猜你想问
这份研报主要分析了哪些内容？
这份研报主要分析了物理AI与国产算力行业的进展及投资方向。报告指出，虽然模型公司在物理AI方向取得进展，但现有模型对物理世界的理解不足，缺乏对机理模型的融合。产业端，科技巨头和本体厂商对“大脑”的重视程度提升，市场预期较高。投资聚焦方向包括素材和本体厂商。报告还探讨了模型训练数据缺口、数据体系终局、真机回传数据与仿真数据的重要性、落地节奏、AI应用判断、国产算力供给短板及互联能力提升等关键数据与研究结论。
物理AI行业的发展趋势如何？
物理AI行业的发展趋势显示，现有模型对物理世界的理解不足，未来需结合机理模型与大模型，但结合方式仍是难题。产业端，科技巨头和本体厂商对“大脑”的重视程度提升，市场预期较高。国内宇树等计划在机器人大脑方向取得突破。投资聚焦方向包括素材（解决数据缺乏问题）和本体厂商（估值重估预期）。报告还指出，B端应用是长坡赛道，可能以5~10年为周期带来收入和利润增长。
研报重点分析了哪些投资方向？
研报重点分析了素材和本体厂商的投资方向。素材方面，奥比中光和华裔科技是值得关注的标的，它们有助于解决模型训练数据缺乏的问题。本体厂商方面，头部厂商估值提升，未来上市名额制，数量不多。报告还建议关注真机回传数据标的如先控智能（港股），仿真数据标的如风雨路（数字资产+投资索印科技并与其成立合作公司），以及国产算力标的如海光与曙光。
当前市场现状如何判断？
当前市场现状判断显示，模型训练数据缺口较大，训练通用大脑需数千万小时数据，目前以万、十万级为主，仿真数据最多百万级。真机回传数据加仿真数据是未来关键，仿真数据质量需提升，但可通过算力提升解决。国产算力供给端存在短板，明年算力提升明显，互联能力提升。AI应用方面，B端应用是长坡赛道，需打通企业内部数据业务系统和权限管理系统。
研报提示了哪些风险？
研报提示的风险包括物理AI现有模型对物理世界的理解不足，缺乏对机理模型的融合，与物理世界精细化交互仍有差距；结合机理模型与大模型的方式仍是难题；国产算力供给端存在短板，虽然明年算力提升明显，但基础供给仍需关注；AI应用落地节奏较慢，先工业端、制造业端落地，再到商业端，最后到家庭端；B端应用需打通企业内部数据业务系统和权限管理系统，周期较长，可能以5~10年为周期带来收入和利润增长，短期回报不确定性较高。