猜你想问
这份研报主要讲了什么内容？
这份研报主要分析了AI的下一站——物理AI的发展趋势，重点关注了世界模型技术路线、具身智能的模型升级、Optimus产线建设以及相关行业风险。报告详细介绍了AMD收购World Labs推动世界模型产业投入期的情况，国内企业在物理AI领域的布局方向，人形机器人应用场景、数据训练体系以及模型跃迁的路径。此外，还探讨了Tesla的Optimus产线建设进展、制造约束和训练体系变化，以及行业面临的风险提示，如技术路线快速变化、仿真与真实世界偏差等。
物理AI赛道的发展趋势如何？
物理AI赛道正进入快速发展阶段，世界模型技术路线已形成四类范式，包括三维空间生成、像素及视频预测、潜变量预测和物理及行动条件模型，行动预测成为共同方向。国内企业从物理求解、空间数据和行业仿真三个方向切入布局，人形机器人应用场景从高价值、低重复的非标任务向更多领域拓展。数据训练体系采用真机、仿真与人类视频三线融合，模型从任务专用策略走向通用基础模型，并通过世界模型补充长任务规划纠错能力。竞争重点正从单机功能展示转向数据运营效率、模型迭代速度和场景复制能力。
研报重点分析了哪些方向？
研报重点分析了四个方向：一是AMD收购World Labs推动世界模型进入产业投入期，包括技术路线和国内企业布局；二是具身智能进入模型升级期，涵盖场景应用、数据训练和模型跃迁路径；三是Optimus产线建设与制造约束，包括产线爬坡计划、制造瓶颈和训练体系变化；四是相关行业风险提示，涉及技术路线变化、仿真与真实世界偏差、具身模型能力提升、Optimus生产供应链、灵巧手可靠性、国内产品商业化及下游客户资本开支等风险。
当前物理AI市场的现状如何？
当前物理AI市场呈现产业投入加速、技术路线多元化、应用场景逐步拓展的特点。AMD收购World Labs标志着世界模型技术进入产业应用阶段，国内企业在物理求解、空间数据和行业仿真方向均有布局。人形机器人应用场景从灾害救援、复杂设备维护等高价值领域向更多非标任务拓展，数据训练体系采用真机、仿真与人类视频三线融合，模型从专用策略向通用基础模型演进。Tesla的Optimus产线建设进入新阶段，产量开始爬坡，但制造瓶颈集中于手部、前臂和精密装配，灵巧手可靠性、触觉传感器等仍是关键约束。
研报提示了哪些主要风险？
研报提示了物理AI领域的主要风险，包括世界模型技术路线快速变化可能导致现有方案被替代，仿真与真实世界存在偏差可能影响模型效果，具身模型泛化和长任务能力提升不及预期可能制约应用范围，Optimus生产和供应链信息存在口径偏差可能影响市场预期，灵巧手可靠性、产线良率和供应商扩产不及预期可能限制产能释放，国内Physical AI产品商业化不及预期可能影响市场接受度，下游客户资本开支和场景ROI不及预期可能影响市场需求。