川海智库

报告概述

报告以物理AI（Physical AI）为研究对象，将其定义为与物理世界深度融合的智能技术体系。报告覆盖应用层、模型层和数据层三大环节：应用层聚焦自动驾驶和具身智能等核心场景；模型层分析世界模型的技术路线（渲染器、模拟器、规划器）及融合趋势；数据层探讨真机数据与合成数据的协同。报告采用产业链拆解结合案例研究的方法，梳理了科技大厂布局、一级市场融资动态及代表性公司进展。本报告对关注AI前沿技术、自动驾驶和人形机器人赛道的投资者具备参考价值，有助于理解物理AI的发展逻辑和产业机遇。

报告的核心结论

物理AI是AI的下一个时代，科技大厂与资本密集加注

英伟达、特斯拉等科技巨头将物理AI作为战略重点，成立联盟或发布宏图计划。据InfoQ公众号，近18个月超百亿美元资金流入物理AI赛道，包括Skild AI、World Labs等高估值公司。金融资本与产业巨头的共同推动，有望加速物理AI从概念走向规模化应用。

自动驾驶是物理AI驱动的核心应用市场

物理AI基于世界理解降低自动驾驶长尾场景误判风险。亿欧智库预计2029年中国高速及城市NOA市场规模达2730亿元。车企竞相投入端到端大模型，自动驾驶从高端配置向全价位段普及，硬件普及率提升和风险保障措施完善共同推动市场扩大。

世界模型是物理AI发展引擎，多技术路线趋向融合

世界模型按输出方式分为渲染器、模拟器、规划器三类，代表模型包括Sora、Cosmos 1、Gemini Robotics等。李飞飞认为三类模型将融合为真正理解物理世界的统一模型。英伟达Cosmos 3以单一架构统一文本、图像、视频、音频和动作，是融合路线的探索。

高质量物理数据极度稀缺，合成数据是突破瓶颈的关键

全球高质量物理数据仅约50万小时，而大模型训练语料超100亿小时。真机数据质量高但成本高、难规模化；基于真实数据的仿真合成数据可覆盖长尾场景且边际成本低。率先定义仿真环境和评测体系的系统有望成为物理AI基础设施。

报告回答的关键问题

物理AI与数字AI有何核心区别？

物理AI将AI能力延伸到物理世界，输入包含力等传感器数据，输出为物理载体控制信号，要求低时延、高容错，产品形态包括自动驾驶汽车、机器人等。数字AI则主要基于文本、视频等数字信息预测下一个token，产品以聊天机器人、Agent等软件为主。物理AI的智能上限更高，但模型范式尚未收敛，数据需求量和实时性要求远超数字AI。

世界模型有哪些主要技术路线？

李飞飞将世界模型分为三类：渲染器（如Sora、Genie）追求视觉保真，适用于影视、游戏，但缺乏物理理解；模拟器（如Cosmos 1、Marble）输出物理状态，能真实还原世界但成本高；规划器（如Gemini Robotics）直接输出动作指令，可复用数字AI技术但需海量数据。三类模型正趋向融合，英伟达Cosmos 3是统一架构的初步尝试。

物理AI的商业化前景如何？

思略特咨询预计2030年全球物理AI市场规模达4300亿欧元。自动驾驶和具身智能是核心应用：亿欧智库预计2029年中国NOA市场规模2730亿元；弗若斯特沙利文预计2030年全球具身智能机器人市场规模1010.7亿美元。头部人形机器人厂商已进入量产阶段，特斯拉、Figure AI等计划年产万台以上。

物理AI需要什么样的数据？如何解决数据短缺？

物理AI训练数据需要包含传感器信号、动作指令等多模态信息，需求量巨大——GPT-5级别模型训练语料折算超100亿小时，而全球高质量物理数据仅约50万小时。解决方案是以真机数据为基础，结合仿真合成数据扩展规模。合成数据可覆盖长尾场景、边际成本低，但需依托真实数据反馈控制误差。英伟达、谷歌等大厂正积极布局仿真系统。

报告中的代表性数据

4300亿欧元

全球物理AI市场规模

2030年，思略特咨询预测值，涵盖自动驾驶、具身智能等核心应用。

2730亿元

中国高速及城市NOA市场规模

2029年，亿欧智库预测值，包含高速NOA和城市NOA市场规模。

1010.7亿美元

全球具身智能机器人市场规模

2030年，弗若斯特沙利文预测值，2024-2030年CAGR为43.22%。

以上数据根据报告摘要整理，具体统计口径和数值请以完整报告原文为准。

完整报告包含什么

  • 完整物理AI与数字AI的对比表格（模型范式、输入输出、硬件基础、训练数据、实时性、容错度等）。
  • 科技大厂与一级市场融资详细表格：Figure AI、Skild AI、World Labs等近20家企业的融资额、估值与业务简介。
  • 自动驾驶领域主要车企/科技公司的方案对比：Waymo、特斯拉、华为、小鹏、小米等端到端大模型技术细节。
  • 世界模型三大路线（渲染器/模拟器/规划器）的代表模型深度分析，包括OpenAI Sora、英伟达Cosmos系列、World Labs Marble、谷歌Gemini Robotics等。
  • 数据层金字塔结构图及大厂仿真系统布局（英伟达PhysX、谷歌MuJoCo、丰田Drake、迪士尼Kamino）。
  • 七大受益标的详细分析：海清智元（多光谱AI）、五一视界（51SIM仿真平台）、索辰科技（物理AI工场）、风语筑（具身智能中试基地）、凡拓数创（具身数采仿真平台）、奥比中光（3D视觉传感器）、天娱数科（具身大脑模型）。
  • 各受益标的财务数据、估值及盈利预测表格（PS、营收、CAGR等）。
  • 风险提示：物理AI商业化进展、世界模型迭代速度、数据采集技术路线变化风险。

本页内容由川海智库整理，用于帮助读者快速了解报告主题、核心观点和主要内容。由于报告量大、人工能力有限，部分观点、数据、统计口径或表述可能存在偏差，具体内容请以完整报告原文为准。

相关报告