猜你想问
这份研报主要讲了什么内容？
这份研报分析了物理AI领域，特别关注CSP（内容服务提供商）在世界模型上的资本开支和数据需求。报告指出市场主要关注机器人本身，但忽视了CSP大厂在相关领域的投入。预计2026年数据缺口巨大，2027年资本开支将数倍增长。同时，报告也探讨了行业发展趋势，如字节跳动等国内外CSP的模型发布催化，以及政策支持和AI新需求（短期游戏/驾驶，长期具身场景）的落地前景。
物理AI赛道的发展趋势如何？
物理AI赛道正快速发展，CSP大厂在数据采集和模型训练方面投入巨大。报告预测2026年数据需求缺口将非常严重，2027年资本开支可能大幅增加。行业面临多个催化因素，包括字节跳动等国内外CSP的模型发布，以及政策支持。未来AI新需求将推动市场，短期内看游戏和驾驶领域，长期则关注具身场景的落地应用。
研报重点分析了哪些公司？
研报重点分析了风语筑、凡拓数创和中坚科技。风语筑作为物理AI数据和仿真训练的“卖水人”，主业为数字展示行业，拥有海量空间数据和三维数字资产，为具身机械厂商提供仿真合成训练。凡拓数创负责数据清洗和标注，通过硬件部署和产能爬坡展现成本优势。中坚科技主业为园林机械，内部研发团队300人，采用全栈自研技术，机器狗深度绑定H生态，预计年底前推出一代产品，聚焦家庭陪伴场景。
当前市场对物理AI领域的现状判断是什么？
当前市场对物理AI领域的关注点主要集中在机器人本体，而忽视了CSP大厂在世界模型上的资本开支和数据需求。报告指出，2026年数据缺口预计将非常严重，而2027年资本开支可能数倍增长。行业面临多个催化因素，包括字节跳动等国内外CSP的模型发布，以及政策支持和AI新需求的推动。但市场仍需关注数据采集和模型训练的挑战。
研报中提示了哪些风险？
研报提示的风险主要集中在数据采集和模型训练方面。由于市场对CSP大厂在世界模型上的投入关注不足，可能导致数据缺口严重，影响模型训练效果。此外，行业依赖政策支持和AI新需求的落地，短期内游戏和驾驶领域可能面临竞争压力。同时，公司层面需关注技术研发和产能扩张的挑战，以及市场竞争加剧的风险。