最近物理AI这条线，值得重新看一遍。过去谈机器人，容易从关节、丝杠和灵巧手讲到整机出货；这几天被反复讨论的，却是机器人去哪里学、用什么数据学，以及学完以后能不能在工厂里持续干活。

10月21日至23日，这个变化有了几项具体支撑：英伟达扩展机器人开发工具，国内把物理AI数据集建设落实到场景和任务，海外工业企业开始拿真实产线检验效果。模型能力改善正在把需求推向数据、仿真和工业软件，但四家公司的收入兑现，还需要逐层拆开看。

工具更新开始围绕完整任务展开

10月21日，英伟达升级Isaac平台，推出Isaac OS运行框架，Isaac Lab 3.0正式可用，SimReady资产库提供超过2000项机器人和工厂仿真资产。它同时给出结合ChatGPT Astra、Isaac和Cosmos的机器人开发参考流程。

这次更新的意义，在于把过去分散的工作接起来。开发者需要先准备场景，再生成和处理数据，训练动作模型，最后部署到真实机器人。任何一环对不上，模型演示得再好，也难以交给客户使用。

通用模型在这里可以帮助拆解任务、调用工具和修正仿真设置，动作模型和控制系统仍要处理真实运动。大模型会规划，也不代表机器人已经解决接触、抓取和长期可靠性问题。

9月底AMD签约收购World Labs，提供的是另一个背景：芯片企业也在向空间模型和仿真研究延伸，交易仍待完成。真正与本周直接相关的增量，是开发工具已经进一步细化到可操作的工程流程。

数据的钱，要花在有效样本上

三天讨论中，数据量和远期市场空间的预测很多，口径却并不一致。有的统计原始视频，有的统计有效操作小时，有的把长期采集目标当成年度采购。直接用小时数乘单价，很容易把空间算得很大，却无法回答谁会付钱。

近期产业交流给出的参考成本，真机遥操作约为每有效小时500至1000元，第一视角视频约50至100元，仿真约20至50元。这些是不同任务、不同验收标准下的交流口径，不能当统一报价，更不能直接套给上市公司。

价格差异解释了为什么行业要混合使用数据。真实操作记录动作与反馈，三维采集还原几何，仿真再扩展位置、光照和工况。低成本数据是否值得买，取决于它能否提高任务成功率，而不只是增加训练文件大小。

10月21日的Cosmos更新，把标注、筛选、增强和评测进一步工具化，覆盖缺陷图像、异常事件等数据生成场景。对服务商而言，普通标注和通用场景制作可能受到自动化压价；实测精度、特殊工艺知识和真机验证，反而更值得积累。

江苏近期发布物理AI与世界模型数据集行动计划，把需求对接、真机交互、仿真增强和效果验证列为任务。国家层面新一代智能制造政策仍在研究起草。前者有助于明确建设方向，后者改善应用预期，最终都要经过预算、采购和验收才能形成企业收入。

工厂已经开始算回本这笔账

10月19日，西门子与英伟达公布埃尔朗根工厂的新应用。围绕PCB组件的虚拟生产准备，工程工作量最多可减少85%；基于智能体的生产规划，成本节约潜力最高20%。这些是特定工厂、特定流程的案例结果或潜力，不是整个行业的平均水平。

它提供了一个有用的观察方法：在实物样机出来之前，用数字孪生生成视觉检测训练数据；在调整产线之前，先测试不同排产方案。客户愿意付费，是因为准备时间、停线风险和调度成本可能下降。

特斯拉最新三季度更新则把Optimus在加州的状态列为早期爬坡，得州仍在建设。机器人制造开始推进，训练、工艺和可靠性还要同步完善。它支持前期研发投入增加的判断，却不能证明上市公司已拿到百万台机器人对应的数据订单。

这轮与过去的区别，是终端大规模销售之前，数据和仿真已经可能产生采购；能否持续采购，则取决于真实任务改善。

四家公司，实际收的是四种钱

索辰科技偏物理求解与仿真。2026年上半年开物仿真产品开发收入658.85万元，已有付费交付；但10月21日仍提示物理AI处于布局初期。它最直接的增量，是把工程仿真能力用于训练数据生成和模型验证，下一步要证明跨客户复用，而不是只增加定制项目。

思看科技偏真实三维采集与空间感知。工业扫描和自动化引导已有商业基础，实测几何可以用于构建训练场景。不过，扫描设备是反复使用的工具，需求不能按机器人台数一比一计算。在线机器人视觉要等产品、客户验证和订单逐项落地。

凡拓数创偏场景构建、仿真与数据服务。训练场调度中心中标和仿真平台业务提供了落地线索；2025年约1.75亿元收入则属于广义AI 3D数字孪生，不能全部算作机器人训练数据。它需要把工程交付经验转成可重复销售的软件和数据产品。

能科科技偏工业应用与现场交付。2026年上半年AI产品与服务收入2.94亿元，现有工业AI业务的财务证据较强。但其中包括软件辅助、知识与流程应用，纯物理AI贡献没有单独披露。它的优势在于接近工厂需求，难点在于减少每个项目重新适配的工程量。

四者是分析这条产业链的不同入口，并非已经形成共同订单链。按现有工业AI收入验证看，能科靠前；按物理仿真与训练环节的直接程度看，索辰更清晰；凡拓观察数据交付的产品化，思看观察几何采集向实时感知的迁移。

下一步，验证标准要更接近经营

首先看客户是否愿意为新增能力单独付费。原来的工业软件、数字展示收入换一个名称，不代表出现新市场。订单还需要区分设备、集成工程、软件许可和数据服务，各自毛利与验收周期并不相同。

其次看真实效果：有效样本验收率、仿真到真机的任务成功率、部署周期以及客户复购。最后看交付成本和现金回收。如果项目越多、工程师投入也同比例增加，利润弹性可能远低于收入想象。

通用模型和开源工具会扩大应用，也会压低部分基础服务的价格。后续更值得跟踪的，是谁能在降低单次交付成本的同时，让客户持续使用自己的数据、仿真和生产工具。订单质量和复购，会比主题热度更早回答这个问题。

⬇️持续更新细分赛道深度内容，欢迎关注，不错过板块核心机会~

风险提示：本文数据来自上市公司2026年半年报、公开披露的产业链调研信息及Gangtise一致预期，估值取2026年10月21日收盘。机器人业务尚处小批量阶段，订单、份额、单机价值量均存在较大不确定性，产业链调研信息未经公司公告确认，不构成投资建议。投资有风险，入市需谨慎！