一、“物理AI已经到来”——黄仁勋按下快进键
2026年以来，要数资本市场最炙手可热的主题，"物理AI"必在其中。
2025年3月的GTC大会上，英伟达CEO黄仁勋明确指出：“生成式AI已经成为过去，未来属于Agentic AI（代理AI）与Physical AI（物理AI）。”他将人工智能的演进划分为四个清晰的台阶：从感知AI（看懂世界），到生成AI（创作内容），再到代理AI（规划并执行数字任务），最终抵达物理AI（走进现实、动手改造世界）。
这一论断标志着AI竞争重心的根本转移：从前三步停留在屏幕里的数字世界，正式迈向第四步——理解重力、摩擦、材料刚度，并指挥实体机器在不可预知的真实环境中完成任务。也表明了物理AI并非一个孤立的技术概念，而是人工智能技术演进到新阶段的必然产物，它重新定义了AI与物理世界的关系，并正在构建一个从底层算力到上层应用的庞大产业生态，其发展将深刻重塑未来的生产与生活方式。
2026年的CES电子展会，黄仁勋进一步宣告“物理AI的‘ChatGPT时刻’已经到来”，并展示了Cosmos物理基础模型、Omniverse物理仿真平台和Isaac机器人训练框架组成的完整生态。2026年6月，英伟达更是推出全球首个开源全模态世界模型Cosmos3。该模型通过混合Transformer架构整合视觉推理、世界生成与动作预测，将物理AI训练周期从数月缩短至数天，显著提升机器人对物理规律的理解能力。
二、物理AI到底是什么？——给机器装上“大脑”和“常识”
当前的生成式AI——比如ChatGPT，更像是一个绝顶聪明的“书呆子”。它博览群书，能跟你聊哲学、写代码、画漫画，但他有一个致命缺陷：他不食人间烟火，完全不懂现实世界的物理规则。
如果你让他去端一杯水，他可能会把杯子捏碎，或者走到桌子外面去，因为他不知道什么是“重力”，也不知道什么是“用力过猛”。
物理AI（Physical AI），就是要把这个“书呆子”赶出房间，给机器人换上一个既懂理论、又懂实操的“工程师大脑”。
为什么以前的AI搞不定现实世界？因为以往AI（生成式AI）训练数据主要是文字和图片，这些都是二维的、虚拟的。而物理AI的训练数据是三维的、真实的。以前AI看视频里的球掉下来，只知道“球在往下掉”这个画面。而物理AI看球掉下来，脑子里计算的是重力加速度、空气阻力、球的弹性势能。它知道球撞墙会弹回来，而不是穿墙而过。
物理AI是怎么工作的？可以将其想象成一个人类驾驶员：第一步：看路（感知）。就像人用眼睛看路况，机器人用摄像头和激光雷达看世界。但这还不够，物理AI还要加上“触觉”。这就好比你停车时感觉到的震动，或者手摸方向盘感受到的阻力。没有触觉的机器人，就像戴着手套拿鸡蛋，很容易把蛋捏碎。第二步：预判（世界模型）。当你开车看到前方红灯，你的大脑会自动预判：“如果我踩刹车，车会在5米后停下；如果不踩，就会闯红灯。”这就是“世界模型”。物理AI必须在毫秒间算准：如果我抓取这个盒子，它会不会滑？如果我走过这块湿滑的地板，我会不会摔倒？第三步：执行（控制）。大脑发出指令，手脚执行。在物理AI里，这就是控制电机、关节和执行器。难点在于，现实世界充满了“意外”——地毯的阻力比地板大，泡沫和铁块的反弹力不同。物理AI必须实时调整力度。
综上来看，物理AI的核心可以概括为：世界模型（预判物理规律）+多模态感知（看/听/触/受力）+实体执行（关节/轮子/末端执行器），其要解决最大的难题，是从“打游戏”到“真干活”，即Sim-to-Real迁移。以前训练机器人，是在电脑里模拟（就像打游戏），这叫Sim。然后把技能拿到现实中用，这叫Real，这当中的虚实鸿沟Sim-to-Real Gap，就好比机器人在电脑游戏里是个“神枪手”，到了现实世界却可能就成了“近视手”，因为现实里有摩擦力、有风、有零件磨损，游戏里没有。
三、产业趋势：三条主线同步加速
如果说技术原理是物理AI的"骨架"，那么资本、订单和出货量的齐声上涨，则构成了这个赛道实实在在的"血肉"。
首先是市场量级的爆发。黄仁勋此前在CES电子展会上表示，物理AI可重塑价值约50万亿美元的制造和物流产业。根据MarketsandMarkets的数据，全球物理AI市场规模预计将从2026年的15亿美元增长至2032年的152.4亿美元，年复合增长率高达47.2%。在国内，"具身智能"广义口径经常包含机器人、自动驾驶、无人系统及相关软硬件生态。据中商产业研究院发布的跟踪数据，2025年中国具身智能市场规模约9150亿元（同比+20.4%），分析师预测2026年将达到约10904亿元。36氪研究院的测算也给出类似判断：2025年约9150亿元、2026年有望破万亿。
Counterpoint Research的设备侧预测是另一条常用跟踪线索，2025–2035年物理AI设备（含车辆/机器人/无人机等）累计出货预计达1.45亿台，其中人形机器人将是增速最快的细分段之一（预计CAGR约73%期间）。
其次是落地路径的梯次下沉。目前，智能驾驶被视为“物理AI1.0”，是商业化最成熟的领域。截至2026年5月，百度旗下萝卜快跑累计订单量已突破2200万单，运营覆盖全国27个城市。紧接着是人形机器人在工业制造场景的大规模应用，主要用于搬运、装配辅助、质检及危险环境替代。优必选、特斯拉、宇树科技等厂商正在加速推进工厂验证。家庭服务场景被视为终局，但由于对安全性和泛化能力要求极高，业界普遍预期其大规模商用窗口将在2028年至2030年才会打开。
第三是资本结构的质变。全球物理AI领域的融资额已从2024年的约120亿美元激增至2025年的约250亿美元。投资主体正从风险投资机构转向产业资本和国家级基金，从单纯押注算法模型转向布局全产业链，显示出该领域已从技术探索期迈入产业建设期。
四、产业链拆解：谁在吃肉？
物理AI产业链按价值捕获逻辑可分为四层。
第一层是基础设施与仿真层。英伟达处于绝对核心地位，提供从算力芯片到Cosmos/Omniverse/Isaac软件平台的“铲子”。国内索辰科技推出的“天工·开物”物理AI平台已实现商业化收入，2025年相关收入占其主营业务的12.49%。小鹏集团自研的VLA世界模型实现了在汽车、机器人、飞行汽车三大载体上的技术复用，有效降低了综合研发成本。华为发布的“Cloud Robo”具身智能平台，则成为英伟达之外的重要技术竞争变量。
第二层是感知与交互层。这是物理AI的“五官”，包括3D视觉（如奥比中光、禾赛科技）、激光雷达、六维力传感器，以及同样关键的触觉/电子皮肤。后者被视为物理AI感知层的“最后一块拼图”，因为缺乏触觉反馈的机器人无法进行精密操作。在这一细分领域，汉威科技（300007）、福莱新材（605488）、申昊科技（300853）、柯力传感（603662）以及旷达科技（002516）正在发力。
值得注意的是，在触觉/电子皮肤这一细分领域，旷达科技的柔性传感材料业务正加速推进产业化落地。2026年以来，公司已与中国科学院苏州纳米所、江苏集萃中科纳米科技有限公司三方共建"纳米柔性智能电子材料联合实验室"，产品研发主要围绕"智能座舱"与"具身机器人"两大重点应用方向展开；至2026年8月份，据公司最新公告披露，旷达科技的第一代机器人柔性皮肤产品，即基础皮肤、织物产品，已向国内头部具身机器人企业定向设计开发并小批量交付，产品性能获得客户高度认可；第二代柔性传感产品正围绕传感功能集成方向推进研发，正在推进Demo样品迭代开发与技术验证。同时，公司还表示将依托国资资源及产业基金赋能，结合现有优质主机厂客户资源渠道，通过技术、市场、人才、资金等多维度资源协同，推进项目稳步落地。
第三层是执行器与运动控制层。这是物理AI的“肌肉与关节”，包括谐波减速器（如绿的谐波）、行星滚柱丝杠、无框力矩电机等。中国供应链在这一层的国产化率正在快速提升，是推动整机降本的核心杠杆。
第四层是机器人本体与应用层。人形机器人海外以特斯拉（Optimus）、Figure AI、波士顿动力为代表；国内则以宇树科技、智元机器人、优必选等为主力。智能驾驶与交通领域，小鹏、小马智行等企业的Robotaxi已在多个城市开展运营；末端物流配送（Robovan）在部分区域已实现盈利；干线物流（Robotruck）在港口、矿区等封闭场景加速落地。
结语
黄仁勋的判断揭示了未来AI的本质变化：过去十年，AI改造了信息；未来十年，AI将改造物质。
从屏幕里的Token到流水线上的扭矩，从理解语言到理解重力，这场迁移正在重塑全球产业链。无论是英伟达这样的基础设施巨头，还是宇树科技这样的终端先锋，亦或是旷达科技这样从材料切入的新玩家，它们的命运都系于同一个命题：AI能否真正把手伸出屏幕。这不仅是技术的跨越，更是下一个十年万亿价值归属的决定性战役。
蜀商证券提示：文章来自网络，不代表本站观点。
