【开源计算机】物理AI投资线索梳理 1022 物理 AI 的本质是「环境感知→物理推演→实体执行→反馈迭代」的闭环，对应产业链分为五大环节，从上到下价值传导顺序
- 序号：015
- 星球链接：打开网页
- 附件：图片 0，音频 0，文档 0
- 音频文件：无音频
图片
无图片
正文
【开源计算机】物理AI投资线索梳理 1022 物理 AI 的本质是「环境感知→物理推演→实体执行→反馈迭代」的闭环，对应产业链分为五大环节，从上到下价值传导顺序为：算力基础设施 → 核心算法（世界模型 / VLA / 仿真孪生） → 感知层 → 执行层 → 实体载体与场景应用
投资线索一、围绕世界模型的形成 学习海量时空交互数据，内化重力、碰撞、摩擦等物理规律，靠仿真+真实时序交互数据训练 训练数据是带有时序、物理属性的 4D 时空序列数据（3D空间+时间），稀缺性高，通用方案为仿真数据为主+真实数据校准 ①数字孪生仿真 通过脚本自动调整环境参数（物体形状、重量、摩擦系数、光照、障碍物位置），批量生成不同场景 壁垒：求解器技术+行业knowhow等 海外：英伟达Isaac Sim ②真实数据校准 真实世界的海量视频，传感器时序数据（摄像头、激光雷达、IMU、力传感器），用于修正仿真与现实的偏差，提升模型在真实场景的泛化能力 获取方式：自有实体硬件闭环采集+VR 遥操作众包采集+互联网海量视频 ③数据处理 清洗筛选、时空对齐、自监督标注、序列切分
投资线索二、物理AI的感知层 将空间位置、运动姿态、受力形变、环境参数等物理信号，转化为数字信号，感知的精度、鲁棒性、时延，直接决定了物理 AI 系统的能力上限 ①空间视觉感知 3D 视觉感知、2D相机 ②运动和位姿感知 IMU、编码器、惯性导航 ③力学和触觉感知 六维力/力矩传感器、电子皮肤等
投资线索三、物理AI的执行层 关节模组、减速器、电机等
投资线索四、围绕布局物理AI的巨头 OpenAI、英伟达、字节、特斯拉等上游供应链 OpenAI：手部定型，丝杠关节模组 Optimus：26年底周产2-3k 27Q1周产5k 27年底周产2w 字节：Seed团队，打造通用机器人操作基础模型 英伟达：Omniverse+Isaac Sim+Cosmos
市场空间估算 人形：百万台 单台30w→3000e 面向所有劳动密集型行业 大脑：单价xtokens 数据：小时数x数据处理单价 Ego/第一视角类数据每小时约3-4k，若加入清洗、标注、治理和切片等成本可能翻倍
泛科技投资由难→易评估 海外硬件：最难（海外ARR增速、现金流、FCC、涨价传导、Rubin良率等） 国产算力：次难（HBM供给、流片、HBM价格、国产模型ARR等） 具身智能：容易（没有利空，产业越来越好，T链业绩进入兑现期，大厂陆续下场具身大脑）
受益标的梳理（不完全） 物理执行层：斯菱、科森、福赛、兆威、长盈、步科等 物理AI的感知层：安培龙、奥比、福莱、汉威、敏芯、恒辉、华依等 数字孪生仿真：风语筑、索辰、凡拓等 真实数据：利亚德、慧辰、中控、当虹、海天、风语筑、众诚、龙旗等
总体总结
主题正文
- 【开源计算机】物理AI投资线索梳理 1022
- 物理 AI 的本质是「环境感知→物理推演→实体执行→反馈迭代」的闭环，对应产业链分为五大环节，从上到下价值传导顺序为：算力基础设施 → 核心算法（世界模型 / VLA / 仿真孪生） → 感知层 → 执行层 → 实体载体与场景应用
- 训练数据是带有时序、物理属性的 4D 时空序列数据（3D空间+时间），稀缺性高，通用方案为仿真数据为主+真实数据校准
- 真实世界的海量视频，传感器时序数据（摄像头、激光雷达、IMU、力传感器），用于修正仿真与现实的偏差，提升模型在真实场景的泛化能力
- 将空间位置、运动姿态、受力形变、环境参数等物理信号，转化为数字信号，感知的精度、鲁棒性、时延，直接决定了物理 AI 系统的能力上限
- Optimus：26年底周产2-3k 27Q1周产5k 27年底周产2w
- 数据：小时数x数据处理单价 Ego/第一视角类数据每小时约3-4k，若加入清洗、标注、治理和切片等成本可能翻倍
- 国产算力：次难（HBM供给、流片、HBM价格、国产模型ARR等）