大会核心看点
10月20日至22日，英伟达GTC大会于德国柏林举办。英伟达CEO黄仁勋将在21日进行主题演讲，大会配套超百场技术分享，议题覆盖AI工厂、加速计算、智能体AI、物理AI、机器人等方向，物理AI是本次大会重点议题。英伟达将展示依托AI模型、仿真软件、计算平台，帮助机器人、自动驾驶、工业设备学习现实复杂任务的相关方案。
产业层面科技巨头持续加码布局，9月28日AMD公告拟以82亿美元股票收购李飞飞创办的WorldLabs，交易预计2026年底落地。WorldLabs主攻空间智能与世界模型，目标让AI理解三维空间、物体运动与现实物理规律，本次收购将帮助AMD把握物理AI模型对芯片、软件系统产生的全新算力需求。10月18日国联民生证券发布《物理AI：优质数据先行》深度报告，报告聚焦物理AI模型训练所需的数据资源。报告提出，机器人在真实环境执行复杂任务需要海量训练数据，行业现存痛点包含真实数据采集成本高、不同机器人数据难以互通复用、仿真数据与真实场景存在偏差。物理AI持续发展，将带动数据采集、仿真生成、数据处理、模型评测全链条产业需求扩张。
物理AI基础定义
大众熟知的生成式AI，例如各类大模型，主要接收文字图像信息，完成问答、文稿、代码、图像生成等任务。物理AI的目标，是让人工智能在真实物理环境中执行实体动作。典型场景为机器人抓取物品，需要识别物体位置、规划运动路径、控制机械臂动作，根据物体材质调整抓取力度，操作中持续接收环境反馈并动态修正动作。物理AI应用覆盖人形机器人、自动驾驶、工业制造、仓储物流、医疗康复、家庭服务等领域。
思略特2026年3月预测，2030年全球物理AI市场规模有望达到4300亿欧元，涵盖自动驾驶、工业、人道服务、航空国防、娱乐、医疗健康六大赛道，该数值为机构预测值，最终落地取决于技术成熟度与相关产品商业化进展。物理AI体系由数据、算力、模型、硬件共同构成。传感器、摄像头采集环境信息，AI模型判断环境与动作方案，电机、机械臂完成执行，芯片提供模型训练与推理算力支撑。当前模型领域两大主流方向为VLA以及世界模型。
VLA与世界模型技术方向
VLA即视觉语言动作模型，融合视觉画面、语言指令、动作数据联合训练，能够依据人类语言指令驱动机器人完成实操任务。传统工业机器人依靠预设程序，仅适配固定重复工作，环境或物体位置变化时需要人工重新调试程序。VLA依托模型学习，提升机器人对多样环境、多元任务的自适应能力。2024年起行业研究显示，训练数据扩容能够提升VLA预测机器人动作的能力，存在类似大语言模型的规模效应。
FigureAI在2026年9月17日发布Helix2.5，机器人可在30个陌生家庭场景完成整理、折毛巾、铺床等任务。对照实验显示，依托Index平台人类行为数据预训练的模型任务成功率可达56%，未预训练版本仅9%，验证人类操作数据对机器人学习陌生场景具备明显增益，但该测试结果限定于实验场景，距离家庭场景长期稳定落地仍存在较大差距。
世界模型核心能力是预判动作发生之后环境产生的变化。机器人执行操作时，世界模型可以预判物体运动、外力带来的影响，辅助机器人挑选合理操作方案。目前世界模型尚未形成统一主流路线，多条技术路线并行研发。WorldLabs、腾讯混元依托图像视频三维生成技术仿真现实环境；Meta采用潜在空间路线，压缩视觉信息后预测环境状态；还有团队使用强化学习，在虚拟仿真环境迭代优化动作策略；对象中心路线则拆分场景内物体，研究物体状态、运动与相互作用关系。国联民生证券判断，模型性能提升会推动企业扩大训练规模，拉动数据需求增长，数据积累反过来持续优化模型效果。
物理AI训练的数据需求逻辑
大语言模型可以从互联网获取海量文本图文代码数据，而机器人训练需要实体操作轨迹数据。训练机器人完成一项操作，除操作视频外，还需要记录关节角度、抓取位置、施力大小，操作失败案例同样纳入训练优化。物体材质、重量、环境改变后，机器人动作策略也需要同步调整，因此需要多场景数据集。公开机器人动作数据集体量远小于图文数据集，OpenX-Embodiment汇集约一百万条机器人动作轨迹，而LAION-5B图文数据集拥有约五十亿组图文样本，两类数据属性不同不能直接对比，但机器人领域公开数据储备明显不足，企业需要自主采集、制作训练数据集。
行业主流包含五类数据获取方式。真机遥操作，人工远程操控实体机器人执行任务，同步记录传感器与运动数据，数据真实性高，但设备人力投入大，采集成本偏高。UMI数据采集，借助手持夹爪记录人手操作轨迹，无需完整机器人本体，灵活性较强，但采集数据需要二次适配才能适配不同机器人。人体手部动作捕捉，依靠传感设备记录人体肢体动作，可采集复杂操作，但人体关节结构与机器人存在差异，数据无法直接复用。
第一视角数据，使用头戴摄像头、智能眼镜记录人工作操作画面，覆盖大量生活化、工业化场景，便于规模化采集人员。仿真合成数据，搭建虚拟场景让机器人在数字环境反复练习，自动留存操作数据，大幅降低硬件人力消耗。各类模式成本差异明显，
国联民生证券整理行业报价，真机数据采集每小时成本五百至一千元，UMI数据每小时三百至四百元，第一视角数据约一百元每小时，仿真数据成本存在进一步下探空间，松应科技相关方案可将单条仿真数据成本压至零点二至零点三元。仿真方案短板在于很难完全复刻真实世界物体形变、摩擦力、碰撞特性，仿真训练后的机器人落地真实环境容易失效，行业普遍搭配真机数据完成训练验证。
数据标准不统一带来的行业痛点
当前不同机器人厂商硬件、控制系统、软件各不相同，采集数据格式没有统一规范。同样是物品抓取任务，不同企业的关节参数、坐标体系、采样频率、标注规则存在区别，跨厂商的数据无法直接使用，需要大量二次处理。仿真平台也面临同类兼容难题，不同仿真软件制作的虚拟场景资产，迁移复用需要大量调整修改，抬升开发成本。为解决三维场景兼容难题，英伟达、苹果、皮克斯、Adobe、Autodesk联合推动OpenUSD标准，2025年12月OpenUSDCoreSpecification1.0正式发布，为三维场景的文件组织、资产交换提供统一规范，英伟达Omniverse仿真平台已落地该标准，支撑数字孪生、机器人训练场景的三维资产互通。OpenUSD仅解决三维场景描述与交换，机器人动作、力觉触觉、模型训练数据层面还缺少统一规范。未来若机器人与仿真系统实现数据互通，能够减少重复采集加工，盘活存量场景与训练数据资源。
相关公司
中控技术（688777）：主营工业自动化控制系统、工业软件与工业AI产品，面向石化、能源、冶金行业布局物理AI，依托时间序列大模型TPT搭配通用控制系统UCS，实现设备状态预判与生产参数自动调控，相关AI产品已落地十余个行业多家化工企业，2026上半年工业AI业务收入3.85亿元。
奥比中光（688322）：专注3D视觉传感器、芯片与视觉感知系统研发，产品服务机器人、工业测量领域，在物理AI产业链提供机器人深度视觉感知与训练数据采集硬件，推出UMI、腕部相机等数据采集设备，深度相机产品已适配多家人形机器人企业，机器人视觉方案收入2026上半年实现翻倍增长。
688***：国内CAE仿真软件厂商，产品覆盖流体、结构、电磁仿真，依托物理仿真能力切入物理AI赛道，推出开物平台、大圣智能体、行者合成数据、世界物理模型，搭建物理建模、合成数据、智能体训练一体化产品体系，业务仍处于客户导入验证阶段，2026上半年营收保持增长，研发投入带来阶段性亏损。
603***：主营数字展示、数字孪生与三维空间内容制作，将三维场景建模能力应用于物理AI仿真训练，2026年投资松应科技并合资设立子公司，布局物理AI仿真环境、空间与合成数据业务，设立具身智能子公司参与多场景AI中试基地建设。
300***：主营输送带、工业互联网与海外游戏发行，依托矿山、港口工业场景沉淀海量设备传感数据，2026年6月联合光轮智能设立合资公司，聚焦工业矿山场景开展机器人数据采集、仿真训练与模型评测业务，物理AI业务尚处在拓展阶段，公司当前收入仍来源于原有主业。
... ...
扫码回复“8-物理AI”查看行业公司介绍，并可免费诊股，还可咨询实操指导服务！
作者：于晓明 执业证书编号：A0680622030012
大会核心看点
10月20日至22日，英伟达GTC大会于德国柏林举办。英伟达CEO黄仁勋将在21日进行主题演讲，大会配套超百场技术分享，议题覆盖AI工厂、加速计算、智能体AI、物理AI、机器人等方向，物理AI是本次大会重点议题。英伟达将展示依托AI模型、仿真软件、计算平台，帮助机器人、自动驾驶、工业设备学习现实复杂任务的相关方案。
产业层面科技巨头持续加码布局，9月28日AMD公告拟以82亿美元股票收购李飞飞创办的WorldLabs，交易预计2026年底落地。WorldLabs主攻空间智能与世界模型，目标让AI理解三维空间、物体运动与现实物理规律，本次收购将帮助AMD把握物理AI模型对芯片、软件系统产生的全新算力需求。10月18日国联民生证券发布《物理AI：优质数据先行》深度报告，报告聚焦物理AI模型训练所需的数据资源。报告提出，机器人在真实环境执行复杂任务需要海量训练数据，行业现存痛点包含真实数据采集成本高、不同机器人数据难以互通复用、仿真数据与真实场景存在偏差。物理AI持续发展，将带动数据采集、仿真生成、数据处理、模型评测全链条产业需求扩张。
物理AI基础定义
大众熟知的生成式AI，例如各类大模型，主要接收文字图像信息，完成问答、文稿、代码、图像生成等任务。物理AI的目标，是让人工智能在真实物理环境中执行实体动作。典型场景为机器人抓取物品，需要识别物体位置、规划运动路径、控制机械臂动作，根据物体材质调整抓取力度，操作中持续接收环境反馈并动态修正动作。物理AI应用覆盖人形机器人、自动驾驶、工业制造、仓储物流、医疗康复、家庭服务等领域。
思略特2026年3月预测，2030年全球物理AI市场规模有望达到4300亿欧元，涵盖自动驾驶、工业、人道服务、航空国防、娱乐、医疗健康六大赛道，该数值为机构预测值，最终落地取决于技术成熟度与相关产品商业化进展。物理AI体系由数据、算力、模型、硬件共同构成。传感器、摄像头采集环境信息，AI模型判断环境与动作方案，电机、机械臂完成执行，芯片提供模型训练与推理算力支撑。当前模型领域两大主流方向为VLA以及世界模型。
VLA与世界模型技术方向
VLA即视觉语言动作模型，融合视觉画面、语言指令、动作数据联合训练，能够依据人类语言指令驱动机器人完成实操任务。传统工业机器人依靠预设程序，仅适配固定重复工作，环境或物体位置变化时需要人工重新调试程序。VLA依托模型学习，提升机器人对多样环境、多元任务的自适应能力。2024年起行业研究显示，训练数据扩容能够提升VLA预测机器人动作的能力，存在类似大语言模型的规模效应。
FigureAI在2026年9月17日发布Helix2.5，机器人可在30个陌生家庭场景完成整理、折毛巾、铺床等任务。对照实验显示，依托Index平台人类行为数据预训练的模型任务成功率可达56%，未预训练版本仅9%，验证人类操作数据对机器人学习陌生场景具备明显增益，但该测试结果限定于实验场景，距离家庭场景长期稳定落地仍存在较大差距。
世界模型核心能力是预判动作发生之后环境产生的变化。机器人执行操作时，世界模型可以预判物体运动、外力带来的影响，辅助机器人挑选合理操作方案。目前世界模型尚未形成统一主流路线，多条技术路线并行研发。WorldLabs、腾讯混元依托图像视频三维生成技术仿真现实环境；Meta采用潜在空间路线，压缩视觉信息后预测环境状态；还有团队使用强化学习，在虚拟仿真环境迭代优化动作策略；对象中心路线则拆分场景内物体，研究物体状态、运动与相互作用关系。国联民生证券判断，模型性能提升会推动企业扩大训练规模，拉动数据需求增长，数据积累反过来持续优化模型效果。
物理AI训练的数据需求逻辑
大语言模型可以从互联网获取海量文本图文代码数据，而机器人训练需要实体操作轨迹数据。训练机器人完成一项操作，除操作视频外，还需要记录关节角度、抓取位置、施力大小，操作失败案例同样纳入训练优化。物体材质、重量、环境改变后，机器人动作策略也需要同步调整，因此需要多场景数据集。公开机器人动作数据集体量远小于图文数据集，OpenX-Embodiment汇集约一百万条机器人动作轨迹，而LAION-5B图文数据集拥有约五十亿组图文样本，两类数据属性不同不能直接对比，但机器人领域公开数据储备明显不足，企业需要自主采集、制作训练数据集。
行业主流包含五类数据获取方式。真机遥操作，人工远程操控实体机器人执行任务，同步记录传感器与运动数据，数据真实性高，但设备人力投入大，采集成本偏高。UMI数据采集，借助手持夹爪记录人手操作轨迹，无需完整机器人本体，灵活性较强，但采集数据需要二次适配才能适配不同机器人。人体手部动作捕捉，依靠传感设备记录人体肢体动作，可采集复杂操作，但人体关节结构与机器人存在差异，数据无法直接复用。
第一视角数据，使用头戴摄像头、智能眼镜记录人工作操作画面，覆盖大量生活化、工业化场景，便于规模化采集人员。仿真合成数据，搭建虚拟场景让机器人在数字环境反复练习，自动留存操作数据，大幅降低硬件人力消耗。各类模式成本差异明显，
国联民生证券整理行业报价，真机数据采集每小时成本五百至一千元，UMI数据每小时三百至四百元，第一视角数据约一百元每小时，仿真数据成本存在进一步下探空间，松应科技相关方案可将单条仿真数据成本压至零点二至零点三元。仿真方案短板在于很难完全复刻真实世界物体形变、摩擦力、碰撞特性，仿真训练后的机器人落地真实环境容易失效，行业普遍搭配真机数据完成训练验证。
数据标准不统一带来的行业痛点
当前不同机器人厂商硬件、控制系统、软件各不相同，采集数据格式没有统一规范。同样是物品抓取任务，不同企业的关节参数、坐标体系、采样频率、标注规则存在区别，跨厂商的数据无法直接使用，需要大量二次处理。仿真平台也面临同类兼容难题，不同仿真软件制作的虚拟场景资产，迁移复用需要大量调整修改，抬升开发成本。为解决三维场景兼容难题，英伟达、苹果、皮克斯、Adobe、Autodesk联合推动OpenUSD标准，2025年12月OpenUSDCoreSpecification1.0正式发布，为三维场景的文件组织、资产交换提供统一规范，英伟达Omniverse仿真平台已落地该标准，支撑数字孪生、机器人训练场景的三维资产互通。OpenUSD仅解决三维场景描述与交换，机器人动作、力觉触觉、模型训练数据层面还缺少统一规范。未来若机器人与仿真系统实现数据互通，能够减少重复采集加工，盘活存量场景与训练数据资源。
相关公司
中控技术（688777）：主营工业自动化控制系统、工业软件与工业AI产品，面向石化、能源、冶金行业布局物理AI，依托时间序列大模型TPT搭配通用控制系统UCS，实现设备状态预判与生产参数自动调控，相关AI产品已落地十余个行业多家化工企业，2026上半年工业AI业务收入3.85亿元。
奥比中光（688322）：专注3D视觉传感器、芯片与视觉感知系统研发，产品服务机器人、工业测量领域，在物理AI产业链提供机器人深度视觉感知与训练数据采集硬件，推出UMI、腕部相机等数据采集设备，深度相机产品已适配多家人形机器人企业，机器人视觉方案收入2026上半年实现翻倍增长。
688***：国内CAE仿真软件厂商，产品覆盖流体、结构、电磁仿真，依托物理仿真能力切入物理AI赛道，推出开物平台、大圣智能体、行者合成数据、世界物理模型，搭建物理建模、合成数据、智能体训练一体化产品体系，业务仍处于客户导入验证阶段，2026上半年营收保持增长，研发投入带来阶段性亏损。
603***：主营数字展示、数字孪生与三维空间内容制作，将三维场景建模能力应用于物理AI仿真训练，2026年投资松应科技并合资设立子公司，布局物理AI仿真环境、空间与合成数据业务，设立具身智能子公司参与多场景AI中试基地建设。
300***：主营输送带、工业互联网与海外游戏发行，依托矿山、港口工业场景沉淀海量设备传感数据，2026年6月联合光轮智能设立合资公司，聚焦工业矿山场景开展机器人数据采集、仿真训练与模型评测业务，物理AI业务尚处在拓展阶段，公司当前收入仍来源于原有主业。
... ...
扫码回复“8-物理AI”查看行业公司介绍，并可免费诊股，还可咨询实操指导服务！
作者：于晓明 执业证书编号：A0680622030012
