大家好啊，我是大山。
AI 卷文字画图已经卷到内卷天花板，真正能撬动万亿增量的，是能亲手干活的物理 AI。
最近盘面轮动节奏很乱，指数来回拉锯，不少主线涨两天就歇火。
但细心的朋友应该已经发现，物理 AI 这条分支，资金的关注度正在持续抬升。
近期行业大会接连落地，叠加海外头部厂商释放量产信号，板块内不少标的走出独立行情。
很多人第一反应，又觉得是新题材炒热度，这里我先把话说在前头：短期资金情绪炒作，和产业长期迭代，根本是两码事。
我们平时刷到的 AI，大多停留在屏幕里面，输出文字、图片、短视频。
它能看懂信息，能回答问题，但是它碰不到真实世界，没法去搬动东西、调整姿态。
物理 AI 完全换了一套逻辑，它把重力、摩擦、惯性、流体这些现实规则嵌入模型。
普通 AI 只会纸上谈兵，物理 AI 要落地实操，形成感知、推理、执行、反馈闭环。

黄仁勋多次公开表态，AI 下一阶段的核心跃迁，就是从看懂世界，升级为作用于世界。
这句话不是随口画饼，最近各地工业数字化政策陆续加码，多地把物理 AI、世界模型、虚实仿真列为重点攻坚方向。
国内外产业消息扎堆释放，叠加机构研报集中梳理，资金自然开始提前布局这条赛道。
但我们一定要分开看待两件事：短线行情炒的是消息催化、情绪溢价，波动大、回撤猛。
中长期产业逻辑，看的是仿真工具成熟度、传感器成本下行、零部件客户验证、真实订单落地，这个周期要按年去跟踪。
今天这篇，重心放在产业底层逻辑拆解，帮大家理清这条赛道里面，哪些是真增量，哪些只是概念包装。
物理 AI 不是凭空诞生的新概念，是大模型走到瓶颈之后自然延伸出来的方向。
早期大模型擅长处理符号类信息，一旦放到真实环境，遇到光线变化、地面打滑、物体形变，很容易推理失效。
现在行业主流方案，是把物理第一性原理嵌入模型，搭配高保真仿真环境先做预训练。
在虚拟空间反复训练之后，再迁移到真实硬件上面调试，采用云、边、端分层架构。
云端负责大模型训练、全局优化；边缘侧承担毫秒级实时决策；终端硬件负责最后的动作落地。
目前产业落地两条主线非常清晰，也是数据和订单最先跑出来的方向。
第一条主线是智能汽车，这是物理 AI 最早规模化采集真实场景数据的载体。
车辆常年上路，雨夜、无标线小路、人车混行，这些很难在仿真里穷尽的长尾场景。
源源不断给模型输送真实样本，反过来持续推动模型迭代优化，是天然的数据闭环。
第二条主线是人形机器人和工业自动化，工厂装配、重物搬运、高危工位优先落地。
等技术持续打磨成熟之后，还能延伸到手术机器人、港口无人作业、特种装备等场景。
弗若斯特沙利文的测算，也是多家机构研报引用的基准数据：全球物理 AI 产业年复合增速 47.2%。
到 2040 年，关联产业规模有望达到 3.25 万亿美元，相关测算也被 36 氪转载引用。
国内市场增长同样可观，2025 年国内市场规模 385 亿美元，预计 2035 年攀升至 3375 亿美元。
十年时间接近八倍扩张，国内在全球市场的份额，会从 31% 提升至 37.5%。
产业节奏可以清晰切分成三个阶段，这个时间线，是我们跟踪赛道最重要的标尺。
2026 到 2028 年，属于规模化验证期，核心看点是 L3-L4 高阶自动驾驶落地、人形机器人小批量送样验证。
这个阶段订单零散、收入体量有限，重心是技术定型、客户认证，也是我们当下所处的阶段。
2029 到 2032 年迎来成本拐点，专用芯片成熟叠加供应链规模效应，人形机器人整机 BOM 成本有望下探至 5000 美元以内。
到这个节点，消费级市场需求才会真正打开，不再局限于工厂商用场景。
2033 年之后进入生态成熟期，通用物理 AI 模型形成生态壁垒，各类实体智能设备总量突破 13 亿台。
深度改造制造、物流、交通行业，实体经济的运转模式都会迎来重塑。
赛道前景再好，也不能只盯着漂亮的增长曲线，行业瓶颈同样客观存在。
行业最难啃的一关，就是大家常说的 sim-to-real 鸿沟，也就是仿真环境和真实世界的落差。
在仿真里面调试完美的算法，放到真机上，传感器噪声、光线突变、物体打滑、多任务协同，都会直接拉低成功率。
除此之外，硬件成本居高不下、端侧推理时延、安全合规监管，都是实实在在的拦路虎。
技术路线跑通，不等于企业业绩就能兑现，大量公司会卡在验证阶段，慢慢被市场淘汰。
先看仿真与工业软件赛道，它是物理 AI 的虚拟试验场，地位很容易被忽略。
物理 AI 训练，不能全部依靠真机一遍遍试错，成本高、速度慢。
仿真平台就是用来在虚拟空间反复试错、批量生成海量合成数据的底层底座。
没有成熟的仿真工具，物理 AI 的迭代速度会被直接卡住。
索辰科技，国内 CAE 仿真软件标杆，也是较早把物理 AI 当成第二增长曲线布局的厂商。
传统 CAE 依靠物理方程做仿真计算，迭代周期长、使用门槛高。
索辰的思路，是把流体、结构力学这些底层物理规律和 AI 模型深度融合。
慢慢从单纯售卖软件工具，转向模型服务模式，商业模式发生变化。
在风扇、流体结构优化这类研发场景，过去数月的仿真迭代，现在数小时就能完成推演。
它最核心的壁垒，是多年沉淀下来的国产仿真底层算法，这是普通通用 AI 厂商很难短期补齐的。
跟踪这家公司，重点不是单日盘面涨跌，而是工业、军工客户 AI 仿真模块的采购放量，订单转化速度。
市场普遍存在一个误区，不少朋友以为它已经靠物理 AI 贡献可观营收，客观来看相关业务还处在布局早期，业绩贡献有限，理性看待预期。
凡拓数创，路线和索辰科技完全错开，不走通用仿真平台路线，主打垂直行业定制化。
公司原本主业是数字创意业务，近些年发力智慧城市、水利水务、能源电力方向。
把三维数字孪生和物理 AI 推理绑定在一起，交付适配行业流程的落地方案。
它的优势，是吃透行业业务流程，交付出来的方案可以直接对接项目需求，不是一套只能看不能落地的通用引擎。
公开数据显示 2025 年公司营收同比增长 72.81%，成长速度在产业链里面非常亮眼。
短板同样突出，项目制交付模式，收入确认周期长，业绩很容易被单个大项目验收节奏拖累，收入稳定性偏弱。
第二条主线，感知硬件赛道，相当于物理 AI 的眼睛。
机器想要看懂真实三维空间，第一步就要依靠传感器采集环境信息。
没有稳定可靠的感知输入，后面的推理、动作执行，全部都是空中楼阁。
3D 视觉和激光雷达，是两条互补的技术路线，适用场景各有侧重。
奥比中光，市场常叫它机器人之眼，主打 3D 视觉感知整套方案。
按照 2025 年统计数据，全球机器人 3D 视觉感知市场份额 29%，排名第一。
国内服务机器人市场占有率超过 70%，行业地位突出。
国内少数同时布局六大 3D 视觉技术路线的厂商，自研深度引擎芯片，做到芯片、算法、系统全栈自研。
产品已经对接优必选、天工这些头部人形机器人企业，配套验证持续推进。
人形机器人如果后续逐步放量，3D 视觉模块的需求会同步释放。
风险点在于赛道内卷持续加剧，产品价格持续下行，不断挤压毛利空间。
后续要持续跟踪它在头部人形整机厂商里面的订单占比变化，看份额能不能稳住。
禾赛科技，核心产品是激光雷达，最新推出的 6D 全彩激光雷达，可以输出高精度三维空间数据。
它和奥比中光的 3D 视觉属于互补关系，室内场景 3D 视觉性价比更高。
户外雨雪、强光、扬尘环境，激光雷达抗干扰能力优势明显。
禾赛已经和京东达成战略合作，共同在无人物流车、移动机器人场景落地物理 AI 方案。
在自动驾驶、物流机器人方向积累很深，车载业务已经经历多轮价格战，竞争白热化。
它的第二增长曲线，核心看点就是机器人场景能不能打开，对冲车载业务的波动。
第三块，运动控制与执行器赛道，也就是物理 AI 的手脚。
上层模型算出决策指令，最终能不能落地，全靠伺服、减速器、灵巧手这些零部件完成高精度动作。
这也是国内供应链优势最突出的板块，配套企业多、交付速度快。
汇川技术，国内工控龙头，伺服系统、控制器、工业机器人沉淀多年，是执行层核心供应商。
公司入选 2026 年中国物理 AI 行业应用实践 TOP10 榜单，工业场景也是物理 AI 最先跑通的落地环境。
它最大的优势，是成熟的工业渠道和庞大存量工控客户。
可以把物理 AI 方案和原有伺服产品打包给到工厂客户，推广阻力更小。
很多朋友容易产生一个误区，觉得汇川马上会依靠物理 AI 迎来业绩爆发。
客观来说，传统工控业务体量巨大，物理 AI 相关业务目前只是增量，短期很难拉动整体营收，属于慢慢渗透的逻辑。
昊志机电，聚焦机器人核心零部件，谐波减速器、关节模组、无框力矩电机、六维力传感器多点突破。
很多同行只单点做减速器或者电机，昊志机电是多品类并行布局。
可以给整机厂提供整套关节配套方案，降低整机厂商的集成难度。
样机阶段，零部件需求已经开始释放，但是大规模放量，必须等头部整机厂商定型。
订单兑现节奏存在不确定性，跟踪重点，就是关节模组在头部人形机器人客户的验证进度。
兆威机电，主攻人形机器人灵巧手，传动、电机、电控一体化设计。
从核心传动零件延伸到整手产品开发，灵巧手是人形机器人里面技术门槛最高的部件。
对微型精密传动、力控精度要求极其苛刻，公司在这个细分赛道具备先发优势。
灵巧手单件价值量不低，但现在行业没有统一标准方案。
各家整机厂对自由度、力控路线选择差异很大，公司需要持续适配多家客户的不同方案。
长期研发投入压力不小，短期很难形成标准化、大规模出货。
聊完这 7 家产业链核心企业，我们再拔高一层，聊聊国内产业链的独特优势和短板。
整条物理 AI 产业链天然分成上下两层：上层仿真、感知，负责让机器看懂、推演物理世界。
下层执行端，伺服、减速器、灵巧手，把算法指令转化为真实动作。
国内最大底牌，就是完整的制造业供应链，叠加海量工厂、汽车、物流场景，源源不断产出真实场景数据。
这也是我们在全球竞争里面，最有竞争力的地方，海外厂商很难复制这套落地条件。
短板同样不能回避，海外企业在底层物理大模型、高端仿真内核上面，积累时间更长，技术底蕴更强。
国内企业现阶段更多是在场景落地、交付速度、成本控制上面建立优势。
底层基础能力的追赶，不是短短一两年就能完成，是一个漫长的过程。
物理 AI 不是一阵风的短期题材，它是工业智能化升级的底层底座。
后续会慢慢重塑工厂、仓储、交通的运转模式，技术复用空间远超大家想象。
不只是人形机器人和智能汽车，矿山井下自主作业、变电站巡检机器人、农业采摘设备、仓储分拣机器人。
底层的感知、仿真、运动控制技术是相通的，一套成熟方案，经过微调就能平移到别的实体智能设备。
这也是这条赛道长期想象空间的来源，不是只局限在人形机器人单一载体上。
接下来两到三年，就是这条赛道最重要的观察窗口。
三个核心验证节点，大家可以持续跟踪：人形机器人量产定型、高阶自动驾驶落地放量、仿真 AI 模块从试点变成客户常态化付费采购。
这三个节点，会筛选出真正能把技术变成收入的企业。
大量只有概念、没有落地能力的公司，会在验证周期里面慢慢被市场淘汰。
最后多说一句，这条赛道现在处在验证早期，机会和风险是对等的。
不要看到板块短期走强，就默认所有企业都能兑现预期；也不要因为当下订单偏少，直接否定整个产业方向。
产业拐点从来不是某一天突然到来，而是无数个客户验证、样品测试、小批量交付慢慢堆出来的。
行情可以短期炒作，但产业的成长，需要时间去兑现。
关于物理 AI 这条新赛道，你们更看好仿真软件、感知硬件，还是执行零部件方向？
欢迎在评论区分享你们的观点与后市看法，一起交流客观行情思路。
免责声明‖本文仅为行业信息梳理与客观市场分析，内容基于公开可查信息整理，不构成任何投资建议、操作指导及个股推荐。股市有风险，投资需谨慎，所有交易决策请投资者结合自身风险承受能力独立判断，自行承担投资风险。