物理AI：数据规模化叠加模型突破，物理AI产业迎来拐点

　　摘要

　　物理AI是AI应用的第三阶段演进。物理AI是继生成式AI、Agent之后AI的第三级演进，从输出信息、数字指令升级为输出实体动作，核心是掌握物理因果规律，面临Sim2Real虚实迁移挑战。已量产复制：AMR、工业巡检机器人；单场景量产：基地安保四足巡检机器人；探索阶段：人形机器人，尚未实现规模化部署。

　　Ego数据采集已实现标准化，将迎来规模化放量。数据采集包含遥操作、Ego、UMI、仿真数据四种数采方式，行业模型训练数据通常采用混合方案。EgoScale验证第一人称数据遵循Scaling Law，数据规模提升可稳定提升机器人性能。企业规划目标达百万-千万小时，但实际数据存量偏低，规划与落地存在缺口。

　　大语言模型将加速物理AI模型迭代。物理AI模型快速迭代，VLA模型学习视觉和语言指令到运动轨迹之间的映射，物理层面泛化能力较弱；世界模型学习环境如何随时间演化，重点是理解跨任务复用的物理规律；WAM模型是世界模型的演进，输入任务目标，输出是动作执行和未来世界状态的预测。大语言模型Chat-GPT6Astra在任务执行过程中能够给出有价值的动作决策，超出行业预期，将加速物理AI模型发展，但仍存在执行速度较慢等瓶颈。

　　人形机器人是物理AI最合适的载体。物理AI的训练语料主要来自人类，比如Ego数据采集是人类的第一人称视角，用于训练的网络视频主要包含的是人类的行为动作，人形硬件天然适配模型和数据，训练效果较佳。

　　产业链公司梳理：风语筑：三维空间仿真数据资产，参控股搭建数采-仿真-训练闭环体系；奥比中光：全栈自研3D视觉，物理AI硬件感知入口；福赛科技：机器人零部件核心供应商；五一视界：仿真基础设施，51Sim高速增长，商业模式向训练片段订阅计费转型；索辰科技：CAE多物理场底座，“开物”产品矩阵；宝通科技：2026年7月和光轮智能成立合资公司，宝通科技持股70%，推进物理AI数据产品与工业机器人应用落地。

　　风险提示：物理AI模型能力进展不及预期；机器人商业化及规模放量不及预期；公开演示代表性不足；Sim2Real迁移效果不及预期。