花旗研究团队于2025年11月发布的重要报告《具身智能：物理AI的崛起》描绘了工业领域正在发生的深刻变革。这份56页的深度研究指出，物理AI正成为工业技术与移动领域的关键转折点，预计将在未来五年加速发展。
物理AI的核心定义与市场机遇 物理AI被定义为与物理工业世界互动的自主系统，从单个机器到整个工厂的智能化升级。与局限于数字世界的传统AI不同，物理AI需要理解物理定律，并在真实环境中进行操作。 报告预测，AI赋能的边缘设备（包括自主移动机器人和机器人技术）以及设计/仿真软件都将实现两位数百分比的增长潜力。物理AI的采用预计将为客户资本支出增长贡献中个位数百分比，这意味着工业控制领域在2023-2025年约3年的收缩后，将恢复中高个位数的增长。 数据是物理AI的燃料。拥有大型数据收集物理安装基础和领域专业知识的企业将建立强大的竞争壁垒。工业AI需要工业数据，这些数据分为两类：直接来自智能设备或工业资产管理软件的真实世界数据，以及在设计阶段使用的模拟数据。
三大关键支柱：数字孪生、边缘数据收集与仿真能力 成功的工业公司需要聚焦三大核心领域：数字孪生模型、通过边缘设备收集真实世界数据、仿真能力。 数字孪生技术正在推动工业元宇宙的发展，实现实时数字映射，目标是提高生产力、降低资源消耗、缩短周期时间、提高质量和产量。西门子等公司正在将仿真能力与运行时数据相结合，支持AI在工业中的采用。 仿真软件通过深度强化学习优化物理结果，并渲染“数字孪生”。它已经广泛应用于“设计→验证→优化”循环中，嵌入仿真以缩短周期时间。GPU现在可以通过更快的计算加速仿真，而AI可以通过驱动新设计来扩展这一点。 边缘计算与云端AI的协同成为关键趋势。云端在可扩展性、部署便利性、安全性和成本方面具有巨大优势，但延迟限制、网络安全问题和数据主权要求意味着边缘AI的采用也在增加。
机器人技术：从专用机械臂到人形机器人的演进 虽然人形机器人备受关注，但报告指出，带有专用末端执行器的智能机械臂在90%以上的制造场景中是最优选择。人形机器人目前故障率较高，与轮式相比优势有限，高速/高容量任务通常由机器人/协作机器人/AMR更好地执行。 在工业应用中，人形机器人最有可能出现在物流和轻装配任务中，具有显著增长潜力。当前主要挑战包括双足平衡消耗大量电池电量，限制了电池寿命，以及灵巧手设计的复杂性。 中国机器人供应链公司正成为关键受益者。UBTECH Robotics、恒立液压、双环传动和Leader Drive等公司在人形机器人领域具有明显优势。谐波减速器、行星滚柱丝杠等核心部件供应商将率先受益。
机器视觉与传感技术的革命 机器视觉在物理AI生态中扮演关键角色，通过评估装配线产品来提高工厂效率并增强产品质量。AI已经从基于规则的机器视觉转向AI驱动的检测，使机器视觉能够处理以前只有人类检查员才能完成的任务。 中国公司如OPT Machine Vision正在实施AI视觉模型DeepVision3在自动光学检测过程中，不仅解决了AI实施问题，而且使缺陷标记更加方便高效。DeepVision3使用小样本策略，将数据量从过去的数百张图片减少到十几张，甚至几张图片就可以完成模型训练。 仓库自动化提供商Symbotic在其解决方案中详细介绍了使用先进机器人视觉和传感功能的好处，使货物进出仓库时具有更高的速度和精度。SymBot配备RGB摄像头和3D摄像头技术，帮助机器人准确确定定位，引导其运动并避免碰撞。
半导体与内存架构的范式转变 物理AI正在推动芯片架构从冯·诺依曼向边缘AI计算转变。边缘AI设备需要功率效率和计算即时执行能力，而当前的芯片架构不足以支持便携式AI功能。 预计将加速采用mini HBM和LLW DRAM，这些内存与TPU相邻加载。芯片制造技术将从SOC推进到SOIC，以封装完整的AI芯片组。三星电子和SK海力士将从AI产品转变中受益，其中先进商品内存正在转变为AI推理内存解决方案。 LG电子也在积极追求物理AI转型，旨在成为拥有自己机器人产品组合的全面解决方案提供商。LG拥有多样化的机器人产品线，包括智能工厂解决方案、自动导引车、自主移动机器人、协作机器人和移动机械臂。
日本工业电子巨头的差异化路径 日本科技集团正在使用各种不同方法加强物理AI的努力。日立公司将AI应用于机器人和工业机械的转型，但其核心物理AI业务将AI实施在电网和铁路等社会基础设施项目中。 三菱电机生产各种工厂自动化机械，并已有二十多年参与相关软件（e-F@ctory）的经验。最近在融入AI方面取得了进展。尽管三菱电机的传统数字解决方案业务迄今仅实现个位数增长，但其在公司内的重要性不高，向更核心角色发展仍有待观察。 富士通是一家专门的IT服务公司，没有运营工业机械业务，但它在制造业和物流（仓库）方面有许多客户，主要在日本。最近宣布与Nvidia合作，并使用安川电机机器人实现物理AI的商业化。
投资视角：物理AI受益篮子与估值逻辑 花旗推出了全球物理AI受益篮子（CGRBPHAI），包含28只全球股票，同等权重，平均4个月美元交易量。该篮子涵盖从设计和仿真到工业控制和边缘设备（如视觉和机器人）等各个领域的企业。 在软件领域，快速发展和向生成式设计的转变可能会颠覆传统的SaaS模型，预计将转向为结果定价，而不是按许可证或每用户/时间（SaaS）付费。公司正在适应这一点——例如，达索系统推出了“虚拟孪生即服务”，公司不是销售产品，而是销售结果。 物理AI融资急剧加速，年度总投资从2020年的仅25亿美元增加到2025年迄今的超过80亿美元。这一激增信号表明从实验试点向商业部署的转变。自2013年以来，已有24家专门从事工业物理AI的私营公司出现，估值达到10亿美元或更高。
总结：物理AI正处于转折点 物理AI在工业领域正处于一个转折点。资本充足，技术成熟，生态系统多样化。赢家将是那些将硬件创新与可扩展软件相结合、建立战略伙伴关系并预测向通用机器人和边缘智能转变的公司。 从投资角度看，专注于具有强大竞争壁垒、领域专业知识和边缘设备安装基础的公司将是最具弹性的长期投资。物理AI的采用预计将推动工业自动化进入新增长阶段，改变制造业生产力范式。
物理AI的核心定义与市场机遇 物理AI被定义为与物理工业世界互动的自主系统，从单个机器到整个工厂的智能化升级。与局限于数字世界的传统AI不同，物理AI需要理解物理定律，并在真实环境中进行操作。 报告预测，AI赋能的边缘设备（包括自主移动机器人和机器人技术）以及设计/仿真软件都将实现两位数百分比的增长潜力。物理AI的采用预计将为客户资本支出增长贡献中个位数百分比，这意味着工业控制领域在2023-2025年约3年的收缩后，将恢复中高个位数的增长。 数据是物理AI的燃料。拥有大型数据收集物理安装基础和领域专业知识的企业将建立强大的竞争壁垒。工业AI需要工业数据，这些数据分为两类：直接来自智能设备或工业资产管理软件的真实世界数据，以及在设计阶段使用的模拟数据。
三大关键支柱：数字孪生、边缘数据收集与仿真能力 成功的工业公司需要聚焦三大核心领域：数字孪生模型、通过边缘设备收集真实世界数据、仿真能力。 数字孪生技术正在推动工业元宇宙的发展，实现实时数字映射，目标是提高生产力、降低资源消耗、缩短周期时间、提高质量和产量。西门子等公司正在将仿真能力与运行时数据相结合，支持AI在工业中的采用。 仿真软件通过深度强化学习优化物理结果，并渲染“数字孪生”。它已经广泛应用于“设计→验证→优化”循环中，嵌入仿真以缩短周期时间。GPU现在可以通过更快的计算加速仿真，而AI可以通过驱动新设计来扩展这一点。 边缘计算与云端AI的协同成为关键趋势。云端在可扩展性、部署便利性、安全性和成本方面具有巨大优势，但延迟限制、网络安全问题和数据主权要求意味着边缘AI的采用也在增加。
机器人技术：从专用机械臂到人形机器人的演进 虽然人形机器人备受关注，但报告指出，带有专用末端执行器的智能机械臂在90%以上的制造场景中是最优选择。人形机器人目前故障率较高，与轮式相比优势有限，高速/高容量任务通常由机器人/协作机器人/AMR更好地执行。 在工业应用中，人形机器人最有可能出现在物流和轻装配任务中，具有显著增长潜力。当前主要挑战包括双足平衡消耗大量电池电量，限制了电池寿命，以及灵巧手设计的复杂性。 中国机器人供应链公司正成为关键受益者。UBTECH Robotics、恒立液压、双环传动和Leader Drive等公司在人形机器人领域具有明显优势。谐波减速器、行星滚柱丝杠等核心部件供应商将率先受益。
机器视觉与传感技术的革命 机器视觉在物理AI生态中扮演关键角色，通过评估装配线产品来提高工厂效率并增强产品质量。AI已经从基于规则的机器视觉转向AI驱动的检测，使机器视觉能够处理以前只有人类检查员才能完成的任务。 中国公司如OPT Machine Vision正在实施AI视觉模型DeepVision3在自动光学检测过程中，不仅解决了AI实施问题，而且使缺陷标记更加方便高效。DeepVision3使用小样本策略，将数据量从过去的数百张图片减少到十几张，甚至几张图片就可以完成模型训练。 仓库自动化提供商Symbotic在其解决方案中详细介绍了使用先进机器人视觉和传感功能的好处，使货物进出仓库时具有更高的速度和精度。SymBot配备RGB摄像头和3D摄像头技术，帮助机器人准确确定定位，引导其运动并避免碰撞。
半导体与内存架构的范式转变 物理AI正在推动芯片架构从冯·诺依曼向边缘AI计算转变。边缘AI设备需要功率效率和计算即时执行能力，而当前的芯片架构不足以支持便携式AI功能。 预计将加速采用mini HBM和LLW DRAM，这些内存与TPU相邻加载。芯片制造技术将从SOC推进到SOIC，以封装完整的AI芯片组。三星电子和SK海力士将从AI产品转变中受益，其中先进商品内存正在转变为AI推理内存解决方案。 LG电子也在积极追求物理AI转型，旨在成为拥有自己机器人产品组合的全面解决方案提供商。LG拥有多样化的机器人产品线，包括智能工厂解决方案、自动导引车、自主移动机器人、协作机器人和移动机械臂。
日本工业电子巨头的差异化路径 日本科技集团正在使用各种不同方法加强物理AI的努力。日立公司将AI应用于机器人和工业机械的转型，但其核心物理AI业务将AI实施在电网和铁路等社会基础设施项目中。 三菱电机生产各种工厂自动化机械，并已有二十多年参与相关软件（e-F@ctory）的经验。最近在融入AI方面取得了进展。尽管三菱电机的传统数字解决方案业务迄今仅实现个位数增长，但其在公司内的重要性不高，向更核心角色发展仍有待观察。 富士通是一家专门的IT服务公司，没有运营工业机械业务，但它在制造业和物流（仓库）方面有许多客户，主要在日本。最近宣布与Nvidia合作，并使用安川电机机器人实现物理AI的商业化。
投资视角：物理AI受益篮子与估值逻辑 花旗推出了全球物理AI受益篮子（CGRBPHAI），包含28只全球股票，同等权重，平均4个月美元交易量。该篮子涵盖从设计和仿真到工业控制和边缘设备（如视觉和机器人）等各个领域的企业。 在软件领域，快速发展和向生成式设计的转变可能会颠覆传统的SaaS模型，预计将转向为结果定价，而不是按许可证或每用户/时间（SaaS）付费。公司正在适应这一点——例如，达索系统推出了“虚拟孪生即服务”，公司不是销售产品，而是销售结果。 物理AI融资急剧加速，年度总投资从2020年的仅25亿美元增加到2025年迄今的超过80亿美元。这一激增信号表明从实验试点向商业部署的转变。自2013年以来，已有24家专门从事工业物理AI的私营公司出现，估值达到10亿美元或更高。
总结：物理AI正处于转折点 物理AI在工业领域正处于一个转折点。资本充足，技术成熟，生态系统多样化。赢家将是那些将硬件创新与可扩展软件相结合、建立战略伙伴关系并预测向通用机器人和边缘智能转变的公司。 从投资角度看，专注于具有强大竞争壁垒、领域专业知识和边缘设备安装基础的公司将是最具弹性的长期投资。物理AI的采用预计将推动工业自动化进入新增长阶段，改变制造业生产力范式。
物理AI不仅仅是技术的演进，更是工业生产方式的根本性变革。随着资本投入加大、技术瓶颈突破和应用场景扩展，这一领域有望在未来五年内迎来爆发式增长，为早期布局者带来丰厚回报。
追加内容
本文作者可以追加内容哦 !
