猜你想问
这份研报主要讲了什么核心内容？
这份研报对比了主流VLM（如DeepSeek、豆包、Claude）与世界模型的核心差异。VLM以语言能力为核心，侧重语言理解与任务规划，主要依赖互联网公开文本数据；世界模型则建立在语言模型基础上，目标是预测物理世界状态、生成并理解世界，掌握物理规律，增强人机交互能力。世界模型需要结合机器人动作、力觉、触觉等高维度物理数据，数据需求量与算力需求显著高于语言模型。研报还探讨了世界模型的未来架构演进方向，包括多模态输入/输出，以及特斯拉FSD采用的类似架构。
物理AI这个赛道/报告分析方向的发展趋势如何？
物理AI赛道的发展趋势是从内容生成开始，逐步应用于自动驾驶难例数据生成/仿真、工业制造、零售商场直至家庭通用机器人等场景。核心在于构建从数据采集、存储、处理、人工标注到模型训练的全自动化流程，高质量数据是全场景（内容、自动驾驶、具身）的基础。未来将向多模态输入/输出演进，输入包含用户指令、当前观测、历史信息；输出以核心动作为主，叠加2D/3D/4D物理状态辅助预测，通过高维监督实现动作预测降维提升。
这份报告重点分析了哪些方向？
这份报告重点分析了世界模型的架构演进、数据需求与处理流程、以及基础设施（Infra）环节的训练与部署问题。在架构演进方面，探讨了向多模态输入/输出的演进方向；在数据环节，强调了构建全自动化流程和高质量数据的重要性；在基础设施环节，提出了训练侧需解决千卡/万卡级大规模分布式训练问题，部署侧需解决大规模并发访问问题，并通过模型量化加速推理速度。
当前物理AI市场的现状如何？
当前物理AI市场处于快速发展阶段，核心在于世界模型的构建与应用。主流VLM已具备一定语言能力，但世界模型在预测物理世界状态、生成并理解世界方面仍面临挑战，主要体现在数据获取、算力需求和模型架构设计上。应用路径上，内容生成已相对成熟，而自动驾驶、工业制造等场景仍处于探索阶段，需要更多高质量数据和更优化的模型架构。基础设施方面，大规模分布式训练和模型推理加速是关键瓶颈。
这份研报提示了哪些风险？
这份研报提示的风险主要集中在数据获取与处理方面。世界模型需要大量高质量的物理世界数据，包括机器人动作、力觉、触觉等，但目前这类数据的采集、标注和存储成本较高，且存在数据偏差和噪声问题。此外，世界模型的训练需要巨大的算力资源，基础设施建设和维护成本高昂。模型架构的复杂性和对物理规律的精确掌握也是挑战，目前仍处于技术探索阶段，商业化落地尚需时日。