猜你想问
物理AI产业的核心瓶颈是什么？
物理AI产业当前面临的最大瓶颈是数据采集。截至2026年初，全球高质量真实物理交互数据约50万小时，但行业目标远超此数，数据缺口超过95%。采集成本高昂，单小时数百元，真机遥操单条数据达数十元。头部大厂2026年数采目标达千万小时。合成数据因物理引擎难以完美模拟摩擦力、形变与光照变化，无法替代真机数据。持续获取真实物理世界语料是提升模型上限的关键，工业场景因现成语料（如工厂温度、压力曲线）跑得更快。
物理AI行业的发展趋势如何？
物理AI极有可能成为四季度至明年春季的主线。政策支持持续加码，如工信部研究新一代智能制造政策，国家数据集团挂牌，江苏发布物理AI数据集建设计划等。产业规模化验证取得进展，国内人形机器人出货量超4万台（2026上半年），智元机器人出货量超8600台（同比十倍级增长），全国已建成70余家具身智能训练场。海外动态包括AMD拟收购WorldLabs（约82亿美元），OpenAI确认独立开发人形机器人（2027原型）。但数据采集仍是最大挑战。
这份报告重点分析了哪些方向？
报告重点分析了物理AI产业的数据瓶颈与采集挑战，政策支持动态，产业规模化与商业化进展，以及核心要素与风险提示。报告指出物理AI需理解力、热、流体、电磁等物理量，本体是躯壳，模型（智力、软件、世界模型）是灵魂。关注个股包括敏芯股份、中控技术、海天瑞声等。报告强调持续获取真实物理世界语料是提升模型上限的关键。
当前物理AI市场的现状如何？
当前物理AI市场处于规模化与商业化同步验证阶段。国内人形机器人出货量超4万台（2026上半年），智元机器人出货量超8600台（同比十倍级增长），全国已建成70余家具身智能训练场。但数据采集成为最大瓶颈，全球高质量真实物理交互数据约50万小时，缺口超95%。采集成本高昂，单小时数百元，真机遥操单条数据达数十元。头部大厂2026年数采目标达千万小时。合成数据因物理引擎局限无法替代真机数据。
这份研报提示了哪些风险？
研报提示了物理AI产业的主要风险，包括政策落地节奏不及预期，具身智能数据订单落地与毛利率不及预期，人形机器人商业化进度慢于预期，以及下游制造业资本开支不及预期。政策支持虽有加码，但具体落地效果存在不确定性。数据采集成本高昂，订单落地与毛利率也可能不及预期。人形机器人商业化仍需时日，下游制造业资本开支也影响产业进程。