兴业证券最新研报指出，"物理 AI"正成为人工智能通往现实世界的关键桥梁。与传统 AI 不同，物理 AI 能理解三维空间关系和物理规律，具备在真实环境中交互的能力。其产业链涵盖感知器、机器人本体等硬件，以及世界模型、空间智能、数据和仿真平台等软件，广泛应用于具身智能（如人形机器人）、自动驾驶和工业数字孪生等领域。
目前，物理 AI 已步入商业化落地阶段，基础设施日益成熟，投资机会显现。主要观点如下：
**1. 物理 AI：开辟新蓝海**
这是 AI 从虚拟走向现实的必经之路。英伟达在该领域布局最为领先，已建立起涵盖模型、仿真和数据的全链路生态，并在工业、驾驶和机器人领域实现落地，拥有完善的合作网络。
**2. 世界模型：构建 3D 世界的两条路径**
当前主流技术分为“隐式”和“显式”两条路线。以 Yann LeCun 为代表的隐式路径侧重抽象建模；而显式路径（如英伟达 Cosmos、谷歌 Genie）则直接生成内容。此外，李飞飞团队倡导的 3D 生成路径，专注于重建三维空间结构。谷歌凭借强大的多模态能力，其 Genie 模型已实现长时序的实时互动，新款 Gemini Omni 更融合了物理能力，支持多种输入输出形式。
**3. 仿真平台：高壁垒的核心基建**
仿真平台是物理 AI 大规模落地的基石，预计 2030 年中国相关市场规模将突破 1800 亿元。由于底层依赖强大的物理引擎，技术门槛极高，那些拥有深厚技术积累和工程经验的厂商将占据明显的先发优势。
**4. 具身数据：巨大的供给缺口**
数据短缺是目前具身智能发展的最大瓶颈。行业真实的机器人训练数据仅数万小时，远低于大语言模型所需的千万级规模。目前业界共识是采用“混合训练”模式：先用第一人称视角、虚拟数据等进行预训练，再用真实数据精调。随着智元等机器人厂商加速布局数据采集（计划 2026 年产能达千万小时），提供数据服务的“卖铲人”将迎来重要机遇。
**风险提示：** 需关注行业竞争加剧、产业发展不及预期以及高质量数据供给不足等风险。