物理AI四大核心赛道：具身智能、自动驾驶与工业软件全解析

物理AI正成为AI发展的下一个核心高地。

黄仁勋在CES与GTC大会上反复强调，“物理AI时代”已经开启：AI技术范式先后经历了感知AI、生成式AI和Agentic AI三代转移，下一步就是物理AI。在他看来，物理AI可以重塑约50万亿美元的制造与物流产业，市场潜力远超数字AI。通用机器人、人形机器人、自动驾驶、工业软件等领域有望率先跑通商业闭环，并持续解锁更多应用场景。

01 物理AI概览

物理AI是理解并作用于物理世界的智能系统。当前AI正从数字走向实体，这场革命的核心不在于生成，而在于理解与预测真实世界。

物理AI发展脉络

2020至2022年属于萌芽期，NeRF、高斯溅射等3D重建技术涌现，空间智能概念开始出现。2023至2024年是概念期，英伟达提出Physical AI；李飞飞空间智能实验室、杨立昆世界模型理论同步推进。2025年，工具栈正式成型：Cosmos世界模型、Isaac仿真平台、Jetson Thor端侧芯片、GR00T VLA模型四大工具栈就位；宇树、奥比中光、九号机器人、德赛西威等中国厂商加速加入生态。2026年，物理AI正式进入商业化元年，具身智能开始量产落地。

物理AI技术演进：AI正经历感知、生成式、Agentic到物理AI的范式转移。当下的物理AI已经能够运行、推理、计划并采取行动，产业共识也从“模型先行”转向“量产先行”。

进入AI模型3.0时代，物理AI开始迈向推理驱动：

资料来源：AITIME论道

物理AI现阶段架构：已经形成“空间智能（感知基座）—世界模型（认知及决策中枢）—物理AI（系统整合载体）”三层结构。物理AI依赖世界模型模拟物理动态，以空间智能为底层支撑，从空间感知到动态模拟再到物理决策，构成完整技术闭环。

什么是世界模型？ 它是物理AI推理的虚拟训练环境，源于强化学习：AI通过学习环境生成模型，在内部构建世界表征，实现“脑中模拟试错”。业界普遍认为，AGI不能仅靠大语言模型，必须包含能理解并预测物理规律的世界模型。李飞飞指出，世界模型需要具备生成式、多模态、交互式三大特征。

资料来源：英伟达

英伟达以Cosmos世界基础模型为核心布局物理AI，四大基础工具栈包括：

1. 世界模型Cosmos 3+VLA模型GR00T
2. 仿真引擎Omniverse
3. 训练平台Isaac Sim
4. 端侧芯片Jetson Thor

黄仁勋认为，这套基础工具栈将加快人形机器人与自动驾驶的商业化落地，同时加速先进制造的AI化进程。

02 具身智能

具身智能是物理AI的终极落地形态，核心为“感知—理解—推理—行动”闭环，覆盖通用机器人、人形机器人、自动驾驶、工厂与仓库物流四大场景。

可以说，具身智能不是让AI“懂”物理世界，而是让AI“活在”物理世界里，能看、能想、能动。

通用机器人

通用机器人（世界模型+灵巧操作）是具身智能最早商业化的场景。它通常指非固定形态、可执行多种任务的机器人，比如轮式加机械臂、四足加机械臂的组合，能够替代人类干杂活。相比传统机器人，物理AI机器人可以处理未知零部件，大幅减少人工编码，支持自然语言交互，并且扩展更灵活。

物理AI正在扩大工业运营中的自动化范围：

资料来源：WEF，英伟达官网

通用机器人核心逻辑可以概括为“一个模型+多种末端执行器”，从工业到商业再到家庭逐层渗透，当前正从单一任务向多任务演进。实际应用层面，Figure 02已进入宝马工厂验证通用操作；宇树G1售价9.9万元，推动价格持续下探；NVIDIA GR00T推进至N1.7版本，支持手指级灵巧操作，并已在宇树G1上完成验证。

通用机器人核心环节：零部件卡脖子、本体是中枢、感知是眼睛、AI是大脑、集成是变现。

AI大脑/软件决定通用机器人的“聪明程度”。大模型层面，百度（文心）、商汤（日日新）、科大讯飞（星火）、字节（豆包）、腾讯（混元）等都在向具身方向延伸。具身算法层面，星动纪元（星动大模型）、智元（灵犀大模型）从端到端操作学习切入。仿真/训练平台NVIDIA（GR00T+Isaac）、Agility Robotics则走从虚拟训练到真实迁移的技术路线。

AI芯片是具身智能的“心脏”，为实时物理交互提供算力支撑。该领域中，英伟达Jetson Thor/Orin占据高端市场；瑞芯微（RK3588）、地平线（J6）和晶晨（A311D）等厂商走性价比路线；华为昇腾（Atlas 200I）是国产最大变量，生态尚待补齐，但政企场景已经落地。整体来看，具身芯片的决胜点不是峰值算力，而是功耗≤50W下的实时推理能力。

核心零部件占整机成本约70%，主要包括减速器、伺服电机、控制器、传感器。其中，减速器是机器人关节的“关节”，技术壁垒最高，绿的谐波率先打破海外垄断，中大力德、双环传动、斯菱智驱等厂商均有布局。电机是机器人的“肌肉”，决定运动精度和速度，汇川技术、禾川科技、埃斯顿和信捷电气等是重点玩家。控制器是机器人的“小脑”，协调各关节运动，相关厂商包括埃斯顿、华中数控、汇川技术、新时达等。柯力传感等厂商则主要在力传感器领域深耕。

感知系统以视觉、力觉、触觉传感器为核心，赋予机器人理解环境的能力。

机器视觉是其中最成熟的方向，包含硬件（光源、工业相机、镜头、传感器）与软件（视觉控制器为核心，处理图像、提取信息、决策控制），国内奥比中光、海康机器人、大华股份重点切入。

力觉/触觉传感器：力觉测量力与力矩，触觉测量接触压力分布，是灵巧操作的前提。国内柯力传感、宇立仪器、海伯森等在布局。

深度视觉（3D感知）：ToF、结构光、激光雷达赋能空间建模，奥比中光（结构光）、大疆Livox（激光雷达）、速腾聚创等厂商已切入。

整体来看，通用机器人是具身智能最快变现的场景，当前正处于商业化关键期。中国厂商在成本和量产上优势明显，核心壁垒正从硬件转向“模型+数据+场景”三位一体能力。

人形机器人

人形机器人最接近人类形态，是具身智能的“终极载体”。黄仁勋最新表态“未来制造将依赖机器人+AI”，本质是AI从数字世界的算力竞争，迈入真实物理场景。

人形机器人产业链中，价值量较高的环节包括行星滚柱丝杠、减速器、电机、力传感器和3D视觉等。

行星滚柱丝杠在零部件环节中价值量占比高，且加工难度大、良率低，国产替代空间最大。全球领先的外资企业有THK、上银、斯凯孚、舍弗勒、瑞典Exlar（伊维莱）和瑞士GSA。国内新剑传动、北特科技、五洲新春、恒立液压、震裕科技、鼎智科技、贝斯特、恒而达、双林股份、汇川技术等均有相关布局。

谐波/RV/摆线减速器：对不同减速器方案进行初步对比排序，传动精度方面谐波/摆线针轮优于RV优于行星；体积方面RV大于谐波大于行星/摆线针轮；价格方面RV高于摆线针轮高于谐波高于行星。

摆线减速器有望成为人形机器人关节传动的新方向。当前新型减速器入局者不断增多，国内布局摆线减速器的厂商包括中大力德、豪能股份、双环传动、科达利、禾川科技、福达股份、精锻科技等。近年来还涌现出一批通过内生外延拓展精密减速器业务的企业，如富临精工、双飞集团、韶能股份、杭齿前进、东安动力、联诚精密、圣龙股份等，均在加速产业链各环节布局。

无框力矩电机体积小、扭矩大，正好适配人形机器人关节驱动需求，单件价值约800至2000元。全球市场主要玩家包括科尔摩根、Maxon、威腾斯坦、尼得科等。国内进度较快的厂商中，步科股份第三代无框力矩电机采用无框中空设计，第四代正在加速研发，目前拥有从52mm至132mm共10种框架尺寸；雷赛智能推出FM2超高密度系列无框力矩电机（第二代）；昊志机电的无框力矩电机转矩波动≤1%，更利于机器人力矩控制，可提供3.5倍过载能力，适用于协作机器人、轻型机器人、人形机器人等多个领域。禾川科技、拓邦股份、卧龙电驱、伟创电气、德昌股份、科力尔等也在加速布局。

此外，集成化（一体化关节模组）与传感器嵌入化是两大趋势。

自动驾驶

自动驾驶本质是“不下车的具身智能”，也是物理AI最成熟的落地场景。L2+已经大规模商用，L4在Robotaxi、港口、矿山等封闭场景率先落地。

核心优势：高价值物理交互、可持续多模态数据、清晰商业模式、可规模化产业链。

路线之争：端到端大模型是终局方向，BEV+规则仍然是当前主力，核心分歧在于端到端能否取代模块化。特斯拉FSD V13、Waymo泛化能力最强；理想Mind VLA走物理AI路线，强化3D Tokenizer、MindGPT与群体行动生成。

自动驾驶产业链核心环节

智驾芯片：算力决定模型上限，英伟达Orin/Thor垄断L4市场（60%以上）；地平线J6E/J6M是国产中端第一；华为MDC 610/810实现自研闭环；特斯拉FSD芯片垂直整合。

激光雷达：L3+几乎必配，当前技术路线正从机械式向半固态/纯固态演进，降本是关键。禾赛AT128全球出货第一；速腾聚创M系列国内第一；华为96线产品已压到200美元以内。

车载摄像头：单车通常搭载8至12颗，前视800万像素是主流方案，舱内摄像头正向200万以上升级。舜宇光学、联创电子等众多厂商在该领域布局。

智驾方案商三大阵营

端到端全栈自研：代表厂商为特斯拉FSD V13、华为ADS、Waymo，核心优势是数据、算力、算法闭环，泛化能力最强。

L4运营商/头部方案商：代表厂商包括小马智行、百度萝卜快跑、Momenta。

Tier1/车企自研：代表厂商有德赛西威、亿咖通、大卓智驾、赛力斯+华为。

下游主机厂+出行平台：全球主要玩家包括特斯拉、比亚迪、蔚来、小鹏、理想、奔驰、宝马等；国内比亚迪、吉利、长安、广汽、上汽等是主力。

从行业竞争格局来看，中美双极态势明显：中国量产规模领先，美国算法领先。Robotaxi、智能驾驶乘用车、无人重卡三条线并行商业化，自动驾驶有望率先跑通物理AI的“数据闭环”与“商业闭环”。

03 工业软件

工业软件是物理AI训练、验证、部署和运维的控制台。五大环节构成物理AI全链路底座：CAE仿真/数字孪生、工业控制系统、工业IoT/感知、能源调度/工业优化、CAD/EDA/PLM。

CAE仿真/数字孪生是物理AI的“训练场”，提供物理验证环境，让模型在虚拟世界中反复试错。主要厂商包括安世亚太、华如科技，以及华大九天、广立微、概伦电子等均有布局。

工业控制系统是物理AI的“执行层”，把AI决策转化为真实动作。中控技术重点聚焦流程工业DCS；宝信软件在钢铁与自动化控制领域深耕；科远智慧、和利时、汇川技术等也是该领域主要玩家。

工业IoT/感知是物理AI的“眼睛和耳朵”，负责采集真实世界数据。海康威视、汉朔科技、映翰通、树根互联在该领域均有所布局。

能源调度/工业优化是物理AI的“调度大脑”，实现能源与生产的实时优化。国能日新专注新能源功率预测；道通科技覆盖充电桩与能源管理；能科科技深耕智能制造；鼎捷数智聚焦制造业ERP/MES；滴普科技提供工业大数据平台；弘信电子则布局AI算力底座。

CAD/EDA/PLM是物理AI的“设计底座”，构筑产品从设计到制造的数字主线。中望软件是CAD国产替代龙头；华大九天、广立微、概伦电子并称国内EDA三巨头；用友网络在PLM/ERP领域处于头部位置。

04 物理AI全球布局厂商

物理AI的胜负手不在模型本身，而在仿真环境、工业数据与部署闭环。谁先把“仿真→训练→部署”打通，谁就掌握了物理AI的控制台。

三层架构包括仿真层、空间数据层和感知层。

仿真层（训练环境）

仿真环境是数据飞轮的起点，控制了仿真就等于控制了物理AI的训练数据供给。海外主要玩家包括谷歌、英伟达、达索、ANSYS、Altair等。

谷歌通过战略重组构建物理AI四层协同闭环生态。2024年谷歌DeepMind与Google Brain合并后，核心方向之一就是物理AI基础设施。英伟达Omniverse物理AI操作系统则是最强的“卖铲子”策略。

国内方面，索辰科技提供工业仿真数据，是国内最接近ANSYS的厂商；安世亚太定位CAE+数字孪生，在航空航天领域有深度数据积累；华如科技重点布局军事仿真与训练系统，在国防数据上有壁垒。达索与ANSYS掌握的工业数据最为深厚，中望软件则布局CAD底座。

空间数据层（场景数据）

空间数据层是仿真层的上游，本质是把物理世界数字化，让AI有“眼睛”看到世界的结构。仿真解决“物理规律对不对”，空间数据解决“场景长什么样”。Matterport是3D空间扫描的全球标杆，Unity主要布局工业数字孪生。

感知层

感知层是物理AI的“眼睛和耳朵”。物理AI要与真实世界交互，必须有高精度传感加实时理解。硬件入口在禾赛、速腾、基恩士、西克等厂商手中，商汤则在AI感知算法上有较强积累。

整体来看，全球布局厂商中，英伟达在卖铲子，谷歌在自建矿厂。国内厂商的优势在于应用场景丰富、落地速度快：索辰=仿真、群核=空间、智微=边缘、商汤=感知、中控=工控、极智嘉=调度、华为=算力底座。物理AI的终局不是谁算力最强，而是谁先把“铲子”用进“矿脉”。国内从算力底座到感知、仿真、调度、工控的全栈布局，本质上是在用场景密度换技术迭代速度。这条路一旦跑通，有望成为物理AI最深的护城河。

本文内容由云栈社区整理编辑，仅作为行业分析参考，不构成任何投资建议。