东吴计算机：物理AI从生成世界到控制世界 打开工业软件与自动化重估

一、核心要点

1. 物理AI定义：物理AI旨在使自主系统（如摄像头、机器人、自动驾驶）在真实物理世界中感知、理解、推理并执行复杂动作。其输入为传感器数据，输出为动作。世界模型是物理AI的核心，通过内部模拟系统预演行动后果，具备环境理解、预测、动作条件预测和规划决策能力。区别于文本视频生成模型的关键在于动作条件预测，可有效降低物理AI的试错成本。
2. 世界模型技术路线：共五种技术路线，包括前空间动力学（如DeepMind Dreamer）、视频生成（如英伟达）、联合嵌入预测（JAPA）、显示物理/数字孪生、因果推断模型。未来将融合为混合架构。
3. 世界模型发展阶段：2018-2022年为强化学习阶段，2023-2024年为视频基础模型阶段，2025年以来进入动作条件化与物理AI阶段，类似GPT2到GPT3初期，面临长任务一致性和开放泛化等挑战。
4. 物理AI商业化落地：优先落地流程工业、工程仿真、汽车自动驾驶、仓储物流等场景，核心原因是任务边界清晰、数据可回流、错误成本可量化、适配现有自动化系统。消费端落地较晚，人形机器人兑现节奏与市场预期存在偏差。2026年人工智能+制造专项意见明确支持物理AI落地。
5. 投资主线：聚焦掌握物理数据、具备生产控制接口、收入可复用复制的标的，分为三大维度，对应多个核心标的，如中控技术（工业物理AI闭环核心）、索辰科技（物理仿真技术直接标的）等。

二、风险与关注

1. 物理世界因果变量不可直接观测，因果模型泛化存在不确定性。
2. 世界模型目前处于类似GPT2初期，核心能力待突破，落地进度可能不及预期。
3. 消费端场景复杂，物理AI落地难度大，投资需警惕短期热点标的估值波动。