现快速响应。

国内外发展差距

• 国内外在物理AI领域起步相同，但国内关注度较高，但集中度不足。
• 物理AI是资本密集型和技术密集型产业，国内厂商体量较小，需要进一步融资和资本支持。

数据采集设备

• 物理世界数据采集主要依靠视觉、触觉、力觉和声音等传感器。
• 仿真环境下，可以通过视觉和机器人本体仿真采集数据。
• 人工采集数据成本较高，仿真平台是更高效的方式。