2026年6月22日西部计算机物理AI投资会议纪要

发布时间：2026-06-22 一、核心结论 1. 本次会议以物理AI为核心讨论主题，明确该领域投资框架及细分赛道发展规律，确定四大核心受益方向为模型厂商、算力厂商、感知硬件与零部件厂商、数据与仿真平台厂商，所有细分方向均围绕物理AI落地需求产生价值 2. 物理AI领域的算力需求、技术迭代节奏与落地路径已形成初步共识，其行业发展对算力、硬件、数据等基础环节存在刚性依赖，国内需依托资本巨头联合投入突破核心环节瓶颈 二、模型层细分领域与发展现状 1. 模型层包含世界模型、VLM（视觉语言模型）、VLA（视觉动作模型）三类细分方向，不同类型模型具有差异化的技术特征与应用场景 （1）世界模型具备模拟现实物理环境的能力，是物理AI落地核心工具之一，当前处于技术探索与雏形落地阶段，尚未形成规模化商用体系 （2）VLM与VLA侧重视觉与动作结合的应用场景，主要服务于机器人、自动驾驶等领域的环境感知与决策，当前处于从原型开发向小批量测试过渡阶段 2. 模型层的收费模式分为按Token（代币）计费、订阅制两种，计费方式随应用场景商业化成熟度逐步调整，目前尚无统一收费标准，头部厂商正在探索适配不同客户的收费机制 3. 模型层算力需求远超传统大语言模型（LLM），对通用算力芯片、专用推理芯片均提出更高性能要求，当前全球通用算力供给端增长已无法匹配物理AI模型扩张节奏 三、算力与硬件环节发展痛点 1. 物理AI端侧推理芯片存在供给缺口，无法支撑终端设备大规模部署，国产芯片技术与海外先进水平存在代差，需通过工艺优化、架构创新实现技术追赶 2. 感知硬件环节存在刚需与增量空间分化：3D深度相机、力矩传感器、触觉传感器为物理AI落地刚需硬件，是机器人、智能设备等产品的核心组成部分，当前市场供给以海外厂商为主；线性执行器、灵巧手增量空间最大，主要应用于高端工业机器人与服务机器人领域，国内厂商已实现部分产品量产但性能仍需提升 3. 数据与仿真平台是物理AI长期发展的核心基础，其价值在于为模型提供训练、测试所需的精准物理环境数据，当前国产数据与仿真平台与海外存在代差，无法满足大规模模型训练要求，需依托科研机构与企业联合攻关突破 四、后续关注重点 1. 关注国内资本巨头对物理AI领域的联合投入进度，资本支持强度直接决定模型层、硬件层、数据层的研发突破速度，是物理AI实现规模化落地的关键外部变量 2. 关注物理AI端侧推理芯片国产替代进展，芯片性能代差缩小情况将直接影响终端应用产品的成本与普及速度，是硬件环节核心关注方向 3. 关注感知硬件中线性执行器、灵巧手的量产技术突破情况，增量空间对应的细分赛道发展潜力将在技术成熟后快速释放，是产业链布局核心关注点