公司对物理AI技术的定位与价值阐述 - 公司表示物理AI是推动工业制造从“有人操作”向“无人自主”变革的核心驱动力，而非对传统技术的简单升级 [2] - 物理AI能将工业软件从辅助设计的“工具”升级为能进行智能决策的“工业大脑” [2] 物理AI相比传统技术的三大核心优势 - 具备极致的真实性：通过学习海量真实物理数据，能直接高精度还原复杂物理规律，克服传统仿真需简化假设导致结果有偏差的问题，对航空航天、无人驾驶等需“零误差”的领域至关重要 [2] - 具备颠覆性的实时性：依托GPU强大算力，能实现毫秒级数据处理和决策输出，而传统仿真计算复杂场景可能需要数小时甚至数天，例如在无人机自主避障中能瞬间分析环境并生成路径 [2] - 具备强大的自适应能力：具备自主学习能力，可根据实时采集数据动态优化算法以应对动态变化的工业场景，而传统仿真模型是固定的，例如可实时监测工业机器人状态、预测故障并自动调整参数以实现无人化运维 [2]

Gartner 2026年十大战略技术趋势核心观点 - AI技术正加速进入大众生活，一个由AI驱动、超连接的世界正走向现实，AI在企业运营中既是创新的基础，也带来了新的安全风险，使其成为2026年战略布局的绝对核心 [1] - 2023-2024年是AI的“技术引爆”阶段，核心是展示“可能性”，而2025-2026年进入规模化落地阶段，核心是交付“价值”，主要难点正从“技术问题”转向“工程问题”和“商业问题” [9][11] - 2026年的AI世界既是创新高地，也是风险的战场，安全是发展的前提，只有做好风险防范，才能让AI真正成为业务增长的催化剂 [12] AI底层技术演进与关键趋势 - AI功能持续演进，随着Agent（智能体）功能持续落地，2026年这一趋势将进一步延续并升级 [1] - 多智能体系统（Multiagent Systems）从“单打独斗”走向“团队协作”，2026年将让多个专业AI分工协作，最后汇总成统一方案，提高了任务成功率并快速适应企业需求变化 [6] - 物理AI（Physical AI）目前主要布局在完全自动驾驶汽车和机器人领域，实现方式主要关注VLA（视觉语言模型）和世界模型两条路线 [7] - 构建AI超级计算平台是关键基础，它整合CPU、GPU、NPU等多种类型计算芯片，以处理海量数据的复杂计算任务，提高计算效率和连接能力是核心 [8] 四大重点看好的技术方向 - **AI原生开发平台**：已逐渐成为现实，非技术背景员工也能借助AI工具自主开发应用，Gartner预测到2030年，80%的企业将通过此类平台将大型软件工程团队转变为更小、更敏捷的团队 [2][3] - **特定领域语言模型**：基于企业私域数据训练，使AI从“通用能力”转向“专属价值”，例如利用企业内部数据训练垂域模型，帮助员工快速解决设备故障等问题 [6] - **多智能体系统**：多个专业AI分工协作，汇总成统一方案，提高任务成功率并适应需求变化 [6] - **物理AI**：主要应用于自动驾驶和机器人，技术路线包括VLA模型和世界模型，Gartner预测到2028年，80%的仓库将使用机器人技术或自动化 [7][8] AI规模化落地阶段的新挑战 - 从“大模型”转向“对的模型”，趋势是从“模型崇拜”转向“经济实用”，企业更需在特定领域表现出色、成本更低的“小模型” [10] - 在金融、医疗等高危领域，AI落地需解决幻觉、可解释性等问题，以应对那10%的“不可靠” [10] - AI需嵌入企业现有复杂系统，但数据分散在不同“数据孤岛”，且嵌入工作流需要重构软件、重组团队、重新培训员工，是一个庞大的“变革管理”工程 [10][11] - 市场人才需求转变，2024年前最缺“算法科学家”，从2025年起最缺“AI产品经理”和“AI应用工程师” [11] AI驱动的安全威胁与防御趋势 - AI驱动的攻击在速度和复杂性上增长，如深度伪造和“量身定制”的钓鱼邮件 [11] - 前置式主动网络安全成为2026年重要技术，核心在于运用AI驱动的安全运营、程序化阻断与欺骗技术在攻击者行动前实施干预 [11] - Gartner预测，到2030年，前置式主动防御解决方案将占到企业安全支出总额的一半 [12] - AI安全平台为第三方及定制AI应用提供统一防护，Gartner预测到2028年，使用该平台保护AI投资的企业比例将达到50%以上 [12]

文章核心观点 - 2026年将成为人工智能发展的关键分水岭，AI将从“AI+”的修补模式，演进为AI原生重构系统底层逻辑、物理AI打通虚拟与现实、多模态技术融合以及世界模型实现规律预判的深度变革阶段 [1] AI原生引发系统应用底层革命 - AI原生意味着以AI为系统设计的底层逻辑与能力中枢，驱动从技术架构、业务流程、组织角色到价值创造方式的全方位重塑，是AI未来发展的关键方向 [3] - AI原生架构与传统“AI+”架构存在根本差异：设计起点从现有业务流程转向AI能力边界；数据流向从业务系统抽取数据给AI模型，转变为数据实时流入AI中枢驱动业务；系统角色从“辅助工具”转变为“决策引擎”；迭代速度从月级提升至天级 [4] - 真正的AI原生系统具备三个显著特征：以自然语言交互为基础，实现GUI与LUI混合；具备自主学习和适应能力，能根据上下文和环境变化调整输出；具备基于大语言模型和知识库自主完成任务的能力，实现端到端闭环 [4][5] - AI原生开发平台趋势明确，低代码/无代码工具催生大量“一人公司”模式，巨头正将AI智能体深度嵌入办公套件实现端到端闭环 [8] - AI原生应用大规模普及的前提是具备完善的工具和框架体系，如部署管理大模型的Hub平台、自动化微调工具、知识图谱管理工具等，产品化工具的积累是其快速普及的关键 [8] - 在办公场景，AI原生应用可将知识工作者的重复劳动时间减少40%以上，2026年AI原生是To C端最确定的增量市场，其核心竞争力在于对用户习惯的重构 [8] - AI原生应用的技术架构、工具产品及方法论将在1~2年内演进并达到可大规模复用的成熟度，之后全面爆发，短期内“AI原生应用”与“传统应用+AI”将共存 [9] 物理AI向现实世界全面渗透 - 2026年的AI将以物理实体形态渗透到城市、工厂、医院、家庭等场景，实现从“感知”到“行动”的跨越，即物理AI [10] - AI发展经历三阶段：感知AI（理解图像、文字、声音）、生成式AI（创造文本、图像、声音），现在正进入物理AI时代，AI能够进行推理、计划和行动 [10][11] - 物理AI的技术基础建立在三个关键组件之上：世界模型（构建对三维空间及物理定律的理解）、物理仿真引擎（实时计算复杂物理交互）、具身智能控制器（生成具体控制指令） [11][12] - 物理AI成为主流趋势的原因：一是机器人、无人系统等智能设备的物理交互需求驱动，要求AI具备在真实环境中稳定、泛化的感知、理解与执行能力；二是AI技术演进加速赋能物理实体 [14] - IDC预测，到2026年，AI模型、视觉系统及边缘计算的进步将使机器人可实现的应用场景数量增加3倍，并在制造、物流、医疗、服务等多个领域广泛部署 [14] 多模态将成为AI基础能力 - 2025年，多模态大模型以强大的跨模态理解和推理能力，成为推动产业智能化升级和社会数字化转型的中坚力量 [15] - 多模态大模型能同时处理文本、图像、音频、视频、3D模型等多种数据类型，实现信息的深度融合与推理 [15] - 其能力体系围绕“跨模态理解”与“跨模态生成”两大核心构建：理解方面包括语义匹配、文档智能解析、多模态内容深层解读；生成方面可实现文本、图像、音频、视频等不同模态内容的相互生成 [15][16] - 多模态大模型还展现出多模态思维链和上下文学习等高级认知能力，为构建更接近人类认知方式的AI系统奠定了基础 [16] - 原生多模态技术路线成为重要进化方向，即在训练之初就将多种模态数据嵌入同一个共享的向量表示空间，实现不同模态间的自然对齐与无缝切换，无需文本中转 [16] - 2026年，多模态大模型将以前所未有的速度重塑各行各业，已在文物保护、安防、智能驾驶、内容创作、工业质检、政务服务等领域展现出巨大价值，正从实验探索迈向实际应用 [17] - 技术案例如Sora 2在视频与音频生成上实现物理逼真、镜头控制、音效同步等突破；Nano Banana Pro在图像生成与编辑方面支持多图融合、4K输出等 [17] 世界模型引爆AI新一轮增长 - 世界模型让AI从“数据驱动”转向“规律驱动”，通过构建虚拟世界模型模拟物理规则实现前瞻性决策，是2026年最具颠覆性和挑战性的领域 [19][21] - 世界模型的价值在于“泛化能力”，能够将已知场景的认知迁移到未知场景，例如让自动驾驶系统在未见过道路上基于物理规律理解安全行驶 [22] - 世界模型是一种能够对现实世界环境进行仿真，并基于多模态输入数据生成视频、预测未来状态的生成式AI模型，是AI系统对现实世界的“内在理解”和“心理模拟” [22] - 与大语言模型相比，世界模型的主要数据是感知数据、模拟数据和遥测数据；架构是编码器加潜在动态的混合架构；目标是预测环境状态以支持决策；训练范式是自监督或强化学习；应用集中于机器人、控制、模拟等领域；认知基础是物理性和因果性 [24] - 世界模型具有三大核心特点：内在表征与预测，能将高维观测数据编码为低维潜在状态并预测未来状态；物理认知与因果关系，能理解和模拟重力、摩擦力等物理规律；反事实推理能力，能进行假设性思考 [24][25] - 技术层面关键包括因果推理、场景重建时空一致性、多模数据物理规则描述等，全球主流模型有谷歌Genie3、英伟达COSMOS，国内有华为盘古、蔚来NWM等 [25] - 在自动驾驶领域，世界模型可生成高动态、高不确定性场景解决长尾问题，通过闭环反馈机制降低成本、提升效率，案例如蘑菇车联MogoMind实现实时数字孪生与深度理解服务 [25] - 在具身智能中，世界模型能提供大规模高质量合成数据解决数据缺口，并重塑开发范式，未来将构建“物理+心智”双轨建模架构 [26]

未来五年核心投资主题 - 未来5年值得关注的五大投资主题包括科技、金属与采矿业、激情投资、东盟与中国市场、生物科技[9] - 科技类股票当前估值普遍较高[9] - 金属与采矿业可能出现短缺，相关企业有望迎来爆发式增长[9] - 激情投资标的为供给无法扩张的资产，在创新密集时期价格往往大幅上涨[9] - 亚洲股票或将成为优质投资标的[9] - 生物科技领域极具潜力且目前估值不高[9] AI技术发展趋势 - 创新数量呈现指数级增长，核心驱动力是AI，已预测到约4000项新技术[11] - 2019年至2023年AI有效算力增长10万倍，预计2023年至2028年维持此增速[13] - GPT-5预计将达到博士水平，到2028年AI将成为真正的“创新者”[13][15] - Hugging Face平台已上线超过200万个AI工具，大部分免费[17] - 未来社会大部分利润将来自生成式AI而非大语言模型[19] - 生成式AI的落地应用能构建品牌忠诚度、网络效应、核心专利等商业壁垒[20] AI应用场景与影响 - 推理型AI更像学者思维模式，未来将有数百甚至数千种专用模型供选择[23] - 到2027-2028年物理AI将形成大众市场，中国在机械制造领域有显著优势[24] - 预测到2050年99.9%的学术及脑力工作、80%的体力工作将由智能机器完成[24] - 个人AI将深度了解用户需求，扮演教练、激励者、教育者等多重角色[24] - 创新型AI到2028年可根据抽象目标自主推进工作，创建完全自主运营的企业[25] - 量子AI预测在2033年左右实现商业化，处理速度比顶级计算机快数百万倍[25] 金属与采矿业前景 - 部分金属价格需上涨460%才能回升至2010-2011年峰值[31] - 铀矿前景明朗，回升至历史峰值涨幅可达225%，目前已供不应求[31] - 银、铂等金属面临类似供需格局，铜的短缺尤为突出[31] 亚洲市场投资机会 - 中国在全球62项未来关键技术中，有57项技术位居第一[36] - 2025年全球创新指数中国升至第10位，GDP有望实现4倍增长[36] - 东盟市场远期市盈率平均11倍，盈利增速约10%，越南升级新兴市场可能推动股市上涨30%[36] - 中国股市处于历史区间低位，居民存款规模是股市市值的2倍，大量资金可投入股市[36][37] - 中国股市股息率已超过10年期国债收益率，形成坚实“安全垫”[38] 生物科技领域潜力 - 生物科技ETF市盈率约为10-11倍，估值温和[40] - AI显著降低研发成本加快速度，AI发现分子数量呈指数级增长[40] - 该领域将涌现全基因组测序、脑机接口、癌症疫苗等新产品和服务[42] 能源发展趋势 - 美国企业为AI数据中心配备独立本地电源，短期使用燃气轮机，计划转向核能[57] - 小型模块化反应堆可批量生产，中国已建成钍基反应堆试验项目，钍能满足全球10万年能源需求[57] - 核聚变是终极梦想，全球约40个反应堆试验，预测15年后商业化，美国Helion公司目标2028年为微软供电[58][59]

公司概况与领导团队 - 杰夫·贝索斯卸任亚马逊CEO四年后，以61岁年龄重返运营一线，与物理学家维克·巴贾伊共同出任AI初创公司“普罗米修斯项目”联合首席执行官 [1] - 公司已获得62亿美元融资，部分资金来自贝索斯个人，使其成为全球资金最充裕的早期初创企业之一 [1] - 联合首席执行官维克·巴贾伊是兼具物理学与化学背景的资深专家，曾在谷歌Moonshot X实验室与谢尔盖·布林合作，并于2015年参与创立研究机构Verily，三年后又联合创办孵化器Foresite Labs [3] 公司定位与核心技术 - 公司核心定位是“物理AI”，即能够感知、理解并与真实物理世界交互的智能系统，专注于“面向物理经济的AI” [3] - 主攻方向是为计算机、航空航天和汽车等领域的工程与制造提供AI解决方案 [3] - 工作方式可能类似Periodic Labs，即自建实验室并部署机器人运行大规模科学实验，通过分析物理试错产生的海量数据训练AI模型，单个材料科学实验可能生成数GB数据 [7] 团队建设与运营策略 - 公司已悄然组建一支近100人的团队，其中包括从OpenAI、DeepMind和Meta等顶尖AI公司挖来的研究人员 [5] - 贝索斯将亚马逊的管理哲学带入公司，包括对细节的极致追求、数据驱动的决策方式以及“Day 1”理念 [5] - 公司目前仍处于隐匿模式，总部所在地未公开，但其业务重点与蓝色起源的太空探索目标高度契合，可能产生深度协同效应 [7] 行业背景与战略布局 - 贝索斯对物理AI领域的布局是系统性的，去年参与了机器人AI公司Physical Intelligence的4亿美元融资轮，今年9月又成为Periodic Labs种子轮投资者之一，该公司获得3亿美元融资 [6] - 通过投资公司Bezos Expeditions，还注资了多家机器人和AI初创企业，包括Skild AI、Figure AI等，正在构建完整的技术生态 [7] - 贝索斯认为AI真正的变革力量要回归物理世界，指出存在“产业泡沫”而非金融泡沫，并将其与上世纪90年代的生物技术泡沫类比 [7] 市场竞争格局 - 贝索斯重返CEO岗位引发埃隆·马斯克调侃，两人在AI、太空探索和电动汽车等多个赛道存在直接竞争 [8] - 竞争历史包括：贝索斯于2000年创立蓝色起源，马斯克则在2002年创办SpaceX；亚马逊的Kuiper卫星互联网项目与SpaceX的Starlink形成正面竞争 [8]

报告投资评级 - 行业投资评级为看好 [3] 报告核心观点 - AI基础设施（AI Infra）作为AI产业链的"卖铲人"，受益于技术迭代、行业渗透及客户绑定，成长确定性高 [4] - 物理AI是人工智能的下一个浪潮，是让AI走向现实世界的系统性工程，融合空间智能及世界模型，其产业链已形成清晰的价值分布 [4][23] - AI进入推理时代，Infra市场规模快速增长，2025年中国AI Infra平台市场规模预计同比增长超86%，达到36.1亿元 [11] AI Infra（人工智能基础设施）总结 - AI Infra是支撑AI模型训练与推理的底层软硬件系统，涵盖算力、存储、网络、软件中间件等环节 [4][6] - 当前AI进入推理时代，算力需求向多租户、弹性调度演进，算力销售从"整租"走向"零售" [4][13] - 核心软件聚焦容器编排、MLOps平台等领域，自研难度差异较大，为以上三类参与者（MaaS平台厂商、AI公有云提供商、企业自建）提供服务支持 [4][14] - 国内AI Infra核心参与者包括互联网厂商（阿里云、字节跳动）、企业级云厂商（华为云、天翼云、云轴科技）、大模型厂商（零一万物、智谱）、人工智能软件厂商（第四范式）、大数据软件厂商（拓尔思）及初创企业（潞晨科技、无问芯穹） [21][22] 物理AI总结 - 物理AI是让AI走向现实世界的系统性工程，其结构可简化为"空间智能（感知基座）——世界模型（认知及决策中枢）——物理AI（系统整合载体）" [4][25] - 物理AI的实现依赖于三大技术支柱的协同作用：世界模型（构建对三维空间的完整理解）、物理仿真引擎（实时计算物理交互）、具身智能控制器（连接虚拟推理和物理执行的桥梁） [27] - 英伟达凭借硬件优势及前瞻性布局，构建了最为完整的物理AI技术栈，核心是世界基础模型Cosmos，并已建立相对完整的使用流程（构建虚拟3D环境、生成合成数据、训练验证、部署） [31][36][37][38][39] - 物理AI最核心的应用领域在于数字孪生（实体资产和流程的虚拟映射）以及智能驾驶及具身智能 [40][41] - 在智能驾驶及具身智能领域，模型方案存在端到端模型、视觉-语言-动作模型（VLA）及世界模型三种路径的竞争，各有优劣 [47][48][49][51] 物理AI产业链梳理 - 芯片及控制器：英伟达基于Blackwell架构推出Jetson AGX Thor（专注于机器人与物理AI）和DRIVE Thor（专注于智能驾驶），Jetson Thor的AI计算能力是上一代Orin的7.5倍，最高达2070 TFLOPS（FP4） [53][55][56] - 数据供应：符合物理规律的高质量数据是训练前提，获取途径包括现实世界采集和利用生成式模型生成 [57] - 模型和算法：参与者包括全球科技巨头（英伟达、谷歌）、专注于空间智能与世界模型的第三方平台、第三方算法解决方案提供商（如Momenta）以及整机厂自研 [58][60][61] - 落地和应用：解决方案服务商的核心竞争壁垒体现在对垂直行业的深度理解与知识积累，通过提供端到端的解决方案建立客户粘性 [62] 重要公司更新总结 - 第四范式：2025Q1-3总收入44.02亿元，同比增长37%；2025Q3单季度收入17.76亿元，同比增长31%，首次实现单季度盈利；先知AI平台收入36.92亿元，同比增长70%，占比提升至84%；标杆客户数量103个，ARPU达2549万元，同比增长71% [63][65][66] - 粉笔：AI笔试刷题班和冲刺班进展超预期，预计11月提前完成20万销售人次的全年目标；AI面试刷题班即将上线，有望提供第二增长曲线；未来AI产品规划清晰，包括AI老师、AI系统班、AI硬件、全用户AI助手 [67][68][70]

文章核心观点 - AI正从技术工具全面渗透为业务核心驱动力，呈现出架构师、协调者、哨兵三大主题 [1] - 2026年十大战略技术趋势重点聚焦于八大新兴方向，涵盖AI原生开发、多智能体系统、物理AI等关键领域 [1] AI原生开发平台 - AI原生开发平台是下一代软件工程核心，通过自然语言提示词直接生成完整应用或辅助编写代码，实现“氛围编程” [2] - 市场上已出现一键生成前后端网站的工具及集成AI的IDE开发环境，部分技术公司20%–40%的代码由AI生成 [2] - AI正在重构软件开发本质，其价值更多体现在模块化、标准化任务的自动化上，难以独立完成复杂系统重写 [2] AI超级计算平台 - AI超算平台作为未来算力底座，呈现混合AI算力与算力调度两大特征，以应对模型规模与数据量激增带来的指数级算力需求 [3] - 云端与终端芯片协同工作，NVQLink和CUDA-Q等技术实现量子计算与经典超算的联动，形成跨架构任务调度能力 [3] - 中国企业推出“超节点”技术，通过堆叠AI芯片实现算力聚合，是地缘政治背景下的务实选择 [7] 多智能体系统 - 多智能体系统通过“分而治之”将复杂任务拆解，由不同智能体分工协作再整合结果，解决单智能体可靠性低、成功率随步骤骤减的问题 [8] - 案例包括贝塔斯曼的跨业务内容检索和GitHub上用于股票分析的开源多智能体项目 [8] - 多智能体是AI从“工具”走向“协作者”的关键一步，未来企业AI架构或将出现“智能体中台” [9] 特定领域语言模型 - 企业级AI项目失败率高达95%，核心问题在于通用大模型“不懂业务” [10] - 特定领域语言模型通过行业数据再训练成为解决之道，使AI从“通才”走向“专才” [10] - 企业需投入数据治理与领域训练，否则将陷入“有模型无智能”的局面 [10] 物理AI - 物理AI指能与现实世界交互的AI系统，主要应用于自动驾驶与机器人，技术路径包括VLA模型和“世界模型” [11] - 特斯拉、蔚来等车企正积极布局能理解物理规律、进行预测与规划的“世界模型” [11] - 物理AI是AI与实体经济融合的桥梁，将在制造业、物流、医疗等领域逐步替代重复性劳动 [11] 前置式主动网络安全 - AI驱动的攻击如“氛围黑客攻击”可自动化完成漏洞探测、钓鱼攻击甚至勒索软件生成，降低了黑客门槛 [12] - 前置式主动网络安全系统应运而生，包括预测性威胁情报、自动移动目标防御等技术 [12] - 企业需建立“预测-响应-欺骗”三位一体的主动安全体系，而非依赖静态防御 [14] 数字溯源 - 数字溯源通过建立软件SBOM、模型MLBOM等清单体系，追踪组件来源与安全性，以应对软件供应链攻击 [15] - AI生成内容的水印与标识技术正在逐步标准化 [15] - 中国在AI内容标识方面的法规实践值得行业关注 [16] 地缘回迁 - 地缘政治风险促使企业将数据与应用从全球公有云迁移至本土“主权云”，欧洲企业受影响最深 [17] - 中国早在信创与国产化替代中布局，DeepSeek为适配国产芯片支持特定数据格式，标志中国AI生态逐步闭环 [17] - 中国企业需在自主可控与全球协作之间找到平衡点，避免陷入“技术孤岛” [17] 延续性趋势与重点方向 - “机密计算”通过可信执行环境保护使用中数据，“AI安全平台”防范提示词注入、模型越狱等新型攻击，共同构成AI时代“安全双翼” [18] - 物理AI、AI原生开发平台、特定领域语言模型、多智能体系统是最值得中国企业在未来一年关注的四大重点趋势 [18] - 企业应避免盲目追逐技术热点，聚焦于将AI嵌入业务流程、具备护城河及形成生态协同，在制造业场景中可结合“组合式AI”实现投入与效果平衡 [18]

事件概述 - 英伟达中国开发者日活动将于2025年11月14日在苏州举行，同期举办2025 NVIDIA创业企业展示——半程展示 [1] - 物理AI是此次大会的重点之一，设置了“利用NVIDIA解决方案构建物理AI”专场以及“机器人/物理AI”专场 [1] - 英伟达CEO黄仁勋表示全球面临劳动力短缺，机器人将成为下一个巨大的消费电子机遇 [2] 英伟达物理AI布局 - 英伟达已形成较全面的物理AI产业布局，平台与软件层面包括Cosmos与Omniverse，分别负责世界模型与合成数据生成、高精度数字孪生与仿真 [3] - Isaac、PhysicsNeM、BioNeMo分别应用于机器人虚拟训练、工程气象、生物医药领域 [3] - 硬件方面规划多代GPU芯片，并形成DGXSuperPOD超级计算集群，构成从AI模型训练到物理仿真的完整基础设施 [3] - 阿里云和英伟达在Physical AI领域达成合作，阿里云人工智能平台PAI将集成英伟达Physical AI软件栈，为企业用户提供全链路平台服务 [3] - 物理AI被视为构建模拟学习的核心，是解决机器人与物理世界交互的最后一环 [3] 历史市场表现 - 黄仁勋在7月17日链博会上表示人工智能的下个浪潮是物理AI [4] - 相关概念股智微智能在当日强势涨停，次日一度冲板 [4] 相关概念公司 - 索辰科技：已经具备物理AI产品的国内CAE龙头 [7] - 奥比中光：为世界物理模型提供技术支撑的3D感知龙头 [7] - 能科科技：提供工业数字孪生解决方案的厂商 [7] - 赛意信息：合作逗号科技，物理AI协助实现供应链智能化 [7] - 智微智能：物理AI落地终端，机器人的“大脑”、“小脑”控制方案 [7]

物理AI - 英伟达将于美东时间10月27-29日召开GTC 2025大会，主题聚焦“物理AI和机器人”[1] - 物理AI重塑机器人训练底层逻辑，从依赖真实数据转向基于物理规律[1] - 英伟达构建从云端训练到边缘部署的完整生态，推动物理AI进入工业、医疗、家庭等场景[1] 无人驾驶 - 特斯拉于10月27日官宣神经网络系统“世界模型器”，可生成逼真虚拟驾驶场景[2] - 该系统使AI一天内学习相当于人类500年驾驶经验，大幅减少对真实测试依赖[2] - 世界模型器是特斯拉实现自动驾驶与机器人技术跨越的关键工具，擎天柱机器人可共用[2] 深海科技 - 我国“探索三号”母船搭载“奋斗者”号在北极完成43个潜次作业任务，开创密集冰区“船潜协同”新模式[3] - 我国成为目前世界上唯一在北极密集海冰区进行连续载人深潜的国家[3] - 深海科技在2025年政府工作报告中被首次明确列为“国家战略核心领域”[3] 机器人 - 首形科技（上海）有限公司发生工商变更，新增蚂蚁科技集团全资子公司等为股东[4] - 该公司成立于2024年，专注于高端、超仿生仿人机器人研发[4] - 超仿生仿人机器人通过高精度仿生设计重塑人机交互范式，短期聚焦工业替代与服务升级[4] 商业航天 - 天兵科技完成天龙三号大型液体运载火箭“一箭36星”分离试验，创国内应用场景卫星数量最多纪录[5] - 此次突破为低轨星座组网任务提供可靠、高效、低成本发射服务[5] - 商业航天迎来政策面、业绩面和技术面三重拐点，中国星网今年实现密集组网[5] 快充 - 移动终端通用快速充电解决方案标准L.1004通过国际电信联盟审议并作为国际标准正式发布[6] - 该标准由华为、vivo、OPPO等公司联合攻关，实现跨品牌、跨设备快速充电功能兼容[6] - 标准落地将打破协议壁垒，消费者可使用一个充电器为更多不同品牌设备提供快充体验[6] 宏观与行业政策 - 证监会将启动实施深化创业板改革，设置更契合新兴领域企业特征的上市标准[7] - 证监会发布中小投资者保护“23条”，倡导上市公司采用“注销式回购”回报投资者[7] - 合格境外投资者资格审批与开户将推动“高效办成一件事”，并允许参与更多商品期货期权品种交易[7][8] 前沿科技进展 - 中国“人造太阳”预计2027年竣工，有望成为人类历史上首个实现聚变发电的装置[7] - 玻色量子中标招商银行首个量子计算采购项目“天秤AI”，国仪量子获1.31亿元战略融资[8]

文章核心观点 - 摩根士丹利明星分析师Adam Jonas提出由物理AI驱动的"地外经济"概念 认为其将是继互联网之后定义下一个时代的重大机遇 市场规模到2045年将超过当今约110万亿美元的全球经济总量 [1] 分析师角色转变与新领域定义 - Adam Jonas被任命为摩根士丹利全球物理AI与机器人策略师 标志着其职业重心从汽车行业转向物理AI新领域 [2] - 物理AI被定义为"任何能够移动、导航、操控三维空间的事物" 其影响力被认为不亚于电力的发明 [1][2] - 摩根士丹利已发布一份名为"人形机器人100"的公司名单 凸显对该领域的关注 [2] 地外经济与低空出行市场预测 - 到2045年 "地外经济"规模预计将超过当今约110万亿美元的全球经济总量 [1] - 仅低空出行市场（如电动直升机等）到2040年的年收入就将超过4万亿美元 [1] - 预测基于对天空利用效率低下的观察 例如全球空中总人数在任何特定时间仅相当于一个休斯顿市或堪萨斯城的人口 [3] - 预测未来一到二十年内 电动垂直起降飞行器将在城市上空沿空中通道运送付费乘客 催生新型低空交通时代 [3] 历史先例与当前进展支撑 - 分析师曾成功预言特斯拉股价翻倍至70美元以及SpaceX和自动驾驶汽车的崛起 其超前观点最终得到市场验证 [4] - 当前已有客户开始根据其长期愿景构建交易策略 [4] - 现实进展为理论提供支撑：电动空中出租车开发商Joby Aviation和Archer Aviation有望在明年获得联邦认证并开始商业客运飞行 [5] - 特斯拉、谷歌支持的Apptronik以及中国的XPeng发布了更先进的人形机器人并计划商业化 [5] - Waymo和特斯拉的自动驾驶出租车已在美更多城市部署 无人机在乌克兰战场的大规模使用改变了现代战争面貌 [5]