物理AI20261027

物理AI算法及数据进展会议总结

一、核心判断

• 物理AI行情起点是OpenAI宣布向硬件端延伸投入，其基模能力已超人类水平，但真实场景表现弱，瓶颈在于数据端和算法端。
• 机器人主机厂数据格式不互通，数据作为核心资产被分割，导致基模难以发挥全部能力。

二、物理AI概念与产业链结构

• AI演进路径：判别式AI（2012年至今）→ 生成式AI（2022年）→ Agent式AI（2025-2026年）→ 物理AI（2025-2026年）。
• 物理AI特点：理解物理规则，基于物理求解器或仿真引擎生成符合物理规律、可交互的内容，生成质量取决于物理求解器。
• 产业链四层结构：
  1. 空间场景层：数字孪生与合成数据，代表为51World、凡拓数创。
  2. 物理规律层：CAE多物理场仿真与世界模型，代表为索辰科技（海外有World Labs）。
  3. 大脑层VLA：视觉与语言映射为动作，主要由宇树、智元、英伟达等推进。
  4. 运动控制层：实时操作系统与工业总线，代表为东土科技。

三、英伟达实践：Omniverse+Cosmos

• Omniverse：基于RTX架构的仿真引擎，引入PhysX物理引擎，用于工业数字孪生、自动驾驶与机器人实时仿真。
• Cosmos：通用世界模型，接收Omniverse渲染的环境与真实世界动作/指令，生成T+1时刻状态，批量产出合成数据并支持实时运动。
• 落地场景：
  • 工业场景：路径规划与动静态物理建模，如工厂货架倾倒时叉车实时避让。
  • 具身智能与自动驾驶：即时反应与精细控制，如通过改变天气生成corner case加速训练。
• 机器人架构：英伟达GR00T N1/N2采用双系统架构（大脑+小脑），大脑慢速感知规划，小脑经仿真数据预训练将规划转化为精准动作。

四、训练数据与sim-to-real难题

• 三种训练数据：
  1. 异构真机数据：效率低，一人一天仅三五百条，相对互联网文本数据规模匮乏。
  2. 动捕遥操作数据。
  3. 仿真合成数据（Cosmos代表）。
• sim-to-real难题：障碍物组合数据量巨大，难以通过仿真完全对应现实世界，如机器人马拉松案例中栏杆/减速带等突发情况导致大量摔倒。

五、OpenAI硬件转向

• GPT-6与ARC-AGI-3：基模能力可覆盖物理AI场景，但真实任务表现与测试环境差异大（99.9%高分，96%关卡超人类效率）。
• 硬件自研原因：此前与Figure AI合作终止，因机器人数据与知识产权需自控，现招聘硬件工程师正式自研。

六、数据端与算法端推荐

• 数据端：首推海天瑞声，聚焦头部厂商，已签约智元机器人等，商业模式为按条售卖数据并参与公共数据开发。
• 算法端：首推索辰科技，主业CAE仿真，打造天工开物平台结合生成式AI，收购SCADA实时数据库可采集真实物理环境数据。
• 延伸关注：能科科技、中控技术（二次开发），凡拓数创（数据层），51World（物理建模）。