2026年6月22日西部计算机物理AI投资会议纪要

一、核心结论 本次会议聚焦物理AI领域，明确其投资框架及细分赛道发展规律，确定四大核心受益方向：模型厂商、算力厂商、感知硬件与零部件厂商、数据与仿真平台厂商。所有细分方向均围绕物理AI落地需求产生价值。行业共识显示，物理AI发展对算力、硬件、数据等基础环节存在刚性依赖，国内需依托资本巨头联合投入突破核心环节瓶颈。

二、模型层细分领域与发展现状 模型层包含世界模型、VLM（视觉语言模型）、VLA（视觉动作模型）三类：

1. 世界模型：具备模拟现实物理环境能力，是物理AI核心工具之一，当前处于技术探索与雏形落地阶段，尚未规模化商用。
2. VLM与VLA：侧重视觉与动作结合应用场景，服务于机器人、自动驾驶等领域，当前处于从原型开发向小批量测试过渡阶段。 模型层收费模式分为按Token计费、订阅制两种，目前尚无统一标准，头部厂商正在探索适配不同客户的收费机制。模型层算力需求远超传统大语言模型，对通用算力芯片、专用推理芯片提出更高性能要求，全球通用算力供给端增长已无法匹配物理AI模型扩张节奏。

三、算力与硬件环节发展痛点

1. 物理AI端侧推理芯片存在供给缺口，国产芯片技术与海外先进水平存在代差，需通过工艺优化、架构创新实现技术追赶。
2. 感知硬件环节存在刚需与增量空间分化：
   • 刚需硬件（3D深度相机、力矩传感器、触觉传感器）：市场供给以海外厂商为主，是机器人、智能设备等产品的核心组成部分。
   • 增量空间（线性执行器、灵巧手）：主要应用于高端工业机器人与服务机器人领域，国内厂商已实现部分产品量产但性能仍需提升。
3. 数据与仿真平台是物理AI长期发展的核心基础，国产平台与海外存在代差，无法满足大规模模型训练要求，需依托科研机构与企业联合攻关突破。

四、后续关注重点

1. 关注国内资本巨头对物理AI领域的联合投入进度，资本支持强度直接决定模型层、硬件层、数据层的研发突破速度，是物理AI实现规模化落地的关键外部变量。
2. 关注物理AI端侧推理芯片国产替代进展，芯片性能代差缩小情况将直接影响终端应用产品的成本与普及速度，是硬件环节核心关注方向。
3. 关注感知硬件中线性执行器、灵巧手的量产技术突破情况，增量空间对应的细分赛道发展潜力将在技术成熟后快速释放，是产业链布局核心关注点。