计算机行业深度报告：物理新浪潮Infra建设提速-260609（20页）.pdf

1、行业评级推荐（维持）相关研究物理AI：AI新浪潮，Infra建设提速投资要点：bullet投资建议与公司梳理：物理AI逐渐步入商业化落地阶段，世界模型、仿真平台、具身数据等基础设施环节加速成熟，建议关注相关投资机会，包括：中控技术、索辰科技、海天瑞声、五一视界（港股）、群核科技（港股）。bullet风险提示：1)行业竞争加剧的风险；2）物理AI产业进展不及预期的风险;3）高质量具身数据供给不足的风险。1物理AI：贯通物理世界，开辟AI新蓝海1.1、物理AI：AI走向真实世界的必经之路物理AI:推动AI走向真实世界交互。物理AI是指能够在物理世界中感知、理解、推理、自主执行的AI系统。相较于传统

2、的机器人，物理AI拥有智能大脑，而非进行机械执行；相较于生成式AI，物理AI能够理解三维世界的空间关系和物理行为，具备在现实世界中的交互能力；标准视频模型是预测下一帧，而世界模型能够根据空间状态及动作预测下一个状态，即回答在当前状态下，如果执行某个动作，下一时刻的世界会变成什么样，本质是一个交互式预测模型。(divcenter)图1、世界模型和大语言模型对比(/divcenter)物理AI产业链包括：感知、本体等硬件，以及世界模型、空间智能、数据、仿真等软件。1）感知层面：感知层主要负责将物理世界转化为AI可理解的数字表征，包括计算机视觉、触觉传感器、本体感觉、激光雷达、语言等感知方式。2）算

3、法层面：世界模型对真实世界进行认知和预测，模型接收观察（如输入的视频、或者其他感官数据），基于物理规律预测未来变化（能够推演物体在三维空间、连续时间的变化情况）。3）数据层面：大语言模型主要依赖文本数据，也包括一些图像和视频，数据特点是以静态内容为主。世界模型则主要依赖视频等动态数据，包括摄像头看到的画面、机器人的传感器反馈、动作的结果、环境的变化，数据特点是动态的、时序性的。4）仿真层面：物理的AI训练需要构建基于物理规律的、高保真虚拟环境，并在虚拟空间中添加传感器和自主机器，执行模仿现实世界场景。这为训练自主机器提供了安全的受控环境，提高了机器人在执行复杂任务时的效率和准确性。5）执行层面

4、：通过本体在具体场景进行真实交互，包括机器人、具身智能、自动驾驶汽车等。具身智能、智能汽车为物理AI主要应用场景。应用层面，一方面，物理AI可以被应用于内容生成、游戏与影视制作等内容生产领域；另一方面，物理AI可以让机器人、智能汽车、智能设备等在高保真虚拟环境中通过“试错”学习动作逻辑，再将技能迁移至真实场景，从而使其具备在现实世界中推演未来、理解因果关系、辅助规划并进行交互的能力，在智能汽车、具身智能、工业制造、低空经济等领域的应用前景广阔。根据沙利文发布的2026年中国物理AI仿真及数据平台研究报告数据，预计到2030年中国物理AI仿真及数据平台达到1806亿元，其中智能汽车、具身智能机器

5、人为主要的下游应用领域，分别占比36%、34%，达到652亿元、612亿元。1.2、英伟达：引领物理AI全链路生态建设模型层面：世界模型Cosmos可生成合成视频，物理一致性能力突破。Cosmos是一个世界模型底座，基于9000万亿tokens进行预训练，包括自动驾驶、机器人、合成数据等2000万小时的数据，主要能力在于生成大规模、高质量的合成数据。1）CosmosPredict：是面向世界状态预测的核心基础模型，能够基于文本、图像、视频以及机器人传感器或运动数据等多种输入组合生成30s的合成视频，其主要突破在于拥有较高的空间一致性和物理规律遵循能力。2）CosmosTransfer：可以改变

6、天气、光照、地形等场景，生成多场景。3）CosmosReason：结合物理规律、世界知识进行多模态推理。4）此外，Cosmos平台包括了多种工具，例如：CosmosCurator支持对海量传感器数据进行处理和标注；CosmosEvaluator可以批量对合成视频的物理准确性进行打分。数据层面：发布物理AI数据工厂，突破真实数据采集瓶颈。英伟达发布了物理AI数据工厂BluePrint，旨在统一和自动化物理AI训练数据的采集、生成、增强、评估流程，能够生成大量多样化的数据，覆盖长尾场景，降低物理AI大规模训练的成本和复杂度。2世界模型：两大路线并进，建模3D世界2.1、世界模型：隐式、显式两技术路