猜你想问
这份研报主要讲了什么内容？
这份研报主要探讨了物理AI（物理场+AI）作为新兴技术焦点，在工业领域的应用前景。报告分析了政策支持、真实场景数据积累、技术路径探索以及市场需求增长如何共同推动物理场+AI的发展。同时，还介绍了中美两国在AI工业应用上的政策驱动、行业变革趋势，以及智能模型如何引领新范式。此外，报告深入剖析了AI技术路线（VIA、世界模型、通用基座）的分工与壁垒，强调了真机数据平台的重要性及其稀缺性，并展望了2026年四季度物理AI的市场主线和投资主线。
物理AI赛道的发展趋势如何？
物理AI赛道正成为人工智能投资的新焦点，尤其在工业领域应用前景广阔。政策层面，中美两国均重视AI在工业领域的应用，中国强调通过AI赋能新型工业化。技术层面，行业正从硬件本体向智能模型的新范式转型，VIA、世界模型和通用基座三条技术路线分工演进而非替代。真机数据成为关键瓶颈，其稀缺性和高价值推动市场对数据平台的重视，未来未盈利模式将从整机打包向分层订阅和场景深度绑定转变，形成闭环生态。
研报重点分析了哪些方向？
研报重点分析了物理AI的核心技术路径与产业壁垒，包括VIA、世界模型与通用基座的分工与特点，以及真机数据平台的战略价值。报告还梳理了政策驱动下的产业变革，如中国通过AI赋能新型工业化的战略部署。投资层面，报告明确了五条投资主线：数据采集、数据加工、工业操作系统引导、工业模型与巨深大、工业用能科技，并强调了真机数据缺口是确定方向，需关注政策环下的制造业应用发展。
当前物理AI市场的现状如何？
当前物理AI市场呈现出技术快速迭代与数据资源稀缺并存的现状。政策支持力度加大，推动AI在工业领域的应用落地。行业正从硬件驱动转向智能模型驱动，但高量真机数据成为制约发展的关键瓶颈。全球范围内，单个基座模型训练需超1亿小时数据，而现有高量真机数据不足70万小时，存在巨大缺口。市场已对真机数据平台给予高估值，如Phyle公司估值超110亿美金，凸显数据价值。同时，下游大厂和制造业企业对AI数据需求巨大，市场空间达几千亿级别。
研报提示了哪些风险？
研报提示的主要风险在于物理AI技术路线的不确定性可能导致现有投入的阶段性失效。AI技术存在三条路线（VIA、世界模型、通用基座）的动态演进，未来技术路线的变化可能影响现有投资组合的适应性。此外，真机数据的获取与处理成本高昂，且数据质量参差不齐，可能影响模型训练效果和商业化进程。政策环境的变化也可能对行业发展方向产生扰动。因此，投资者需关注技术路线的演进趋势，谨慎评估数据获取能力，并警惕政策变动风险。