数字AI与物理AI的边界
概念界定
- 物理AI：承接具身智能学术传统，由英伟达等产业主体推向主流，核心支柱包括自动驾驶和具身/人形机器人。
- 数字AI：物理AI概念流行后，为区分信息空间智能而形成的追溯性对照词，通常指运行于纯数字或虚拟环境、处理文本与图像等数据的AI。
- 世界模型：两类AI路线的共同关切，数字AI中的世界模型更多指向生成、推理与交互环境中的内部表征；物理AI中的世界模型更强调状态与动作后果预测。
技术驱动力
- 数字AI：主线是用更通用、更可扩展的方法持续替代人工设计，核心驱动力是通用可扩展方法、数据和算力的复合增长。当前重点是从训练期扩参数转向推理期扩算力。
- 物理AI：依赖产业场景中的持续试错和工程闭环，自动驾驶商业化历史更长、数据闭环更成熟。主要技术路线包括：
- 自动驾驶：从模块化系统走向端到端，Waymo强调安全冗余，特斯拉强调纯视觉与可扩展。
- 机器人：VLA模型与数据飞轮成为主线，谷歌DeepMind、Physical Intelligence等机构推动VLA模型发展。
- 技术承接与世界模型分歧：物理AI大量借鉴数字AI的方法论，但真实世界额外要求物理闭环、安全验证和行动后果可控。世界模型路径存在生成式（如Sora、Cosmos）和表征预测式（如杨立昆JEPA）两种分歧。
商业闭环
- 数字AI：
- 编程AI Coding：落地最扎实、闭环最清晰，头部产品年化运行收入合计已达数十亿至百亿美元量级。
- 对话与搜索：用户规模最大，变现强度不一，如ChatGPT约20美元/月。
- 企业级与Agent：商业变现主战场，Anthropic收入结构中企业客户占比较高。
- 营销与内容生成：借道大厂既有变现，Meta AI广告工具年化收入已超600亿美元。
- 物理AI：
- 自动驾驶/Robotaxi：商业闭环最靠前，Robotaxi已进入区域内真实收费运营阶段，收费模式基本明确。
- 人形/具身机器人：商业闭环按细分场景成熟度递减，工业/制造环境最先落地，家庭场景仍不成熟。收费模式尚在分化，RaaS按月或按小时租赁开始出现，但多数厂商尚未跑通可持续单位经济。
中美格局与AGI
- 中美格局：
- 数字AI：美国在前沿模型能力与商业变现上领先，中国以工程效率、开源生态、成本与用户规模追赶。
- 自动驾驶：美国Waymo技术成熟度与无人驾驶里程领先，中国在规模化运营、成本和政策开放上具备优势。
- 人形/具身机器人：美国在具身基础模型和资本投入上领先，中国在出货量、供应链配套和硬件成本上领先。
- 通往AGI：机器人成为两类路线的汇合点，逻辑包括物理接地假设、世界模型是共同关切、物理世界数据稀缺。汇合并不意味着路线一致，MLLM、世界模型和控制系统的联合架构是重要方向之一，但其路径与时间表仍存在高度不确定性。
研究结论
- 物理AI将成为物理世界的AI解决方案，在AI的当前发展阶段成为增量更大的方向，智能驾驶作为最先跑通闭环的代表场景，应重点关注。
- 风险提示包括技术迭代不及预期、大模型厂商ARR增速放缓、云服务商资本开支不及预期、智能驾驶及机器人商业化落地不及预期。
