报告概述
本报告定义物理AI为能够理解、预测并行动于真实世界的AI系统，系统阐述其技术架构——世界模型与视觉-语言-动作模型（VLA）的协同机制。报告梳理了英伟达、谷歌、Meta等全球科技巨头的物理AI布局，以及杨立昆、李飞飞等领军人物创办的初创公司进展，并深入分析自动驾驶、具身智能、工业软件三大核心落地场景的商业化路径与投资机会，为投资者提供清晰的产业图景和选股线索。
报告的核心结论
物理AI是AI革命的下一站，核心在于理解并预测真实世界。
报告指出，物理AI不同于生成式AI，它需要处理视频、传感器等高维连续数据，构建预测模型，并具备规划、推理、控制能力。黄仁勋将其视为生成式AI、Agentic AI之后的新范式，英伟达已为此构建训练、仿真、推理三台计算机的全栈方案。
世界模型与VLA是当前物理AI的主要实现范式，技术路线尚未收敛。
世界模型为AI提供虚拟试错环境，目前存在观测级生成、潜在空间、强化学习导向、以对象为中心四种主流技术路线，各有优劣。VLA（视觉-语言-动作模型）实现端到端从感知到行动的映射，RT-2、GR00T N1等是代表性模型。
自动驾驶有望率先跑通物理AI的数据闭环和商业闭环。
报告认为，自动驾驶同时具备高价值物理交互场景、可持续采集的多模态数据、清晰的收费模式和可规模化复制的产业链基础。全球车辆年行驶里程约13万亿英里，Robotaxi、智能驾驶乘用车和无人重卡正推动世界模型、强化学习和端到端算法加速落地。
工业软件是物理AI训练、验证、部署和运维的控制台。
工业软件为物理AI提供物理底座、高质量数据与验证环境，如CAE仿真、数字孪生、工业IoT等；物理AI则为工业软件注入智能加速、自动化决策与闭环优化能力。二者互补共生，工业软件因行业Know-how和数据主权壁垒较高，不易被通用模型替代。
英伟达、谷歌、Meta等巨头及杨立昆、李飞飞等创业者积极布局物理AI。
英伟达定位全栈基础设施，已形成算力-仿真-模型-芯片闭环，物理AI过去12个月收入突破90亿美元。谷歌以Gemini Robotics多模态模型驱动，Meta侧重V-JEPA世界模型开源研究。杨立昆创立AMI Labs融资10.3亿美元，李飞飞创办World Labs估值50亿美元，贝佐斯则通过Project Prometheus和Physical Intelligence布局工业物理AI。
报告回答的关键问题
物理AI与生成式AI有什么本质区别？
物理AI的工作空间是真实物理世界，核心能力是感知、行动与控制，输出表现为物体被移动、组装或服务完成；生成式AI则工作于数字世界，以文本、图片、视频等数字内容为输出。物理AI需要理解物理规律、进行因果推理，并确保安全可控，技术实现上依赖世界模型和VLA而非单纯的语言模型。
世界模型在物理AI中发挥什么作用？
世界模型为物理AI构造一个无限逼近真实世界的虚拟环境，允许智能体在“脑海”中模拟试验不同动作方案，大幅降低真实试错成本和风险。报告指出，Demis Hassabis认为世界模型可能是实现AGI的最后一块拼图。当前世界模型的主流技术路线包括观测级生成、潜在空间预测、强化学习导向和以对象为中心四种。
物理AI在哪些场景应用前景最大？
报告明确三大核心场景：自动驾驶（有望率先跑通数据与商业闭环）、具身智能（机器人、人形机器人等作为感知-推理-行动闭环核心载体）、工业软件（CAE仿真、数字孪生、工业IoT等为物理AI提供验证环境）。黄仁勋表示物理AI可重塑价值约50万亿美元的制造和物流产业。
目前哪些公司在物理AI领域布局领先？
报告分析认为，英伟达是目前最全面的物理AI基础设施提供商，拥有Cosmos世界模型、Omniverse仿真平台、Jetson边缘芯片等全栈产品，物理AI业务年收入已超90亿美元。谷歌以Gemini Robotics多模态模型和Waymo自动驾驶为代表，Meta以V-JEPA世界模型开源研究见长。国内公司中，51World（仿真平台市占率53.5%）、索辰科技（物理AI平台“天工·开物”）、群核科技（SpatialVerse空间智能）等具备卡位价值。
报告中的代表性数据
物理AI市场规模（Coatue预计）
未明确，Coatue Management预计物理AI市场规模至少可达6万亿美元，较数字AI高出约50%。
英伟达物理AI业务过去12个月收入
截至2027财年Q1（报告发布前12个月），英伟达在2027财年第一季度财报电话会披露，物理AI业务过去12个月收入已突破90亿美元，并与优步合作推进自动驾驶出租车全球部署。
英伟达下一代物理AI专用芯片Feynman预计发布时间
2028年，英伟达宣布下一代Feynman架构专为世界模型/物理AI设计，采用台积电A16工艺，推理算力约100 PFLOPS，预计2028年发布。
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的定义与技术范式：对比生成式AI与物理AI在核心能力、工作空间、价值体现上的差异，阐述从规则驱动到数据驱动再到推理驱动的代际演进。
- 世界模型技术路线全景：详细分析观测级生成式、潜在空间、强化学习导向、以对象为中心四类世界模型的技术原理、代表方法及优缺点对比。
- 英伟达三台计算机解决方案：深入解析训练计算机（DGX SuperPOD）、仿真计算机（Omniverse+Cosmos）、部署计算机（Jetson Thor）的硬件配置、核心作用及在物理AI开发中的协同关系。
- 自动驾驶场景专题：包括Waymo、小马智行、轻舟智航、Momenta等企业的世界模型进展，以及小鹏、比亚迪、吉利等车企物理AI战略，展示数据闭环与商业闭环的实践案例。
- 工业软件赋能物理AI：列举Deutsche Telekom、Cadence、西门子、ABB等企业在工业AI云、CAD仿真、数字孪生、视觉AI代理等领域的合作案例，说明工业软件如何成为物理AI的控制台。
- 具身智能产业链分析：从应用层、仿真训练、操作系统、边缘计算到机器人硬件，全面拆解物理AI技术栈如何支撑人形机器人、工业机器人实现自主决策与操作。
- 全球主要玩家深度对比：英伟达、谷歌、Meta在物理AI领域的全栈能力对比，涵盖定位、模型、仿真、自动驾驶、商业化成熟度等维度。
- 初创公司投融资地图：杨立昆的AMI Labs、李飞飞的World Labs、贝佐斯的Project Prometheus及Physical Intelligence的技术路线、融资规模和估值详情。
- 国内核心公司分析：51World（数字孪生与仿真平台，市占率第一）、索辰科技（物理AI平台“天工·开物”）、群核科技（SpatialVerse空间智能）的业务模式、财务数据与竞争地位。
- 投资建议与风险提示：明确建议关注的标的（英伟达、索辰科技、51World、中控技术、小鹏等），并提示模型迭代、算力供应、商业化、国产替代、下游资本开支五大风险。
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。
