風險提示：本文所提到的觀點僅代表個人的意見，所涉及標的不作推薦，據此買賣，風險自負。

作者：陸家嘴幽靈

來源：雪球

都說AI+資源，慚愧一直沒有系統研究前面那項。最近開始學習AI，陸續整理一些筆記，在此做個記錄與大家分享。

老黃曾說：AI經歷了三代技術范式轉移，從感知AI到生成式AI，再到Agentic AI，接下來會是物理AI的時代。

這一篇筆記就和大家分享物理AI。

一、物理AI概念

先和大家解釋一下物理AI基礎概念：

物理AI指能感知、理解并在真實世界交互的模型，是AI從數字走向真實物理世界的關鍵載體。過去我們驚嘆大模型能編程、創作，但這些都停留在數字世界。物理AI更進一步，從看懂世界到改變世界，從虛擬走進現實。

所以具身智能其實是物理AI的技術子集。物理AI系統是包含大腦（世界模型、VLA模型）、身體（執行層）和訓練場（仿真平臺）的完整系統。

目前，物理AI核心場景包括：工業機器人、人形機器人和智能駕駛。

物理AI有五大模塊，負責不同功能：

感知層用來認知世界、決策層是中樞大腦、驗證層是風險防火墻、執行層實現價值落地、反饋層實現持續進化。

其中感知層不僅收集數據，還要通過多模態傳感器融合技術對環境進行建模。

驗證層是物理AI和傳統AI最本質區別。在執行前系統會通過仿真等手段對結果進行檢驗，只有在模擬場景中達標才會傳遞到下一步執行層。

執行層是目前國內技術壁壘最集中環節。需要通過減速器、伺服電機、關節模組等部件，實時補償機械誤差、環境阻力等動態變量，實現精準控制。

來看看物理AI和傳統AI對比：

最大的區別標紅了。傳統AI處理文本、代碼等等，訓練依賴網上的海量數據，幾乎是免費的；但物理AI處理實體，訓練依賴真實交互和傳感器數據，成本極高，現在可用訓練數據遠遠不夠。

容錯率也有很大差別。傳統AI輸出錯誤可以撤回；物理AI輸出錯誤可能導致設備損壞或造成傷害。

傳統AI缺乏對環境理解和泛化能力，隨著行業向推理驅動趨勢邁進，物理AI將會是AI競賽的下一站。

二、物理AI產業鏈

來看看產業鏈：

1. 基礎設施層：為物理AI提供算力、感知、執行的核心硬件，是技術壁壘最高的部分。門檻主要集中在高端芯片、高精密傳感器、精密運動執行部件。

物理AI對算力、延時、可靠性的要求遠高于傳統AI，是各類芯片組合應用。如英偉達針對智駕和機器人的Thor平臺。

感知層包括視覺、激光雷達、力傳感器等技術，要求高精度感知和多模態數據同步；執行層包括減速器、電機、靈巧手等，要求高精度控制和實時響應。

2. 技術層：通過基礎模型、仿真平臺等，對算法進行訓練驗證，把基礎設施層的算力、硬件轉化為可調用的能力。

物理AI獲取數據有兩個辦法：一是現實世界采集數據、二是生成仿真數據。現實獲取難度大，所以現在核心是仿真。

目的是模擬仿真，還原真實世界，從而可以交互、訓練、驗證，還要求符合物理學規律世。這部分關鍵詞包括世界模型、VLA、仿真平臺、CAE等。

3. 集成、應用層：把技術轉化為定制化解決方案，實現商業化。典型場景包括智能制造、自動駕駛、具身智能等。

智能制造比較常見，主要是工廠自動化、智能生產；自動駕駛主要提供感知決策、仿真測試、車輛控制；具身智能是整機控制、運動規劃、人機交互等。

下面重點介紹物理AI技術層。

三、物理AI技術基礎

先放定義：

物理仿真和數字孿生前文提到，是國內技術壁壘最高的環節。兩者核心目的都是解決真實場景數據不足問題、降低實體測試成本和風險。

平時我們看到的可視化平臺就是，比如交通模擬、能源管理、智慧城市等等。

另外，多模態感知將物理信號轉化為數字信息；邊緣計算保證數據低延時性。

下面重點介紹三大基礎模型：世界模型、視覺語言模型（VLM）、視覺語言動作模型（VLA）。

這里畫了個圖。世界模型作為認知中樞，負責生成感知視頻和仿真環境，給下游模型提供訓練數據和評估場景；VLM作為大腦，負責理解、推理和任務規劃；VLA作為小腦，負責輸出動作、控制信號。最后，真實物理世界又將數據反饋給世界模型，使它迭代升級。

簡單來說，世界模型的核心是構建一個逼近真實世界的虛擬環境，用于支持物理AI推理訓練。舉個例子，它讓機器人能夠做到看到、預測、并反應，比如你撒了一灘水在地上，下一步機器人會怎么做？

世界模型目前有三種：

1. 把世界畫出來：基于視頻生成模型，把二維像素變成三維，看起來像世界，但內部無法準確理解幾何信息，無法讓機器人做復雜的交互。

2. 把世界構建出來：比如李飛飛團隊的技術。用三維方式把世界構建出來，不追求畫面逼真，而是要精準建模物體位置、空間的幾何關系和物理交互規則。它能做邏輯推理、碰撞檢測和規劃。缺點是需要高質量三維數據，要專業設備采集，成本更高、難度更大。

3. 把世界抽象出來。比如楊麗坤團隊的方向。用結構學習方法，把世界抽象為機器人能理解的高維空間中的邏輯關系和因果關系，不追求人眼是否覺得像世界。優點是計算效率非常高。

下面介紹英偉達的物理AI生態：

英偉達在物理AI的布局邏輯是，提供從訓練到部署的全套工具。老黃說任何做物理AI的公司都需要三臺計算機：

訓練計算機（DGX）：訓練龐大的世界模型和基礎模型；

仿真計算機（Omniverse、Cosmos）：構建高保真虛擬環境，生成訓練數據，讓AI在虛擬世界里低成本試錯；

部署計算機（Jeston、Thor）：訓練好的模型塞到機器人、汽車上，讓它們在物理世界實時運行。

圍繞這三臺計算機，英偉達搭了一個龐大的生態。兩個最關鍵的基座平臺：

Omniverse：高保真數字世界構建工具。用于構建真實場景的3D數字孿生，模擬物理屬性，是物理AI的訓練場；

Cosmos：世界基礎模型平臺。根據場景描述，自動生成符合物理規律的動作視頻和未來的狀態預測。核心目的是解決訓練數據不足。

總之就是Omiverse做仿真，Cosmos做生成。兩個基座平臺又延伸出不同工具：

比如Predict是給個圖片或視頻，預測接下來怎么進行；Transfer是把仿真環境生成的圖像渲染成照片級別；Reason是負責理解，并根據視頻做出規劃決策。

最后放個落地場景：

四、競爭格局

先是海外基礎模型層：

總體是一超多強格局。英偉達同時擁有仿真平臺、世界模型、基座VLA、推理模型、訓練芯片、推理芯片等，形成芯片+模型+工具鏈的生態。另外還有谷歌在transformer架構上有先發優勢，在機器人操作領域持續突破；大家比較熟知的還有特斯拉FSD。

國內基礎模型層：

特點是機器人公司在做基礎模型，大廠在做大模型。原因是國內大廠主要還是聚焦AGI路線上，對物理AI特別是機器人硬件投入比較克制；人形機器人公司技術和融資能力強，有能力自建基礎模型團隊。

仿真平臺目前還是英偉達Omniverse / Isaac主導，但開源生態在加速追趕。仿真平臺是模型訓練數據的核心來源，重要性不言而喻：

其中智元Genie是國內對標Isaac的綜合性平臺、索辰開物是基于生成式物理AI技術和實景渲染技術。

最后是兩大場景，智駕和具身智能。這里不贅述，后續會專門發關于這兩個主題的學習筆記。

五、物理AI總結

如果沒有時間看上述這些，可以直接跳到這部分。結合專家調研，給出總結：

1. 物理AI最大瓶頸是數據：物理AI數據必須從真實世界采集，成本極高。因此需要構建從采集（真機、仿真、人類示教）、標準化、標注到安全治理的完整產業鏈。數據工程能力是物理AI公司的核心競爭力。

2. 競爭格局與壁壘：壁壘最高的是能構建本體+數據閉環+仿真+場景的全棧公司，包括：1）有落地場景的公司（如特斯拉、阿里）；2）有云平臺和開發者生態的基建型公司（如英偉達）；3）高質量數據公司。

3. 海外廠商在前沿模型和高端本體領先；國內廠商優勢在于硬件成本、供應鏈和快速落地能力。

4. 物理AI商業化落地制約因素：1）世界模型技術未收斂；2）數據瓶頸（單場景需十萬小時級數據）；3）端側芯片成本高，依賴進口；4）工業場景規模尚小，關鍵部件成本難以下降。

5. 應用場景節奏：工業場景最先落地（物流、倉儲、汽車產線，因空間規范、容錯率高）；其次是服務場景（醫院、養老院等）；家庭場景最難，需成本降至5-6萬且安全性極高，但空間潛力最大。

6. 具身智能階段演進：23年概念提出、24年基礎驗證、25年樣機導入、26年小場景規模化。預計27-28年進入大規模量產階段。

特斯拉的Optimus非常關鍵，如果大規模量產，會帶動整個產業鏈硬件成本快速下探（伺服電機、電池等），供應鏈大部分在我們這，也會倒逼國內產業鏈升級。