当 AI 第一次 "上手" 世界：读懂物理 AI 的产业棋局

1、概念界定：物理AI、世界模型与具身智能

（1）物理AI的定义与边界

物理AI是能够感知物理环境、理解力学、空间、碰撞等客观物理规律，通过实体执行机构完成动作，并基于环境反馈持续迭代优化的人工智能体系。区别于仅处理信息的数字AI（大语言模型、文生图模型等），物理AI的核心特征是感知—决策—执行—反馈闭环：智能体可以改变物理世界状态，同时承担实体作业带来的安全风险，容错率远低于纯数字AI。

数字AI的输出大多停留在屏幕、文本、图像等层面，即便出错也只产生信息错误；物理AI的输出则直接转化为实体运动，错误动作会引发碰撞、设备损毁乃至人身伤害，因此必须引入硬件安全限位、紧急制动、风险预判等多重防护机制。物理AI不局限于人形机器人，一切需要与真实物理环境发生作用力交互的AI系统均属于这一范畴，包括智能驾驶、工业自动化、港口设备等。

（2）世界模型与具身智能辨析

世界模型是物理AI的底层大脑，用于预测环境变化、推演动作后果，是对物理世界的虚拟建模。世界模型分为两类：一类由显式物理引擎驱动，遵循已知力学公式；另一类是数据驱动的隐式世界模型，从大量交互数据中学习物理规则，更适应非结构化复杂环境。世界模型的核心价值在于预演——智能体在执行动作前，先在内部推演多种动作带来的环境结果，挑选最优方案，从而减少真机试错。

具身智能是物理AI最主要的落地形态，其核心假说是智能来源于身体与环境的交互：AI不是单纯阅读文本学习世界，而是通过实体触碰、移动、碰撞去理解物体重量、摩擦与空间位置。

三者的关系是：世界模型是物理AI的底层能力模块，具身智能是物理AI的实体载体形态，物理AI是更大的范畴，涵盖智能驾驶、工业自动化、机器人等所有与物理世界交互的AI系统。物理AI可概括为算法模型、感知、控制、实体执行硬件与物理环境交互的集合。

（3）核心技术栈

物理AI依赖五层技术栈协同，各层定位与技术难点如下表所示。

物理AI核心技术栈构成与难点

资料来源：普华有策

2、产业链全景

（1）上游：基础算力、感知硬件与仿真软件

上游算力分为云端与端侧两部分：云端算力用于训练世界模型与VLA大模型，端侧算力部署在机器人或车载本体，要求低时延，需兼顾AI推理与实时运动控制，代表企业为阿里云、华为昇腾。感知硬件覆盖3D深度相机、激光雷达、力传感器与触觉传感器，代表企业为奥比中光（3D视觉）、海清智元（触觉传感）。物理仿真软件与引擎方面，索辰科技深耕多物理场仿真，五一视界聚焦机器人数字孪生与具身仿真；海外对标NVIDIA Isaac Sim、Unity等，国内仿真软件在生态插件库与物理精度上仍有差距。

上游产业链环节与代表企业

资料来源：普华有策

（2）中游：模型平台、运动控制与机器人本体

中游是产业核心枢纽，分为软件平台、控制部件与整机本体三类。模型与开发平台输出基础模型、SDK与仿真工具，面向B端提供智能大脑，代表为阿里达摩院、腾讯、商汤、百度。工业运动控制提供伺服、控制器与运动算法，代表为汇川技术，是本体厂商高度依赖的供应链环节。机器人本体涵盖人形、四足与移动作业机器人，代表为宇树科技、智元创新，多通过采购上游传感器、伺服并接入第三方模型平台完成整机集成。

中游产业链环节与代表企业

资料来源：普华有策

（3） 下游：落地场景

下游两大核心赛道为智能驾驶与人形/四足机器人，延伸场景包括工业巡检、智慧港口、能源场站、后厨、配送与医疗装备。各场景商业化成熟度差异明显：智能驾驶、港口自动化与工业机械臂已规模化商用；工业巡检机器人、四足机器狗处于试点与小批量验证；人形机器人产线操作、后厨、配送与医疗康复机器人仍以原型或小规模试用为主。

下游场景成熟度分级

资料来源：普华有策

3、国内科技巨头布局现状

（1）模型与算力底座型：阿里、华为、腾讯、商汤

此类企业定位卖水人，不优先下场做整机硬件，而是输出模型、算力与仿真工具，服务广大机器人及自动驾驶企业。阿里达摩院于2026年2月开源具身智能大脑基础模型RynnBrain（基于Qwen3-VL，含30B MoE等多个规模），并搭建物理AI开发平台与算力底座，主打仿真与模型一体化工具链，面向工业与家庭场景输出具身智能大脑。华为依托华为云CloudRobo具身智能开发平台与昇腾算力，覆盖模型、仿真、真机调测全流程，自研VLA与运动控制算法，凭借端—云—芯全栈优势重点服务工业制造与巡检机器人。腾讯依托混元多模态大模型，侧重空间感知与云端算力，输出软件工具链赋能，较少自研硬件。商汤以3D空间感知为核心壁垒，聚焦空间感知与三维视觉基础模型，为各类智能体提供环境理解能力。

（2）场景载体型：京东、小鹏、比亚迪、小米、美团

此类企业以真实业务场景为牵引，要么自有硬件载体，要么掌握应用场景数据。京东选择不下场造机器人、只造软生态的路径，定位机器人产业基础设施运营商，建设具身数据采集中心（两年内采集超1000万小时真实场景视频数据），并以RoboBase基地网络承载机器人全生命周期产业服务，全球首个项目已于2026年7月在广州黄埔开工，未来5年计划布局80余个基地。小鹏、比亚迪以智能汽车作为物理AI载体，投入世界模型与VLA模型，小鹏以VLA支撑城市智驾与车载机器人，车辆海量路测数据反哺模型训练。小米主打人车家全生态，以消费级场景为核心，跨设备打通家居物理空间，是国内消费端物理AI的代表。美团以产业投资布局具身智能企业，锚定本地生活场景，主攻后厨、配送等机器人服务，暂未大规模自研整机。

（3） 机器人本体与产业链配套

宇树科技以四足与人形机器人本体见长，量产交付能力领先；智元创新聚焦人形机器人本体与灵巧操作，在3C、汽车产线已有小批量落地；江行智能面向工业场站提供物理AI大脑。产业链上游的奥比中光（3D视觉）、汇川技术（运动控制）等配套企业，与本体厂商共同构成物理AI产业分工。国内已形成算力底座、模型平台、零部件供应、整机本体、场景应用五类清晰分工，多数本体厂商采购上游传感器与伺服并接入第三方模型平台，少数头部本体选择自研VLA与世界模型以降低外部依赖。

4、市场规模与产业阶段

（1）产业阶段：产业化验证期（2026—2028）

当前产业处于产业化验证期。行业以试点项目与工厂小批量验证为主，人形机器人处于样机到小批量阶段；智能驾驶是唯一实现百万级硬件部署的物理AI场景。行业评价体系不再只看模型参数，重点考察工程化能力、真机稳定性、批量交付与安全验证能力。实验室效果不等于工程落地效果，很多模型在仿真环境表现优秀，部署真机后出现大量故障，工程化是当前最大门槛。下一阶段预计为规模化落地期（2029—2032），部分标准化人形、四足机器人实现批量商用；远期通用物理AI仍存在较大不确定性。

（2）市场规模预测

据行业机构预测，物理AI产业到2040年全球关联产业规模有望达到3.25万亿美元。国内市场依托完整的制造业供应链，叠加庞大工业、物流与家庭场景，将成为全球物理AI最重要的落地市场之一。短期（2026—2028）市场体量仍然有限，大规模增长预计发生在远期。

（3）资本动向

2026年资本从纯大模型赛道转向物理AI，重点投向仿真平台、本体零部件与真实场景交互数据，不再单纯追捧大模型参数竞赛。资本更看重四类能力：真实物理交互数据集、仿真平台Sim2Real能力、核心零部件国产化、真实场景试点订单。没有真机落地、只输出论文和Demo的项目融资难度显著提升。物理AI投资风险也明显高于数字AI，硬件研发与样机迭代成本极高，失败风险更大。

5、行业核心痛点与技术瓶颈

（1）数据壁垒

物理交互数据获取成本极高，真机采集、标注、校验成本远高于文本图像。文本图片可网络爬取，物理交互数据则必须真机运动采集，一次机器人动作才产生一组数据；碰撞、打滑、物体倾倒等失败样本对模型至关重要，但现实中不敢大量做破坏性真机实验。仿真数据可以部分弥补，能大批量生成极端样本，但虚拟到现实的迁移鸿沟（Sim2Real）仍未完全解决，仿真训练好的模型部署真机容易失效。行业普遍采用仿真生成数据与少量真机真实数据微调相结合的混合方案。

（2）软硬件耦合壁垒

物理AI是强系统工程，模型、感知、控制、本体硬件深度绑定。数字大模型可以一套模型服务万千用户，物理AI很难做到完全通用：同一套VLA模型放到不同重量、不同关节刚度的机器人本体上，效果会大幅下降。单纯优化大模型无法解决动力学、力控与延迟问题——大模型负责高层任务规划，底层毫秒级运动控制仍依赖传统控制算法，无法处理电机抖动、碰撞冲击与机械延迟等硬件问题。现阶段多为一个场景一套调优方案，跨本体、跨场景的通用模型仍是研究难题。

（3）成本与可靠性壁垒

人形机器人核心零部件（减速器、灵巧手）成本高，国产化正在推进但单品成本仍高，限制大规模普及。真实环境存在遮挡、震动与光线变化，决策失误会造成设备损坏或安全事故。数字AI错误可以回滚重生成，机器人动作一旦发出则物理运动不可逆，需要建立安全标准与紧急制动机制，目前国内针对人形机器人的安全、测试、认证体系仍在建设。工业场景还要求长时间连续作业，零部件磨损与疲劳带来的长期稳定性是商业化硬性门槛，安全合规与容错空间要求极高。

6、发展趋势与机遇挑战

物理AI行业发展趋势

资料来源：普华有策

（1）国内产业机遇

国内具备完整制造业供应链，零部件量产迭代速度快；海量工业、港口、能源、物流场景提供丰富落地土壤；大模型产业积累推动VLA、多模态模型快速迭代；政策支持智能制造与机器人产业，推动安全标准建设。这些条件共同构成中国物理AI产业的核心机遇。

（2）潜在风险

一是技术迭代不及预期，Sim2Real与通用世界模型存在技术不确定性。二是成本下降速度慢、商业化回报周期长，企业持续投入压力大。三是安全标准与责任界定尚不完善，机器人事故后的责任划分需法规进一步明确。四是复合人才缺口大，物理AI需要同时懂大模型、力学、控制工程与硬件机械的人才，供给不足。

《2026-2032年物理AI行业产业链细分产品调研及前景研究预判报告》，涵盖行业全球及中国发展概况、供需数据、市场规模，产业政策/规划、相关技术、竞争格局、上游原料情况、下游主要应用市场需求规模及前景、区域结构、市场集中度、重点企业/玩家，企业占有率、行业特征、驱动因素、市场前景预测，投资策略、主要壁垒构成、相关风险等内容。同时北京普华有策信息咨询有限公司还提供市场专项调研项目、产业研究报告、产业链咨询、项目可行性研究报告、专精特新小巨人认证、市场占有率报告、十五五规划、项目后评价报告、BP商业计划书、产业图谱、产业规划、蓝白皮书、国家级制造业单项冠军企业认证、IPO募投可研、IPO工作底稿咨询等服务。（PHPOLICY:GYF）

报告目录：

第一章 中国物理AI行业产业链细分产品调研

第一节 产业链模型与物理AI产业链结构图分析

一、产业链模型原理介绍

二、物理AI行业产业链结构图分析

第二节 上游细分产品一：物理仿真软件与数字孪生平台

一、产品定义与技术门槛

二、供给格局与代表企业

三、价格与成本趋势

四、需求驱动因素与预测口径

五、需求前景预测

第三节 上游细分产品二：云端训练算力与端侧推理芯片

一、产品定义与技术门槛

二、供给格局与代表企业

三、价格与成本趋势

四、需求驱动因素与预测口径

五、需求前景预测

第四节 上游细分产品三：感知硬件

一、3D视觉与深度相机

二、激光雷达

三、力觉与触觉传感器

四、供给格局与代表企业

五、成本趋势

六、需求驱动因素与预测口径

七、需求前景预测

第五节 上游细分产品四：物理交互数据集与数据服务

一、数据类型与采集路线

二、成本结构与供给格局

三、需求驱动因素与预测口径

四、需求前景预测

第六节 中游细分产品一：模型与开发平台

一、VLA模型与多模态大模型

二、世界模型与可微分物理引擎

三、SDK、仿真工具与开发平台

四、供给格局与代表企业

五、需求驱动因素与预测口径

六、需求前景预测

第七节 中游细分产品二：运动控制与执行零部件

一、伺服系统与控制器

二、减速器与关节模组

三、灵巧手与执行机构

四、供给格局与代表企业

五、成本趋势

六、需求驱动因素与预测口径

七、需求前景预测

第八节 中游细分产品三：机器人整机本体

一、人形机器人本体

二、四足机器人本体

三、移动作业机器人本体

四、供给格局与代表企业

五、需求驱动因素与预测口径

六、需求前景预测

第九节 下游应用领域结构图与成熟度分级

一、下游应用领域结构图

二、场景成熟度分级

第十节 下游细分市场分析

一、智能驾驶用物理AI市场分析

（一）行业发展现状与阶段判定（高阶智驾规模化部署进度）

（二）需求规模与结构（前装渗透率与单车物理AI价值量）

（三）竞争格局与代表主体

（四）驱动因素与约束条件（法规、数据闭环、成本）

（五）2026—2032年前景预测

二、人形机器人用物理AI市场分析

（一）行业发展现状与阶段判定（样机到小批量的工程化拐点）

（二）需求规模与结构（工业、商用、家庭场景的先行顺序）

（三）竞争格局与代表主体（本体厂商与模型平台的耦合关系）

（四）驱动因素与约束条件（灵巧手成本、真机数据供给、安全标准）

（五）2026—2032年前景预测

三、四足机器人用物理AI市场分析

（一）行业发展现状与阶段判定（商业化落地期的结构分化）

（二）需求规模与结构（特种级、工业级、消费级的占比与增速差异）

（三）竞争格局与代表主体

（四）驱动因素与约束条件

（五）2026—2032年前景预测

四、工业巡检用物理AI市场分析

（一）行业发展现状与阶段判定（试点验证向规模化采购过渡）

（二）需求规模与结构（电力、石化、矿山、数据中心等细分场景）

（三）竞争格局与代表主体

（四）驱动因素与约束条件（安全刚需、人力替代经济性、环境适应性）

（五）2026—2032年前景预测

五、智慧港口用物理AI市场分析

（一）行业发展现状与阶段判定（封闭/半封闭场景商业化成熟度）

（二）需求规模与结构（水平运输、装卸、堆场等环节渗透）

（三）竞争格局与代表主体

（四）驱动因素与约束条件（港口自动化投资周期、商业模式选择）

（五）2026—2032年前景预测

六、能源场站用物理AI市场分析

（一）行业发展现状与阶段判定（电网、新能源场站部署密度与场景扩展）

（二）需求规模与结构

（三）竞争格局与代表主体

（四）驱动因素与约束条件（能源安全政策、高危场景替人逻辑）

（五）2026—2032年前景预测

七、配送用物理AI市场分析

（一）行业发展现状与阶段判定（无人配送规模化拐点与车队运营数据）

（二）需求规模与结构（室内配送、室外末端、无人货运的层级差异）

（三）竞争格局与代表主体

（四）驱动因素与约束条件（路权、单位履约成本、头部资本集中）

（五）2026—2032年前景预测

八、医疗装备用物理AI市场分析

（一）行业发展现状与阶段判定（手术机器人、康复机器人的物理AI渗透阶段）

（二）需求规模与结构（高值手术机器人与低渗透率康复场景差异）

（三）竞争格局与代表主体

（四）驱动因素与约束条件（临床准入、安全认证、医院采购周期）

（五）2026—2032年前景预测

九、其他场景用物理AI市场分析

（一）农业、建筑、核工业等新兴场景的物理AI适用性筛选

（二）当前部署状态与早期信号

（三）2026—2032年潜在增量判断

第二章 全球物理AI行业市场发展现状分析

第一节 全球物理AI行业发展阶段、规模与结构现状

一、全球物理AI行业发展阶段判定

二、全球物理AI行业规模与结构

三、全球物理AI区域分化特征

第二节 全球物理AI行业竞争格局与分层特征

一、平台与算力层竞争格局

二、本体与场景层竞争格局

三、供应链层竞争格局

四、全球竞争与中国位置衔接

第三节 亚太地区物理AI市场分析

一、亚太地区物理AI市场现状与需求特征

二、亚太地区主要参与主体与部署进度

三、亚太地区物理AI行业市场规模分析

四、2026—2032年亚太地区物理AI行业前景预测分析

第四节 北美地区物理AI市场分析

一、北美地区物理AI市场现状与需求特征

二、北美地区主要参与主体与部署进度

三、北美地区物理AI行业市场规模分析

四、2026—2032年北美地区物理AI行业前景预测分析

第五节 欧洲地区物理AI市场分析

一、欧洲地区物理AI市场现状与需求特征

二、欧洲地区主要参与主体与部署进度

三、欧洲地区物理AI行业市场规模分析

四、2026—2032年欧洲地区物理AI行业前景预测分析

第六节 中东、南美与非洲等新兴市场分析

一、中东市场分析

二、南美市场分析

三、非洲市场分析

四、新兴市场整体增量判断

第七节 2026—2032年全球物理AI行业规模及趋势预测

第三章 物理AI数据基础设施与仿真能力专题

第一节 物理交互数据的类型、采集路线与成本结构

一、真机遥操作采集

二、无本体采集

三、仿真合成数据

四、成本结构与供给约束

第二节 仿真平台与数字孪生：Sim2Real迁移的工程现状与量化差距

一、仿真平台与物理引擎格局

二、Sim2Real迁移的主要瓶颈

三、工程化验证与真机调测

第三节 数据闭环能力的企业分化与竞争含义

一、数据闭环的构成与能力分层

二、平台型企业与本体型企业的数据策略差异

三、数据闭环对竞争格局的影响

第四节 2026—2032年数据供给瓶颈的缓解路径与节奏判断

第四章 中国物理AI产业发展环境分析

第一节 中国宏观经济环境分析及预测

一、国内经济发展分析

二、经济走势预测

第二节 中国物理AI行业政策环境分析

一、行业监管体制分析

二、国家层面政策与专项部署（“人工智能+制造”专项行动、人形机器人与具身智能标准体系建设等）

三、地方立法与专项措施（杭州具身智能机器人条例、南京物理AI与世界模型产业措施、江苏物理AI数据集行动计划、上海工业服务业行动方案等）

四、标准体系与数据基础设施建设政策

五、国家政策对本行业发展影响分析

第三节 中国物理AI产业社会环境发展分析

一、劳动力结构与人力成本变化对物理AI替代需求的影响

二、社会接受度、安全伦理认知与事故责任关注

三、社会环境对行业的影响

第四节 中国物理AI产业技术环境分析

一、感知技术（3D视觉、力觉/触觉、多传感器融合）现状与趋势

二、模型技术（VLA、世界模型、多模态大模型）现状与趋势

三、控制技术（运动控制、力控、实时伺服）现状与趋势

四、仿真技术（物理引擎、数字孪生、Sim2Real）现状与趋势

五、行业技术发展趋势综合判断

第五章 2021—2025年中国物理AI行业运行情况

第一节 中国物理AI行业发展因素分析

一、物理AI行业有利因素分析

二、物理AI行业不利因素分析

第二节 中国物理AI行业市场规模分析

一、总体规模与增速

二、按产业链环节的规模结构（算力、软件、感知、执行、整机）

三、按下游场景的规模结构

第三节 中国物理AI行业供应情况分析

一、供给主体结构（平台厂商、零部件厂商、本体厂商）

二、分环节供给能力与瓶颈识别

三、核心环节国产化进展

第四节 中国物理AI行业需求情况分析

一、需求总量与增速

二、需求结构（行业分布、场景分布）

三、需求驱动因素与约束条件

第五节 中国物理AI行业供需匹配分析

一、紧缺环节识别：数据、高端零部件与仿真软件

二、拥挤环节识别：低端整机与同质化组装

三、供需分化的驱动因素与演变趋势

第六节 中国物理AI行业发展趋势分析

一、技术趋势（仿真先行、软硬解耦、模型轻量化）

二、产业趋势（国产化、场景下沉、平台集中与本体分散）

三、商业化趋势（从试点到规模化、从项目制到产品化）

四、行业趋势分析

第七节 中国物理AI行业主要进入壁垒分析

一、技术壁垒（数据、仿真、软硬耦合）

二、供应链壁垒（核心零部件与算力）

三、场景与客户壁垒（验证周期、安全认证、行业Know-how）

四、资金与人才壁垒

第八节 中国物理AI行业细分市场发展现状及前景

一、上游细分产品发展现状与前景

二、中游细分产品发展现状与前景

三、下游场景发展现状与前景

第六章 中国物理AI行业运行数据监测

第一节 中国物理AI行业总体规模分析

第二节 中国物理AI行业产销与费用分析

一、行业产成品分析

二、行业销售收入分析

三、行业总资产负债率分析

四、行业利润规模分析

五、行业总产值分析

六、行业销售成本分析

七、行业销售费用分析

八、行业管理费用分析

九、行业财务费用分析

第三节 中国物理AI行业财务指标分析

一、行业盈利能力分析

二、行业偿债能力分析

三、行业营运能力分析

四、行业发展能力分析

第七章 中国物理AI市场格局与竞争结构

第一节 中国物理AI行业集中度分析

一、中国物理AI行业市场集中度分析

二、中国物理AI行业区域集中度分析

第二节 中国物理AI行业存在的问题及对策

一、技术层面：数据供给、Sim2Real迁移与软硬耦合

二、成本层面：核心零部件国产化与整机降本

三、标准层面：安全、测试、认证与责任界定

四、生态层面：平台与本体协同、跨场景通用性

五、对策建议

第三节 中外物理AI行业市场竞争力对比

第四节 物理AI行业竞争格局分析

一、按产业链环节的竞争格局（平台、仿真、感知、执行、整机）

二、按企业梯队的竞争格局（头部、追赶者、初创）

三、竞争格局演变趋势

第八章 物理AI分环节价格/成本走势分析

第一节 价格/成本影响因素总述

第二节 仿真软件与开发平台的定价趋势

一、订阅制定价

二、项目制定价

三、定价趋势判断

第三节 云端训练与端侧推理算力的单位成本趋势

第四节 感知硬件与执行零部件的BOM成本下降路径

第五节 整机售价与单位任务成本的变化趋势

第六节 2026—2032年分环节价格/成本走势综合预测

第九章 2021—2025年中国物理AI行业区域市场现状分析

第一节 中国物理AI行业区域市场规模分布

第二节 华东地区物理AI市场分析

一、华东地区概述

二、华东地区物理AI需求特征、供给格局与市场规模

三、2026—2032年华东地区物理AI市场前景预测

第三节 华中地区物理AI市场分析

一、华中地区概述

二、华中地区物理AI需求特征、供给格局与市场规模

三、2026—2032年华中地区物理AI市场前景预测

第四节 华南地区物理AI市场分析

一、华南地区概述

二、华南地区物理AI需求特征、供给格局与市场规模

三、2026—2032年华南地区物理AI市场前景预测

第五节 华北地区物理AI市场分析

一、华北地区概述

二、华北地区物理AI需求特征、供给格局与市场规模

三、2026—2032年华北地区物理AI市场前景预测

第六节 东北地区物理AI市场分析

一、东北地区概述

二、东北地区物理AI需求特征、供给格局与市场规模

三、2026—2032年东北地区物理AI市场前景预测

第七节 西北地区物理AI市场分析

一、西北地区概述

二、西北地区物理AI需求特征、供给格局与市场规模

三、2026—2032年西北地区物理AI市场前景预测

第八节 西南地区物理AI市场分析

一、西南地区概述

二、西南地区物理AI需求特征、供给格局与市场规模

三、2026—2032年西南地区物理AI市场前景预测

第十章 中国物理AI行业竞争情况

第一节 中国物理AI行业竞争结构分析

一、现有企业间竞争

（一）竞争主体的类型与分层（平台厂商、零部件厂商、本体厂商、仿真与数据服务商）

（二）各环节竞争强度差异（平台与算力集中度高、整机组装分散且内卷）

（三）竞争手段与价格行为（模型能力比拼、零部件降本、整机价格战）

（四）竞争强度演变趋势

二、潜在进入者分析

（一）主要进入来源（数字AI企业向物理AI延伸、汽车与消费电子企业跨界、传统自动化厂商升级）

（二）进入门槛的环节差异（整机组装门槛低、数据与仿真门槛高）

（三）进入方式与典型路径（自研、并购、生态接入）

（四）对现有格局的冲击判断

三、替代品威胁分析

（一）物理AI方案与传统自动化方案的替代关系（工业机械臂、AGV、人工操作）

（二）不同技术路线之间的替代（VLA路线与世界模型路线、仿真训练与真机训练）

（三）替代发生的条件与节奏（成本临界点、可靠性达标、场景适配度）

（四）替代威胁的综合评估

四、供应商议价能力

（一）关键投入品的供应集中度（高端算力芯片、空心杯电机、谐波减速器、高精度触觉传感器）

（二）进口依赖与国产替代进度对议价能力的影响

（三）供应商前向一体化可能性（芯片厂商、零部件厂商向下游本体延伸）

（四）供应商议价能力的环节分化与演变

五、客户议价能力

（一）客户类型与集中度（工业客户、政府与央国企、消费客户）

（二）采购模式对议价能力的影响（项目制、批量采购、试点转规模化）

（三）转换成本与锁定效应（软硬耦合程度、数据闭环归属）

（四）客户议价能力的场景差异与趋势

第二节 中国物理AI行业SWOT分析

一、行业优势分析

（一）完整制造业供应链与零部件量产迭代能力

（二）海量工业、港口、能源、物流场景提供的落地土壤

（三）大模型产业积累对VLA与多模态模型的支撑

（四）政策支持与标准体系建设推进

二、行业劣势分析

（一）高质量物理交互数据供给严重不足

（二）高端零部件与仿真软件国产化率低

（三）软硬耦合导致跨本体、跨场景通用性差

（四）工程化与批量交付能力薄弱

三、行业机会分析

（一）工业巡检、能源场站、智慧港口等场景的规模化采购窗口

（二）核心零部件国产替代带来的成本下降空间

（三）仿真平台与数据服务形成的新兴环节机会

（四）智能驾驶作为唯一百万级部署场景的持续牵引

四、行业威胁分析

（一）技术迭代不及预期（Sim2Real与通用世界模型的不确定性）

（二）低端整机同质化竞争与价格战侵蚀利润

（三）安全标准与责任界定不完善带来的合规风险

（四）复合人才缺口与海外供应链限制

第三节 细分环节竞争集中度与代表企业份额

一、算力与平台环节

二、仿真与数据服务环节

三、感知硬件环节

四、执行零部件环节

五、整机本体环节

第十一章 物理AI行业重点企业分析

各节统一分析结构：企业概况、主营产品、经营与财务概况（上市企业公开指标/非上市企业披露口径）、竞争优势、在物理AI产业链中的结构性位置。

第一节 平台与算力底座型企业

一、英伟达

二、华为

三、阿里

第二节 核心零部件型企业

一、汇川技术

二、奥比中光

第三节 整机与本体型企业

一、宇树科技

二、智元创新

第四节 仿真与数据服务型企业

一、索辰科技

二、其他代表企业

第十二章 2026—2032年中国物理AI行业发展前景预测

第一节 中国物理AI行业总量预测

一、市场规模预测

二、产值规模预测

三、供需情况预测

四、销售收入预测

五、投资增速预测

第二节 中国物理AI细分产品/环节市场规模预测

一、物理仿真软件与数字孪生平台

二、云端训练算力与端侧推理芯片

三、感知硬件

四、物理交互数据集与数据服务

五、模型与开发平台

六、运动控制与执行零部件

七、机器人整机本体

第三节 中国物理AI行业盈利走势预测

一、毛利润预测

二、利润总额预测

第十三章 2026—2032年中国物理AI行业投资建议

第一节 中国物理AI行业重点投资方向分析

一、按产业链环节的投资优先级（仿真/数据、执行零部件、感知硬件、平台、整机）

二、按下游场景的投资优先级（工业巡检、能源场站、智慧港口、智能驾驶、人形机器人等）

三、按技术路线的投资关注点（VLA、世界模型、Sim2Real、灵巧手）

第二节 中国物理AI行业重点投资区域分析

一、国内区域投资吸引力比较（华东、华南、华北、华中、西南等）

二、海外区域投资关注点（亚太、北美、欧洲、中东）

第三节 中国物理AI行业投资注意事项

一、技术验证与工程化风险防范

二、商业化节奏与现金流管理

三、安全合规与责任界定

四、投后整合与产业协同

第十四章 2026—2032年物理AI行业投资机会与风险分析

第一节 投资环境的分析与对策

第二节 投资挑战及机遇分析

第三节 行业投资风险分析

一、政策风险

二、经营风险

三、技术风险

四、竞争风险

五、其他风险