猜你想问
这份研报的核心内容是什么？
这份研报的核心内容是物理AI作为继生成式AI后的核心发展方向，其具备超50万亿美金的潜在市场空间，当前发展类似2022年的大语言模型阶段。物理AI的核心差异在于多模态感知、庞大数据算力需求，且能带来实体领域新增需求。物理AI模型能力提升遵循Scaling Law，优质数据是产业链中关注度较低但具备明确订单催化的关键环节。
物理AI赛道的发展趋势如何？
物理AI赛道的发展趋势是成为继生成式AI后的核心发展方向，其市场潜力巨大，类似2022年的大语言模型发展阶段。物理AI的核心差异在于多模态感知、庞大数据算力需求，能带来实体领域新增需求。物理AI模型能力提升遵循Scaling Law，优质数据是产业链中关注度较低但具备明确订单催化的关键环节。目前数据供给端标准化程度低，存在数据质量分层，真机数据成本最高，仿真合成数据占比逐步提升；数据需求端VLA模型已验证数据增加可提升泛化能力，世界模型技术路径分散，若路径收敛将带来数据需求大幅增长。
研报重点分析了哪些方向？
研报重点分析了物理AI产业链中的优质数据环节，包括数据供给端和需求端。供给端存在标准化程度低、数据质量分层、真机数据成本高、仿真合成数据占比提升等问题，且数据难以跨公司复用，行业未形成规模化商业模式。需求端VLA模型已验证数据增加可提升泛化能力，世界模型技术路径分散，若路径收敛将带来数据需求大幅增长。此外，还梳理了一级市场Scale AI、光轮智能、松印科技等公司和二级市场宝通科技、风语筑等公司的布局情况。
当前物理AI市场的现状如何？
当前物理AI市场的现状是处于类似2022年大语言模型的发展阶段，市场潜力巨大，但技术路径尚未完全明确，数据行业标准未统一，数据复用模式尚未跑通。数据供给端存在标准化程度低、数据质量分层、真机数据成本高、仿真合成数据占比提升等问题，数据难以跨公司复用，行业未形成规模化商业模式。需求端虽然VLA模型已验证数据增加可提升泛化能力，但世界模型技术路径分散，若路径收敛将带来数据需求大幅增长。目前产业链中优质数据是关注度较低但具备明确订单催化的关键环节。
研报提示了哪些风险？
研报提示了物理AI赛道的主要风险，包括技术路径尚未完全明确，若无法收敛将延缓数据需求增长。此外，当前物理AI数据行业标准未统一，数据复用模式尚未跑通，导致企业短期利润难有保障。数据供给端存在标准化程度低、数据质量分层、真机数据成本高、仿真合成数据占比提升等问题，数据难以跨公司复用，行业未形成规模化商业模式。这些因素都可能影响物理AI产业的快速发展。