深度复盘：物理AI产业链核心要素

尽管物理AI近期才广为人知，但其技术演变早已在多个细分领域落地。不同于侧重数据处理、内容生成或虚拟交互的传统AI，物理AI更强调对现实世界的感知与干预，它必须依托机器人、自动驾驶或工业机械等实体存在。从“虚拟智能”迈向“实体智能”的变革，催生了全新的技术栈：仿真训练、算力支持与环境感知缺一不可。通过对十七家企业的分析，我们发现物理AI产业生态已初具规模，各企业的角色定位也远比预想的清晰。

仿真训练是物理AI区别于通用AI的核心壁垒。AI若要在物理世界安全运行，无法仅靠试错，虚拟训练环境势在必行。索辰科技依托仿真底座优势，计划推出虚拟训练环境，其开物平台2025年相关收入超5800万元，低空经济项目的落地也证明了其实力。凡拓数创则走工程化路线，中标广东和深圳的具身智能训练场项目，实现了从零到一的突破。天娱数科采取算法策略，通过VLA方案整合虚拟与物理系统，试图弥合仿真与现实的鸿沟。智微智能和协创数据分别从硬件全链条和集成英伟达仿真技术的OmniBot平台切入。华力创通作为仿真先行者，其通用化平台在特种装备领域基础深厚，物理AI为其拓展了应用场景。

算力底座层则是另一番景象。如果说仿真训练解决的是“如何教AI认知物理世界”，算力底座则解决“谁有能力教”的问题。美格智能的5G模组已用于人形机器人并小批量发货，高算力AI模组提供端侧算力，表明物理AI的算力需求已延伸至边缘侧。能科科技的“灵智”平台专注于算法验证，支持多机器人运动控制，构建了全链条能力。云从科技与华为共建的“可控训练场”侧重行业实践。道氏技术打造的原子级科学计算算力中心，具备密度泛函和分子动力学计算能力，为物理AI在材料、化学反应等复杂场景中的训练提供了关键基础数据