物理AI跟生成式AI的差别，不在聪明程度，在要不要付代价。

生成式AI输入语料，输出文字图像代码。错了重来，代价几乎为零。

物理AI输出的是动作，作用对象是真实的物体和环境。抓鸡蛋力大了会碎，车判断错一秒会出事。错了有代价，而且不可逆。

所以它要的本事是三样：感知，把传感器数据变成对环境的理解；决策，在不确定里规划动作；执行，把决策变成电机真的动起来。三样缺一样，系统都转不起来。

真正卡住这行的是数据。

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。

训练数据三条来路：真实机器人操作数据、人类演示的动作捕捉数据、仿真环境生成的合成数据。

前两条质量高但贵。一台机器人在工厂跑一天，能采到的有效操作数据有限，摔一次可能损坏价值不低的硬件。

于是仿真成了主要出路。但仿真有个绕不开的问题，叫Sim2Real鸿沟：虚拟环境里的摩擦力、材料形变、传感器噪声，跟真实世界对不齐。仿真里跑通的动作，搬到现实可能就废了。

追求高保真仿真，又要付出算力大幅上升的代价。这个矛盾尚未解干净。

把这条链拆开，是五层。

算力层，训练和推理都在这。云端要训大模型，机器人本地要实时推理，两头对芯片的要求不一样。

数据层，采集、处理、仿真合成都在这。这一层决定模型的上限。

模型层，是大脑，再往深一层是物理规律。看得见的可以学图像，看不见的学不了。材料内部的应力、气流切变、电磁干扰，没有图像可学，得靠物理定律去推演。

硬件层，是身体。分四块：3D视觉和激光雷达当五官，伺服和运动控制器当神经，电机、减速器、关节模组、灵巧手当肌肉骨骼，本体把它们装到一起。这里的关键是确定性——指令必须在确定的时间里到达，抖动不能超标，视觉识别、决策、几十个关节的动作要在毫秒级甚至微秒级对齐。

应用层，是真正干活的地方：工业制造、仓储物流、家庭服务、医疗。

五层讲完，看各家站在哪。

算力层

寒武纪做的是人工智能核心芯片，据公司公开披露，产品覆盖云端与边缘端，用于云服务器、边缘计算设备与终端设备。

海光信息做的是高端处理器，据公司公开披露，产品面向服务器、工作站等计算与存储设备，兼容主流指令集。

数据层

凡拓数创做的是AI 3D数字孪生与物理AI数据基座。据公司2026年半年报，公司在具身应用方向形成三条产品线：具身智能数据训练场整体解决方案、工业领域的具身智造一体化解决方案，以及融合AI 3D孪生软件与具身机器人的展馆方案。据公开报道，公司积累了近10亿级AI 3D数字资产，自研数字孪生渲染引擎，并参与建设广东省具身智能训练场。

数据层并非凡拓数创一家覆盖。据公开披露，索辰科技的合成数据与虚拟训练平台、汇川技术的仿真与数据平台，同样指向物理AI训练数据的生产与处理，只是各家的切入角度和产品形态不同。

模型与仿真层

索辰科技做的是CAE仿真软件，也就是用计算机模拟真实物理过程。据公司公开披露，其在物理AI方向形成了包含智能工坊、大圣智能体、行者合成数据的产品体系，以及营造万象世界物理模型。该模型按分层方式构建，涉及运动规律、力触觉预测，以及气流、电磁、材料应力这类难以直接感知现象的推演。

硬件层

汇川技术做的是工业自动化与数字化，业务涉及通用自动化、伺服与运动控制等方向。据2026年半年报，工业自动化与数字化是公司收入的主要来源。

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。

应用层

埃斯顿做的是工业机器人及智能制造系统，据2026年半年报该产品占营收大部分，业务覆盖自动化核心部件、运动控制系统与工业机器人整机。

拓斯达做的是工业机器人及自动化应用系统，据2026年半年报该产品是公司收入的主要部分，业务还涉及注塑装备与数控机床。

看完这些，我有一个挺深的观察：这行的门槛不在模型有多大，在谁给机器人准备了练手的地方。

大脑可以靠开源模型快速跟上，身体可以采购部件拼起来，但中间那层——练手的环境、物理规律的算法、把指令精确送到关节的通路，没有捷径。五层里缺任何一层，机器人就只能表演，上不了岗。

风险提示
本文所涉公司信息均来自公司定期报告、公开披露与公开报道，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。