AI从"理解世界"走向"作用于世界"
定义：物理AI是指能够在物理世界中运行并与之交互的人工智能系统。它依托模型、物理规律、传感器和执行器，完成"感知—理解—推理—执行—协调"的完整闭环。数字AI全程运行在虚拟数字空间里，所有算力、硬件、交互都围绕数字化信息流转展开，最终产出的是纯虚拟的内容成果。物理AI完全扎根于真实物理世界，所有组件、交互都服务于感知现实环境、输出实体动作，最终实现对物理世界的直接改造。
2026年被业内公认为物理AI元年，它被视为AI产业的下半场核心赛道。数字AI已经完成了信息生产效率的升级，而物理AI将进一步打通数字智能与实体生产的壁垒，在工业制造、自动驾驶、人形机器人等场景中释放万亿级的产业价值，推动AI从“智能交互”进阶到“智能造物”的全新阶段。
行业通常用"大脑—小脑—本体"三层来理解物理AI的架构。大脑负责理解指令、分析场景、拆解任务。小脑负责连续动作生成、全身协调与纠偏。传感器和底层控制器负责关节力矩、平衡与反馈。支撑这三层的是两条主线 — VLA（视觉—语言—动作模型）把环境图像、语言任务和机器人状态映射为动作，解决"决定如何做"。世界模型预测“动作之后可能发生什么"。二者协同形成"VLA生成候选动作—世界模型预测评估—真实执行反馈修正"的闭环。
物理AI进入"奇点时刻"
首先，泛化能力涌现是本轮的核心变量。过去机器人所谓的"通用"，更多是硬件具备执行不同任务的潜力，每项任务仍需重新采集数据、训练策略、针对本体调试。本轮最大的变化是核心变量由硬件性能升级转向泛化能力涌现。特斯拉Optimus、谷歌DeepMind、苹果、Meta等巨头密集布局，从"模型能力、数据、终端"三条线同时推进，正是这一趋势的注脚。
其次，数据驱动物理AI大模型迭代。研究显示，当Ego第一视角人类视频数据从千小时扩展到百万小时，模型的离线预测与真机任务表现均明显改善，为具身Scaling Law提供了初步证据。行业需求正向亿小时级迈进，按数百元/小时价格测算，对应约百亿元市场。远期借鉴特斯拉FSD的数据积累历程，考虑到机器人数据复杂度更高、采集成本持续下降，市场规模有望超过千亿。
第三、产业评价标准正从"能否完成一次任务"转向"能否持续稳定创造价值"。机器人进入真实环境后会持续产生失败、恢复和人工接管数据，形成"部署扩张—数据回流—模型改善—效率提升"的正反馈。因此，部署规模、有效工作时长和模型迭代速度，正在成为下一阶段的核心竞争指标。
五条主线机会
一、数据采集与仿真基础设施
这是本轮弹性最大的新增方向。真正稀缺的是真实场景与高质量交互数据，能持续运营大量机器人并沉淀真实任务数据的厂商具备潜在壁垒。个股方面，索辰科技的开物产品体系覆盖合成数据与物理模型；海天瑞声多模态数据生产平台覆盖上传、标注、质检到导出全链路；仙工智能将真机采集、数据治理、训练评测与模型回灌打通。
二、感知与执行硬件
随着任务从"视觉为主"升级到装配、抓取柔性物体等精细操作，力觉、触觉、三维视觉的配置率有望提升。具备高性能、低成本、量产能力的六维力传感器、触觉传感器、3D视觉方案，可能同时受益于出货增长和单机价值量提升。个股方面，奥比中光的无本体数据采集硬件平台覆盖头戴EGO、腕部WristCam、手部UMI等形态；福莱新材、恒辉安防、南山智尚的业务包含了触觉数据手套与柔性传感；禾赛科技、利亚德涉及激光雷达、多传感器融合与光学动捕采集。
三、机器人大脑与端侧算力
机器人难以完全依赖云端推理，网络延迟、可靠性和安全要求决定大量感知与动作决策须在本地完成。高性能边缘SoC、GPU模组、存储与高速互联均可能受益，是被市场低估的"预期差"方向。瑞芯微、星宸科技、晶晨股份等已在机器人、车载、边缘视觉领域实现出货量与单价双升。
四、本体与核心零部件
本体放量直接决定电机、丝杠、减速器、灵巧手等零部件需求。人形机器人进入量产阶段后，竞争重点将从"送样能力"转向"规模制造能力"，产品寿命、一致性、成本和供应能力更受重视。个股方面，宇树科技与中石油等能源央企合作推动工业具身智能场景落地；特斯拉Optimus已在弗里蒙特启动早期生产，2027年底对外交付，是"量产验证"主线的核心锚点。
五、通信模组升级为完整AI解决方案
物联网模组公司正从卖单一模组，转向提供完整AI解决方案——通过增加计算硬件、软件适配和系统集成扩大单机供货，同时受益于新增设备放量和存量终端的智能化升级。个股方面，移远通信承接智能终端开发与制造；广和通延伸汽车系统并布局Fibot机器人平台；美格智能依托高通平台发展高算力模组、板卡与计算设备，并发布具身数采终端方案。
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。