物理AI说的是AI从处理文字图片，转向理解并作用于真实世界。

区别在哪？语言模型读的是语料，物理AI要面对的是力、热、流体、电磁这些看不见但真实存在的东西。

一个机器人看见杯子，那只是视觉。要把它拿起来还不捏碎，得知道用多大力、接触面多滑、材质会不会变形。

难就难在这。

视觉模型处理的是看得见的信息。而真实世界里大量起作用的东西看不见：材料内部的应力、气流切变、电磁干扰。这些没有图像可学，得靠物理定律去推演。

先看工业这一侧。

流程工业是落地早的场景之一。温度、压力、流量、液位这些时序数据，几十年一直在采，工况还复杂，正好拿来训模型。

中控技术的TPT时序大模型读的就是这类数据。它不处理文字，处理的是工厂里持续产生的温度、压力、流量曲线。

落地案例在兴发集团旗下的湖北兴瑞。据公开报道，这套系统上线后，氯碱工厂定员从两百六十人减到八十人。

更值得说的是操作频次。据公开报道，员工每日的操作频次平均降低九成以上。

这个数字比减员更能说明问题。它对应的是日常操作里需要人盯的环节，被系统接走了大半。

再看仿真这一侧。

索辰科技做的是CAE仿真软件，就是用计算机模拟真实物理过程。据公司公开披露，它在物理AI方向形成了开物产品体系，包含智能工坊、大圣智能体、行者合成数据，以及营造万象世界物理模型。

据公司公开介绍，它的世界物理模型是分层递进的：先学运动规律，再融合力觉、触觉、声觉预测接触力和形变，最上层基于物理定律推演气流、电磁、材料应力这类难以直接感知的现象。

公司同期还与算力厂商联合发布了物理AI具身智能一体机相关产品。

机器人这一侧，宇树科技做的是高性能通用人形机器人、四足机器人及机器人组件。据公司此前公布，2026世界物理AI大会暨宇树合作伙伴生态大会定于10月22日在杭州举行，设一个主论坛和七个平行分论坛。

传感器这一环，敏芯股份在2026年半年报里写得很具体。公司主营 MEMS 传感器，据半年报已启动MEMS六维力与力矩传感器、机器人专用IMU、手套型压力与温度传感器的研发立项，用于人形机器人的关节受力测量、姿态控制和指尖感知。公司在公告中同时提示，相关产品研发及市场推广均存在不确定性。据公司2026年5月的公开披露，这些项目目前处在方案验证阶段。

还有一家把AI做进工业软件。据能科科技2026年半年报，公司自研的灵系列产品体系中，灵智面向具身智能的大脑环节，涉及焊接、巡检等场景；灵擎做工业智能体开发与垂域模型训推，灵助覆盖设计、研发、工艺、制造、运维环节的工具集。

海外方面，据公开报道，特斯拉在弗里蒙特工厂的Optimus产线当前每周产量已达数百台。报道同时提到几个尚未解决的工程问题：手部、关节等部件对位精度不足，部分机械手的触觉传感器存在可靠性问题。这是海外公司的公开报道，与前述国内公司分属不同市场。

看完这些，我有一个挺深的观察：这行拼的不是参数规模，是数据从哪来。

语言模型有互联网上的海量文本可以练。物理AI没有这么便宜的素材。真实世界的力、热、流体数据，要么来自几十年积累的工业现场，要么靠仿真生成。谁手里有可用的物理数据，谁才谈得上训练。

这也解释了为什么工业场景比消费场景跑得快。工厂的数据现成，机器人的数据还得一台一台去采。

风险提示

本文所涉公司信息均来自公司定期报告及公开披露，仅为产业信息梳理，不代表对任何公司业务前景的判断。文中提及的公司名称仅为叙述所需，不构成推荐。市场有风险，投资需谨慎。