物理 AI 爆发前夜，最大的预期差藏在哪里？这家“CPU＋DCU”龙头从云端训练延伸至机器人端侧，成长空间正在打开！
一、近期催化
物理 AI 正成为人工智能产业的重要增量方向。
10 月 21 日，英伟达在 GTC 柏林大会集中展示世界基础模型、人形机器人平台、数字孪生和工业仿真等布局，并推出模块化 AI 工厂方案。在现场配套条件就绪后，相关方案有望将部署周期由约 6 个月缩短至最快 14 天。
产业端对物理 AI 的判断同样积极。10 月 22 日，宇树科技创始人王兴兴表示，物理 AI 已出现被“击穿”的苗头，突破可能发生在未来 1—2 年或 2—3 年。基础模型能力持续提升，正在加快机器人感知、规划和执行能力的迭代。
与此同时，物理 AI 数据训练需求快速增长。截至 2026 年初，全球高质量真实物理交互数据约 50 万小时，与行业目标相比缺口超过 95%；全国已建成启用的具身智能训练场超过 70 家。真机数据采集、仿真数据生成和模型训练共同扩张，为底层算力打开新的需求空间。
当市场将目光集中于机器人本体、数据采集和核心零部件时，物理 AI 背后的算力基础设施，正在成为另一条值得重视的产业主线。
物理 AI 的算力需求贯穿云端训练与仿真、边缘实时推理和端侧控制。海光信息的预期差正在于，市场仍主要按服务器 CPU＋AI DCU 理解公司，而公司已将产品边界延伸至嵌入式 AI、工业控制和物理端侧，向物理 AI 全场景算力平台演进。
二、海光信息（688041）核心逻辑：从云端训练到端侧控制，打开第二成长空间
（一）“CPU＋DCU”双芯协同，卡位物理 AI 算力底座
世界模型、具身模型和多模态模型需要处理海量视频、空间及动作数据，工业仿真和机器人控制又要求高并行计算与任务调度协同，因此“CPU＋AI 加速芯片”的异构计算成为物理 AI 的重要底座。
海光信息已经形成“CPU＋DCU”双轮驱动的产品体系。海光 DCU 基于 GPGPU 架构，具备全精度支撑能力，能够支持深度学习训练、推理及大模型场景；海光 CPU 则提供通用计算、任务调度和软硬件生态支撑。
市场过去更多将海光 DCU 理解为通用大模型算力，将海光 CPU 理解为服务器国产替代。物理 AI 带来的新变化在于，两类产品开始共享同一条产业增量逻辑：模型越贴近真实世界，计算任务越复杂，通用计算与智能计算的协同价值越突出。
因此，海光的成长逻辑正在由“AI 芯片需求增长”，进一步升级为“物理 AI 全栈计算需求增长”。
（二）从芯片能力到联合方案，物理 AI 布局进入产品化阶段
据索辰科技公众号披露，2026 年，索辰科技与海光信息宣布成立物理 AI 联合实验室，围绕工业仿真算法、国产高性能计算芯片和物理 AI 应用开展协同研发，并联合推出物理 AI 一体机。
索辰科技公众号同时披露，双方联合发布的首款物理 AI 一体机以海光全精度通用计算芯片为算力底座，将仿真引擎、训练平台与计算硬件整合，覆盖高保真数据生成、AI 代理训练和动态物理场预测等环节。此后，双方又推出面向低空安全和具身智能方向的物理 AI 一体机，进一步拓展产品矩阵。
这一进展意味着海光由单一芯片供应向软硬件协同解决方案延伸：一体机将仿真、训练与计算硬件集成为标准化产品，有利于国产算力更直接地进入工业研发和智能装备场景。
海光信息通过联合实验室和一体机切入这一过程，使其物理 AI 逻辑由“产品可以用于”，进一步走向“方案已经落地”。这也是市场容易忽视的第二重预期差。
（三）1000 系列 CPU 发布，成长边界由云端延伸至物理端侧
2026 年 9 月 22 日，海光信息发布 1000 系列 CPU，首次进入工业控制等端侧领域。该系列面向低功耗、嵌入式和端侧计算需求，在通用计算基础上集成图形处理能力，并加入低功耗、宽温和安全设计，支持 PCIe 4.0、TSN 等连接能力。
其应用方向覆盖工业自动化、网络边缘、能源公用、交通运输和工业机器人等场景。这些设备正是数字系统与真实物理世界交互的重要入口。
端侧产品拓展了海光算力的载体。公司此前已展示智能巡检机器人、AI BOX 端侧一体机和 EtherCAT 高精度运动控制方案，覆盖本地感知、边缘推理与运动控制；1000 系列的加入进一步完善了端侧产品布局。
由此，海光的产品逻辑开始形成完整闭环：云端负责训练与仿真，边缘侧负责实时推理，端侧负责控制与执行。
（四）云边端协同，打开物理 AI 算力成长空间
海光信息依托“CPU＋DCU”双芯体系构建云、边、端算力布局，并通过光合组织聚合超过 6000 家合作伙伴，完成超过 1.5 万项软硬件测试，形成超过 1.5 万个联合解决方案，为物理 AI 产品进入工业、能源、交通和机器人场景提供生态支撑。
物理 AI 的落地不仅取决于芯片性能，也取决于软件、整机与应用方案的适配效率。完善的生态有助于加快云边端产品复制，将算力能力转化为面向产业现场的交付能力。
海光信息最大的预期差，正在于市场仍主要用“服务器 CPU＋AI DCU”理解公司，而公司已经开始向“物理 AI 全场景算力平台”演进。
当物理 AI 推动算力由云端走向边缘、由模型走向设备、由训练走向控制，海光信息有望同时受益于 AI 算力需求增长、端侧产品扩张和工业场景渗透，成长空间随之打开。
1
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。