具身智能前瞻系列深度一：从线虫转向复盘至行动导航，旗帜鲜明看好物理AI

核心观点

本报告从生物智能的五阶段发展历程出发，映射具身智能模型算法的演进，并重点分析了物理AI在具身智能发展中的核心作用。报告认为，当前具身智能发展缺乏第三阶段的模拟学习能力，而物理AI正是构建模拟学习的核心。

生物智能五阶段与具身智能模型算法

1. 阶段一（关联性学习）：以线虫学会“转向”为例，说明早期两侧对称生物学会了“行动导航”，为具身智能发展奠定了基础。
2. 阶段二（强化学习）：以鱼类学会“试错”为例，说明早期脊椎动物学会了“吃一堑长一智”，并介绍了基于预期奖励的时序差分强化学习。
3. 阶段三（模拟学习）：以大鼠学会“规划”为例，说明早期哺乳动物学会了“谋定而后动”，并指出模拟学习是构建基于模型的强化学习和无模型的强化学习的关键。
4. 阶段四（模仿学习）：以猿猴学会“模仿”为例，说明灵长类动物学会了“模仿学习”，并介绍了主动教学和逆向强化学习两种策略。
5. 阶段五（语义处理）：以人类掌握“语言”为例，说明人类可以通过语言建立共同想象、凝聚共识，并最终形成大规模协作。

智能驾驶模型算法演绎历史

报告以特斯拉FSD为例，复盘了智能驾驶模型算法的演绎历史，并得出以下结论：

1. BEV架构实现了2D图像到3D空间的扩展，使得模型具备了初级空间智能的能力。
2. 传统端到端算法的实质是一个无模型的强化学习，是快思考的系统1。
3. 现阶段智驾中频繁出现的VLM、VLA实质是一个基于模型的强化学习，是慢思考的系统2。
4. 建立系统2的关键正在于模拟与规划的能力，也即物理AI的仿真能力。

物理AI与具身智能

报告认为，世界模型≈空间智能+物理AI，仿真合成数据提供训练语料。物理AI能够让模型在3D空间中符合真实世界物理规律地与其他物体之间发生交互，是具身智能发展的关键。

看好中国物理AI稀缺资产索辰科技

报告看好中国物理AI稀缺资产索辰科技，并介绍了其核心业务：

1. 群核科技：室内场景下的空间智能领军，基于海量室内3D设计数据发布Spatial Verse。
2. 索辰科技：高度稀缺的中国物理AI资产，机器人仿真工具发布在即。

研究结论

报告认为，重视3D数据资产+物理仿真引擎双主线，看好中国物理AI稀缺资产索辰科技。随着具身智能的不断发展，模拟学习将成为未来发展的关键，而物理AI正是构建模拟学习的核心。索辰科技作为国内物理AI领域的稀缺资产，有望在具身智能产业发展中发挥重要作用。