从比特到原子，AI下半场的万亿级产业革命

摘要

物理AI（Physical AI）是人工智能技术从虚拟数字世界向实体物理世界跃迁的核心形态，其本质是构建具备物理规律感知、空间环境理解、实体交互执行与闭环自学习能力的智能系统，被全球科技产业界公认为AI发展的下半场核心赛道。截至2026年，全球物理AI产业已从技术验证期进入规模化落地初期，底层仿真引擎、端侧算力芯片、多模态感知硬件与具身智能整机四大核心环节同步突破，形成“云端训练-虚拟仿真-端侧推理-实体执行-数据回流”的完整技术闭环。

根据英国未来市场公司数据，全球物理AI市场规模预计将从2026年的3830亿美元增长至2040年的3.26万亿美元，14年复合增长率达16.8%；中国市场作为全球最大的制造业与机器人应用市场，物理AI仿真及数据平台细分赛道预计2030年将达到1806.1亿元，整体产业空间突破万亿量级。本报告系统梳理物理AI的技术内涵、产业链结构与全球竞争格局，深度拆解仿真软件、算力底座、感知层、执行整机、数字孪生五大核心赛道的商业逻辑与壁垒，对A股及港股核心标的进行全方位基本面分析，并明确产业发展的核心驱动因素与潜在风险，为产业研究与资产配置提供系统性参考框架。

核心结论：

1. 物理AI的核心壁垒不在于算法本身，而在于高保真物理仿真引擎+真实场景数据闭环+规模化实体落地能力，其中仿真软件是产业链价值最高、壁垒最强的上游核心环节，掌握物理规则定义权。

2. 产业传导节奏呈现“上游基建先行、中游硬件放量、下游应用爆发”的特征，2026-2027年核心受益环节为物理仿真软件与算力基础设施，2028年后人形机器人、工业具身智能等下游应用将进入业绩兑现期。

3. 国内产业链已形成全环节布局，其中军工与高端制造场景具备本土化替代刚需，索辰科技等国产仿真龙头已实现核心技术自主可控，并深度融入全球头部生态；感知、执行硬件环节依托制造业优势具备全球竞争力。

4. 投资层面建议优先配置赛道壁垒最高、业绩兑现确定性强的核心龙头，同时关注具备场景落地能力的垂直领域标的，警惕技术迭代不及预期、商业化进度缓慢的估值回调风险。
第一章 物理AI行业核心内涵与技术架构

1.1 物理AI的定义与本质

物理AI（Physical AI）是指能够感知、理解并遵循现实世界物理规律，通过实体硬件载体在真实环境中自主完成感知、决策、执行与反馈优化的人工智能技术体系。与传统聚焦文本、图像、语音等数字信息的生成式AI不同，物理AI的核心突破是让AI突破数字世界的边界，具备对重力、摩擦力、力学、流体、电磁等真实物理规则的认知与推理能力，并通过机器人、自动驾驶车辆、工业装备等“实体载体”与物理世界产生交互，形成“感知-建模-推演-执行-反馈”的完整智能闭环。

从技术本质看，传统大语言模型是“比特世界的智能”，其训练与交互均在数字空间完成，输出结果为文本、图像等数字内容；而物理AI是“原子世界的智能”，其最终输出是对实体世界的改造与操作，必须应对真实环境的不确定性、物理约束与实时性要求。英伟达CEO黄仁勋在GTC 2026上明确提出：“物理AI将重塑价值50万亿美元的实体产业，是AI的下一个时代核心”，这一判断已成为全球科技产业的共识。

1.2 物理AI与传统技术的核心差异

1.2.1 与传统CAE仿真的差异

传统计算机辅助工程（CAE）仿真本质是“数值计算器”，基于有限元法、计算流体力学等成熟数值算法，在给定边界条件下求解物理方程，输出固定场景的仿真结果，其核心能力是精准计算，不具备泛化与自主学习能力。工程师需要手动设置参数、调整模型，每一次仿真仅对应单一工况。

物理AI则是在传统仿真的基础上，引入深度神经网络、扩散模型、强化学习等AI技术，构建可微分物理引擎与世界模型，具备三大核心升级：一是泛化能力，可在未训练过的新场景中快速预测物理规律；二是生成能力，可自动生成海量符合物理规则的合成训练数据；三是闭环优化能力，可结合实体端反馈的真实数据持续迭代模型，实现仿真到现实（Sim-to-Real）的能力迁移。

1.2.2 与传统工业机器人的差异

传统工业机器人是“示教再现型”设备，只能按照预先编程的固定路径重复执行动作，无法应对环境变化与任务调整，适配单一工位，部署成本高、灵活性差。而物理AI驱动的具身智能机器人，具备自主感知环境、规划路径、处理突发状况的能力，可通过仿真训练快速迁移新技能，适配多场景、多工位的柔性作业需求，是制造业柔性生产与复杂场景自动化的核心载体。

1.3 物理AI的核心技术架构

物理AI的完整技术体系可概括为“三台计算机”闭环架构，这也是英伟达定义的行业标准技术框架，当前全球主流厂商均遵循该路径进行布局：

1. 第一台：云端训练超级计算机
以大规模GPU集群为硬件载体，基于海量真实数据与合成数据训练具身大模型、世界模型与物理推理模型，是物理AI能力的源头。典型产品如英伟达DGX超级计算机、国内的AI算力集群，核心解决模型训练的算力需求。

2. 第二台：仿真与合成数据计算机
以物理仿真引擎与3D渲染引擎为核心，构建高保真数字孪生环境，生成无限量符合真实物理规则的合成数据集，同时搭建强化学习训练环境，让智能体在虚拟世界中完成海量技能训练，大幅降低真实世界训练的成本与风险。典型产品如英伟达Omniverse+Cosmos、索辰科技“天工·开物”平台，是物理AI的核心底座，也是解决“Sim-to-Real”鸿沟的关键环节。

3. 第三台：端侧实时推理计算机
以边缘AI芯片为核心，部署在机器人、自动驾驶车辆、工业装备等实体载体上，实现真实环境下的实时感知、决策与控制，满足低时延、高可靠性的物理交互需求。典型产品如英伟达Jetson系列、DRIVE AGX平台，是物理AI落地实体的硬件载体。

三者形成完整闭环：云端训练的基础模型，在仿真环境中完成场景化训练与验证，最终部署到端侧硬件执行实体任务；实体运行产生的真实数据回流到云端与仿真平台，持续迭代优化模型能力，实现智能的持续进化。

1.4 物理AI的发展历程与产业阶段

物理AI并非全新概念，其技术演进经历了三个核心阶段：

1. 技术萌芽期（2010年以前）：以传统CAE仿真、工业机器人、早期自动驾驶技术为代表，各自独立发展，尚未形成统一的技术体系，核心能力是单一环节的自动化与数值计算。

2. 技术融合期（2010-2023年）：随着深度学习技术的突破，AI开始与仿真、机器人技术融合，出现了基于强化学习的机器人控制、AI辅助仿真等技术方向。2022年ChatGPT引爆大模型浪潮后，多模态大模型、世界模型技术快速发展，为物理AI提供了通用的认知底座。

3. 产业落地初期（2024年至今）：2024年起，英伟达陆续推出Isaac Sim、Cosmos世界模型等完整工具链，特斯拉Optimus、智元机器人等人形机器人产品快速迭代，国产仿真厂商推出自主物理AI平台，产业从实验室验证走向规模化试点。2026年被行业公认为“物理AI爆发元年”，核心技术瓶颈逐步突破，商业化落地场景快速扩容，产业链进入业绩兑现前期。

当前全球物理AI产业处于“技术突破后、规模化爆发前”的关键节点，上游基础设施已相对成熟，下游应用场景从工业、物流等B端场景率先突破，未来3-5年将迎来产业渗透率的快速提升。
第二章 全球与中国物理AI市场规模及发展趋势

2.1 全球市场规模与增长预测

全球物理AI市场正处于高速增长的起步阶段，多家权威机构均给出了万亿级以上的长期市场空间预测。根据英国未来市场公司（Future Markets Inc）2026年3月发布的《全球物理AI市场2026-2040》报告，全球物理AI市场规模预计将从2026年的约3830亿美元增长至2040年的3.26万亿美元，14年复合增长率达16.8%，是同期全球GDP增速的5倍以上。

巴克莱银行2026年研报则指出，到2035年，物理AI在机器人、自动驾驶、工业自动化、无人机四大领域的市场规模将达到0.5-1.4万亿美元，其中自动驾驶领域贡献约5500亿美元，占比接近一半；人形机器人赛道增速最快，复合增长率将超过50%。

从市场结构看，当前全球物理AI市场主要由北美主导，英伟达、特斯拉、波士顿动力等美国企业占据了底层技术与高端产品的核心份额；欧洲依托工业软件与高端制造基础，在工业物理AI场景具备较强优势；中国则依托全球最大的制造业市场与完善的供应链体系，成为全球物理AI落地速度最快、增长潜力最大的区域市场。

2.2 中国市场规模与细分结构

中国是全球物理AI产业发展的核心增长极，一方面国内制造业升级、人口老龄化带来的劳动力短缺需求迫切，另一方面国家政策大力支持人工智能、工业软件、机器人产业发展，技术本土化替代需求强烈。

根据沙利文2026年4月发布的《2026年中国物理AI仿真及数据平台研究报告》，仅物理AI仿真及数据平台这一上游细分赛道，中国市场规模预计2030年将达到1806.1亿元。其中智能汽车是第一大应用场景，市场规模651.9亿元，占比36.1%；具身智能机器人是第二大场景，市场规模612.4亿元，占比33.9%；其余航空航天、高端制造、医疗等场景合计541.8亿元，占比30.0%。

若将算力硬件、传感器、机器人整机、解决方案等全产业链纳入统计，中国物理AI整体市场规模预计2030年将突破1.2万亿元，2035年突破3万亿元，成为全球最大的物理AI单一市场。

2.3 核心应用场景发展现状

物理AI的落地场景覆盖工业制造、智能驾驶、服务机器人、航空航天、能源电力、医疗健康等多个领域，当前商业化进度最快的三大核心场景为：

2.3.1 工业制造场景

工业制造是物理AI最先落地、商业化最成熟的场景，主要应用包括工业机器人柔性作业、数字孪生产线、产品研发仿真优化、设备预测性维护等。通过物理AI技术，可将产品研发周期缩短30%-50%，产线调试时间减少60%以上，大幅提升制造业的研发效率与生产柔性。当前汽车、3C电子、高端装备等领域的头部企业已开始规模化部署，特斯拉超级工厂、比亚迪智能产线等均已实现物理AI技术的全流程应用。

2.3.2 智能驾驶场景

自动驾驶是物理AI的核心落地方向之一，高保真物理仿真平台是自动驾驶算法训练与测试的核心基础设施。通过物理仿真引擎，可构建海量极端天气、复杂路况、突发事故等长尾场景，在虚拟环境中完成数十亿公里的测试，大幅降低真实路测的成本与风险。当前L3及以上高阶自动驾驶系统的研发，均高度依赖物理仿真平台，国内头部车企与自动驾驶公司均已搭建专属的仿真测试体系。

2.3.3 具身智能机器人场景

人形机器人、四足机器人、工业机械臂等具身智能设备是物理AI最直观的载体。通过物理仿真平台进行预训练，机器人可在虚拟环境中学习行走、抓取、操作等技能，再迁移到真实本体上，大幅缩短机器人的开发周期。2025年以来，人形机器人产业加速落地，特斯拉Optimus、智元远征A2等产品已进入工厂产线试点，物流分拣、3C装配、巡检运维等场景已初步验证经济性。

2.4 产业发展核心趋势

1. 技术通用化：从垂直场景的定制化解决方案，向通用物理世界模型、通用具身智能底座演进，模型泛化能力持续提升，开发门槛持续降低。英伟达Cosmos 3等开源模型的推出，正在推动物理AI从项目制开发走向平台化、模块化开发。

2. 全栈国产化：在军工、航空航天、高端制造等关键领域，物理AI核心技术自主可控需求强烈，国产仿真软件、算力芯片、传感器厂商迎来快速替代机遇，产业链自主可控程度持续提升。

3. 场景规模化：从单点技术试点走向全流程、全场景规模化落地，头部企业的标杆效应逐步显现，行业标准与规范逐步建立，商业化模式持续成熟。

4. 生态协同化：底层平台厂商开放生态，联合硬件厂商、场景厂商、开发者共建产业生态，形成“底座+应用”的产业格局，头部平台的网络效应持续增强。
第三章 物理AI全产业链深度拆解

物理AI产业链长、壁垒高，可划分为上游基础层、中游技术层、下游应用层三大层级，其中上游仿真软件与算力底座是产业核心壁垒环节，价值占比最高；中游感知与执行硬件是落地的核心载体；下游应用是价值兑现的出口。

3.1 上游基础层：仿真软件（最高壁垒）

仿真软件是物理AI的“操作系统”，掌握物理规则的定义权与训练环境的构建权，是全产业链壁垒最高、毛利率最高、话语权最强的环节。物理AI仿真软件可分为三大类：多物理场仿真引擎、数字孪生与渲染引擎、合成数据生成平台。

3.1.1 全球竞争格局

全球物理仿真软件市场长期被海外巨头垄断，核心玩家包括：

• 英伟达：通过Omniverse实时渲染平台+Isaac Sim机器人仿真工具+Cosmos世界模型，构建了全球最完整的物理AI仿真生态，是行业事实标准制定者，覆盖机器人、自动驾驶、工业制造等全场景。

• ANSYS：全球传统CAE龙头，在多物理场仿真领域具备深厚技术积累，近年加速AI化转型，推出AI辅助仿真产品，在工业研发仿真领域市占率领先。

• 达索系统：全球工业软件巨头，依托CATIA三维建模优势，布局数字孪生与物理仿真，在航空航天、汽车制造领域客户基础深厚。

海外厂商凭借数十年的技术积累与生态优势，占据了高端市场的主要份额，但在本土化服务、特定行业场景适配、成本等方面存在短板，为国产厂商留下了替代空间。

3.1.2 国内发展现状

国内物理仿真软件产业起步较晚，但在政策支持与市场需求的双重驱动下，近年实现了快速突破，头部厂商已实现核心技术自主可控，在军工、航空航天等领域完成了规模化替代，并逐步向民用市场渗透。
国产仿真厂商的核心优势在于：一是本土化服务能力强，可快速响应客户定制化需求；二是价格优势显著，授权成本仅为海外产品的30%-50%；三是深度适配国产算力生态，符合关键领域自主可控要求。

3.1.3 赛道核心壁垒

1. 技术壁垒：多物理场耦合仿真、可微分物理引擎、高保真渲染等核心技术研发周期长、难度大，需要深厚的数学、物理与计算机交叉学科积累，底层求解器的研发需要十年以上的技术沉淀。

2. 生态壁垒：仿真平台需要对接海量的硬件设备、算法模型、行业场景，头部平台凭借庞大的客户基础与开发者生态形成网络效应，后进入者难以突破。

3. 验证壁垒：仿真结果的准确性需要大量真实实验数据验证，头部厂商积累了数十年的行业数据与验证案例，新进入者难以在短时间内建立可信度。

3.2 上游基础层：算力底座

算力是物理AI发展的核心基础设施，物理AI的模型训练、仿真计算、端侧推理均需要强大的算力支撑，分为云端训练算力与端侧推理算力两大方向。

3.2.1 云端训练算力

物理AI仿真与模型训练对算力需求远超传统大语言模型，多物理场耦合计算、高保真渲染、大规模强化学习训练均需要万卡级以上的GPU集群支撑。高端AI服务器是云端算力的核心载体，全球市场主要由英伟达主导芯片供给，富士康、工业富联等厂商负责代工制造。国内市场中，浪潮信息、工业富联等厂商是AI服务器的核心供应商，寒武纪、海光信息等国产芯片厂商则构建了自主算力底座，满足关键领域的国产化需求。

3.2.2 端侧推理算力

端侧AI芯片部署在机器人、工业装备等实体设备上，需要满足低功耗、低时延、高可靠性的要求，是物理AI落地的关键硬件。当前全球端侧算力市场主要由英伟达Jetson系列主导，广泛应用于机器人、边缘计算等场景；国内华为昇腾、寒武纪思元、地平线征程等芯片也在加速布局，在工业、机器人等场景实现了规模化落地。

3.3 中游技术层：感知传感器

感知传感器是物理AI的“感官”，负责采集真实物理世界的空间、力学、视觉等数据，是智能体与物理世界交互的入口。核心感知硬件包括3D视觉传感器、力觉传感器、惯性测量单元（IMU）等，其中3D视觉与六维力传感器是增量空间最大、技术壁垒最高的两大品类。

3.3.1 3D视觉传感器

3D视觉传感器可获取环境的三维空间信息，是机器人空间定位、障碍物识别、物体抓取的核心硬件，相当于物理AI的“眼睛”。主流技术路线包括结构光、ToF、双目视觉等，其中结构光精度最高，适合近距离精密操作；ToF距离更远，适合环境导航。

全球市场中，苹果、英特尔、微软等海外厂商起步较早，技术领先；国内奥比中光等厂商已实现核心技术突破，产品性能达到国际先进水平，成本优势显著，已大规模应用于消费电子、工业机器人、自动驾驶等领域。

3.3.2 力觉传感器

六维力传感器可检测空间三个方向的力与力矩，为机器人提供触觉反馈，是实现精密装配、柔性操作的核心部件，相当于物理AI的“皮肤”。力传感器技术壁垒高，长期被海外厂商垄断，近年国内柯力传感等企业实现了技术突破，产品逐步进入工业机器人、人形机器人供应链，国产化替代空间广阔。

3.4 中游技术层：执行器与核心零部件

执行器是物理AI的“手脚”，负责将智能决策转化为实体动作，核心包括伺服电机、减速器、控制器等，是机器人、工业装备的核心零部件，直接决定了实体设备的运动精度与可靠性。

国内工业运动控制产业已具备较强的全球竞争力，汇川技术等厂商的伺服系统国内市占率已位居前列，绿的谐波、双环传动等厂商的减速器产品也实现了规模化突破，成本仅为海外产品的一半左右，为物理AI硬件的规模化落地提供了供应链支撑。

3.5 下游应用层：整机与场景解决方案

下游是物理AI价值兑现的终端环节，核心载体包括工业机器人、人形机器人、自动驾驶车辆、智能装备等，应用场景覆盖制造、物流、能源、医疗、安防等多个领域。

当前下游产业的核心趋势是“软硬件一体化”，头部整机厂商纷纷布局仿真平台与自研算法，构建“数据-仿真-硬件-场景”的闭环能力，以提升产品竞争力与客户粘性。拥有自有落地场景的厂商具备显著优势，可通过真实场景快速验证技术、迭代模型，形成场景壁垒。
第四章 核心上市公司标的深度分析

4.1 仿真软件赛道核心标的

4.1.1 索辰科技（688507.SH）：A股物理AI仿真绝对龙头

公司概况：索辰科技是国内领先的工程仿真软件厂商，专注于CAE仿真软件研发与产业化，是A股唯一拥有全自主可控多物理场仿真求解器的上市公司，在军工航空航天仿真领域市占率超过70%，是国产工业软件的核心代表企业。

物理AI业务布局：
公司构建了“天工+开物”双平台战略，全面布局物理AI赛道：

• 天工平台：聚焦传统工程仿真软件，覆盖流体、结构、电磁、声学、光学等全学科仿真，是公司的基本盘业务，2025年工程仿真软件业务实现收入1.98亿元，毛利率达86.33%。

• 开物平台：公司物理AI核心载体，2025年3月正式发布“天工·开物”物理AI开发及应用平台，涵盖可微分多物理场仿真引擎、机器人设计训练平台、生成式流场计算引擎、电磁环境快速计算引擎等产品，可提供物理AI全场景解决方案。2025年开物平台相关业务实现收入约5800万元，其中物理AI软件收入0.40亿元，毛利率高达98.58%，展现出极强的盈利能力。

技术实力与生态合作：
公司底层求解器完全自主研发，掌握多物理场耦合、可微分仿真等核心技术，是国内少数能与海外巨头正面竞争的仿真厂商。生态层面，公司深度对接英伟达Cosmos世界模型生态，将自研高精度求解器与海外底层框架融合，实现优势互补，是英伟达物理AI生态在国内的核心工业软件合作伙伴。

财务表现：
2025年公司实现营业收入3.65亿元，同比保持稳健增长；归母净利润3150万元，同比有所下滑，主要原因是公司加大物理AI业务研发投入与并购整合，处于战略投入期。2025年公司研发投入占营收比例超过40%，持续高强度的研发投入保障了技术领先性。2026年一季度公司研发费用达0.37亿元，占营收比例94.26%，继续加大对物理AI业务的投入力度。

核心竞争优势：

1. 技术壁垒深厚，全自研求解器构建了宽护城河，军工领域客户粘性极强；

2. 物理AI布局领先，是A股最早实现物理AI业务规模化收入的标的，商业化进度领先同行；

3. 受益于自主可控政策，军工、航空航天等关键领域替代需求强烈，增长确定性高；

4. 毛利率水平极高，软件业务盈利能力强，规模效应释放后利润弹性大。

风险提示：
物理AI业务商业化进度不及预期；研发投入持续高企影响短期利润；海外厂商降价竞争加剧；军工订单波动风险。

4.1.2 五一视界（06651.HK）：港股智驾仿真龙头

公司概况：五一视界是国内领先的智能驾驶仿真解决方案厂商，专注于自动驾驶虚拟测试与仿真技术，是国内高阶智驾仿真领域的头部企业。

物理AI业务布局：
公司在智驾仿真领域市占率达53.5%，是英伟达智驾仿真的独家国内合作方，深度对接英伟达Cosmos与DRIVE平台。公司发布了国内首款“物理直觉”世界模型，可构建高保真、符合真实物理规则的驾驶仿真环境，生成海量长尾测试场景，支撑高阶自动驾驶算法的训练与验证，是物理AI在智能驾驶场景的核心落地厂商。

核心竞争优势：
智驾仿真赛道龙头地位稳固，客户覆盖国内主流车企与自动驾驶公司；深度绑定英伟达生态，技术同步性强；智驾场景商业化成熟，业绩兑现确定性高。

4.1.3 中望软件（688083.SH）：三维建模底座龙头

公司概况：中望软件是国产工业CAD软件龙头，拥有自主可控的二维、三维CAD核心技术，产品广泛应用于机械制造、建筑工程等领域，是国内工业软件的核心企业。

物理AI业务布局：
公司依托三维CAD建模优势，布局机器人运动仿真与工业数字孪生业务，为物理AI提供三维空间建模底座。物理AI的仿真环境构建需要精准的三维几何模型，公司的CAD产品是物理仿真的上游基础工具，可与仿真引擎深度协同，为工业机器人、智能装备提供从设计到仿真的一体化解决方案。

核心竞争优势：
国产CAD龙头，客户基础广泛；三维建模是物理仿真的刚需入口，具备卡位价值；渠道能力强，可快速将物理AI相关产品推广至工业客户。

4.2 算力底座赛道核心标的

4.2.1 工业富联（shturl.cc）：全球AI算力硬件龙头

公司概况：工业富联是全球最大的电子制造服务商，是英伟达高端AI服务器的核心代工厂，在AI服务器制造领域占据全球领先份额。

物理AI业务逻辑：
物理AI的大规模仿真训练与模型训练，需要海量高端GPU服务器支撑，工业富联作为英伟达GB200等高端AI服务器的核心制造商，直接受益于物理AI产业带来的算力基建需求。公司生产的AI服务器是物理AI云端训练与仿真计算的核心硬件载体，是产业发展的“卖水人”，业绩确定性极强。

核心竞争优势：
全球制造龙头，与英伟达深度绑定，订单确定性高；产能规模大，交付能力强，受益于AI算力需求的持续增长；估值水平低，安全边际高。

4.2.2 寒武纪（shturl.cc）：国产高端算力核心标的

公司概况：寒武纪是国内领先的AI芯片厂商，专注于云端与边缘端AI芯片研发，是国产AI算力的核心代表企业。

物理AI业务逻辑：
公司思元系列高端AI芯片，可适配多物理场仿真计算、机器人端侧实时推理等物理AI场景，是国产自主算力底座的核心载体。在军工、航空航天等关键领域，物理AI算力基础设施的自主可控需求强烈，公司产品是海外芯片的核心替代方案，受益于国产化替代浪潮。

4.3 感知层赛道核心标的

4.3.1 奥比中光（688322.SH）：国产3D视觉感知龙头

公司概况：奥比中光是国内领先的3D视觉传感器厂商，掌握结构光、iToF、双目、dToF等全技术路线，产品广泛应用于消费电子、工业、机器人等领域。

物理AI业务逻辑：
3D视觉是物理AI获取空间信息的核心入口，人形机器人、工业机械臂、自动驾驶均需要3D视觉传感器实现环境感知与空间定位。公司产品可实现亚毫米级高精度三维建模，适配英伟达Isaac仿真平台，是国内人形机器人与工业机器人3D视觉的核心供应商，直接受益于物理AI硬件的放量。

核心竞争优势：
国内3D视觉龙头，技术路线全面；成本优势显著，性价比高于海外竞品；客户覆盖广，机器人、消费电子等多领域同步发力。

4.3.2 柯力传感（603662.SH）：力学传感龙头

公司概况：柯力传感是国内称重与力传感器龙头，专注于各类力传感器、称重系统的研发与生产，产品广泛应用于工业、物流等领域。

物理AI业务逻辑：
六维力传感器是机器人力反馈的核心部件，是实现精密操作与柔性交互的关键。公司大力布局六维力传感器业务，产品已实现批量落地，为工业机械臂、人形机器人提供力反馈数据，同时支撑仿真环境的物理参数标定，是物理AI触觉感知的核心供应商。

4.4 执行与整机赛道核心标的

4.4.1 宝通科技（300031.SZ）：工业具身智能全栈龙头

公司概况：宝通科技原本主营工业输送带业务，近年加速向工业智能化转型，布局工业机器人与物理AI业务，是A股稀缺的工业具身智能全栈标的。

物理AI业务布局：
公司构建了“硬件+软件+场景”的全链条布局：硬件层面，自研四足巡检机器人、二足巡检机器人，适配矿山、工厂等复杂工业场景；软件层面，对接英伟达仿真平台，构建数据闭环训练体系；场景层面，依托原有工业客户资源，产品已批量落地海外矿业巨头，实现商业化落地。此外，公司还布局机器人微电机业务，向核心零部件延伸，强化软硬件一体化能力。

核心竞争优势：
工业场景落地能力强，已有批量订单验证；软硬件一体化布局，闭环能力完善；海外市场拓展顺利，增长空间广阔。

4.4.2 汇川技术（300124.SZ）：工业运动控制龙头

公司概况：汇川技术是国内工业自动化龙头，伺服系统、变频器、PLC等产品国内市占率位居前列，是制造业自动化的核心供应商。

物理AI业务逻辑：
伺服系统与运动控制器是机器人关节执行的核心部件，直接决定机器人的运动精度与响应速度。公司是国内伺服系统龙头，产品广泛应用于工业机器人、智能装备领域，是物理AI动作执行的核心硬件供应商，直接受益于工业机器人与人形机器人的放量。公司还布局机器人控制器与整机业务，向物理AI下游延伸。

4.5 数字孪生与数据赛道核心标的

4.5.1 能科科技（603859.SH）：工业数字孪生集成龙头

公司概况：能科科技是国内领先的工业数字化解决方案厂商，专注于数字孪生、智能制造系统集成，服务于军工、高端制造等领域客户。

物理AI业务逻辑：
公司打通仿真软件与实体产线，构建工业数字孪生中台，实现物理AI虚拟训练到实体产线落地的闭环，为制造业客户提供从仿真验证到产线部署的一体化解决方案，是物理AI在工业场景落地的核心集成商。
第五章 行业核心驱动因素与发展痛点

5.1 核心驱动因素

5.1.1 政策驱动：国家战略高度重视，产业支持政策密集出台

物理AI作为人工智能与实体经济融合的核心方向，被纳入国家多项战略规划。“十四五”规划明确提出要大力发展人工智能、工业软件、机器人等产业，各地政府也纷纷出台专项政策，从资金、人才、场景等方面支持物理AI相关产业发展。军工、航空航天等关键领域的自主可控政策，更是直接推动了国产仿真软件与算力硬件的替代进程，为国内厂商提供了广阔的市场空间。

5.1.2 技术驱动：核心技术瓶颈同步突破，产业拐点已至

2024年以来，物理AI三大核心技术瓶颈同步突破：一是大模型技术成熟，多模态大模型与世界模型让AI具备了通用物理认知能力；二是仿真技术升级，可微分物理引擎与高保真渲染技术大幅缩小了“Sim-to-Real”鸿沟；三是算力硬件升级，高端GPU与边缘AI芯片算力大幅提升，成本持续下降，支撑了大规模仿真与实时推理需求。三大技术共振，推动物理AI从实验室走向产业化，产业拐点明确。

5.1.3 需求驱动：劳动力短缺与制造业升级需求迫切

中国人口老龄化加剧，制造业劳动力成本持续上升，招工难、用工贵问题突出，工业自动化与智能化需求强烈。传统工业机器人灵活性不足，难以应对柔性生产需求，而物理AI驱动的具身智能机器人可适配多场景、多任务，能够有效替代人工，解决劳动力短缺问题。同时，制造业向高端化升级，对产品研发效率、生产柔性、产品质量提出了更高要求，物理仿真与数字孪生技术是提升研发制造效率的核心工具，需求持续释放。

5.1.4 资本驱动：全球科技巨头加码，产业资本持续涌入

英伟达、特斯拉、谷歌等全球科技巨头纷纷加大物理AI领域投入，英伟达连续发布多款重磅产品，特斯拉人形机器人加速落地，引领产业发展方向。国内互联网巨头、科技公司与产业资本也纷纷布局物理AI与机器人赛道，大量资金涌入推动技术研发与商业化落地，加速产业成熟。

5.2 行业发展痛点与挑战

5.2.1 技术层面：Sim-to-Real鸿沟仍未完全消除

尽管仿真技术已取得巨大进步，但虚拟环境与真实世界仍存在差异，光照、摩擦力、材质特性等细微因素都可能导致仿真中训练的技能在真实场景中失效。如何进一步提升仿真保真度、优化域适应算法，缩小仿真到现实的差距，仍是行业需要持续突破的技术难题。

5.2.2 成本层面：硬件成本偏高，大规模普及受限

当前人形机器人、高端传感器、仿真软件的成本仍处于较高水平，导致物理AI方案的投资回报周期较长，仅在高附加值场景具备经济性。未来随着技术成熟与规模化量产，硬件成本有望逐步下降，但短期仍将制约中低端场景的渗透速度。

5.2.3 场景层面：场景碎片化，标准化程度低

物理AI落地场景分散，不同行业、不同工位的需求差异巨大，定制化开发成本高、周期长，难以快速规模化复制。行业标准与接口规范尚未统一，不同厂商的产品兼容性差，也增加了部署成本与难度。

5.2.4 人才层面：交叉学科人才短缺

物理AI涉及人工智能、物理、力学、机械、自动化等多个学科，需要大量交叉学科复合型人才，当前全球范围内相关人才供给不足，人才缺口较大，一定程度上制约了产业发展速度。
第六章 投资逻辑与标的配置建议

6.1 整体投资逻辑

物理AI是AI产业的下一个万亿级赛道，长期成长空间广阔，当前处于产业发展初期，估值与业绩双重提升的戴维斯双击阶段。投资需遵循“先基建、后应用，抓龙头、看落地”的核心逻辑：

1. 赛道优先级：优先配置壁垒最高、业绩兑现最早的上游仿真软件与算力基础设施，其次是感知、执行等核心硬件，最后关注下游应用整机标的。

2. 选股标准：优先选择技术壁垒深厚、有真实业绩支撑、商业化落地进度领先的龙头企业，规避纯概念炒作、无实质业务的标的。

3. 节奏把握：2026-2027年重点关注上游基建环节的业绩释放，2028年后逐步加大下游应用标的配置，把握产业传导节奏。

6.2 标的分级配置建议

第一梯队：核心龙头（首选配置）

• 索辰科技（688507）：A股物理AI仿真绝对龙头，技术壁垒最高，业务纯正度最高，军工基本盘稳固，物理AI业务加速落地，长期成长空间大。

• 工业富联（601138）：算力硬件核心标的，业绩确定性最强，估值安全边际高，是物理AI产业发展的核心受益标的。

第二梯队：细分赛道龙头（弹性配置）

• 奥比中光（688322）：3D视觉感知龙头，机器人硬件放量核心受益标的，技术领先，增长弹性大。

• 五一视界（06651.HK）：智驾仿真龙头，深度绑定英伟达生态，商业化成熟度高。

• 汇川技术（300124）：工业运动控制龙头，业绩稳健，机器人硬件放量持续受益。

第三梯队：场景落地标的（主题配置）

• 宝通科技（300031）：工业具身智能全栈标的，场景落地领先，具备业绩弹性。

• 中望软件（688083）：三维建模底座龙头，工业软件核心标的，协同价值显著。
风险提示

1. 技术迭代风险：物理AI技术发展速度快，若企业技术研发不及预期，或技术路线出现重大变革，可能导致产品竞争力下降。

2. 商业化落地风险：物理AI产业尚处发展初期，下游场景渗透速度可能低于预期，相关企业业绩兑现存在不确定性。

3. 行业竞争风险：海外巨头技术优势显著，国内厂商数量持续增加，行业竞争可能加剧，导致产品价格与毛利率下降。

4. 政策变动风险：产业支持政策、自主可控政策若出现调整，可能对行业发展节奏产生影响。

5. 市场波动风险：物理AI属于高成长赛道，板块估值波动较大，短期可能出现大幅回调风险。
免责声明

本报告仅供行业研究与信息参考之用，不构成任何投资建议、交易指导或证券发行推介。报告中的信息均来源于公开可获得资料，本署名作者对信息的准确性、完整性不作任何保证。报告中的观点、结论仅代表发布时点的分析判断，相关内容可能随行业发展与数据更新而发生变化，恕不另行通知。

投资者应自主做出投资决策并自行承担投资风险，股市有风险，入市需谨慎。任何依据本报告作出的投资决策，与本署名作者无关。本报告版权归作者所有，未经书面授权，任何机构与个人不得以任何形式复制、转载、篡改或用于商业用途。

署名：崖峰
2026年6月29日晨