一、赛道定调：从数字AI向物理世界迁移
黄仁勋将物理AI定义为智能体AI的下一阶段，特斯拉“宏图计划4”亦明确提出把AI带入物理世界的产品和服务。
近18个月，超过百亿美元资金流入物理AI赛道，产业与资本正在对物理AI投下确定性票。
二、市场容量：制造与物流50万亿美元，自动驾驶与机器人率先落地
黄仁勋给出的判断是，物理AI可重塑的制造和物流产业价值将达到50万亿美元。近端落地场景中，自动驾驶已成车企必争之地，头部人形机器人厂商陆续进入规模量产节点。
思略特咨询测算，2030年全球物理AI市场规模将达4300亿欧元。
三、世界模型三路径：渲染器、模拟器、规划器
世界模型决定物理AI的发展速度。李飞飞将世界模型划分为三类，并指出三者终将融合。
渲染器追求视觉保真，优势是训练数据易获取、可适用Scaling Law，短板在于并非真正理解物理世界，能力难以直接迁移至机器人。代表模型包括OpenAI Sora、谷歌Genie。
模拟器关注物理结构的真实还原，能更准确反映世界运行规律，但研发难度与成本均更高。代表模型为英伟达Cosmos 1系列。
规划器直接指导物理载体的具体行为，优势是可复用数字AI积累，难点在于可靠性与训练数据需求。代表模型为谷歌Gemini Robotics 1.5系列。
三类模型的融合进化是通向真正世界模型的路径，英伟达Cosmos 3已可视为初步尝试。
四、数据瓶颈：50万小时对百亿小时，合成数据是必由之路
数据是模型智能涌现的基础。据觅蜂科技数据，全球高质量物理数据仅50万小时，而GPT-5级大语言模型所需的训练数据折算已超100亿小时，供需缺口悬殊。
现有数据中，真机实采数据质量高，但绑定硬件本体，成本高昂，难以规模化。基于真实数据的合成数据可控制误差，覆盖长尾场景，边际成本低，被视为突破数据瓶颈的必经之路。率先定义仿真环境与评测体系的系统，有望成为物理AI的基础设施。
五、行业观察
围绕世界模型与数据采集，3D仿真平台、真机实采设备等环节已形成一批布局企业，包括：海清智元、五一视界、索辰科技、风语筑、凡拓数创、奥比中光、天娱数科。
风险提示：物理AI产业化进度不及预期，高质量数据获取难度与成本高企。
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。