物理AI通过机器人载体实现感知—推理—规划—执行闭环,当前阶段机器人是最佳载体,但数据积累是最大卡点,需关注数据基建与仿真软件方向。
物理AI正从概念期进入底座与本体同步验证阶段,当前是最佳布局期,技术栈包括世界模型、VLA、3D感知和运动执行,未来将向整机场景落地发展。
报告重点分析了数采的三重约束:物理域Gap、高质量3D交互数据稀缺、端侧算力约束,以及具身智能第一阶段的数据广度、标注密度与跨本体复用效率。
物理AI市场正从概念走向验证,英伟达GTC、宇树大会等事件推动发展,但数据积累仍是核心挑战,需关注数据基建和仿真软件的确定性机会。
物理AI面临数据积累难、算力约束、仿真与本体动力学迁移难等风险,需关注高质量3D交互数据稀缺和端侧算力限制问题,以及跨本体复用效率的挑战。