人工智能行业：在时间的折痕处——物理AI.pdf

上传者：楚**
时间：2026/06/03
热度：176
0人点赞
举报

本文深入解析了物理AI（Physical AI）的定义、技术路径、产业链格局及核心应用场景。物理AI由黄仁勋于2024年提出，指能感知、理解并在真实物理世界中执行复杂操作的模型，是人工智能从虚拟智能迈向具身智能的关键桥梁，外延覆盖人形机器人、智能驾驶与工业机器人三大核心场景。与生成式AI相比，物理AI在训练数据来源、数据规模、输出空间、推理延时容忍度、评估体系、商业闭环及失败成本等方面存在显著差异。在基础模型层，物理AI呈现VLM、VLA与世界模型三条路径收敛之势。世界模型作为后台数据工厂合成训练数据，VLM承担长程规划的“慢思考”，VLA则把指令与感知直接转化为动作。海外格局中，英伟达凭仿真、世界模型、基座VLA与软硬件全栈抢占“机器人安卓”地位；国内则由人形机器人厂商主导基模+硬件，大厂仍在追赶。工具层是被低估的一环，仿真平台是基础模型训练的核心数据来源，英伟达Omniverse/Isaac主导，国内智元Genie Sim等开源生态加速追赶。物理AI还从仿真训练与数字孪生两个维度拉动工业软件需求，英伟达已与Cadence、达索、PTC、西门子、Synopsys等巨头深度合作。随着部署量提升、数据持续回流，物理AI有望进入“数据增长—模型迭代—能力提升—场景扩张”的飞轮。场景端，智驾完成从端到端到VLA世界模型的切换，人形机器人加速量产并构建数据—模型飞轮。车企技术路径经历切换，主流车企完成了从规则驱动时代、端到端AI时代与VLA时代的路径切换。人形机器人正从样机验证进入小批量/规模化部署阶段，Figure、Tesla、智元、宇树等厂商均给出2026年万台级产能或部署目标，应用场景从工厂、物流逐步扩展至家庭与零售。报告建议关注工具层软件厂商及智能驾驶软硬件提供商。