猜你想问
物理AI的核心定义是什么？
物理AI的狭义定义是指自主机器在物理世界中执行操作的AI系统，如四足机器人、类人机器人、汽车等具身智能；宽口径定义则是指需要理解现实物理规律才能有效运行的AI应用，例如贝索斯旗下普罗米修斯公司相关技术。物理AI的核心目标是解决模型在非结构化陌生场景下的运行问题，目前主要聚焦于巡检、支架等低复杂度场景，长期发展方向是赋能产线级应用。
物理AI赛道的发展趋势如何？
物理AI赛道的发展呈现三阶段特征：第一阶段是机器取代人的场景，如柔性产线、精密焊接，投入产出比高且确定性强，目前汇川、新松等企业已开始布局；第二阶段是机器辅助人的场景，如AI巡检眼镜指导作业，投入产出比次之；第三阶段是机器辅助认知环境的场景，如设计态仿真、数字孪生，但场景零散、规模化弱、投入产出比较低。国内当前落地以国央企为主，主要出于政绩表达目的，民用领域仅半导体头部厂商有相关研究。
报告重点分析了哪些产业玩家？
报告重点分析了巡检机器人领域的江信智能，其具有差异化优势，已获得多轮融资，核心竞争力在于行业知识融合（多模态交互、业务系统打通），可实现单班巡检班组缩减至1人加少量设备。在DCS领域，中控（化工炼化）、科远（火电）、合力士（核电）等玩家各有行业侧重，核心壁垒在于商域与行业知识积累而非技术差异。此外，西门子通过100多亿美元收购奥黛尔、达索等巨头也均布局虚实融合与全生命周期管理。
当前物理AI市场的现状如何？
当前物理AI市场以国央企为主导，主要关注能源、电力、航空航天、军工等资金实力雄厚的行业，中小民企因经营效率诉求弱而参与度不高。商业化落地面临较大挑战，国央企的数据与业务不对外开放，难以支撑卖TOKEN、按订阅制等商业模式，导致乙方难以转化，甲方也不愿将数据与决策权交予乙方。因此，后续落地仍以项目制、商域驱动为主，头部玩家如中控、汇川等虽有确定性布局，但规模化与技术成熟度仍需保守看待。
投资物理AI需要注意哪些风险？
投资物理AI需关注数据与业务开放性不足的风险，国央企主导的市场模式下，数据与业务不对外开放将限制商业化模式的拓展，难以形成规模效应。此外，行业缺乏统一标准，项目差异大，技术成熟度仍需提升，这些因素都将影响市场渗透速度。同时，当前物理AI底层逻辑仍依赖数字孪生概念，技术路径与商业模式尚需进一步验证，投资者需警惕技术迭代带来的不确定性。