蝶动洞察Flutter Insight

东吴证券-物理AI行业:数据规模化与模型技术进展梳理(38页,2026年)

分类:人工智能

标签:物理AI、具身智能、数据采集、世界模型、人形机器人、仿真训练

摘要:本报告由东吴证券研究所发布,梳理物理AI的技术定位、数据基础、模型路径、终端载体与产业链结构。报告把物理AI界定为继生成式AI、Agent之后AI应用的第三阶段演进:从输出信息、数字指令升级为输出实体动作,核心在于掌握物理因果规律,并面临Sim2Real虚实迁移挑战。按落地程度划分,AMR与工业巡检机器人已进入量产复制,基地安保四足巡检机器人处于单场景量产,人形机器人仍处探索阶段、尚未规模化部署。 数据层面是重点之一。报告归纳遥操作、Ego、UMI与仿真数据四类数采方式,指出行业模型训练通常采用混合方案;EgoScale验证第一人称数据遵循Scaling Law,数据规模提升能稳定提升机器人性能。报告对比规划量与实际存量:企业数采规划普遍抬升至百万乃至千万小时,实际累计存量多在十万小时以内,二者存在明显缺口。口径上,京东计划两年积累1000万小时,觅蜂提出2026年实现千万小时级产能,亦数智能列出2026年完成100万小时、未来三年迈向1000万小时的路线;存量端千寻智能20万小时,鹿明与灵初各10万小时,多数企业仍在万小时级,天奇股份以年产能1000万条卡位供给端。 模型路径区分三类

来源:zuudee | 日期:2026-11-15 | 格式:PDF | 页数:38

加载中...