计算机行业研究：物理AI：巨头新战场

敬请参阅最后一页特别声明 1  OpenAI 向物理世界延伸，O 链需求开始具象化。从机械手操作研究、参与 1X 融资，到整合 io 硬件团队、征询消费设备及机器人制造伙伴，OpenAI 的布局已连接模型能力、机器人部件与消费终端。在 Anthropic 推进上市的比较框架下，物理 AI 有望成为 OpenAI 在 Coding 之外的新叙事。  数据 Scale-up 推动具身能力进步，数据工程成为关键环节。网络与人类视频提供规模，仿真数据扩充场景，真机数据提供与实际执行贴近的监督信号。随着训练规模扩大，竞争从采集时长延伸至多模态对齐、清洗标注、质量评测和模型回灌；整数智能、光轮智能及仙工智能的布局，体现出数据供给正在从单点服务走向覆盖训练全流程的平台能力。  上下文学习与世界模型共同改变机器人研发方式。GEN-1.5 可将短时示范作为“物理提示”，在不更新参数的情况下执行新任务，预训练扩张也降低了新任务适配所需的数据和梯度更新。Genie 4 将世界模型推进至实时交互模拟，为任务规划、异常场景推演和智能体训练提供环境；高层规划、中层动作策略与底层实时控制的分层协同，则推动这些模型能力向真实机器人迁移。  部署后的有效产出和数据回流，成为产业竞争的新尺度。智元以 Worken 衡量活跃本体、自主工作时长和产出效能，同时推进 GO-3 Preview、WITA-OMNI、触觉数据采集、灵渠 OS 及工业和公共服务场景部署。连续作业既检验可靠性与客户价值，也积累失败、恢复和人工接管数据，推动“部署扩张—数据回流—模型改善—效率提升”的循环。  量产、人才与资本投入使验证节点持续增加。特斯拉 Optimus 进入早期生产，苹果以 HALO 验证仿真训练向真实环境迁移，Meta 与傅利叶迭代家庭机器人原型；大模型人才创业及具身数据企业融资，进一步将竞争延伸至数据和训练基础设施。后续观察重点将落在复杂任务成功率、模型开源后的第三方验证、产能爬坡与客户交付。  1）本体：特斯拉、智元、上纬新材、宇树科技。  2）北美链：科森科技、斯菱智驱、岱美股份、世运电路、福赛科技、蓝思科技、浙江荣泰、三花智控、恒立液压、北特科技、拓普集团、科达利、万向钱潮等。  3）机器人大脑相关：摩尔线程、协创数据、道通科技、索辰科技、仙工智能、群核科技、智微智能、爱芯元智、五一视界等。  4）具身数据采集相关：领益智造、海天瑞声、利亚德、仙工智能、宝通科技、世纪恒通、奥比中光、绿的谐波、禾赛、速腾聚创、海康威视等。 通用具身模型泛化能力进展不及预期的风险；高质量物理交互数据供给及 Scaling 进展不及预期的风险；世界模型、仿真合成数据及 Sim2Real 效果不及预期的风险；机器人商业化、订单及规模量产节奏不及预期的风险；AI 芯片、算力和端侧部署进展不及预期的风险；行业竞争加剧、技术路线变化及相关公司估值波动的风险。 行业专题研究报告 敬请参阅最后一页特别声明 2 内容目录 一、O 链：物理 AI 的太空算力时刻 ...................................................................................................................... 4 1.1 OpenAI 走向物理世界：IPO 比较框架下，物理 AI 有望成为 Coding 之外的重要增长叙事 .................... 4 1.2 O 链-数据：模型突破依靠数据 Scale-up，高质量数据工程成为关键基础设施 ....................................... 4 1.3 O 链-端侧：物理 AI 商业化依赖终端载体，关注消费电子新增产品周期 ................................................. 5 二、技术演进：具身模型泛化能力跨越临界点 ..................................................................................................... 6 2.1 上下文学习向物理世界迁移，GEN-1.5 涌现单次示范能力..................................................................... 6 2.2 预训练规模持续扩张，具身模型由性能提升走向能力涌现 ..................................................................... 7 2.3 世界模型由生成走向交互，Genie 4 扩展智能体训练空间 .................................................................... 10 2.4 世界模型沿多类范式演进，行动预测成为共同方向 .............................................................................. 12 2.5 分层架构兼顾通用推理与实时控制，模型能力加速向机器人迁移 ........................................................ 14 三、产业进展：智元推动物理 AI 由模型开发走向规模部署 ................................................................................ 15 3.1 部署态成为产业评价重点，有效产出替代单次演示 ............................................................................... 15 3.2 数据与模型双向 Scaling，训练延伸至部署后进化 ................................................................................. 16 3.3 工程系统承接模型能力，场景复制进入验证期 ...................................................................................... 18 四、物理 AI：模型、终端与数据供给进入协同验证期 ........................................................................................ 19 4.1 特斯拉：Optimus 启动早期生产，推进手部设计与 AI 能力迭代 .......................................................... 19 4.2 苹果：仿真训练