ARTICLE · 1243786
物理AI逻辑梳理
物理AI逻辑梳理
Q: 物理AI的本质是什么？其产业链包含哪些核心环节？A: 物理AI的本质是环境感知、物理推演、实体执行到反馈阶段。产业链自上而下分为5大环节：第一是算力基础设施；第二是核心算法；第三是感知层；第四是执行层；第五是实体载体和场景应用。
Q: 机器人世界模型是如何形成的？其训练数据有哪些来源和特点？A: 世界模型是在学习海量时空交互数据后形成的，内化了重力、碰撞、摩擦等物理规律。训练数据必须是带有物理性质的4D空间数据，稀缺性高。通用方案包括仿真数据和真实数据：仿真数据通过脚本自动调整环境参数批量生成，成本低、效率高，是主要训练语料；真实数据包括海量视频、传感器持续数据等，成本高，主要用于修正仿真与现实的偏差，提升真实场景泛化能力。
Q: 世界模型训练有哪些主要技术路线？其核心模型架构是什么？A: 世界模型训练主要有两大路线：一是像素级生成路线，核心目标是直接预测未来视觉画面，适用于内容生成和仿真数据生成，代表如英伟达Cosmos；二是隐空间表征路线，主要生成物理参数，适用于机器人或自动驾驶，代表如特斯拉FSD。完整的物理AI训练系统通常会结合两者。模型架构方面，核心包括视觉编码器、时序建模主干以及预测模块。
Q: 世界模型的训练过程分为哪几个阶段？各阶段的目标和难点是什么？A: 训练过程分为三个阶段：第一是通用预训练，目标是让模型学习通用物理常识，此阶段算力需求比大语言模型更大；第二是条件微调，让模型学习更多指令，实现从动作到后果的映射；第三是虚实闭环迭代，将仿真预训练模型部署到真机，采集真实数据微调以修正物理模型，这是目前世界模型落地的较大卡点。
Q: 围绕世界模型和数据采集，有哪些具体的投资线索和相关标的？A: 投资线索主要围绕数据稀缺性和高保真仿真：一是提供高质量真实数据或仿真数据的公司；二是VR遥操数据采集公司，如龙旗科技、汇成股份、空宇度；三是自有实体硬件闭环采集公司，如占据国内50%市场份额的中控技术。在数字孪生与仿真方面，高保真数据要求几何、物理规律和时序具有保证性，需内置工业级物理求解器，相关标的包括锁屏科技、杭州科创、中控技术以及东望软件。
Q: 物理AI训练数据的市场空间如何测算？A: 真实场景数据按1小时约1000元、仿真数据按1小时500元计算，每家大模型公司需求1000万小时起步，整体需求至少5000万小时。据此测算，数据市场打底约500亿元，全局可能达到大几千亿元的市场空间。
Q: 物理AI感知层和执行层有哪些推荐的投资标的？A: 感知层主要感知空间坐标、尺寸、形貌等，推荐标的包括奥比中光、万集科技，以及安培龙、福莱、汉威、恒辉安防、华依科技等，IMU和六维力传感器也是核心方向。执行层推荐包括森林、科森、福赛、兆威、长宁、等。
Q: OpenAI机器人业务的当前进展、产能预期及投资逻辑是什么？A: OpenAI机器人上层方案初步定型，下层尚未确定，后续会有很多公司送样。其投资逻辑在于OpenAI需要新场景消化每年几千亿美金的资本开支，物理AI是可替代范围最大的场景，处于0到1阶段，弹性最大。产能预期方面，明年上半年周产可能达5000台，年底达2万台，后年按百万台框架推进，相关公司有望获得百亿甚至百亿以上的收入增量，对应不低于500亿的估值弹性。
Q: 如何看待物理AI行情的持续性？其核心驱动因素和市场共识条件是什么？A: 物理AI行情非常持续，目前正处于主升浪，很多公司可能有一倍以上的涨幅。行情将持续到市场形成共识去干AI硬件，而这需要筹码出清、利空消化完以及北美AI配合，目前条件尚未成熟。机器人行业目前没有任何利空，明年明确进入上升周期，且随着SOPIC、字节、OpenAI下场做世界模型，大脑问题将很快解决，有望成为下一波类似年初coding的机会。
