川海智库

报告概述

本报告深入研究了物理AI（Physical AI）这一新型智能技术体系，其将AI与物理世界中的感知、决策与执行深度融合。报告覆盖全球物理AI市场，从应用层、模型层、数据层三层架构展开分析：应用层探讨自动驾驶、具身智能等核心场景；模型层剖析世界模型的多技术路线与融合趋势；数据层强调真实数据与合成数据的关键作用。报告旨在为读者提供物理AI产业全景图，帮助理解技术演进方向与投资机会。

报告的核心结论

物理AI是AI的下一个时代，资本加速涌入

英伟达CEO黄仁勋提出智能体AI的下一时代是物理AI，特斯拉等科技巨头积极布局。近18个月内超百亿美元资金流入物理AI赛道，包括Skild AI、World Labs等明星公司获得巨额融资，金融资本与产业资本密集下注，推动产业进入加速发展阶段。

世界模型是物理AI发展引擎，多路线将融合

世界模型按输出类型分为渲染器、模拟器、规划器三类，分别追求视觉保真、物理结构和决策规划。英伟达Cosmos 3等模型已开始融合文本、图像、视频、音频与动作，李飞飞认为真正的世界模型需要三类模型共享底层知识，融合是必然趋势。

数据是物理AI的边际卡点，合成数据成关键

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，量级差距数万倍。真机数据质量高但成本高昂，仿真合成数据可覆盖长尾场景、边际成本低，但需基于真实数据反馈，率先定义仿真系统的企业有望成为基础设施。

自动驾驶与具身智能是物理AI两大核心应用

自动驾驶正从高端向全价位段普及，亿欧智库预计2029年中国NOA市场规模达2730亿元；具身智能机器人市场预计2030年达1010.7亿美元，头部厂商已进入量产阶段。物理AI将逐步渗透制造、医疗、无人装备等千行百业。

报告回答的关键问题

什么是物理AI？

物理AI是将人工智能与物理世界中的感知、决策与执行深度融合的技术体系。与数字AI主要处理文本、图片等数字信息不同，物理AI通过传感器采集力等多模态数据，输出控制信号驱动物理载体（如机器人、自动驾驶汽车），智能上限更高。

世界模型有哪些不同类型？

李飞飞将世界模型分为三类：渲染器（如OpenAI Sora）输出像素追求视觉保真；模拟器（如英伟达Cosmos）输出状态关注物理结构；规划器（如Gemini Robotics）输出动作指导决策。三类模型共享世界运作知识，未来将相互融合形成真正世界模型。

物理AI的数据瓶颈如何解决？

物理AI数据需求量远超大语言模型，全球高质量物理数据仅约50万小时。真机数据质量高但成本高、规模有限；合成数据可通过仿真覆盖长尾场景、边际成本低，是扩大训练规模的必经之路。率先定义仿真系统的企业有望凭用户反馈迭代成为基础设施。

物理AI的主要应用领域有哪些？

报告指出自动驾驶和具身智能是物理AI两大核心应用。自动驾驶正从高端车向全价位段普及，商用车自动驾驶经济性逐步跑通；具身智能助机器人突破封闭场景，人形机器人进入量产前夜。此外，自主手术、无人装备等场景也在快速涌现。

报告中的代表性数据

4300亿欧元

全球物理AI市场规模预测

2030年，思略特咨询的预测数据，显示物理AI市场潜力巨大。

2730亿元

中国高速及城市NOA市场规模预测

2029年，亿欧智库预测数据，2025-2029年CAGR达43%，反映自动驾驶市场快速增长。

1010.7亿美元

全球具身智能机器人市场规模预测

2030年，弗若斯特沙利文预测，2024-2030年CAGR为43.22%，体现具身智能机器人市场高增速。

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

  • 物理AI与数字AI在多维度（模型范式、输入输出、硬件、数据、实时性等）的详细对比，帮助理解两者本质差异。
  • 全球物理AI市场规模预测及产业链图谱，清晰展示从数据到应用的全链条结构。
  • 应用层深度分析：自动驾驶从高端专属走向全价位段，车企与科技大厂方案对比；具身智能机器人量产进展与场景渗透路径。
  • 模型层技术路线详解：渲染器（Sora、Genie）、模拟器（Cosmos、Marble）、规划器（Gemini Robotics）的代表模型架构与能力对比。
  • 数据层分析：真机数据与合成数据的优劣、数据量级差距、大厂仿真系统布局（英伟达Omniverse、谷歌MuJoCo等）。
  • 受益标的详细分析：海清智元（多光谱AI）、五一视界（仿真平台）、索辰科技（CAE+物理AI）、风语筑（具身智能项目）、凡拓数创（3D仿真）、奥比中光（3D视觉）、天娱数科（具身大脑模型），含财务数据与业务进展。
  • 风险提示：物理AI商业化不及预期、世界模型迭代速度、数据采集技术路线变化等风险因素。

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