数据截止：2026年6月7日
本文只聊产业动态和技术逻辑，不构成任何参考依据
上周，深圳一家电子厂的产线停了4个小时。原因是机械臂遇到滑丝不会调整。隔壁车间，搭载物理AI的机械臂只用了0.3秒完成力学反馈，自己换了种拧法。
同一周，北京五环外，一辆L4级自动驾驶出租车在暴雨中准确绕过被风吹倒的树枝——没有提前编程，全靠AI实时理解轮胎摩擦力、风速对车身的影响。
还是同一周，国家电网某省调中心，一套物理AI系统成功推演了台风登陆后的电网韧性，提前14分钟发出预警，避免了三个城市的大面积停电。
三件事，三个行业。背后是同一样东西：物理AI。
它不是机器人。它是让所有和物理世界打交道的系统变聪明的底层能力。
一、键盘侠 vs 老师傅：物理AI到底牛在哪？
现在的AI能写诗、作图，但它不懂重力。绝大多数AI模型靠的是“见过”——看过100万张杯子的图，就知道那是杯子。但没见过杯子倾斜后水会洒出来，没经历过风阻对车身的影响。
物理AI不一样。 它的核心突破在于让模型在训练过程中自发学习物理规律。
两种主流技术路径：一是通过可微分物理引擎（能让仿真误差反向传播给AI，驱动它自己修正对摩擦力、碰撞等规律的认知），二是利用物理信息神经网络（PINNs），将牛顿力学方程嵌入损失函数，确保预测结果严格符合守恒定律，而非仅拟合历史数据。
一句话：以前的AI靠“背答案”，物理AI靠“懂原理”。
从全球专利布局看，据日经新闻等机构联合调查，中国在物理AI专利申请总量占比约41%（全球第一），但美国在核心专利（高被引专利）占比仍具优势。数量在中国，质量在中美角逐。
二、量变到质变：这场爆发是怎么积累出来的？
物理AI经历了三波量变。
第一波：仿真技术成熟。 2024年前后，英伟达Omniverse把仿真门槛拉低了一大截。2026年6月1日Cosmos 3全开源，门槛直接从千万级砸到几十万级。一夜之间，全球数百万开发者都能做物理AI训练了。
第二波：硬件成本雪崩。 据高工机器人产业研究所（GGII）调研数据，工业级六维力传感器均价从2023年的约8500元降至2026年Q1的约2100元，降幅超70%，主要因国产替代与新能源汽车供应链复用。以前一个传感器顶一台中端手机，现在价格跌到一副耳机。
第三波：数据基建补上最后一块板。 光有仿真和硬件不够，模型需要海量真实交互数据。2026年6月1日，光轮智能、博登智能两家数据基建公司同时拿到大额融资，补齐了整条产业链的最后一环。
三波量变在2026年6月同时到达临界点。不是巧合，是产业自己走到了这个节点。
三、核心上市公司：产业链价值分层
整条产业链按业绩兑现顺序，可以分为三层。仿真层企业已率先规模化盈利，感知/执行层正处于国产替代爬坡期。
（一）仿真层：技术壁垒最高，业绩最先兑现
五一视界（06651.HK）
国内高阶智驾仿真市场的重要玩家，已成主机厂准入测试的关键工具。2025年营收3.48亿元，同比增长21%，其中51Sim智能驾驶业务营收0.56亿元，同比增长16.9%。2026年3月发布全球首款“物理直觉”世界模型（51World Model），打通AI进入物理世界的因果推演能力。全球TOP20车企中55%、中国TOP20车企中60%与其深度合作，六大国家级检测机构100%接入其仿真体系——客户迁移成本极高。
索辰科技（688507）
A股军工CAE领域头部企业，在特定细分市场市占率领先，自研“天工·开物”物理AI平台覆盖力学、流体、电磁全物理场。2025年物理AI相关业务收入5816万元，同比增长超200%，落地人形机器人虚拟训练、整车全工况仿真等场景。2026年中标绍兴越城区低空三维物理资产管控平台（3096万元），实现物理AI在低空经济的商业化突破。其CAE仿真技术被纳入国产大飞机项目，电磁场仿真能力可优化卫星天线覆盖效率，减少建设成本20%以上。
光轮智能（未上市，但产业链地位关键）
据公开报道，全球多家头部具身智能团队使用其仿真数据资产，2026年Q1新增订单5.5亿元创行业纪录。人类行为数据体系覆盖2.5万+环境节点、10万+任务类型，累计交付150万小时高质量数据。数据复售率超10倍（单位小时数据售给10家以上客户），验证数据通用性与客户黏性。作为Newton物理引擎核心委员（与英伟达、谷歌DeepMind并列），主导具身智能国际标准共建。
（二）感知层：3D视觉与传感器，国产替代加速
奥比中光（688322）
中国服务机器人3D传感器市占率超70%，英伟达Jetson官方合作伙伴。2026年Q1机器人业务收入同比增长300%以上，人形机器人深度相机方案已进入头部客户供应链。
柯力传感（603662）
据GGII调研数据，国产六维力传感器市占率约30%，单价从2023年的8500元降至2026年Q1的2100元。2026年Q1工业级传感器出货量同比增长120%，主要应用于机械臂力控场景。
（三）执行层：核心零部件，竞争加剧但需求确定
绿的谐波（688017）
国产谐波减速器市占率第一，批量供货智元、宇树人形机器人。SP系列减速器传动精度提升50%，2000rpm振动加速度优于国际主流品牌50%以上。
昊志机电（300503）
ABB谐波减速器供应商，2025年机器人业务收入2.2亿元，同比增长19.91%。2026年Q1机器人整机及核心部件收入同比增长95.11%，双刚轮减速器体积/重量下降30%，更适配人形机器人关节。
长盈精密：2026年1-4月机器人零组件出货超38万件，覆盖灵巧手传动结构。
四、物理AI的五大战场（非机器人案例占主导）
战场一：自动驾驶与智能交通
蔚来NWM世界模型可在100毫秒内推演216种潜在行车场景，智驾使用里程环比显著提升。小鹏X-World集成到VLA 2.0模型，训练效率提升10倍以上。小马智行PonyWorld 2.0支撑20个城市L4 Robotaxi运营。Waymo曝光基于Google DeepMind Genie 3的世界模型训练框架。
战场二：工业自动化与柔性制造
机器人案例：宝马工厂Figure 02机器人单台替代3名工人，投资回收期14个月。智元机器人万台交付集中在3C制造和物流分拣。
非机器人案例：深度智控的PhyAI能效智能体，通过融合热力学模型与实时数据，动态优化化工厂反应釜温度曲线，降低能耗12%，同时避免物理性爆裂风险。这套系统没有机械臂，没有轮子，纯软件，但它是物理AI。
战场三：智能基础设施与城市级应用
国家电网的物理AI系统，通过物理增强的预测模型，实时推演台风对输电塔的力学影响。输入是气象数据加电网拓扑图，输出是调度指令，全程无需实体动作。欧洲中期天气预报中心等机构的研究显示，将物理AI嵌入数值模型后，台风路径预测误差可得到显著降低。
战场四：医疗健康
机器人案例：手术机器人通过力觉感知和实时力学反馈，穿针、缝合精度接近资深医生。
非机器人案例：手术规划软件基于患者CT数据加生物力学模型，预演不同手术方案对骨骼应力的影响，输出最优路径（如髋关节置换角度），全程无需机器人参与。
战场五：科学计算与工程模拟
核聚变模拟中，英伟达Cosmos生成等离子体运动的高保真数据，可替代大量物理实验。材料研发领域，索辰科技“营造·万象”模型可模拟高熵合金在极端温度下的氧化过程，将新材料测试周期从18个月压缩至3周。
五、全球玩家在干嘛？
英伟达：Cosmos 3全开源，推出320亿参数VLA模型Alpamayo 2 Super，与宇树联合开发1.8米量产机器人。
Figure AI：主动终止与OpenAI合作，转向自研Helix VLA模型。仓储机器人连续工作33小时处理4万个包裹，是目前全球估值最高的具身智能创业公司之一。
波士顿动力：Atlas量产版正在推进迭代，融合动力学控制与机器学习，现代汽车计划2028年起在工厂试点部署。
特斯拉Optimus：目标成本2万-2.5万美元，年产100万台。
六、政策端：从顶层到地方全链条推进
国家级：2026年6月1日，工信部批准发布《具身智能基准测试方法》行业标准，全国首个人形机器人全生命周期管理服务平台上线。该标准目前主要针对L4级自动驾驶系统，要求通过物理因果推理测试。
地方：北京“九大行动”计划两年内AI核心产业规模突破万亿元，深圳目标550亿元，天津、广州、青岛等地具身智能产业园落地。
七、物理AI正在悄悄改变三件事
对工人：浙江某工厂部署后，高危岗位事故率下降92%。工人从“用手”变成“用眼”。
对中小企业：自动化产线设计周期从6个月缩至2周，试错成本从几百万降到几十万。
对全球竞争：据行业调研，核心零部件国产化率已超70%，硬件成本比美国低约40%。光伏、新能源车的剧本正在重演。
八、你的行业会被物理AI颠覆吗？
回答三个问题：
· 产线上有没有依赖“老师傅手感”的环节？
· 有没有长尾场景数据缺失导致反复故障？
· 单次试错成本是否超过10万元？
两个以上选“是”——2027年前物理AI会进入你的行业。
九、真伪项目怎么辨？
第一层：商业落地五级（L0-L4）。多数跟风项目在L0-L2，仅头部进入L3-L4。
第二层：技术四问——有没有自研可微分物理引擎？Sim-to-Real Gap是多少？有没有公开仿真数据？客户复购率低于50%吗？
十、四个需要清醒的地方
技术还没那么神。 据行业调研，Sim-to-Real迁移成功率高度依赖场景复杂度：结构化场景（如工厂机械臂抓取）可达80%以上；非结构化场景（如湿滑路面车辆控制）可能不足50%。
估值已经有点飘。 仿真层公司市盈率普遍在80-120倍区间，一旦量产跳票，回调30%不是吓人。
价格战已经开打。 减速器领域一年新增数十家国产厂商，头部企业毛利率从65%掉到42%，中小厂商压力更大。
政策需分层看待。 工信部新标准主要约束L4级自动驾驶，电网、医疗等领域仍沿用行业原有标准。
写在最后
三年前，物理AI是实验室里的论文。两年前，是发布会上的概念。去年，是资本市场的风口。今年6月1日之后，它变成了自动驾驶出租车上的决策、工厂里的自适应产线、电网调度中心的预警系统、手术规划软件里的最优路径。
物理AI不是“造人”。它是让所有和物理世界打交道的系统变聪明的底层能力。
当你的竞争对手开始用物理AI把试错成本砍掉90%、把研发周期从半年压缩到两周的时候，你确定还要继续观望吗？
——转给你身边还在问“物理AI是什么”的那个人。
全文完。数据截止2026年6月7日，多源交叉验证。
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。