搜索引擎 + AI 驱动的行业新闻
【覆盖行业】
信保 ｜出口 ｜金融
制造 ｜农业 ｜建筑 ｜地产
零售 ｜物流 ｜数智
【访问入口】
hangyexinwen.com
【新闻分享】
点击发布时间即可分享
【联系我们】
xinbaoren.com
（微信内打开提交表单）
【覆盖行业】
信保 ｜出口 ｜金融
制造 ｜农业 ｜建筑 ｜地产
零售 ｜物流 ｜数智
【访问入口】
hangyexinwen.com
【新闻分享】
点击发布时间即可分享
【联系我们】
xinbaoren.com
（微信内打开提交表单）
📰 计算机行业深度报告世界模型从“生成世界”到“控制世界”，物理AI打开工业软件与自动化重估空间 - 东吴证券 ｜ 发现报告
本文对“世界模型”及其在物理AI中的定位、技术路线、应用场景和投资趋势进行了系统梳理。世界模型被定义为智能体在行动前预演后果的内部模拟系统，需完成从多模态观测形成状态表征、预测未来状态以及比较路径以决策等三大基本职能；单纯的生成模型若缺乏动作输入与规划能力则不能视为完整世界模型。未来世界模型将呈现生成、潜空间动力学、物理仿真与因果结构的混合架构，并以机理边界、残差学习、实时数据校正与闭环控制实现融合。当前阶段的核心技术路线包括潜空间动力学、像素级视频、JEPA联合嵌入预测、显式物理/结构化模型和因果世界模型，各自解决数据、预测、精度与泛化等不同难点。物理AI的落地更倾向于高价值、半结构化场景，如流程工业、工程仿真、自动驾驶与仓储物流，强调数据回流、可量化的错误成本以及已有系统的对接能力。投资重点聚焦掌握数据、机理与控制闭环的企业，涉及流程自主运行、物理仿真/工程世界模型以及工业智能体与数字化主线，且行业展望在2026–2030年经历三轮价值迁移。通过融合边界模型、学习残差和实时校正，未来将从“生成世界”向“控制世界”演进，推动产业软件与自动化的新一轮重估。
🏷️ #世界模型 #物理AI #工业应用 #融合架构 #投资趋势
🔗 原文链接
📰 计算机行业深度报告世界模型从“生成世界”到“控制世界”，物理AI打开工业软件与自动化重估空间 - 东吴证券 ｜ 发现报告
本文对“世界模型”及其在物理AI中的定位、技术路线、应用场景和投资趋势进行了系统梳理。世界模型被定义为智能体在行动前预演后果的内部模拟系统，需完成从多模态观测形成状态表征、预测未来状态以及比较路径以决策等三大基本职能；单纯的生成模型若缺乏动作输入与规划能力则不能视为完整世界模型。未来世界模型将呈现生成、潜空间动力学、物理仿真与因果结构的混合架构，并以机理边界、残差学习、实时数据校正与闭环控制实现融合。当前阶段的核心技术路线包括潜空间动力学、像素级视频、JEPA联合嵌入预测、显式物理/结构化模型和因果世界模型，各自解决数据、预测、精度与泛化等不同难点。物理AI的落地更倾向于高价值、半结构化场景，如流程工业、工程仿真、自动驾驶与仓储物流，强调数据回流、可量化的错误成本以及已有系统的对接能力。投资重点聚焦掌握数据、机理与控制闭环的企业，涉及流程自主运行、物理仿真/工程世界模型以及工业智能体与数字化主线，且行业展望在2026–2030年经历三轮价值迁移。通过融合边界模型、学习残差和实时校正，未来将从“生成世界”向“控制世界”演进，推动产业软件与自动化的新一轮重估。
🏷️ #世界模型 #物理AI #工业应用 #融合架构 #投资趋势
🔗 原文链接
📰 具身智能涌向工厂一线,产业界竞逐落地“最后一公里”
在2026年世界机器人大会上，行业代表普遍达成共识：具身智能正进入“ChatGPT时刻”，将逐步从验证阶段转向商业落地，且对生产力的提升可能超过数字智能。黄源浩认为世界模型将弥补机器人实操的短板，未来物理智能市场规模有望达到甚至超越数字智能的数倍；吴明辉则指出具身智能已进入从2.0向3.0过渡的阶段，爆发点在于具备强推理能力的机器人能解决复杂问题。行业从业者从“能不能做Demo”转向“ROI是否成立”的商业评估，物流场景被选作切入点以验证可规模化落地的潜能。不同企业在路径上各有侧重：星动纪元通过通用本体与大脑加速部署、缩短部署周期并聚焦物流场景；明略科技强调将通用大模型与具体场景结合；桦之坚展示了以巨型人形与四足机器人并存的多元化应用，如工业巡检、消防机器人等；奥比中光强调数据层面的关键性，推动视觉与触觉数据的毫秒级同步，倡导建立统一数据标准以降低成本。总体而言，行业正在跨越从“能干活”到“干好活”的鸿沟，数据、硬件与通用AI架构的协同将推动具身智能的快速落地并释放更大生产力潜力。
🏷️ #具身智能 #世界模型 #ROI #物流场景 #数据标准
🔗 原文链接
📰 具身智能涌向工厂一线,产业界竞逐落地“最后一公里”
在2026年世界机器人大会上，行业代表普遍达成共识：具身智能正进入“ChatGPT时刻”，将逐步从验证阶段转向商业落地，且对生产力的提升可能超过数字智能。黄源浩认为世界模型将弥补机器人实操的短板，未来物理智能市场规模有望达到甚至超越数字智能的数倍；吴明辉则指出具身智能已进入从2.0向3.0过渡的阶段，爆发点在于具备强推理能力的机器人能解决复杂问题。行业从业者从“能不能做Demo”转向“ROI是否成立”的商业评估，物流场景被选作切入点以验证可规模化落地的潜能。不同企业在路径上各有侧重：星动纪元通过通用本体与大脑加速部署、缩短部署周期并聚焦物流场景；明略科技强调将通用大模型与具体场景结合；桦之坚展示了以巨型人形与四足机器人并存的多元化应用，如工业巡检、消防机器人等；奥比中光强调数据层面的关键性，推动视觉与触觉数据的毫秒级同步，倡导建立统一数据标准以降低成本。总体而言，行业正在跨越从“能干活”到“干好活”的鸿沟，数据、硬件与通用AI架构的协同将推动具身智能的快速落地并释放更大生产力潜力。
🏷️ #具身智能 #世界模型 #ROI #物流场景 #数据标准
🔗 原文链接
📰 具身智能涌向工厂一线，产业界竞逐落地“最后一公里” |2026WRC观察
在2026年世界机器人大会上，业界普遍达成共识：具身智能正进入“ChatGPT时刻”，将从感知、推理到执行全面提升物理生产力，预计未来市场规模可达数字智能的五到十倍。行业领军者分别从不同环节布局：星动纪元以物流场景为切入，强调从技术验证向商业落地的转变，并通过“通用本体+通用大脑”缩短部署周期；明略科技强调需将通用大模型与具体场景结合，定制化大脑以实现高效落地；桦之坚展示人形与四足机器人在家庭与工业场景的应用前景，强调“人机共生”与多机位拍摄、自动剪辑等服务能力；帕西尼从触觉出发，提出“感知奇点”，自研触觉芯片FUSE并建立全域物理感知系统，以及“四证”数据体系，促进高质量数据的获取与跨域共享。总体看，行业面临的数据壁垒、落地路径与商业模式各有侧重，但一致认为硬件、感知与大脑的协同、以及数据标准与开放协作，将是推动具身智能普及的关键要素。未来数年，机器人走进物流、家庭与工业的步伐将加速，成本下降与服务生态完善将成为常态。
🏷️ #具身智能 #ChatGPT时刻 #数据标准 #物流场景 #感知芯片
🔗 原文链接
📰 具身智能涌向工厂一线，产业界竞逐落地“最后一公里” |2026WRC观察
在2026年世界机器人大会上，业界普遍达成共识：具身智能正进入“ChatGPT时刻”，将从感知、推理到执行全面提升物理生产力，预计未来市场规模可达数字智能的五到十倍。行业领军者分别从不同环节布局：星动纪元以物流场景为切入，强调从技术验证向商业落地的转变，并通过“通用本体+通用大脑”缩短部署周期；明略科技强调需将通用大模型与具体场景结合，定制化大脑以实现高效落地；桦之坚展示人形与四足机器人在家庭与工业场景的应用前景，强调“人机共生”与多机位拍摄、自动剪辑等服务能力；帕西尼从触觉出发，提出“感知奇点”，自研触觉芯片FUSE并建立全域物理感知系统，以及“四证”数据体系，促进高质量数据的获取与跨域共享。总体看，行业面临的数据壁垒、落地路径与商业模式各有侧重，但一致认为硬件、感知与大脑的协同、以及数据标准与开放协作，将是推动具身智能普及的关键要素。未来数年，机器人走进物流、家庭与工业的步伐将加速，成本下降与服务生态完善将成为常态。
🏷️ #具身智能 #ChatGPT时刻 #数据标准 #物流场景 #感知芯片
🔗 原文链接
📰 AI重构大消费|AI智造，追觅主业再聚焦_北京商报
物理AI正从数字世界走向现实世界的落地阶段，核心在于设备能够独立感知环境、自主决策并精准执行。IDC 指出要实现规模化，需要同时建立实时运行闭环（感知—决策—执行—反馈）和数据迭代闭环（真实场景数据回流、模型训练与重新部署），并以应用/业务层、软件基础设施层、硬件基础设施层三层结构支撑。追觅作为代表，通过聚焦智能家庭、户外庭院、智能出行与具身智能四大赛道，形成可跨品类复用的底层平台，建立海量真实场景数据的闭环，推动从自动化运行到自主化决策的升级，进而实现广域落地。企业通过十步洞察法等机制把用户需求转化为产品与技术创新，强调在真实环境中的验证与迭代，最终在家庭、工业等多场景中验证价值。具身智能与大模型的发展将进一步驱动硬件与智能的深度融合，推动消费电子向全场景AI生态升级。
🏷️ #物理AI #闭环体系 #追觅 #具身智能 #大模型
🔗 原文链接
📰 AI重构大消费|AI智造，追觅主业再聚焦_北京商报
物理AI正从数字世界走向现实世界的落地阶段，核心在于设备能够独立感知环境、自主决策并精准执行。IDC 指出要实现规模化，需要同时建立实时运行闭环（感知—决策—执行—反馈）和数据迭代闭环（真实场景数据回流、模型训练与重新部署），并以应用/业务层、软件基础设施层、硬件基础设施层三层结构支撑。追觅作为代表，通过聚焦智能家庭、户外庭院、智能出行与具身智能四大赛道，形成可跨品类复用的底层平台，建立海量真实场景数据的闭环，推动从自动化运行到自主化决策的升级，进而实现广域落地。企业通过十步洞察法等机制把用户需求转化为产品与技术创新，强调在真实环境中的验证与迭代，最终在家庭、工业等多场景中验证价值。具身智能与大模型的发展将进一步驱动硬件与智能的深度融合，推动消费电子向全场景AI生态升级。
🏷️ #物理AI #闭环体系 #追觅 #具身智能 #大模型
🔗 原文链接
📰 世界浙商网-京东AI半年考：研发涨53%，开建80个机器人基地
京东在上半年加大AI布局，研发投入同比增长53.2%，并持续加速，核心在于围绕JoyAI基础模型矩阵推进“从场景到技术再到场景”的闭环。为实现物理世界的AI落地，京东首先建好基础设施：具身数据采集与开放数据集EgoLive，以及数据交易平台的高精数据集，确保真实场景的数据来源与可用性。在模型端，京东持续开源JoyAI系列框架与模型，如JoyAI-Echo、JoyAI-VL-Interaction、JoyAI-Video-Edit等，形成产业导向的开放生态，让行业能力在实际场景中成长并反哺平台。RoboBase项目则在广州开工，规划未来五年在全国布局80余个机器人基地，打造“研发—制造—应用—服务”的完整闭环。最先落地的还是供应链场景：京东物流的智狼、异狼等方案已覆盖仓储、拣选、搬运、分拣、末端配送，无人车与无人机的应用逐步常态化，团队还在推动数字人JoyAvatar、工业AI智能体等向产业端扩展。同时，JoyInside正在把已验证的能力带到家庭端，连接约200家硬件品牌，推动AI设备的“伙伴式”交互。健康与即时服务也在推进，AI医生与AI头盔等实现从咨询到服务的闭环。总体看，京东通过“场景驱动的产业化”路径，将AI能力转化为可量化的生产力，持续沉淀为可复用的基础设施，推动中国AI的产业化落地。
🏷️ #AI产业化 #JoyAI #物理AI #数据生态 #机器人基地
🔗 原文链接
📰 世界浙商网-京东AI半年考：研发涨53%，开建80个机器人基地
京东在上半年加大AI布局，研发投入同比增长53.2%，并持续加速，核心在于围绕JoyAI基础模型矩阵推进“从场景到技术再到场景”的闭环。为实现物理世界的AI落地，京东首先建好基础设施：具身数据采集与开放数据集EgoLive，以及数据交易平台的高精数据集，确保真实场景的数据来源与可用性。在模型端，京东持续开源JoyAI系列框架与模型，如JoyAI-Echo、JoyAI-VL-Interaction、JoyAI-Video-Edit等，形成产业导向的开放生态，让行业能力在实际场景中成长并反哺平台。RoboBase项目则在广州开工，规划未来五年在全国布局80余个机器人基地，打造“研发—制造—应用—服务”的完整闭环。最先落地的还是供应链场景：京东物流的智狼、异狼等方案已覆盖仓储、拣选、搬运、分拣、末端配送，无人车与无人机的应用逐步常态化，团队还在推动数字人JoyAvatar、工业AI智能体等向产业端扩展。同时，JoyInside正在把已验证的能力带到家庭端，连接约200家硬件品牌，推动AI设备的“伙伴式”交互。健康与即时服务也在推进，AI医生与AI头盔等实现从咨询到服务的闭环。总体看，京东通过“场景驱动的产业化”路径，将AI能力转化为可量化的生产力，持续沉淀为可复用的基础设施，推动中国AI的产业化落地。
🏷️ #AI产业化 #JoyAI #物理AI #数据生态 #机器人基地
🔗 原文链接
📰 前阿里千问林俊旸创业获红杉、高榕等投资，押注数字与物理世界下一代Agent
2026年，林俊旸宣布在上海创立Pragmatik Labs（语用科技），专注于数字世界与物理世界的下一代Agent研究，并明确不做大模型续集。新公司获得红杉中国与高榕创投领投，腾讯与上海未来产业基金跟投，显示强劲的资本与行业关注。林俊旸为原阿里千问技术负责人，曾带领阿里通义千问、Qwen系列开源模型的技术建设，并在阿里内部推进机器人与具身智能小组，提出让模型走出虚拟屏幕、理解空间并学会动手操作的目标，被视为向物理AI方向转型的信号。其职业经历显示其在推理与智能体实现方面的持续探索，强调未来AI应更有用、会“做”而不仅是“想”。离任Qwen团队后，林俊旸发表长文，提出从Reasoning Thinking向Agentic Thinking的转变，强调以行动能力替代单纯推理能力作为竞争核心。
🏷️ #AI #物理智能 #代理人 #阿里 #Pragmatik
🔗 原文链接
📰 前阿里千问林俊旸创业获红杉、高榕等投资，押注数字与物理世界下一代Agent
2026年，林俊旸宣布在上海创立Pragmatik Labs（语用科技），专注于数字世界与物理世界的下一代Agent研究，并明确不做大模型续集。新公司获得红杉中国与高榕创投领投，腾讯与上海未来产业基金跟投，显示强劲的资本与行业关注。林俊旸为原阿里千问技术负责人，曾带领阿里通义千问、Qwen系列开源模型的技术建设，并在阿里内部推进机器人与具身智能小组，提出让模型走出虚拟屏幕、理解空间并学会动手操作的目标，被视为向物理AI方向转型的信号。其职业经历显示其在推理与智能体实现方面的持续探索，强调未来AI应更有用、会“做”而不仅是“想”。离任Qwen团队后，林俊旸发表长文，提出从Reasoning Thinking向Agentic Thinking的转变，强调以行动能力替代单纯推理能力作为竞争核心。
🏷️ #AI #物理智能 #代理人 #阿里 #Pragmatik
🔗 原文链接
📰 [东吴证券]：汽车行业深度报告：AI系列深度21期：物理AI如何从架构借鉴走向模型迁移？ - 发现报告
本文围绕数字AI向物理AI迁移的路径与挑战进行梳理。物理AI以感知、决策与行动落地于真实三维空间为目标，落地场景以智能驾驶为代表。迁移经历两个阶段：首先在架构理念层面引入数字AI的注意力机制、矢量化表达等建模范式，形成VectorNet、BEV等统一空间表征；随后向模型层级直接迁移，如EMMA等端到端多模态模型，以及MindVLA、世界基座模型等车端VLA实践。这种迁移并非线性放大，越靠近物理闭环，直接迁移的红利越小，需要重新设计或再训练的部分增多。物理AI与数字AI的三大核心差异在于表征、数据与学习范式。物理世界的连续信号需要先被编码为可学习的三维表征，数字AI的离散文本与符号不同；高价值数据在物理场景中极为稀缺，世界模型被用来生成合成数据以扩充训练；学习范式方面，强化学习在高物理闭环任务中扮演关键角色，帮助超越模仿的局限。总之，数字AI提供底座能力与通用范式，物理AI则聚焦建立物理世界的可控闭环，并以智能驾驶为先导探索安全性与可验证性的发展路径。
🏷️ #物理AI #数字AI #迁移 #表征 #世界模型
🔗 原文链接
📰 [东吴证券]：汽车行业深度报告：AI系列深度21期：物理AI如何从架构借鉴走向模型迁移？ - 发现报告
本文围绕数字AI向物理AI迁移的路径与挑战进行梳理。物理AI以感知、决策与行动落地于真实三维空间为目标，落地场景以智能驾驶为代表。迁移经历两个阶段：首先在架构理念层面引入数字AI的注意力机制、矢量化表达等建模范式，形成VectorNet、BEV等统一空间表征；随后向模型层级直接迁移，如EMMA等端到端多模态模型，以及MindVLA、世界基座模型等车端VLA实践。这种迁移并非线性放大，越靠近物理闭环，直接迁移的红利越小，需要重新设计或再训练的部分增多。物理AI与数字AI的三大核心差异在于表征、数据与学习范式。物理世界的连续信号需要先被编码为可学习的三维表征，数字AI的离散文本与符号不同；高价值数据在物理场景中极为稀缺，世界模型被用来生成合成数据以扩充训练；学习范式方面，强化学习在高物理闭环任务中扮演关键角色，帮助超越模仿的局限。总之，数字AI提供底座能力与通用范式，物理AI则聚焦建立物理世界的可控闭环，并以智能驾驶为先导探索安全性与可验证性的发展路径。
🏷️ #物理AI #数字AI #迁移 #表征 #世界模型
🔗 原文链接
📰 信息化观察网 - 引领行业变革
本文梳理了智能驾驶从模块化割裂向端到端融合、再向物理AI的演进路径。早期以DARPA挑战赛为起点，自动驾驶多为规则算法和高精地图的“昆虫级”智能，难以泛化。2024年起，端到端方案兴起，特斯拉FSD V12/V14等推动感知、决策、控制的统一与可解释性提升，同时出现VLA（视觉-语言-行动）与世界模型两条路线的竞争与融合。行业逐步从“二段式”向“一段式”与“VLA+世界模型”深度融合转变，华为、百度、小鹏、蔚来、理想等企业纷纷落地世界模型、闭环强化学习、跨模态底座模型等技术，形成以物理世界理解与行动能力为核心的新竞争格局。未来五年，物理AI将成为智驾行业的核心底座，推动从价格战、堆参数向“建底座、懂因果、能行动”的升级，最终实现L3/L4甚至无人驾驶阶段，然而要真正达到像人类般的理解与预测仍需更大规模数据、算力与更高的技术突破。
🏷️ #物理AI #智能驾驶 #世界模型 #VLA #端到端
🔗 原文链接
📰 信息化观察网 - 引领行业变革
本文梳理了智能驾驶从模块化割裂向端到端融合、再向物理AI的演进路径。早期以DARPA挑战赛为起点，自动驾驶多为规则算法和高精地图的“昆虫级”智能，难以泛化。2024年起，端到端方案兴起，特斯拉FSD V12/V14等推动感知、决策、控制的统一与可解释性提升，同时出现VLA（视觉-语言-行动）与世界模型两条路线的竞争与融合。行业逐步从“二段式”向“一段式”与“VLA+世界模型”深度融合转变，华为、百度、小鹏、蔚来、理想等企业纷纷落地世界模型、闭环强化学习、跨模态底座模型等技术，形成以物理世界理解与行动能力为核心的新竞争格局。未来五年，物理AI将成为智驾行业的核心底座，推动从价格战、堆参数向“建底座、懂因果、能行动”的升级，最终实现L3/L4甚至无人驾驶阶段，然而要真正达到像人类般的理解与预测仍需更大规模数据、算力与更高的技术突破。
🏷️ #物理AI #智能驾驶 #世界模型 #VLA #端到端
🔗 原文链接
📰 [东吴证券]：汽车行业深度报告：AI系列深度20期：如何看物理场景中数字AI的能力边界？ - 发现报告
本文系统阐述了数字AI与物理AI在现阶段的关系与发展路径，提出“承接—分化—融合”的长期协同演进观。随着应用场景从信息空间逐步进入真实物理世界，数字AI的理解与规划能力需在同一系统中与物理AI的感知、动作及安全闭环协同放大，从而实现持续的协同演进。场景按物理闭环程度形成连续谱，越靠近信息空间越以语义、知识和软件状态为主，越靠近物理世界越强调实时感知、运动控制与安全闭环的要求，数字AI的独立闭环充分性随之下降，物理AI专用技术栈的必要性上升。两类系统在技术路径上共享底座如Transformer，但目标对象、训练目标与闭环要求不同：数字AI聚焦信息空间的文本、知识、逻辑与软件操作，通过大规模数据、指令对齐与工具调用实现任务；物理AI面向真实或仿真物理世界，需处理传感器数据、状态表示、动作生成、规划、控制与反馈闭环，确保实时性与安全。能力迁移呈现分层特征：低物理闭环场景数字AI可直接完成主要任务；中段场景需要物理引擎与场景建模的支撑；高物理闭环场景则需专用技术补足状态维护、实时控制与安全验证。结论强调物理AI将与数字AI协同演进并在长期实现融合，形成完整智能系统，但仍需警惕技术迭代、资本与市场风险等不确定性。
🏷️ #AI发展 #数字AI #物理AI #连续谱 #场景迁移
🔗 原文链接
📰 [东吴证券]：汽车行业深度报告：AI系列深度20期：如何看物理场景中数字AI的能力边界？ - 发现报告
本文系统阐述了数字AI与物理AI在现阶段的关系与发展路径，提出“承接—分化—融合”的长期协同演进观。随着应用场景从信息空间逐步进入真实物理世界，数字AI的理解与规划能力需在同一系统中与物理AI的感知、动作及安全闭环协同放大，从而实现持续的协同演进。场景按物理闭环程度形成连续谱，越靠近信息空间越以语义、知识和软件状态为主，越靠近物理世界越强调实时感知、运动控制与安全闭环的要求，数字AI的独立闭环充分性随之下降，物理AI专用技术栈的必要性上升。两类系统在技术路径上共享底座如Transformer，但目标对象、训练目标与闭环要求不同：数字AI聚焦信息空间的文本、知识、逻辑与软件操作，通过大规模数据、指令对齐与工具调用实现任务；物理AI面向真实或仿真物理世界，需处理传感器数据、状态表示、动作生成、规划、控制与反馈闭环，确保实时性与安全。能力迁移呈现分层特征：低物理闭环场景数字AI可直接完成主要任务；中段场景需要物理引擎与场景建模的支撑；高物理闭环场景则需专用技术补足状态维护、实时控制与安全验证。结论强调物理AI将与数字AI协同演进并在长期实现融合，形成完整智能系统，但仍需警惕技术迭代、资本与市场风险等不确定性。
🏷️ #AI发展 #数字AI #物理AI #连续谱 #场景迁移
🔗 原文链接
📰 2026 AI行业月度观察报告（7月期）｜甲子光年智库
本期《AI行业月度观察》聚焦“从数字智能走向物理智能：AI正在从理解世界走向创造世界”这一主题，指出全球AI产业竞争正由模型性能向权重、资本与规则话语权的综合博弈升级。技术端多条主线并进，包含物理智能、世界模型、社会智能、图工程等，语言模型的“全局工作空间”发现为模型审计打开新入口，显示人工智能正在从数字世界走向物理世界。产品端方面，中国开源模型与闭源模型差距缩短，美方围绕模型蒸馏的争议与潜在制裁讨论升温，治理关注点也从芯片、算力扩展至模型权重并强调可控性作为旗舰模型发布前的前置条件。资本端具身智能融资热度上升，融资规模近半年已超去年全年的水平，循环融资结构在信用市场定价，ARR、订单与实际收入的重要性提升。产业格局方面，Neo Labs成为新投资物种，物理智能成为独立投资主线，主权AI工厂将算力包装为国家级资产；总体而言，AI竞争的不再只是模型性能，而是权重、资本与规则话语权的掌控权。作为延展，文中也回顾了6月、5月的报告要点，强调受控发布期、AI OS、词元经济、代码Agent、具身智能等趋势与创新点。
🏷️ #AI趋势 #物理智能 #治理监管 #资本投融资 #产业格局
🔗 原文链接
📰 2026 AI行业月度观察报告（7月期）｜甲子光年智库
本期《AI行业月度观察》聚焦“从数字智能走向物理智能：AI正在从理解世界走向创造世界”这一主题，指出全球AI产业竞争正由模型性能向权重、资本与规则话语权的综合博弈升级。技术端多条主线并进，包含物理智能、世界模型、社会智能、图工程等，语言模型的“全局工作空间”发现为模型审计打开新入口，显示人工智能正在从数字世界走向物理世界。产品端方面，中国开源模型与闭源模型差距缩短，美方围绕模型蒸馏的争议与潜在制裁讨论升温，治理关注点也从芯片、算力扩展至模型权重并强调可控性作为旗舰模型发布前的前置条件。资本端具身智能融资热度上升，融资规模近半年已超去年全年的水平，循环融资结构在信用市场定价，ARR、订单与实际收入的重要性提升。产业格局方面，Neo Labs成为新投资物种，物理智能成为独立投资主线，主权AI工厂将算力包装为国家级资产；总体而言，AI竞争的不再只是模型性能，而是权重、资本与规则话语权的掌控权。作为延展，文中也回顾了6月、5月的报告要点，强调受控发布期、AI OS、词元经济、代码Agent、具身智能等趋势与创新点。
🏷️ #AI趋势 #物理智能 #治理监管 #资本投融资 #产业格局
🔗 原文链接
📰 [东吴证券]：汽车行业深度报告：AI系列深度23期：智能驾驶的表征演进 - 发现报告
物理AI与数字AI的根本差异在于表征获取方式。物理世界输入缺乏天然通用的token化方案，需要先构建三维物理空间的可学习表征，才能进入规划、控制和行动。以智能驾驶为例，其表征演进可概括为五个阶段：原始像素、BEV/VectorNet、Occupancy、multimodal Token和潜在状态。原始像素端到端简单但缺乏结构约束；BEV+Transformer与矢量化VectorNet是同等级的两条并行路线，前者将多摄像头信息统一到鸟瞰三维空间，后者将道路与参与者抽象成数学对象；Occupancy关切空间占据而非仅识别类别；多模态Token连接视觉、语言与动作；潜在状态把世界压缩成可预测的潜在空间。物理AI的tokenizer本质是重型编码网络，离散化与嵌入非预先给定，而是通过网络学习获得，因此工程门槛高于数字AI。当前公司路径虽各有侧重，但共同趋势是从目标级识别走向空间级理解，再走向潜在状态预测；多种表征将长期共存，服务于感知、预测、仿真和规划的不同层次需求。世界模型或成为关键手段，在自监督环境下预测未来状态、生成场景以形成统一的物理表征，进而提升在无标注情境中的学习效果。竞争壁垒正由单点感知提升到将物理世界嵌入可预测的潜在空间。整体看，物理AI将成为对物理世界的AI解决方案，智能驾驶作为闭环最先落地的场景，应成为重点关注方向。
🏷️ #物理AI #表征演进 #智能驾驶 #世界模型 #潜在状态
🔗 原文链接
📰 [东吴证券]：汽车行业深度报告：AI系列深度23期：智能驾驶的表征演进 - 发现报告
物理AI与数字AI的根本差异在于表征获取方式。物理世界输入缺乏天然通用的token化方案，需要先构建三维物理空间的可学习表征，才能进入规划、控制和行动。以智能驾驶为例，其表征演进可概括为五个阶段：原始像素、BEV/VectorNet、Occupancy、multimodal Token和潜在状态。原始像素端到端简单但缺乏结构约束；BEV+Transformer与矢量化VectorNet是同等级的两条并行路线，前者将多摄像头信息统一到鸟瞰三维空间，后者将道路与参与者抽象成数学对象；Occupancy关切空间占据而非仅识别类别；多模态Token连接视觉、语言与动作；潜在状态把世界压缩成可预测的潜在空间。物理AI的tokenizer本质是重型编码网络，离散化与嵌入非预先给定，而是通过网络学习获得，因此工程门槛高于数字AI。当前公司路径虽各有侧重，但共同趋势是从目标级识别走向空间级理解，再走向潜在状态预测；多种表征将长期共存，服务于感知、预测、仿真和规划的不同层次需求。世界模型或成为关键手段，在自监督环境下预测未来状态、生成场景以形成统一的物理表征，进而提升在无标注情境中的学习效果。竞争壁垒正由单点感知提升到将物理世界嵌入可预测的潜在空间。整体看，物理AI将成为对物理世界的AI解决方案，智能驾驶作为闭环最先落地的场景，应成为重点关注方向。
🏷️ #物理AI #表征演进 #智能驾驶 #世界模型 #潜在状态
🔗 原文链接
📰 券商观点|汽车行业深度报告：AI系列深度24期：世界模型作为“数据工厂”
本文梳理了AI分为数字AI与物理AI的差异及其数据范式转变。数字AI以互联网上已沉淀的文本、代码、图像等为训练语料，核心在于抓取、过滤和压缩现有数据；而物理AI则需在现实场景中构造稀缺且成本高昂的长尾、极端和事故样本，故数据范式需要由被动抓取转向主动制造。世界模型的发展从车端预测逐步扩展至云端数据工厂，形成合成训练数据的来源，能够在云端生成未观测场景与新样本，提升Corner Case的密度与覆盖度，但生成式世界模型也存在分布偏离、长时域等带来的物理不一致与目标漂移等风险，因此需通过外生受控生成和内生问题驱动生成等手段来约束与提升样本有效性与物理可信度。总体而言，数字AI的底座模型在确定性方面已有清晰路径，而要实现对物理世界的完整建模闭环，物理AI将成为更具增量意义的方向，智能驾驶作为最先跑通闭环的代表场景值得重点关注。
🏷️ #AI #物理AI #世界模型 #智能驾驶
🔗 原文链接
📰 券商观点|汽车行业深度报告：AI系列深度24期：世界模型作为“数据工厂”
本文梳理了AI分为数字AI与物理AI的差异及其数据范式转变。数字AI以互联网上已沉淀的文本、代码、图像等为训练语料，核心在于抓取、过滤和压缩现有数据；而物理AI则需在现实场景中构造稀缺且成本高昂的长尾、极端和事故样本，故数据范式需要由被动抓取转向主动制造。世界模型的发展从车端预测逐步扩展至云端数据工厂，形成合成训练数据的来源，能够在云端生成未观测场景与新样本，提升Corner Case的密度与覆盖度，但生成式世界模型也存在分布偏离、长时域等带来的物理不一致与目标漂移等风险，因此需通过外生受控生成和内生问题驱动生成等手段来约束与提升样本有效性与物理可信度。总体而言，数字AI的底座模型在确定性方面已有清晰路径，而要实现对物理世界的完整建模闭环，物理AI将成为更具增量意义的方向，智能驾驶作为最先跑通闭环的代表场景值得重点关注。
🏷️ #AI #物理AI #世界模型 #智能驾驶
🔗 原文链接
📰 2026年AI行业月度观察报告（7月期）
2026年7月的全球AI产业正从数字智能迈向物理智能，进入从理解世界到创造世界的阶段。报告指出竞争焦点正从单纯的模型性能转向对权重、资本与规则话语权的综合较量，体现出技术、产品、资本与治理等多维度的系统性升级。技术端多条主线并行推进，物理智能、世界模型、社会智能与图工程共同发展，语言模型的“全局工作空间”等发现为审计提供新入口；产品端开源与闭源差距缩小，围绕模型蒸馏及潜在制裁的讨论升温，治理端加大对可控性与防作弊的监管力度。资本端，具身智能的融资热度上升，循环融资结构逐渐成为定价因素，ARR、订单与实际收入的重要性上升，产业格局出现新变量如Neo Labs与主权AI工厂。总体判断包括：12个月内开源权重对闭源API定价的压缩效应、融资循环下市值成为生产要素、世界模型与物理智能将与语言模型合成成为新技术线、中国基座模型的调用量上升推动图工程阶段、以及AI进入物理世界成为必然的交汇点。未来AI竞争将取决于谁能掌握权重、资本与规则话语权。
🏷️ #AI发展 #物理智能 #世界模型 #图工程 #监管
🔗 原文链接
📰 2026年AI行业月度观察报告（7月期）
2026年7月的全球AI产业正从数字智能迈向物理智能，进入从理解世界到创造世界的阶段。报告指出竞争焦点正从单纯的模型性能转向对权重、资本与规则话语权的综合较量，体现出技术、产品、资本与治理等多维度的系统性升级。技术端多条主线并行推进，物理智能、世界模型、社会智能与图工程共同发展，语言模型的“全局工作空间”等发现为审计提供新入口；产品端开源与闭源差距缩小，围绕模型蒸馏及潜在制裁的讨论升温，治理端加大对可控性与防作弊的监管力度。资本端，具身智能的融资热度上升，循环融资结构逐渐成为定价因素，ARR、订单与实际收入的重要性上升，产业格局出现新变量如Neo Labs与主权AI工厂。总体判断包括：12个月内开源权重对闭源API定价的压缩效应、融资循环下市值成为生产要素、世界模型与物理智能将与语言模型合成成为新技术线、中国基座模型的调用量上升推动图工程阶段、以及AI进入物理世界成为必然的交汇点。未来AI竞争将取决于谁能掌握权重、资本与规则话语权。
🏷️ #AI发展 #物理智能 #世界模型 #图工程 #监管
🔗 原文链接
📰 物理AI重塑智驾-钛媒体官方网站
2026年被称为物理AI元年，智能驾驶正从数字AI向物理AI跃迁，技术路线从模仿走向超越，行业进入新发展阶段。文章梳理了从早期模块化、规则算法到端到端、再到VLA（视觉-语言-行动）与世界模型的演进，强调端到端解决了黑箱问题，但在可解释性与追溯性上仍存挑战，因此业界转向VLA+世界模型的深度融合，以实现对环境的理解与对物理世界的预测。特斯拉的FSD V14、西云等新版本推动了两大路径的融合成为主流趋势：以WA（World-Action）为核心的世界模型、以VLA提升语义理解，两者相辅相成，形成更具物理感知与决策执行的一体化系统。未来五年行业将以底座模型为核心，谁掌握对物理世界的理解与行动能力，谁就掌握价值链主导权。尽管全球领先企业都在加速算力与数据积累，真正的物理AI自动驾驶仍需大量真实世界数据与高算力支持，距离完全的终极形态尚有距离。
🏷️ #物理AI #自动驾驶 #VLA #世界模型 #端到端
🔗 原文链接
📰 物理AI重塑智驾-钛媒体官方网站
2026年被称为物理AI元年，智能驾驶正从数字AI向物理AI跃迁，技术路线从模仿走向超越，行业进入新发展阶段。文章梳理了从早期模块化、规则算法到端到端、再到VLA（视觉-语言-行动）与世界模型的演进，强调端到端解决了黑箱问题，但在可解释性与追溯性上仍存挑战，因此业界转向VLA+世界模型的深度融合，以实现对环境的理解与对物理世界的预测。特斯拉的FSD V14、西云等新版本推动了两大路径的融合成为主流趋势：以WA（World-Action）为核心的世界模型、以VLA提升语义理解，两者相辅相成，形成更具物理感知与决策执行的一体化系统。未来五年行业将以底座模型为核心，谁掌握对物理世界的理解与行动能力，谁就掌握价值链主导权。尽管全球领先企业都在加速算力与数据积累，真正的物理AI自动驾驶仍需大量真实世界数据与高算力支持，距离完全的终极形态尚有距离。
🏷️ #物理AI #自动驾驶 #VLA #世界模型 #端到端
🔗 原文链接
📰 物理AI重塑智驾-证券之星
本文梳理了从“看见什么做什么”到“想象接下来会发生再主动行动”的物理AI浪潮对智能驾驶的深刻影响。随着终端端到端、VLA（视觉-语言-行动）与世界模型等路线的崛起，智能驾驶正从依赖规则和高精地图的模块化系统，逐步走向具有可解释性与预测能力的统一智能体。2024-2025年国内外先后落地的一段式端到端、VLA与世界模型的融合，促使特斯拉、华为、蔚来、小鹏、理想等厂商将底座模型作为核心支撑，推动自动驾驶、座舱及机器人等多场景的技术协同。行业共识逐步形成：VLA提供理解能力，世界模型增强对物理世界的预测，二者的深度融合被视为未来的主流方向，甚至可能超越人类驾驶。与此同时，算力与数据规模成为关键瓶颈，头部企业正在通过大规模算力投入与海量真实数据积累，提升物理AI的落地能力。尽管如此，真正的物理AI形态尚未到来，仍需解决“从理解到行动”的完整闭环与安全可控的问题。展望未来，物理AI在五年内有望成为行业普遍的核心底座，推动自动驾驶进入更高水平的智能时代。
🏷️ #物理AI #世界模型 #VLA #端到端 #自动驾驶
🔗 原文链接
📰 物理AI重塑智驾-证券之星
本文梳理了从“看见什么做什么”到“想象接下来会发生再主动行动”的物理AI浪潮对智能驾驶的深刻影响。随着终端端到端、VLA（视觉-语言-行动）与世界模型等路线的崛起，智能驾驶正从依赖规则和高精地图的模块化系统，逐步走向具有可解释性与预测能力的统一智能体。2024-2025年国内外先后落地的一段式端到端、VLA与世界模型的融合，促使特斯拉、华为、蔚来、小鹏、理想等厂商将底座模型作为核心支撑，推动自动驾驶、座舱及机器人等多场景的技术协同。行业共识逐步形成：VLA提供理解能力，世界模型增强对物理世界的预测，二者的深度融合被视为未来的主流方向，甚至可能超越人类驾驶。与此同时，算力与数据规模成为关键瓶颈，头部企业正在通过大规模算力投入与海量真实数据积累，提升物理AI的落地能力。尽管如此，真正的物理AI形态尚未到来，仍需解决“从理解到行动”的完整闭环与安全可控的问题。展望未来，物理AI在五年内有望成为行业普遍的核心底座，推动自动驾驶进入更高水平的智能时代。
🏷️ #物理AI #世界模型 #VLA #端到端 #自动驾驶
🔗 原文链接
📰 [东吴证券]：汽车行业深度报告AI系列深度13期：世界模型如何实现？ - 发现报告
世界模型源于认知科学、系统动力学和模型式强化学习等三条独立脉络，核心在于对环境状态及其演化规律的建模。在当下的AI语境中，世界模型指智能体内部的环境模型，用于预测行动后果、支持规划与决策。文章将世界模型的分歧拆解为四个环节：预测空间（生成观测结果还是预测抽象状态）、输出真实性（视觉真实还是物理一致）、与动作结合方式（数据工厂、闭环训练环境，还是架构级融合）、以及产业落地进度（数字AI进展快于物理AI的闭环构建）。在实现路径上，生成式路线可直接生成未来画面或视频，内部又分自回归与扩散两条路径；非生成式路线（JEPA）在抽象表征中预测下一状态。输出方面，生成式路线可采用渲染器以追求视觉真实，或模拟器以确保物理一致。落地方面，自动驾驶是最完整的闭环场景，车队回传数据、云端重建、虚拟环境训练再OTA回到车端形成数据飞轮；机器人场景需求高但仍处于早期。综合来看，数字AI底座模型的路径逐渐明朗，但难以实现对物理世界的完整建模闭环，物理AI有望成为更具增量的方向，智能驾驶将作为先行代表，需要持续验证物理一致性、长时序稳定性与评测标准的完善。整体结论是：在当前阶段，数字AI更适合实现确定性与高效推理，物理AI则具备对真实世界的更大改进潜力，智能驾驶作为闭环最深的应用场景值得重点关注。
🏷️ #世界模型 #生成式 #物理AI #自动驾驶 #JEPA
🔗 原文链接
📰 [东吴证券]：汽车行业深度报告AI系列深度13期：世界模型如何实现？ - 发现报告
世界模型源于认知科学、系统动力学和模型式强化学习等三条独立脉络，核心在于对环境状态及其演化规律的建模。在当下的AI语境中，世界模型指智能体内部的环境模型，用于预测行动后果、支持规划与决策。文章将世界模型的分歧拆解为四个环节：预测空间（生成观测结果还是预测抽象状态）、输出真实性（视觉真实还是物理一致）、与动作结合方式（数据工厂、闭环训练环境，还是架构级融合）、以及产业落地进度（数字AI进展快于物理AI的闭环构建）。在实现路径上，生成式路线可直接生成未来画面或视频，内部又分自回归与扩散两条路径；非生成式路线（JEPA）在抽象表征中预测下一状态。输出方面，生成式路线可采用渲染器以追求视觉真实，或模拟器以确保物理一致。落地方面，自动驾驶是最完整的闭环场景，车队回传数据、云端重建、虚拟环境训练再OTA回到车端形成数据飞轮；机器人场景需求高但仍处于早期。综合来看，数字AI底座模型的路径逐渐明朗，但难以实现对物理世界的完整建模闭环，物理AI有望成为更具增量的方向，智能驾驶将作为先行代表，需要持续验证物理一致性、长时序稳定性与评测标准的完善。整体结论是：在当前阶段，数字AI更适合实现确定性与高效推理，物理AI则具备对真实世界的更大改进潜力，智能驾驶作为闭环最深的应用场景值得重点关注。
🏷️ #世界模型 #生成式 #物理AI #自动驾驶 #JEPA
🔗 原文链接
📰 [东吴证券]：汽车行业深度报告：AI系列深度01期：从数字AI通用底座到物理AI真实世界闭环 - 发现报告
数字AI已在语言、视觉与多模态任务中实现通用底座，但难以直接完成对物理世界的建模与闭环。物理AI将通过“感知—行动—反馈—优化”的连续、实时与安全约束下的闭环，逐步与数字AI并列成为实际场景的解法。两者在技术源头上存在共性，因此回顾数字AI的发展脉络有助于预测物理AI的演进路径。早期以CNN、RNN为代表的专用架构推动AI第一次爆发，随后Transformer凭借注意力机制与规模效应成为跨领域通用底座，促成语言、视觉及多模态的统一模型趋势。当前物理AI面临三大差异：缺乏天然Token需自建物理表征、极端场景稀缺且采集成本高、模仿学习受限于人类驾驶上限需靠强化学习持续试错，因此世界模型被认为更贴合物理AI的发展方向。随着世界模型与强化学习闭环的成熟，以及云端到车端的落地部署，物理AI有望从展示能力走向大规模应用，成为当前阶段最具成长弹性的方向。
🏷️ #物理AI #数字AI #世界模型 #强化学习 #统一底座
🔗 原文链接
📰 [东吴证券]：汽车行业深度报告：AI系列深度01期：从数字AI通用底座到物理AI真实世界闭环 - 发现报告
数字AI已在语言、视觉与多模态任务中实现通用底座，但难以直接完成对物理世界的建模与闭环。物理AI将通过“感知—行动—反馈—优化”的连续、实时与安全约束下的闭环，逐步与数字AI并列成为实际场景的解法。两者在技术源头上存在共性，因此回顾数字AI的发展脉络有助于预测物理AI的演进路径。早期以CNN、RNN为代表的专用架构推动AI第一次爆发，随后Transformer凭借注意力机制与规模效应成为跨领域通用底座，促成语言、视觉及多模态的统一模型趋势。当前物理AI面临三大差异：缺乏天然Token需自建物理表征、极端场景稀缺且采集成本高、模仿学习受限于人类驾驶上限需靠强化学习持续试错，因此世界模型被认为更贴合物理AI的发展方向。随着世界模型与强化学习闭环的成熟，以及云端到车端的落地部署，物理AI有望从展示能力走向大规模应用，成为当前阶段最具成长弹性的方向。
🏷️ #物理AI #数字AI #世界模型 #强化学习 #统一底座
🔗 原文链接
📰 汽车行业深度报告：AI系列深度03期：数字AI与物理AI的边界在哪里？
本报告将数字AI和物理AI视为在数据形态、部署环境与行动后果上连续分布的两类AI体系，强调它们并非完全对称的二分概念。数字AI依赖云端、面向文本、代码、知识与软件状态，核心在于训练期的扩展与推理期的算力提升，商业化已在AI编码、企业级Agent、对话搜索及内容生成等场景形成较清晰的收费与闭环；而物理AI聚焦车辆、机器人与真实空间，需在端侧自主、安全与实时反馈下运行，且对潜在的不可逆物理后果更为敏感。产业演进方面，数字AI在可控性与确定性方面逐步建立底座，难以在物理世界直接建模闭环；物理AI以自动驾驶、机器人为先，经历从高精地图、激光雷达到端到端、世界模型的迭代，世界模型的角色分歧在于是以像素重建为核心还是以理解、规划与物理闭环控制为主。两类AI的融合趋势日益明显，机器人被视为数字AI与物理AI的交汇点，未来可能形成多模态大模型负责语义与规划、世界模型负责物理预测、控制系统负责执行的联合架构，但具体优先级仍未定论。就区域格局而言，美国在前沿模型、资本与无人里程方面领先，中国在规模化运营、供应链、硬件成本及部分应用落地具备优势。投资关注点聚焦智能驾驶等物理闭环代表场景的落地与成本效益，以及对世界模型、控制系统的协同创新。
🏷️ #AI #数字AI #物理AI #自动驾驶 #机器人
🔗 原文链接
📰 汽车行业深度报告：AI系列深度03期：数字AI与物理AI的边界在哪里？
本报告将数字AI和物理AI视为在数据形态、部署环境与行动后果上连续分布的两类AI体系，强调它们并非完全对称的二分概念。数字AI依赖云端、面向文本、代码、知识与软件状态，核心在于训练期的扩展与推理期的算力提升，商业化已在AI编码、企业级Agent、对话搜索及内容生成等场景形成较清晰的收费与闭环；而物理AI聚焦车辆、机器人与真实空间，需在端侧自主、安全与实时反馈下运行，且对潜在的不可逆物理后果更为敏感。产业演进方面，数字AI在可控性与确定性方面逐步建立底座，难以在物理世界直接建模闭环；物理AI以自动驾驶、机器人为先，经历从高精地图、激光雷达到端到端、世界模型的迭代，世界模型的角色分歧在于是以像素重建为核心还是以理解、规划与物理闭环控制为主。两类AI的融合趋势日益明显，机器人被视为数字AI与物理AI的交汇点，未来可能形成多模态大模型负责语义与规划、世界模型负责物理预测、控制系统负责执行的联合架构，但具体优先级仍未定论。就区域格局而言，美国在前沿模型、资本与无人里程方面领先，中国在规模化运营、供应链、硬件成本及部分应用落地具备优势。投资关注点聚焦智能驾驶等物理闭环代表场景的落地与成本效益，以及对世界模型、控制系统的协同创新。
🏷️ #AI #数字AI #物理AI #自动驾驶 #机器人
🔗 原文链接
📰 汽车行业深度报告：AI系列深度01期：从数字AI通用底座到物理AI真实世界闭环
数字AI已在语言、视觉与多模态任务中实现通用底座模型，但在物理世界建模闭环方面仍存在挑战。物理AI强调在真实世界中的连续、实时和安全约束下，建立感知—行动—反馈—优化的闭环，并可能与数字AI共同成为解决方案的两大方向。回顾发展史，AI的两次爆发分别由专用架构向统一底座转变，Transformer引领通用计算底座，推动跨领域的关系建模与能力迁移。如今数字AI逐步趋于统一底座，显示出确定性价值；而物理AI需要从复用数字AI能力转向弥补自身底层能力，包含生成表征的天然Token、应对长尾与极端场景、以及通过强化学习实现持续试错。当前趋势是以世界模型与强化学习为核心，结合云端与车辆端的部署，推动物理AI从能力展示走向大规模落地，成为当前阶段最具成长弹性的方向。风险包括技术迭代速度、商业化推动与云服务投入等不确定性。总体来看，物理AI与数字AI将形成并行的统一发展路径，未来智能驾驶等场景有望最先实现闭环落地。
🏷️ #AI #物理AI #数字AI #Transformer #强化学习
🔗 原文链接
📰 汽车行业深度报告：AI系列深度01期：从数字AI通用底座到物理AI真实世界闭环
数字AI已在语言、视觉与多模态任务中实现通用底座模型，但在物理世界建模闭环方面仍存在挑战。物理AI强调在真实世界中的连续、实时和安全约束下，建立感知—行动—反馈—优化的闭环，并可能与数字AI共同成为解决方案的两大方向。回顾发展史，AI的两次爆发分别由专用架构向统一底座转变，Transformer引领通用计算底座，推动跨领域的关系建模与能力迁移。如今数字AI逐步趋于统一底座，显示出确定性价值；而物理AI需要从复用数字AI能力转向弥补自身底层能力，包含生成表征的天然Token、应对长尾与极端场景、以及通过强化学习实现持续试错。当前趋势是以世界模型与强化学习为核心，结合云端与车辆端的部署，推动物理AI从能力展示走向大规模落地，成为当前阶段最具成长弹性的方向。风险包括技术迭代速度、商业化推动与云服务投入等不确定性。总体来看，物理AI与数字AI将形成并行的统一发展路径，未来智能驾驶等场景有望最先实现闭环落地。
🏷️ #AI #物理AI #数字AI #Transformer #强化学习
🔗 原文链接
📰 京东押注物理 AI，打通数字到物理世界的链路-钛媒体官方网站
在2026年的WAIC展会上，京东明确将展陈重心从数字服务转向物理世界，聚焦AI进入物理世界的落地路径。通过JoyAI大模型矩阵、具身数据全链路基础设施，以及面向家庭场景的JoyInside AI Home，京东展示了从入口到中间层再到具身智能的三层级架构：数字智能、附身智能和通用具身智能，强调在基础模型之上逐步演进，推动AI在家庭多设备、多场景下的协同响应与自主动作。JoyInside向合作品牌免费开放ASR、TTS和大模型交互能力，硬件端仅产生模组增量成本，京东零售渠道提供新品首发和售后支撑，形成“技术免费+渠道绑定”的商业模式。京东计划在两年内积累千万小时高质量具身数据，打造数据闭环以支撑模型迭代与真机验证，强调真实数据的重要性与数据质量的端到端要求。尽管具身智能尚未出现GPT-3级别的突破，行业仍在通过数据、仿真、真机三者结合提升泛化能力；硬件规模化与生态开放将成为未来竞争的关键。京东的优势在于真实的零售与物流场景数据，但在机器人制造方面仍需与专业厂商合作，未来目标是成为物理世界运营公司，推动数据、模型、算力与硬件协同发展。
🏷️ #人工智能 #物理世界 #具身智能 #JoyInside #数据闭环
🔗 原文链接
📰 京东押注物理 AI，打通数字到物理世界的链路-钛媒体官方网站
在2026年的WAIC展会上，京东明确将展陈重心从数字服务转向物理世界，聚焦AI进入物理世界的落地路径。通过JoyAI大模型矩阵、具身数据全链路基础设施，以及面向家庭场景的JoyInside AI Home，京东展示了从入口到中间层再到具身智能的三层级架构：数字智能、附身智能和通用具身智能，强调在基础模型之上逐步演进，推动AI在家庭多设备、多场景下的协同响应与自主动作。JoyInside向合作品牌免费开放ASR、TTS和大模型交互能力，硬件端仅产生模组增量成本，京东零售渠道提供新品首发和售后支撑，形成“技术免费+渠道绑定”的商业模式。京东计划在两年内积累千万小时高质量具身数据，打造数据闭环以支撑模型迭代与真机验证，强调真实数据的重要性与数据质量的端到端要求。尽管具身智能尚未出现GPT-3级别的突破，行业仍在通过数据、仿真、真机三者结合提升泛化能力；硬件规模化与生态开放将成为未来竞争的关键。京东的优势在于真实的零售与物流场景数据，但在机器人制造方面仍需与专业厂商合作，未来目标是成为物理世界运营公司，推动数据、模型、算力与硬件协同发展。
🏷️ #人工智能 #物理世界 #具身智能 #JoyInside #数据闭环
🔗 原文链接
