今年以来，" 物理 AI" 这个词在科技投资圈被反复提及。它与过去两年大热的生成式 AI 有所不同——后者处理符号、生成文本和图像，任务边界在数字空间内；物理 AI 则要解决 AI 在真实物理世界中的感知、决策与执行问题。说白了，前者学会写诗，后者得学会不把杯子碰倒。

市场对物理 AI 的预期，已经逐渐形成了一条从 " 感知 - 仿真 - 执行 " 到 " 算力 - 算法 - 材料 " 的清晰链条。以头图所列公司为例，奥比中光、凌云光等企业被归入 " 感知层 "；索辰科技、中望软件、华如科技出现在 " 训练场 " 和 " 仿真 + 软件 " 一栏；而绿的谐波、兆威机电、埃斯顿等，则落在 " 执行层 "。这种划分方式，基本对应了物理 AI 落地所需的三个刚性环节：看见世界、理解世界、干预世界。

在 " 感知层 " 中，3D 视觉传感被机构视为环境感知的核心。奥比中光在机器人深度视觉领域有多年积累，与英伟达的合作也被多次提及；凌云光则在国内机器视觉市占率排在前列，其视觉数据支持能力同时覆盖自动驾驶和工业检测两个场景。力觉与触觉传感方面，柯力传感是应变式传感器龙头，正在开发人形机器人专用的力 / 力矩传感器。激光雷达方向，锐科激光、星辰科技被列入观察名单。

在 " 训练场 " 环节，索辰科技出镜率较高。这家国产 CAE 软件公司，此前更多出现在军工与高端装备的仿真设计场景中，但其 " 天工 · 开物 " 物理 AI 平台，在实时仿真和机器人设计优化上找到了新应用场景。凡拓数创的数字孪生业务，被视作物理 AI 训练所需虚拟环境的搭建方；华如科技的军事仿真系统，则可以看作是物理 AI 在特定场景下的闭环验证案例。

执行层的名单相对集中。绿的谐波是谐波减速器领域的老面孔，这是人形机器人关节的必备部件；埃斯顿在工业机器人整机与运动控制上有长期积累；三花智控则从热管理延伸到关节精密传动。这些公司过去更多被归类在 " 机器人 " 或 " 工业自动化 " 板块中，但在物理 AI 框架下，它们承担的角色变成了 " 让 AI 的决策在物理世界中产生动作 "。

如果进一步拆解，物理 AI 对算力和模型的需求也被单独列出。工业富联是英伟达 AI 服务器的核心代工厂，2024 年 AI 服务器营收同比增长超过 200%；天准科技是英伟达 Jetson 产品线在国内最大的合作伙伴，其边缘计算控制器在自动驾驶和泛机器人场景有实际部署。在操作系统层面，中科创达、东土科技被列为 " 大脑与身体的桥梁 "。

另一个值得注意的方向是材料。机构将高性能钕铁硼列为 " 稀缺材料 "，中科三环、金力永磁、宁波韵升被专门提及。在物理 AI 的逻辑框架中，机器人电机的扭矩密度和响应速度，直接取决于磁性材料的性能，这构成了一个相对独立的投资线索。

提示：本文只做行业观察和客观陈述，不构成任何投资建议。物理 AI 这个方向还处于从概念到商业化的早期阶段，行业格局和盈利分布都存在较大变数，静态的排名和分类只能作为参考框架，具体落地节奏还需结合各公司财报和订单数据做进一步验证。