物理AI：人工智能产业新增长引擎三（产业应用篇之具身智能&低空空天）- 大数跨境

合肥产投产业研究院

2026-11-13

导读：点进来看看吧！

2026年，人工智能产业迎来一次根本性转向。云端大模型的参数竞赛渐次落幕，物理AI登上舞台中央——人工智能走出屏幕，走进三维真实世界，感知重力、摩擦与形变，完成“感知—推理—决策—执行”的完整闭环，端边云协同架构重构全产业链底层逻辑，物理AI已经成为引领产业变革的新增长引擎。

本文梳理物理AI产业链条，剖析工业自动化、自动驾驶、具身智能、低空&空天与智能终端五大应用领域，全面洞察物理AI发展态势与机遇。

今日为大家带来《物理AI：人工智能产业新增长引擎》连载三：产业应用篇之具身智能和低空&空天系统。

物理AI五大应用领域成熟度分层明显，工业自动化和智能驾驶已经开始落地实践，低空&空天和具身智能正开展大量预研、实现部分落地，而智能终端是物理AI应用渗透最快、最先变现的领域，强调端侧轻量化，但目前处于初期，距离深度应用还要长期探索。

PHYSICAL AI

具身智能

从物理AI到具身智能，是一个自然的技术延伸。具身智能是物理AI的具体实现形态——具有物理实体的智能体，通过与环境的持续交互，自主学习并完成复杂任务。具身智能机器人，是物理AI最典型、最高级的产品形态。目前，绝大多数具身智能机器人具备一定的视觉感知和自适应能力，但距离真正的“开放环境自主决策”仍有显著差距。业内有观点认为，当前99%的人形机器人演示仍依赖预设程序或遥控操作，并非真正的具身智能。但这恰恰说明，物理AI的革命才刚刚开始。

具身智能聚焦在物理AI方面需要构建起四大核心技术体系：

一是物理世界感知，让机器人“看见”并“感知”真实空间。这是具身智能的第一道门槛，需要回答三个问题：空间里有什么？物体在哪里？它们是什么状态？三维视觉感知是核心能力，多传感器融合是提升感知鲁棒性的关键。目前工业级具身智能系统通常采用“视觉为主、激光为辅、触觉补盲、力觉兜底”的融合策略。而力觉感知是物理AI区别于数字AI的核心感知维度。当机器人装配零件时，它需要感知接触力的大小和方向——力太大可能损坏零件，力太小可能抓不牢。传统的视觉方案无法提供这类信息，开普勒机器人等企业推出的“力触觉全栈解决方案”通过六维力传感器和触觉手套，首次将接触力感知引入国产人形机器人，插拔、装配等接触密集型任务成功率从50%提升至86%。

二是VLA视觉语言动作大模型，让机器人“知行合一”。如果说感知是机器人的“眼睛”，那么VLA就是机器人的“大脑”——它要解决的核心问题是：让机器人像人类一样，把看到的、理解的、要做的事情统一起来。世界模型的引入是VLA演进的下一个关键方向，让机器人能够对物理世界进行“模拟推理”——在执行动作之前，先在“大脑中”推演这个动作的后果，大幅降低实体试错成本。

三是Sim-to-Real，虚拟训练降本增效。物理AI的数据困境在具身智能领域体现的淋漓尽致。真实物理世界的训练代价极高——机器人摔倒会损坏硬件，训练数据采集成本动辄数百万美元。目前，具身智能企业通过Sim-to-Real（仿真到真实迁移）技术在虚拟环境中训练机器人，再将训练成果迁移到真实机器人上，大幅降低实体试错成本。如智元机器人的精灵仿真平台3.0，已将仿真环境构建速度从几个小时缩短至几分钟，用户只需输入一段文字描述，即可生成机器人可理解的虚拟空间。这一进步意味着，仿真训练的门槛正在大幅降低，更多中小企业和科研团队将有能力参与具身智能的算法开发。

四是端云协同与机器人操作系统。端侧部署是具身智能商业落地的关键基础设施。机器人在工厂或家庭环境中，不能完全依赖云端算力——网络延迟、断网风险、数据隐私等问题都要求“大脑”尽可能部署在本地。具身大模型的参数规模通常在数十亿到数百亿级别，而端侧芯片的算力有限（通常10-30 TOPS）。模型轻量化（知识蒸馏、量化压缩、架构简化）成为端侧部署的必要前提。机器人操作系统（ROS）是机器人软件开发的行业标准，但传统ROS存在实时性不足、生态碎片化等问题。智元机器人推出的“伏羲”具身智能操作系统、华为云的Cloud Robo解决方案等，正在构建面向具身智能的新一代软件基础设施，支持超过200种工业场景的技能迁移学习。

从“躯体比拼”到“大脑博弈”

龙头卡位具身智能“新基建”

当前，具身智能领域普遍面临真实物理数据采集难度大、场景仿真精度不足、技术开发迭代缓慢等核心痛点。华为、百度、阿里、腾讯等不约而同地将布局重心从虚拟世界的“聪明大脑”，延伸至物理世界的“产业基座”，通过提供底层的开发平台、数据服务和算力底座等基础设施，争当具身智能赛道的基础设施“卖铲人”。龙头们的布局印证了：具身智能赛道的核心竞争力，已从硬件制造的“躯体比拼”，转向算法、模型与底层能力的“大脑博弈”。

华为：全栈国产化底层基建，构筑云边端协同具身底座。2026年6月，华为云在INSPIRE创想者大会上，发布了全球首个全流程具身智能开发平台CloudRobo，并于6月30日开启公测。平台基于华为盘古大模型的多模态能力及复杂任务的思维与规划能力，整合数据合成、数据标注、模型开发、仿真验证、云边协同部署以及安全监管等端到端能力，构建起覆盖数据-模型-仿真-部署-监管的全流程具身智能开发闭环，加速具身智能创新。同时，华为云还向具身智能厂商提供产品开发过程中所需的云服务底层算力、具身本体大小脑硬件、二次开发的API等资源。这印证了华为战略定位：不下场做机器人本体，专注打造产业数智底座

。依托云边端协同力赋能产业伙伴，降低具身智能开发门槛，目标是让一切联网的本体都成为具身智能机器人。如今，新松、亿嘉和、乐聚智能、华沿机器人、拓斯达、千寻智能、五八智能、北京人形机器人创新中心等机器人企业已接入CloudRobo平台。

腾讯：布局具身智能全栈方案，打通“感知-身体-行动”闭环。腾讯在具身智能领域的定位为：成为所有机器人厂商的合作伙伴，而非取而代之做硬件。在2026年7月举行的世界人工智能大会（WAIC 2026）上，腾讯推出的三款基于混元大模型打造的具身基座模型，分别担任“右脑”——完成图像、空间与场景理解，“大脑”——负责统一认知、任务规划与未来状态推演；连接枢纽——将高层指令转化为可持续纠错的连续动作，形成贯穿云基础设施、模型层、具身智能体框架层与行业应用层的全栈式具身智能布局。

百度：锚定数据与算力痛点，搭建具身智能产业研发底座。百度的布局则精准切中具身智能产业两大核心痛点——高质量数据稀缺与训练割裂，以“百舸AI计算平台”为算力与工程底座，以“具身数据超市”为流通枢纽，构建从数据、模型到本体部署的加速闭环体系。其中百度百舸AI计算平台面向VLA、WAM及机器人控制策略训练，持续完善从数据准备、模型训练、仿真评测到真机验证的完整链路，缩短实验闭环与算法迭代周期，助力具身企业和科研机构提升模型开发效率。具身数据超市是百度智能云联合多家头部具身智能企业打造，主要是针对行业高质量数据供给短缺、数据流通缺乏标准的难题，打通数据供需两端：赋能上游数据供给方对接产业需求，协助下游研发主体快速获取适配数据集，为产业构筑标准化的数据流通基础设施。与此同时，百度智能云还将深耕自动驾驶领域积累的数据服务能力迁移到具身智能领域，在大湾区打造了首个专注于具身智能的“数据工厂”，提供规模化、专业化的数据采集和标注服务，可帮助企业节省约20%的项目成本。

阿里巴巴：模型、算力赋能与场景，搭建产业全链路基建。阿里的布局则更具“生态整合”色彩，其核心逻辑在于以通用大模型为“大脑”，以标准化工程平台为“骨架”，以底层算力与全球化渠道为“落地抓手”，构建起一套从技术赋能到商业闭环的完整基建体系。在模型与数据基建层面，阿里依托达摩院千问大模型，先后推出具身智能大脑基础模型RynnBrain（时空记忆与物理空间推理能力）与Qwen-Robot（通过VLA操作模型、VLN移动模型和世界模型）系列模型，为机器人装上“灵巧的手”、“认路的脚”与“会思考的大脑”。为支撑模型迭代与具身智能开发，阿里云还发布了AnalyticDB具身多模数据平台，覆盖具身数据从采集、管理、标注、生成到仿真评测的完整链路；同时联合逐际动力打造了具身智能标准化工程底座FluxVLA Engine，将数据处理、模型训练、仿真评测与真机部署纳入统一工程规范，兼容主流模型、仿真平台和机器人硬件，并以开源方式向全球开发者开放，显著降低开发门槛。

PHYSICAL AI

低空&空天系统

物理AI中的融合多模态感知、物理规律建模与实时控制等核心领域，与无人机、空天系统加快融合，正推动低空经济与空天产业从“硬件内卷”向“智能内核”转型。当前，AI技术与空天装备的融合从“锦上添花”变为“刚需配套”，无人机需要AI实现自主避障和路径规划，商业火箭需要AI优化轨迹控制和回收策略，低空空域管理需要AI处理海量飞行器的实时调度，AI已成为“空天融合”战略的核心驱动力。

物理AI能够帮助低空和空天系统具备理解环境、推演因果、规划行动、协同决策和进入真实系统的能力，解决无人机需要在不确定环境中感知、定位、规划和避障，卫星需要在通信受限、资源有限的条件下完成任务，多星或无人机集群需要在没有中心控制的情况下进行协同等难题。

低空方面，物理AI能构建“感知真实环境→理解空间与任务→形成决策→调度设备执→回传状态与结果→基于数据持续优化”闭环，形成自主避障、路径规划、环境感知能力，无人机彻底摆脱人工遥控局限，实现全自主飞行作业。目前，物流配送、城市安防、电力巡检、农林植保等场景已全面落地，各大城市低空管控体系逐步完善，空域资源商业化开放提速。与此同时物理AI将流体力学、空气动力学等客观物理规律作为底层约束，解决纯数据AI在极端工况下的决策“幻觉”。索辰科技基于“世界物理模型”推出低空三维物理地图，可秒级生成厘米级分辨率低空环境，提供风速、压力及真实电磁场全场生成能力，已在绍兴越城区率先商业化落地，用于低空飞行态势实时监控与安全预警；北航团队的MetaEarth3D生成式基础模型首次将生成式AI拓展到世界尺度三维场景生成，可根据文本或卫星图生成自带空间标注的三维世界，直接用于训练无人机等空天AI模型。

空天方面，物理AI可将引力、流体力学、热传导、轨道动力学等物理方程作为硬约束，融合传感器感知、世界模型仿真、星上边缘决策，打通数字仿真－在轨感知－实体执行闭环，解决太空高辐射、通信大延迟、环境未知、算力功耗受限等核心痛点。物理AI正深度赋能空天与深空领域，实现从“数字智能”向“物理智能”的跨越，其在空天深空的应用实践主要集中在空天探测、航天器智能、空天数据智能处理及空天仿真推演四个核心维度。如清华大学研发AI深空探测增强模型“星衍”，融合AI算法与计算光学原理，成功发现大量“宇宙黎明时期”的极暗星系，为宇宙早期演化研究提供关键科学突破。

五一视界：核心技术的跨产业布局

2026年8月18日，北京五一视界数字孪生科技股份有限公司（以下简称“五一视界”）在深圳前海深港汇召开“物理AI宏伟蓝图2030”发布会，提出以2015年为起点，逐步完成从自动驾驶到具身智能、再到空天探索的全场景产品与业务矩阵覆盖，对应赛道市场空间从千亿级迈向万亿级。尤其是空天战略方面，五一视界首次披露“低空—太空—深空”三层布局，将物理AI的应用边界从地面延伸至深空。

低空领域，与影石Insta360合作构建低空飞行器空域数字化仿真与试飞保障平台，让eVTOL每次起飞前先在数字世界完成“彩排”；

太空领域，与环天智慧围绕高精度卫星遥感数据采集与“物理级可用”数据资产重建展开合作，联合定制全球首颗专为物理 AI 训练与仿真应用设计的商业遥感卫星——地球克隆之星“ECS-1”；

深空领域，与深空探测实验室合作，将火星、月球探测任务搬进数字世界，实现深空任务提前仿真推演。

五一视界的谋划，将实现大规模空间重建、物理仿真渲染、合成数据生成、虚实闭环训练、空天数据对接等的全栈自研，可独立搭建从地表数据采集到智能体仿真训练的完整平台，推出51WORLD MODEL物理直觉世界模型，完整覆盖智驾、具身、低空、太空多场景训练需求。