物理AI智能的三大核心环节及产业链图谱

/CONTENTS 01 020304 05 物理AI数据采集 （Data Collection） 主要来源 包括 真实数 据、合 成/仿 真 数 据 与视 频 数据，通过 系统 化 采 集高 质 量、多 模态 数据，为 环 境 理 解、任 务迁 移、模 型泛 化 与 实 时决 策 能力 提 升奠 定数据基础 VLA模型 （Vision-Language-ActionModel）即视觉-语言-动作模型；该模型引 入 大 语 言模 型，增 强 端到 端系 统 语 义 推理 能 力与 决 策可 解释 性 ； 它 将视 觉 感知、语言 指令 转 化 为 具备 逻 辑依 据 的动 作方 案，改善 传 统策 略 黑盒 问题，推 动 机 器 人由 指 令执 行 转向 逻辑驱动 世界模型 （World Model） 用于表征环境状态、预测未来变化并支持任务规划，帮助机器人形成更强的理解、推演与决策能力，提升泛化性与长期任务表现 数据来源：外发报告《物理AI时代的数据“卖铲人”，具身数据采集开启下一代数据基建浪潮》、亿欧智库、中国信息通信研究院、CSDN等，国泰海通证券研究 数据来源：傅利叶智能官网、宇树科技官网、艾欧智能官网、智元机器人官网等，国泰海通证券研究 数据来源：阿里通义官网、腾讯混元官网、字节跳动Seed官网、NVIDIA官网等，国泰海通证券研究 技术落地不及预期风险、真实物理数据匮乏与仿真偏差风险、模型安全与合规风险、商业化落地节奏与商业模式不确定性风险。