下一个万亿赛道，物理AI及世界模型20260820

📋 总结 本次汇报围绕“物理AI及世界模型”这一前沿技术方向展开，由国泰海通证券研究团队主讲，核心观点如下： 世界模型是物理AI的核心能力升级：世界模型解决的是从“感知”到“动作”的关键环节——不仅要理解物理世界，还要能够预测执行动作后的后果，从而优化当前决策。在自动驾驶和机器人领域，感知环境只是第一步

总结
总结
本次汇报围绕“物理AI及世界模型”这一前沿技术方向展开，由国泰海通证券研究团队主讲，核心观点如下：
本次汇报围绕“物理AI及世界模型”这一前沿技术方向展开，由国泰海通证券研究团队主讲，核心观点如下：
- 世界模型是物理AI的核心能力升级：世界模型解决的是从“感知”到“动作”的关键环节——不仅要理解物理世界，还要能够预测执行动作后的后果，从而优化当前决策。在自动驾驶和机器人领域，感知环境只是第一步，真正的智能体现在对动作后果的预判与调整。
世界模型是物理AI的核心能力升级：世界模型解决的是从“感知”到“动作”的关键环节——不仅要理解物理世界，还要能够预测执行动作后的后果，从而优化当前决策。在自动驾驶和机器人领域，感知环境只是第一步，真正的智能体现在对动作后果的预判与调整。
- 世界模型的三大核心价值：第一，提升对物理世界的理解能力；第二，在执行动作前进行结果推演与风险评估；第三，生成仿真与合成数据，降低机器人及自动驾驶系统的训练成本，提升对长尾场景的覆盖能力。
世界模型的三大核心价值：第一，提升对物理世界的理解能力；第二，在执行动作前进行结果推演与风险评估；第三，生成仿真与合成数据，降低机器人及自动驾驶系统的训练成本，提升对长尾场景的覆盖能力。
- 英伟达Cosmos平台是行业标杆：英伟达推出的Cosmos平台定位为“面向物理AI的世界基础模型平台”，涵盖世界生成、物理推理、视频生成、合成数据生成等功能，服务于机器人及自动驾驶场景的开发。英伟达正从算力平台向物理AI基础设施厂商转型，构建从底层算力到数据仿真再到模型的完整生态。
英伟达Cosmos平台是行业标杆：英伟达推出的Cosmos平台定位为“面向物理AI的世界基础模型平台”，涵盖世界生成、物理推理、视频生成、合成数据生成等功能，服务于机器人及自动驾驶场景的开发。英伟达正从算力平台向物理AI基础设施厂商转型，构建从底层算力到数据仿真再到模型的完整生态。
- 数据瓶颈是当前世界模型的主要挑战：机器人领域的数据短缺问题比大语言模型更为严重，尤其是三维数据、真实机器人部署数据、人类遥操作数据等高质量数据采集成本极高。随着机器人部署数量增加，真实数据采集有望形成正向飞轮。
数据瓶颈是当前世界模型的主要挑战：机器人领域的数据短缺问题比大语言模型更为严重，尤其是三维数据、真实机器人部署数据、人类遥操作数据等高质量数据采集成本极高。随着机器人部署数量增加，真实数据采集有望形成正向飞轮。
- 海内外代表厂商各有侧重：海外方面，英伟达侧重基础设施平台，特斯拉依托自身工厂场景与真实数据驱动，新势力厂商（如Physical Intelligence、Figure AI）更强调软件栈与模型驱动。国内方面，银河通用侧重仿真合成数据与模型闭环，语数（宇树）注重产品矩阵与工程化能力，五一世界对标英伟达的数字孪生与仿真平台，群核科技则依托其室内空间数据积累布局空间智能。
海内外代表厂商各有侧重：海外方面，英伟达侧重基础设施平台，特斯拉依托自身工厂场景与真实数据驱动，新势力厂商（如Physical Intelligence、Figure AI）更强调软件栈与模型驱动。国内方面，银河通用侧重仿真合成数据与模型闭环，语数（宇树）注重产品矩阵与工程化能力，五一世界对标英伟达的数字孪生与仿真平台，群核科技则依托其室内空间数据积累布局空间智能。
- 商业化仍处早期，技术趋势值得跟踪：物理AI被视作继生成式AI之后的下一个AI发展趋势，将率先在自动驾驶领域体现价值，随后向机器人行业扩展。但当前仍处于小批量验证阶段，大规模商业化尚未到来，建议持续跟踪技术栈变化。
商业化仍处早期，技术趋势值得跟踪：物理AI被视作继生成式AI之后的下一个AI发展趋势，将率先在自动驾驶领域体现价值，随后向机器人行业扩展。但当前仍处于小批量验证阶段，大规模商业化尚未到来，建议持续跟踪技术栈变化。
会议实录
会议实录
大家好，今天由我代表团队向大家汇报关于“物理AI及世界模型”这一前沿技术方向的研究观点。
大家好，今天由我代表团队向大家汇报关于“物理AI及世界模型”这一前沿技术方向的研究观点。
世界模型要解决的是从感知到动作这个环节的问题。 它需要理解物理世界，并且能够预测执行动作后的后果。无论是自动驾驶还是机器人领域，感知环境只是第一步，真正的智能在于理解动作可能带来的后果，从而优化当下的决策。例如，自动驾驶车辆在做出决策之前，需要预测与其他车辆、行人、道路环境的变化及其后果，再优化决策。
世界模型要解决的是从感知到动作这个环节的问题。 它需要理解物理世界，并且能够预测执行动作后的后果。无论是自动驾驶还是机器人领域，感知环境只是第一步，真正的智能在于理解动作可能带来的后果，从而优化当下的决策。例如，自动驾驶车辆在做出决策之前，需要预测与其他车辆、行人、道路环境的变化及其后果，再优化决策。
我们认为，世界模型是对未来自动驾驶和机器人大脑发展的进一步提升。 在物理AI的场景中，世界模型的重要价值体现在三个方面：第一，提升理解能力；第二，在执行动作前进行结果推演与风险评估；第三，生成仿真与合成数据，降低机器人系统和自动驾驶系统的训练成本，提升对长尾场景的覆盖能力。
我们认为，世界模型是对未来自动驾驶和机器人大脑发展的进一步提升。 在物理AI的场景中，世界模型的重要价值体现在三个方面：第一，提升理解能力；第二，在执行动作前进行结果推演与风险评估；第三，生成仿真与合成数据，降低机器人系统和自动驾驶系统的训练成本，提升对长尾场景的覆盖能力。
行业里最具代表性的公司是英伟达的Cosmos平台。Cosmos定位为面向物理AI的世界基础模型平台， 其能力包括世界生成、物理推理、视频生成、合成数据生成，以及面向机器人和自动驾驶场景的开发。英伟达认为，物理AI要达成目标，首先需要在数字仿真世界里做大量训练，因此需要一个基础模型平台来做数字孪生和模型策略调整。世界模型能够帮助开发者构建定制化的物理AI训练环境。英伟达正在提前布局AI的下一个重要方向，推广其物理AI的基础平台。
行业里最具代表性的公司是英伟达的Cosmos平台。Cosmos定位为面向物理AI的世界基础模型平台， 其能力包括世界生成、物理推理、视频生成、合成数据生成，以及面向机器人和自动驾驶场景的开发。英伟达认为，物理AI要达成目标，首先需要在数字仿真世界里做大量训练，因此需要一个基础模型平台来做数字孪生和模型策略调整。世界模型能够帮助开发者构建定制化的物理AI训练环境。英伟达正在提前布局AI的下一个重要方向，推广其物理AI的基础平台。
当前世界模型的主要瓶颈在于数据。 数据也是未来物理AI产业竞争的重要壁垒。大语言模型已经面临训练数据短缺的问题，而机器人领域的数据短缺更加严重——不仅需要三维数据，而且除了互联网视频中提取的数据外，其他数据采集方法如仿真数据、真实采集数据、人类遥操作数据等，要么质量高但成本极高，要么稀缺性高。整体来看，行业存在明显的数据瓶颈。许多厂商非常看重数据环节，有专门做数据的公司，也有全栈型公司布局数据采集。随着未来机器人部署数量增多，真实数据采集将形成正向飞轮。
当前世界模型的主要瓶颈在于数据。 数据也是未来物理AI产业竞争的重要壁垒。大语言模型已经面临训练数据短缺的问题，而机器人领域的数据短缺更加严重——不仅需要三维数据，而且除了互联网视频中提取的数据外，其他数据采集方法如仿真数据、真实采集数据、人类遥操作数据等，要么质量高但成本极高，要么稀缺性高。整体来看，行业存在明显的数据瓶颈。许多厂商非常看重数据环节，有专门做数据的公司，也有全栈型公司布局数据采集。随着未来机器人部署数量增多，真实数据采集将形成正向飞轮。
从海内外公司来看， 海外代表公司包括英伟达、特斯拉、Physical Intelligence、Figure AI等，它们通过不同路径推动物理AI落地。英伟达更侧重于从算力平台向物理AI基础设施布局，提供从底层算力到数据仿真再到模型的完整生态。物理AI需要比生成式AI更大规模的算力，英伟达在仿真层面有OVX和SXTream平台，提供高保真物理仿真与合成数据能力，模型层则有Cosmos世界模型。特斯拉的物理AI路线更偏落地与应用， 其Optimus的基础来自自动驾驶和制造体系的技术积累，包括视觉感知、神经网络训练等能力，这些能力从自动驾驶到人形机器人具有技术相似性。特斯拉的工厂为Optimus提供了早期训练与部署场景，工厂环境相对简单、结构化、任务边界清晰，是人形机器人早期商业化验证的首选场景。
从海内外公司来看， 海外代表公司包括英伟达、特斯拉、Physical Intelligence、Figure AI等，它们通过不同路径推动物理AI落地。英伟达更侧重于从算力平台向物理AI基础设施布局，提供从底层算力到数据仿真再到模型的完整生态。物理AI需要比生成式AI更大规模的算力，英伟达在仿真层面有OVX和SXTream平台，提供高保真物理仿真与合成数据能力，模型层则有Cosmos世界模型。特斯拉的物理AI路线更偏落地与应用， 其Optimus的基础来自自动驾驶和制造体系的技术积累，包括视觉感知、神经网络训练等能力，这些能力从自动驾驶到人形机器人具有技术相似性。特斯拉的工厂为Optimus提供了早期训练与部署场景，工厂环境相对简单、结构化、任务边界清晰，是人形机器人早期商业化验证的首选场景。
海外新势力厂商与传统集成公司不同，更看重定义机器人的软件栈，围绕真实数据闭环与机器人模型展开。Physical Intelligence和Figure AI代表了将大模型与机器人数据相结合的范式迁移， 推动机器人产业从硬件工程能力向软件模型驱动能力转变。因此，物理AI不仅涉及人形机器人的硬件，软件栈、模型、数据、仿真等环节同样是决定未来机器人应用能力的关键。
海外新势力厂商与传统集成公司不同，更看重定义机器人的软件栈，围绕真实数据闭环与机器人模型展开。Physical Intelligence和Figure AI代表了将大模型与机器人数据相结合的范式迁移， 推动机器人产业从硬件工程能力向软件模型驱动能力转变。因此，物理AI不仅涉及人形机器人的硬件，软件栈、模型、数据、仿真等环节同样是决定未来机器人应用能力的关键。
国内代表公司方面，更多是偏一级市场的创新企业或即将上市的公司，如银河通用、语数（宇树）、智元等。银河通用是仿真合成数据的代表， 重点围绕机器人的基础模型、仿真训练平台及操作能力展开技术布局，通过大规模合成数据与真实数据融合训练，提高机器人在复杂环境中的泛化能力。语数（宇树）注重产品矩阵建设与工程化能力提升， 产品布局较为全面，体现了机器人产业从技术验证向规模化商业落地演进的趋势。
国内代表公司方面，更多是偏一级市场的创新企业或即将上市的公司，如银河通用、语数（宇树）、智元等。银河通用是仿真合成数据的代表， 重点围绕机器人的基础模型、仿真训练平台及操作能力展开技术布局，通过大规模合成数据与真实数据融合训练，提高机器人在复杂环境中的泛化能力。语数（宇树）注重产品矩阵建设与工程化能力提升， 产品布局较为全面，体现了机器人产业从技术验证向规模化商业落地演进的趋势。
除了机器人公司，行业内也有几家软件上市公司值得关注。五一世界从数字孪生到仿真训练平台，支撑物理AI的自动驾驶及人形机器人训练， 其技术路径与英伟达的OVX和Cosmos平台具有相似性，从构建物理AI数字世界底座出发搭建技术栈与产品矩阵，目前已在自动驾驶训练中应用，后续将拓展至机器人领域。群核科技是空间智能的代表， 过去做家装设计软件，积累了大量的室内家装与房屋三维空间数据。在物理AI发展过程中，公司较早进行了技术转型，从空间编辑工具出发，积累大量空间数据，并推出空间理解与空间生成的大模型，构建了完整的空间智能体系。群核拥有大量高质量的真实室内空间数据资产，可用于机器人在室内环境的训练，同时其空间理解模型也可在影视拍摄、广告拍摄等场景中商业化。
除了机器人公司，行业内也有几家软件上市公司值得关注。五一世界从数字孪生到仿真训练平台，支撑物理AI的自动驾驶及人形机器人训练， 其技术路径与英伟达的OVX和Cosmos平台具有相似性，从构建物理AI数字世界底座出发搭建技术栈与产品矩阵，目前已在自动驾驶训练中应用，后续将拓展至机器人领域。群核科技是空间智能的代表， 过去做家装设计软件，积累了大量的室内家装与房屋三维空间数据。在物理AI发展过程中，公司较早进行了技术转型，从空间编辑工具出发，积累大量空间数据，并推出空间理解与空间生成的大模型，构建了完整的空间智能体系。群核拥有大量高质量的真实室内空间数据资产，可用于机器人在室内环境的训练，同时其空间理解模型也可在影视拍摄、广告拍摄等场景中商业化。
总结来看， 物理AI代表了下一次AI的发展趋势——从生成式AI走向完成真实世界任务。其核心组成部分包括感知、理解、任务规划与执行，技术范式正从规则设定向VLA模型再到世界模型升级。世界模型的重要意义在于提供仿真合成数据、预测未来物理状态、优化当前动作，并缓解数据短缺问题。物理AI与世界模型将首先在自动驾驶领域体现价值，随后在机器人行业发挥重要作用。整体来看，物理AI是这两年重要的技术发展方向，但目前仍处于大规模商业化的前期、小批量验证的阶段， 建议持续跟踪技术栈的变化。
总结来看， 物理AI代表了下一次AI的发展趋势——从生成式AI走向完成真实世界任务。其核心组成部分包括感知、理解、任务规划与执行，技术范式正从规则设定向VLA模型再到世界模型升级。世界模型的重要意义在于提供仿真合成数据、预测未来物理状态、优化当前动作，并缓解数据短缺问题。物理AI与世界模型将首先在自动驾驶领域体现价值，随后在机器人行业发挥重要作用。整体来看，物理AI是这两年重要的技术发展方向，但目前仍处于大规模商业化的前期、小批量验证的阶段， 建议持续跟踪技术栈的变化。
以上是今天的汇报内容，各位领导如有更多问题，欢迎随时联系我们团队。谢谢大家，会议到此结束，祝大家生活愉快，再见。
以上是今天的汇报内容，各位领导如有更多问题，欢迎随时联系我们团队。谢谢大家，会议到此结束，祝大家生活愉快，再见。