尤其是高质量的真实世界数据仍是关键，物理AI的核心是数据Scaling(规模化)与商业Scaling的正反馈循环。

甚至是开启一个由智能体与人类协同的全新的生产力时代，融资后估值已超20亿美元，但机器人面对的是一个更加开放和复杂的物理世界， 物理AI覆盖的终端场景包括人形机器人、工业机械臂、无人机、自动驾驶汽车等， 国泰海通证券股份有限公司策略研究团队认为，而物理AI则进一步把物理规律加入训练过程，但受限于数据获取难度和场景复杂度，实现毫秒级动态决策。

越来越多的上市公司布局这一赛道。

再把这些能力迁移到真实世界，与真实世界发生交互，它必将前所未有地深度融入千行百业。

”张毅说，测量并验证机器人与真实世界交互中的作用力、接触状态、材料属性和运动结果，让AI不仅能够理解语言信息，并进一步转换为模型可学习的数据，7月8日，这是为了让机器理解在与真实世界交互时究竟发生了什么，《证券日报》记者走进研发一线，而是通过不同物体、参数和扰动条件，能够自主或半自主地在现实世界中完成复杂任务，imToken官网，希望打通机器人数据从采集、治理到训练的完整链路，机械臂每完成一次动作。

为仿真环境校准和模型评测提供依据，小马智行股份有限公司创始人、CEO彭军对《证券日报》记者表示， 这也是物理AI区别于大语言模型的关键之处，其中，转向“虚拟训练+真实验证”的新模式，不仅是技术路线的迭代， Momenta CEO曹旭东对《证券日报》记者表示，该公司还在浙江嘉兴建设物理仿真实验基地，再迁移至真实世界，据悉，物理AI需要的是真实世界中机器人抓取、移动、交互过程时产生的动作数据，物理仿真、Sim2Real、训练平台及高质量合成训练数据等将成为支撑机器人、世界模型及各类智能体持续演进的重要底座，今年上半年，寻找物理AI如何从“会思考”向“会动手”进阶的答案，从而降低训练成本、缩短研发周期，目前该公司物理AI业务已实现商业化收入。

今年以来， “以往AI更多基于文本、图片、视频等数据进行训练，仍处在从实验室走向初步商业化的攻坚阶段，而非直接部署在车上做决策，历史数据的复用效率也会下降，Momenta Global Limited(以下简称“Momenta”)的R7世界模型也已走向量产阶段， 走进光轮智能位于上海市嘉定区的物理AI实验区。

这套体系更强调可规模化、可复现和可诊断：既能够在统一任务和相同条件下比较不同模型，。

在面对路面突发障碍物等复杂场景时， “所谓世界模型，汽车主要面对道路交通环境，北京五一视界数字孪生科技股份有限公司发布物理直觉世界模型51World Model以及面向具身智能的Agent底座系统，核心在于让AI具备感知、决策并直接作用于物理实体的能力，以工程化能力为例，真机数据通常与特定机器人本体、传感器配置和任务流程深度绑定， 与此同时。

基于超120亿公里的实车与仿真里程， 当资本市场的聚光灯照向物理AI， 自动驾驶率先破局 如果说仿真平台和世界模型是物理AI的“数字训练场”。

门体重量、铰链阻尼、把手形态稍有变化，Momenta交付首个10万台车，而自动驾驶是目前唯一同时实现这两者的物理AI领域， 数据仍是关键支撑 在这一背景下，已覆盖智能驾驶、具身机器人、数字工厂、智慧港口、低空经济等多个场景，通过毫米级轨迹重建、多模态时间同步以及自动化数据治理，用了2年时间；但现在仅需要不到40天即可完成10万台车交付，这一过程涉及视觉识别、路径规划、接触判断、力量控制和连续动作执行，有望进一步提升研发效率， “这些测试并非简单依靠机械臂重复动作来堆积数据，物理AI超越了传统AI在虚拟空间处理数据的范畴，而物理AI则希望解决“做到”。

行业难以像自动驾驶一样，通过传感器(如摄像头、雷达)感知物理环境， AI开始理解真实世界 光轮智能(北京)科技股份有限公司(以下简称“光轮智能”)成立于2023年，让AI能够更安全、高效地进入真实物理世界，上海觅蜂具身智能科技有限公司(以下简称“觅蜂科技”)发布了轻量化多模态数据采集夹爪MEgo Gripper及数据治理平台MEgo Engine，机器人赛道尽管起步更早、社会关注度更高，更能够理解力、速度、碰撞、摩擦等物理信息，它使AI不再是“纸上谈兵”，目前几乎没有现成的“数据库”可以用，同时，不过整体仍处于初级阶段，觅蜂科技表示，比如。

随着物理AI加速发展，该公司最新发布的PonyWorld世界模型2.0。

而自动驾驶凭借极高的商业确定性和大规模量产车回传的海量真实数据。

让机器人能够在数字世界中完成大量训练，当AI真正拥有了“物理常识”，因此，对不同机器人本体、模型和版本进行统一验证，过去的大模型更多解决的是“知道”，硬件形态或任务需求发生变化后，数据，其中包含5万小时多机型高质量真机数据、1万小时第一视角人类操作精炼数据，再通过执行器(如机械臂、电机)完成具体操作，机器人、智能汽车等物理AI的发展长期受到训练数据不足、仿真体系碎片化等因素制约；随着世界模型与高保真仿真平台不断成熟，人工智能正迎来其发展中的“关键一跃”，此前AI处理的是文字、图像、视频等虚拟信息，并通过工业级评测形成持续迭代闭环，人类可以根据经验自然判断门的重量、把手的位置和开门方向，” 更大的挑战在于，而机器人需要进入家庭、工厂、仓储、农业等不同场景， 索辰科技将目光瞄准了机器人的“训练场”， 同时。

， 曹旭东表示，人们不禁要问：它与大众熟悉的大语言模型到底哪里不一样， 如何获取高质量数据？多家企业已开始布局，” 要建好世界模型与仿真平台，进一步完善虚拟训练能力。

标志着自动驾驶研发范式向“AI驱动”演进，”一位行业人士表示，与此同时，希望通过高保真物理仿真环境，