计算机行业空间智能系列之四：物理AI崛起：重构工业智能底座

证 券 研 究 报 告物理AI崛起：重构工业智能底座——空间智能系列之四证券分析师：黄忠煌 A0230519110001 屠亦婷 A0230512080003 刘洋 A0230513050006崔航 A0230524080005 黄莎 A0230522010002联系人：崔航2026.6.25www.swsresearch.com证券研究报告2核心结论◼物理AI推动工业AI进入生产闭环，工业智能的价值锚正在重估。◼AI输出升级为参数、路径、动作和调度策略，价值衡量也从人效提升转向良率、能耗、节拍、停机时间等。◼工业是物理AI最值得重视的落地场景，原因在于“可验证、可量化、可付费”。◼制造业天然具备设备、产线、工艺、质量和机器人等物理对象，同时拥有连续数据流、仿真验证机制和清晰ROI，具备从AI试点走向规模商业化的基础。◼NVIDIA范式揭示了物理AI的本质：算力、仿真、世界模型和执行系统的协同工程◼Omniverse、Cosmos、Isaac和Thor/Jetson Thor共同指向一个产业趋势：未来AI进入真实工厂前，必须先在数字孪生和仿真环境中完成验证，再通过边缘算力和OT系统进入受控执行。◼工业软件的入口价值将被重新定价，长期方向是工业操作系统。◼CAD、CAE、PLM、MES、SCADA等系统掌握设计、仿真、生产、质量和设备数据，未来将成为AI调用工业流程、理解业务上下文、连接执行层的关键接口。◼工业AI的壁垒不在模型发布，而在工业体系沉淀。◼真正难复制的是System of Record、数据上下文、仿真验证、OT执行和安全信任；模型会迭代，工业入口、流程数据和执行反馈闭环才是长期护城河。◼风险提示：物理AI技术成熟度不及预期、工业场景落地进度不及预期、制造业资本开支波动、工业数据治理难度较高风险、OT执行层安全与责任边界风险。目录1. 物理AI：工业智能的范式切换2. 技术底座：数字孪生、世界模型与仿真优先3. 系统重构：从工业软件到工业操作系统4. 工业AI的壁垒如何体现？5. 重点公司及风险提示3www.swsresearch.com证券研究报告41.1 物理AI推动工业AI进入生产闭环◼空间智能（感知基座）—世界模型（认知决策中枢）—物理AI（系统整合载体）•空间智能：关注AI如何像人类一样理解空间结构、物体之间的几何关系及环境中的动态变化。•世界模型：动态重建。本质上是为AI系统提供一个内部的物理世界模拟器，使其能够预测行动的结果，而无需在现实世界中通过试错来学习。•物理AI：目标是构建能够理解、推理并直接作用于物理世界的智能系统。◼物理AI逐步成熟，工业AI的价值锚从信息处理效率提升，转向设备、产线、工艺、质量与机器人等物理环节的闭环优化。资料来源：申万宏源研究物理AI本质是一个系统工程阶段主要形态核心价值传统工业AI数据分析知识问答信息处理效率工业Agent调用软件编排流程工程流程效率物理AI仿真验证执行反馈重构工业闭环物理AI在工业端的落地www.swsresearch.com证券研究报告51.2 物理AI的关键分水岭：工业约束下的可执行决策◼工业侧的核心变化：AI输出从“可读”升级为“可验证、可执行、可反馈”•传统AI主要解决信息生成与模式识别，输出形态以文本、图像、代码和建议为主，验证方式以人工审核为主•物理AI面向设备、产线、工艺、机器人等工业对象，输出可能转化为参数、动作、路径或调度策略，因此必须满足物理可行、安全可控、实时稳定和全流程追溯。对比维度传统AI物理AI价值对象文本、图像、代码、知识设备、产线、工艺、机器人输出形态内容、建议、解释参数、动作、路径、调度策略核心约束语义准确、逻辑合理物理可行、安全可控、实时稳定验证方式人工审核仿真验证、工业规则、现场反馈商业价值信息处理效率良率、能耗、节拍、停机时间物理可行性是AI在工业落地的核心AI输出参数 / 动作建议仿真验证物理可行 / 安全校验工业执行设备 / 产线 / 机器人结果反馈良率 / 能耗 / 节拍资料来源：申万宏源研究www.swsresearch.com证券研究报告61.3 工业是物理AI主战场：四要素驱动落地闭环◼物理AI在工业侧的核心机会，是让数字系统从“记录工厂”走向“优化工厂”。◼制造业天然具备物理AI落地所需的物理对象、连续数据流、验证机制和ROI闭环。•工业系统由设备、产线、工艺、物料、质量和人员共同构成，具备连续数据流和明确物理约束，是物理AI最容易形成商业闭环的场景。•相比泛软件场景，工业侧更看重稳定性、可验证性和可追溯性，AI价值也更容易用良率、能耗、停机时间和工程周期衡量。物理对象设备 / 产线 / 机器人 / 仓储物流明确执行对象连续数据流时序 / 质量 / 工艺 / 运维数据训练与反馈基础验证机制CAE / 数字孪生 / 试生产 / 质检降低执行风险ROI闭环良率 / 能耗 / 节拍 / 停机时间支撑商业化付费工业侧可验证、可量化、可闭环工业场景具备物理AI落地的条件资料来源：申万宏源研究www.swsresearch.com证券研究报告71.4 工业AI三层演进：执行深度决定价值空间◼工业AI壁垒随执行深度提升，价值重心向流程优化和自主执行系统迁移。•工业AI早期以知识助手切入，部署快、场景清晰，但长期容易被平台型软件和通用模型内嵌。•流程优化器进入质检、排产、能耗、运维等高频生产场景，结果可量化，是当前工业AI商业化最清晰的阶段。•自主执行系统要求AI接入工业软件、仿真验证和OT执行层，技术门槛最高，也对应物理AI最大的长期价值空间。工业AI三层能力递进三层能力对应不同商业化阶段知识助手文档问答 / 故障解释 / 代码辅助 / 工艺知识检索提升工程师信息处理效率流程优化器质检 / 排产 / 能耗 / 预测维护 / 工艺参数推荐ROI验证最清晰自主执行系统设计生成 / 仿真验证 / 设备调度 / 产线控制重构工业闭环部署难度提升客户价值提升壁垒强度提升3自主执行：物理AI长期空间需要接入工业软件、仿真验证和OT执行层，门槛最高，也最接近系统重构。2流程优化：当前商业化最清晰质检、排产、能耗、运维等高频生产环节，结果可量化，ROI验证更直接。1知识助手：部署快但壁垒有限文档、维修、工艺知识等场景清晰，长期易被平台型软件和通用模型内嵌。资料来源：申万宏源研究www.swsresearch.com证券研究报告81.5 从Copilot到Autopilot：执行深度打开工业AI价值空间◼Copilot对应功能溢价，Agent对应系统入口，Autopilot对应工业闭环。•工业AI早期以Copilot形态切入，主要解决知识检索、代码生成、报表分析和维修建议等任务，对应软件功能增量。•Agent阶段开始调用CAD、CAE、PLM、MES等工业系统，价值从单点人效提升扩展到跨流程编排。•Autopilot阶段要求AI在数字孪生中完成验证，并通过OT和自动化系统进入受控执行。1Copilot辅助工程师文档问答 / 代码生成故障解释 / 报表分析价值：提升人效2Agent调用工业软件CAD / CAE / PLMMES任务编排价值：提升流程效率3Autopilot受控执行闭环仿真验