猜你想问
这份研报的核心内容是什么？
这份研报的核心内容是探讨物理AI领域的发展，特别是Astra带来的具身智能大脑进步如何成为本轮发展的直接催化因素。报告分析了传统机器人大模型的局限性以及VLA分层架构的改进，指出Astra与Pi 0.5等VLA模型的结合显著提升了模型对场景理解和任务拆分能力，进而加速了物理具身大模型的发展。此外，报告还强调了采购方从机器人本体公司扩展到OpenAI、字节等世界模型厂商的趋势，以及数采环节首次出现真实可测算的增量订单。
物理AI赛道未来的发展趋势是什么？
物理AI赛道的未来发展趋势包括数据采集、模型训练、Infra建设和场景落地等多个阶段。在模型架构方面，将走向多模态输入、多模态输出的方向发展。后续重点将放在Infra建设上，包括千卡万卡调度、训练稳定性和推理加速等方面。再往后则是场景兑现，例如通过眼镜、手机等端侧交互入口实现应用落地。这些趋势将推动物理AI技术在更广泛的领域得到应用。
研报重点分析了哪些方向？
研报重点分析了物理AI领域的直接催化因素、后续演绎方向以及相关标的。在直接催化因素方面，报告重点探讨了Astra带来的具身智能大脑进步如何推动物理具身大模型的发展。在后续演绎方向方面，报告分析了数据采集、模型训练、Infra建设和场景落地等阶段的发展路径。此外，报告还列举了与物理AI领域相关的多个细分领域的相关标的，包括数采硬件、数采服务、模型与仿真、本体与零部件以及应用与算力等。
当前物理AI市场的现状如何？
当前物理AI市场的现状表现为技术快速迭代和应用场景不断拓展。随着Astra等技术的出现，物理具身大模型的发展速度明显加快，采购方开始从传统的机器人本体公司扩展到OpenAI、字节等世界模型厂商，购买力和订单体量大幅提升。同时，数采环节首次出现真实可测算的增量订单，显示出市场的活跃度和潜力。此外，Infra建设和场景落地也成为市场关注的重点。
研报中提到了哪些风险提示？
研报中提到的风险提示主要集中在技术落地和市场竞争方面。首先，虽然物理AI技术发展迅速，但模型架构的改进和Infra建设仍面临诸多挑战，如千卡万卡调度、训练稳定性和推理加速等问题需要解决。其次，市场竞争激烈，随着越来越多的厂商进入物理AI领域，市场竞争将更加激烈。此外，场景落地也需要时间和资源，需要企业具备较强的市场开拓能力。这些因素都可能对物理AI市场的发展带来一定的风险。