1. 大模型厂商正在切入物理AI的大脑层，上下分层的架构越来越清晰。
过去业内一般把以语言为核心的通用大模型和面向物理世界的具身模型看成两条技术路线。随着GPT-6 Astra的推出，#评测发现通用大模型的能力开始外溢到具身领域。上层的任务理解、规划和纠错等“大脑”能力，价值会向OpenAI、谷歌这类通用模型厂商集中。北美巨头集体入场，#物理AI成为全球AI新主线，后续催化频繁。
2.国内大厂看字节。近期世界模型渲染侧，进展十分明显，国内在应用落地上领先，具备较快变现的条件，字节也有商业闭环的能力。视频生成和3D生成能力都在快速提升，大模型写代码生成3D场景也让成本明显下降、效果达到震惊瘫坐的水平。技术上，海外头部（如谷歌 Genie 4）仍略领先；但国内AI漫剧、游戏等内容场景商业化更快（腾讯已经开始在hy4发力）。后续智能穿戴设备（字节 Pico 眼镜、Meta 眼镜）和互动影游等新内容形式扩容，会带来增量。年底催化很多。
3. 产业链分数据、模型、本体三层，目前的瓶颈在数据层：有效数据的供给跟不上上层模型的需求。需求高度集中在头部大厂。数据公司壁垒在仿真平台和数据标准，而不在采集和标注本身。纯做采集、清洗、标注的公司偏人力密集，壁垒低，客户粘性差。有自研仿真平台、参与制定数据格式和一致性标准的公司，客户的数据一旦按它的格式存下来，替换成本就高，粘性更强。另外，真实空间关系映射的高质量 3D数据也有很大需求。
作者声明： 本文转载自第三方，旨在提供资讯参考，并非证券推荐或投资建议。作者对内容的真实性、准确性不承担保证责任。本文不构成任何投资建议或证券推荐。截至发文日，作者与文中提及的标的不存在持仓关系。