猜你想问
这份研报主要讲了什么内容？
这份研报深入剖析了物理AI的投资线索，从产业链五大环节（算力基础设施、核心算法、感知层、执行层、实体载体与场景应用）展开，重点围绕世界模型的形成、感知层技术、执行层硬件以及布局物理AI的巨头企业进行详细梳理。报告还估算了人形机器人等领域的市场空间，并对泛科技投资难度进行了评估，最后梳理了相关受益标的。
物理AI赛道的发展趋势如何？
物理AI赛道正围绕‘环境感知→物理推演→实体执行→反馈迭代’的闭环发展，产业链价值传导顺序为算力→算法→感知→执行→载体。核心算法中的世界模型依赖海量时空交互数据进行训练，数字孪生仿真和真实数据校准是关键。感知层技术以IMU、编码器等为主，执行层聚焦关节模组和减速器等硬件。人形机器人市场潜力巨大，预计市场规模达3000亿美元。
研报重点关注了哪些投资方向？
研报重点关注了四个投资方向：一是围绕世界模型形成的核心算法，包括数字孪生仿真和真实数据校准；二是物理AI的感知层技术，如IMU、编码器等；三是物理AI的执行层硬件，包括关节模组、减速器等；四是围绕物理AI布局的巨头企业，如OpenAI、特斯拉Optimus、字节和英伟达等。此外，报告还梳理了数字孪生仿真、真实数据等领域的受益标的。
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，产业链各环节逐步成熟。人形机器人市场潜力巨大，预计市场规模达3000亿美元。数据方面，Ego/第一视角类数据每小时约3-4k，清洗、标注等成本较高。投资方面，泛科技投资难度评估为：海外硬件最难，国产算力次之，具身智能相对容易。
研报提示了哪些投资风险？
研报提示了物理AI投资的相关风险，包括数据获取难度大、算法技术壁垒高、硬件供应链不稳定等。此外，海外硬件面临ARR增速、现金流、FCC认证、涨价传导、Rubin良率等挑战；国产算力则需关注HBM供给、流片、HBM价格、国产模型ARR等问题。投资者需谨慎评估各环节的技术成熟度和市场接受度。