物理AI新浪潮：基礎(chǔ)設(shè)施提速與產(chǎn)業(yè)鏈機(jī)遇解析

物理AI：貫通物理世界，開(kāi)辟AI新藍(lán)海

物理AI是指能夠在物理世界中感知、理解、推理并自主執(zhí)行的AI系統(tǒng)。相較于傳統(tǒng)機(jī)器人，物理AI擁有智能大腦，而非僅進(jìn)行機(jī)械執(zhí)行；相較于生成式AI，物理AI能夠理解三維世界的空間關(guān)系和物理行為，具備在現(xiàn)實(shí)世界中的交互能力。其核心在于世界模型，能夠根據(jù)空間狀態(tài)及動(dòng)作預(yù)測(cè)下一個(gè)狀態(tài)，本質(zhì)是一個(gè)交互式預(yù)測(cè)模型。

物理AI產(chǎn)業(yè)鏈涵蓋感知、本體等硬件，以及世界模型、空間智能、數(shù)據(jù)、仿真等軟件。感知層負(fù)責(zé)將物理世界轉(zhuǎn)化為數(shù)字表征；算法層通過(guò)世界模型對(duì)真實(shí)世界進(jìn)行認(rèn)知和預(yù)測(cè)；數(shù)據(jù)層依賴(lài)視頻等動(dòng)態(tài)、時(shí)序性數(shù)據(jù)；仿真層構(gòu)建高保真虛擬環(huán)境以提供安全受控的訓(xùn)練空間；執(zhí)行層則通過(guò)本體在具體場(chǎng)景進(jìn)行真實(shí)交互。具身智能、智能汽車(chē)為物理AI主要應(yīng)用場(chǎng)景，預(yù)計(jì)到2030年中國(guó)物理AI仿真及數(shù)據(jù)平臺(tái)市場(chǎng)規(guī)模將達(dá)到1806億元，其中智能汽車(chē)和具身智能機(jī)器人為主要下游應(yīng)用領(lǐng)域。

世界模型：兩大路線(xiàn)并進(jìn)，建模3D世界

世界模型的技術(shù)路線(xiàn)主要分為隱式表示和顯式表示兩大類(lèi)。隱式表示以Yann LeCun提出的JEPA理論為代表，主張對(duì)物理世界進(jìn)行抽象與預(yù)測(cè)，使智能體在無(wú)需外顯建模的情況下完成推理、規(guī)劃與決策，代表模型為Meta V-JEPA 2。顯式表示側(cè)重于讓模型從數(shù)據(jù)中直接學(xué)習(xí)世界的時(shí)間邏輯與變化規(guī)律，包括視頻生成和3D生成等實(shí)現(xiàn)路徑。

在視頻生成路線(xiàn)上，谷歌Genie3、騰訊混元3D世界模型2.0、阿里Happy Oyster等模型在長(zhǎng)時(shí)序、交互性方面持續(xù)突破。谷歌Genie3實(shí)現(xiàn)了實(shí)時(shí)生成可交互的虛擬動(dòng)態(tài)環(huán)境，最新發(fā)布的Gemini Omni融合物理能力，向多模態(tài)輸入、多模態(tài)輸出演進(jìn)。在3D生成（空間智能）路線(xiàn)上，World Labs推出的Marble模型側(cè)重3D空間結(jié)構(gòu)化重建，支持3D布局創(chuàng)建、交互式編輯等，注重幾何一致性和空間一致性。

仿真平臺(tái)：核心基礎(chǔ)設(shè)施，護(hù)城河較寬

仿真平臺(tái)是物理AI落地的核心基礎(chǔ)設(shè)施，提供高保真虛擬環(huán)境構(gòu)建、合成數(shù)據(jù)生成、模型訓(xùn)練與驗(yàn)證等一體化能力。在具身智能場(chǎng)景中，仿真平臺(tái)基于高精度動(dòng)力學(xué)引擎進(jìn)行深度建模，使具身智能能夠在無(wú)物理?yè)p耗的環(huán)境中進(jìn)行大規(guī)模并行訓(xùn)練，并顯著提升模型的泛化能力。在智能駕駛場(chǎng)景中，仿真平臺(tái)可模擬實(shí)車(chē)路測(cè)難以覆蓋的長(zhǎng)尾場(chǎng)景，并通過(guò)自動(dòng)化合成數(shù)據(jù)降低感知模型的訓(xùn)練成本。

仿真平臺(tái)底層需要強(qiáng)大的物理引擎能力支持，具備較高技術(shù)壁壘。索辰科技擁有底層物理計(jì)算引擎和多物理場(chǎng)求解經(jīng)驗(yàn)，發(fā)布世界物理模型“營(yíng)造·萬(wàn)象”，實(shí)現(xiàn)仿真速度數(shù)量級(jí)提升。五一視界在智駕仿真領(lǐng)域占據(jù)領(lǐng)先市場(chǎng)份額，發(fā)布“物理直覺(jué)”世界模型51World Model，仿真置信度高于行業(yè)普遍水平。群核科技布局空間智能，推出空間語(yǔ)言模型SpatialLM和空間生成模型SpatialGen，解決機(jī)器人訓(xùn)練數(shù)據(jù)不足及AI視頻生成時(shí)空一致性不足的問(wèn)題。

具身數(shù)據(jù)：物理AI核心瓶頸，供給缺口大

數(shù)據(jù)規(guī)模為具身智能落地的核心瓶頸，供給缺口巨大。現(xiàn)階段行業(yè)主流真機(jī)訓(xùn)練數(shù)據(jù)量級(jí)僅幾萬(wàn)小時(shí)，對(duì)標(biāo)大語(yǔ)言模型訓(xùn)練數(shù)據(jù)規(guī)模，供給缺口巨大。混合數(shù)據(jù)訓(xùn)練為行業(yè)共識(shí)，即用第一人稱(chēng)視角、UMI數(shù)據(jù)、虛擬數(shù)據(jù)進(jìn)行預(yù)訓(xùn)練，用真實(shí)數(shù)據(jù)進(jìn)行精調(diào)。

數(shù)據(jù)采集方案包括真機(jī)操操、UMI、第一人稱(chēng)視角和仿真合成數(shù)據(jù)。真機(jī)操操數(shù)據(jù)質(zhì)量最高但成本高昂；UMI數(shù)據(jù)采集便攜、低成本，但存在跨末端通用性問(wèn)題；第一人稱(chēng)視角采集成本更低，有望實(shí)現(xiàn)大規(guī)模數(shù)據(jù)采集，但視野受限且高物理精度數(shù)據(jù)稀缺；仿真合成數(shù)據(jù)可批量生成，但存在“仿真到現(xiàn)實(shí)”的差距問(wèn)題。

全球具身智能本體廠(chǎng)商在數(shù)據(jù)采集方面的布局明顯加速。特斯拉調(diào)整Optimus訓(xùn)練方法，轉(zhuǎn)向視覺(jué)捕捉模式；智元計(jì)劃建設(shè)千萬(wàn)小時(shí)級(jí)數(shù)據(jù)產(chǎn)能；宇樹(shù)科技擬將大量募集資金投入具身智能模型研發(fā)及高質(zhì)量數(shù)據(jù)采集。作為物理AI數(shù)據(jù)“賣(mài)鏟人”，數(shù)據(jù)服務(wù)商有望迎來(lái)產(chǎn)業(yè)機(jī)遇。