科創AI+| 解鎖“物理世界具身智能”新藍海，搶占下一代萬物互聯風口

建設社會主義現代化強國，關鍵在科技自立自強。以科技金融支持創新創造，因地制宜發展新質生產力，加快建設現代化產業體系，是我國在“十五五”時期推動高質量發展、實現中國式現代化的核心戰略部署。發展智能經濟新形態，需要打通科技成果轉化堵點、強化產業體系支撐、暢通金融賦能渠道，構建科技、產業、金融良性循環。在此背景下，《清華金融評論》推出《科創AI+》主題專欄，旨在深入闡釋國家戰略部署、匯聚權威觀點、服務高質量發展大局，為政策完善與行業實踐提供智力支持。

人工智能正跳出虛擬空間的符號運算，走向真實物理環境下的自主交互；其技術載體也從信息處理系統，向能夠主動作業的智能體演進。盡管通用大模型已具備語言理解和邏輯推理能力，真實物理世界卻受空間幾何、力學規律、動態時序及物理因果的嚴格約束，純數字智能難以應對實體場景的復雜交互。缺乏面向物理環境的感知建模和實時交互能力，機器便無從精準獲取實景狀態，也難以依據物理規律完成決策執行，規模化落地自然受阻。本文以物理世界具身智能為主線，沿“信息輸入——認知建模——實體行動”的技術鏈路，重點從物理感知、物理數據和具身模型三個維度，展開技術與產業、投資的聯動分析。具體而言，“物理感知”構建融合空間幾何與物理屬性的雙通道認知體系，實現對真實場景的多維解構；“物理數據”則沉淀含空間位姿、力覺、觸覺及時序特征的多模態運動軌跡，為模型訓練提供高保真可解析的數據底座；“具身模型”采用空間世界模型與物理世界模型既可解耦又可協同的架構，貫通場景認知、任務規劃與運動控制，最終通過高響應本體硬件輸出統一指令驅動機器人執行作業。在產業化節奏上，具身智能將遵循“通用技術基座搭建——垂直場景深度集成”的路徑演進。本期將先搭建具身智能的底層技術與產業分析框架，后續兩期報告再分別延伸至工業與商業場景的生產力重構，以及家庭與養老等民生場景的人居服務價值升級。

目錄

·一、產業定位：物理世界具身智能

·二、爆點賽道一：物理感知——面向物理世界的多模態感知（含空間幾何與物理屬性的雙通道感知）

·三、爆點賽道二：物理數據——面向物理世界的軌跡數據集（融合空間位姿/力覺/觸覺及時序等多模態物理軌跡）

·四、爆點賽道三：具身模型——物理世界模型體系（含空間世界模型、物理世界模型等多模型解耦協同，統一輸出操作指令驅動本體）

·五、結語：從產業及金融視角看物理世界具身智能

·重要閱讀提示

一、產業定位：物理世界具身智能

1.1 物理世界具身智能的概念統一

分析具身智能產業，須先厘清物理世界與空間幾何的關系。空間幾何是底層承載框架，解決物體“在哪里、形態如何、怎樣運動”的位姿與軌跡問題。真實物理世界是空間幾何的完整超集——在空間框架之上，疊加了剛度、摩擦、形變（力學）、導熱、儲熱（熱學）、光譜反射（光學）以及電磁、流體等固有屬性，同時兼具時間動態性與因果交互性，能夠呈現受力響應、狀態演變與未來推演。盡管在建模層面，空間幾何與物理屬性可解耦獨立（幾何可脫離材質建模，物理也可剝離框架研究），但在機器人實際交互中二者高度耦合，共同決定操作結果。因此，本文以“物理世界”而非“空間智能”劃定產業研究范圍，更能準確涵蓋具身智能決策所依賴的全部真實信息維度。

具身智能將AI嵌入物理實體，使其像人一樣感知、學習并與環境動態交互。其核心在于智能體通過“感知——決策——執行”閉環，在實時交互中產生并進化智能。當前，人形、雙足、四足等足式機器人，以及輪式機器人和智能駕駛車輛，均是具身智能代表性的成熟載體。

在智能層級上，AGI是終極目標，追求跨領域通用認知與自主推理；物理AI是AGI在現實世界的物理具象——英偉達CEO黃仁勛在2024年GTC演講中將其定義為“能夠理解并遵循自然定律的AI”；具身智能則是實現物理AI、推動AGI落地的關鍵途徑，強調智能須借由物理實體與環境實時交互產生。三者關系可簡化為：AGI是目標，物理AI是AGI在現實中的體現，具身智能是實現路徑。

【來源：英偉達CEO黃仁勛2024年GTC大會主題演講；斯坦福大學《人工智能指數報告》關于通用人工智能與具身智能的定義框架；工信部《人形機器人與具身智能標準體系（2026版）》；國家發展改革委關于具身智能訓練基礎設施的部署；國務院2025年《政府工作報告》；中國人工智能學會《具身智能白皮書（2026）》；中國計算機學會（CCF）《具身智能|CCF專家談術語》；2025世界人工智能大會（WAIC 2025）】

1.2 全球產業格局與代際躍遷

物理世界具身智能的演進可追溯至計算機視覺與機器人學的早期探索，歷經從感知智能到交互智能的遞進，當前正處于從技術驗證向商業落地過渡的階段。

第一階段：幾何視覺萌芽期（1960s—1990s）。1966年MIT的“Summer Vision Project”標志計算機視覺起步；20世紀80年代基于幾何的3D重建理論（Marr視覺計算理論）奠定學術基礎；20世紀90年代多視圖幾何理論成熟，SfM（運動恢復結構）成為3D重建的標準方法。此階段的核心任務是“從2D圖像恢復3D幾何”，尚未涉及物理屬性（力、觸覺、材質等）的感知與建模，產業形態局限于學術研究與極少數軍工應用。

第二階段：學習驅動3D感知期（2000s—2016）。深度學習興起推動視覺感知范式變革：2012年AlexNet突破圖像識別；2014年CNN開始用于深度估計和3D重建；2015年PointNet開創點云深度學習新范式。物理感知從“手工幾何特征”轉向“數據驅動表征”，但3D理解仍局限于單點視覺任務，物理數據采集與具身模型部署尚處于割裂狀態，產業應用以自動駕駛感知模塊和工業質檢的初期探索為主。

第三階段：神經渲染與3D生成期（2017—2022）。2020年Meta發布PyTorch3D，推動3D深度學習工具化；2020年NeRF（神經輻射場）實現照片級新視角合成；2021年Instant-NGP將訓練從小時級壓縮至秒級；2022年DreamFusion、Magic3D實現文本到3D生成。這一階段實現了“從理解已有空間到生成新空間”的跨越，但本質仍囿于數字空間，尚未觸及力學、摩擦、形變、因果等物理屬性的建模。這恰是物理世界具身智能區別于純空間智能的核心門檻。同期，物理數據標準化采集方案與具身模型基礎架構在學術界初步萌芽，但三者未能形成有效閉環。數字內容與元宇宙產業迎來底層技術革命，科技巨頭開始密集布局空間計算賽道。

第四階段：物理世界模型與具身智能爆發期（2023—2024）。2023年3D Gaussian Splatting將實時3D渲染推向新高度；2024年Google Gemini展示跨模態空間推理，Meta發布Habitat 3.0，李飛飛創辦World Labs。此階段，大語言模型的空間化遷移初現端倪，物理感知、物理數據、具身模型三大賽道從各自獨立演進開始走向協同探索，產業視角從技術敘事向產業敘事過渡。但物理閉環驗證仍處于起步階段，規模化尚未成型。

第五階段：物理世界具身智能產業閉環初步形成期（2025—2026）。2025年全球人形機器人初創企業數量激增，英偉達、特斯拉、OpenAI等巨頭密集投入，產業資本單筆融資額邁入10億美元門檻。2026年World Labs完成10億美元融資，NVIDIA正式發布Cosmos世界模型平臺，國內外具身智能頭部企業加速量產落地與場景驗證。此階段的代際躍遷在于：物理感知、物理數據、具身模型三大賽道不再孤立演進，而是形成“數據采集→模型訓練→物理部署→數據回流”的產業飛輪。全球格局初步呈現中美雙核引領、頭部創業公司與科技巨頭競合博弈的態勢，物理世界具身智能正式越過技術驗證拐點，進入規模化商業應用的前夜。

1.3 三大支柱構成初步框架閉環

物理世界具身智能的技術架構可歸結為三大核心支柱，這也是當前產業投資最為集中的三大熱點賽道——物理感知、物理數據、具身模型。三者分別解決“怎么感知”“用什么訓練”“如何認知與行動”的關鍵問題，覆蓋從信號采集到智能閉環的主鏈路。產業中同時存在數據安全、隱私計算、邊緣智能、場景化應用等配套賽道，共同形成完整生態。

支柱一——物理感知（感知層）：核心任務是建立對物理世界的雙重解析通道：一方面解析空間幾何（位姿、深度、運動），另一方面解析物理屬性（材質、剛度、摩擦）。空間幾何通道依賴視覺、慣性測量單元（IMU）、雷達測距、聲學定位、接觸式觸覺等多類傳感，其中視覺分支包含2D RGB成像、雙目/ToF深度成像、結構光、陣列光場等全譜系三維成像技術；物理屬性通道則覆蓋力觸覺（剛度、摩擦、形變響應）、熱學（導熱率、熱容）、材質光學（光譜/偏振反射特性）、電磁流體（介電常數/流體狀態）四大特征感知維度。整體上，物理感知正從單視覺主導走向多通道協同，從幾何感知走向物理屬性感知的深層升級。

支柱二——物理數據（數據層）：作為“燃料與原料”，需要構建高質量、大規模的物理空間數據基礎設施。李飛飛團隊與英偉達聯合提出的“數據金字塔”（Data Pyramid），為理解物理數據的技術生態提供了基礎性分類框架。該金字塔自上而下分為三層：頂層為真實世界數據（真機采集），質量最高但數量極少、成本極高；中層為合成數據（仿真生成），理論上可無限擴展但存在仿真與真實的域差距；底層為互聯網數據（網絡視頻等），規模龐大但模態單一、與機器人本體脫鉤。當前產業界正圍繞這三類數據，從數據屬性、獲取方式到加工流程構建完整的技術體系，力圖將物理AI的數據瓶頸轉化為可計算、可規模化的工程問題。

支柱三——具身模型（認知層）：作為“大腦”，實現從感知輸入到行動指令的認知推理與決策。模型沿LLM→VLA→世界模型（WM）的路徑演進，當前主要有四條技術路線：自回歸Transformer（如GPT系列）、自回歸擴散Transformer（如Diffusion Policy）、空間原生3D（對應空間世界模型的技術實現）、聯合嵌入預測JEPA（對應物理世界模型的技術實現）。需要說明的是，各路線在實踐中并非互斥，VLA與世界模型的混合架構已在產業中驗證價值，行業長期方向指向分層融合架構，最終由具身模型統一輸出操作指令，驅動機器人本體執行作業。

產業實踐中三大支柱相互交織，以某頭部機器人公司為例，其可同時運營數據采集工廠、開源基座模型，并自研人形機器人整機。這種“垂直一體化”策略在產業早期是否優于專業分工，仍待驗證。

表1-1 三大支柱對比

注1：核心結論綜合自中國信通院《具身智能發展報告（2025年）》、前瞻產業研究院《2026年中國具身智能行業全景圖譜》、國務院發展研究中心《中國發展報告2025》、36氪研究院《2026年具身智能產業發展研究報告》等公開資料。

注2：表內TRL評級基于公開技術文獻與行業調研的綜合判斷，市場規模相關數據來源見表1-2；技術卡點/產業卡點將在1.8行業風險中展開論述

1.4 中國戰略地位、機遇與挑戰

參考斯坦福HAI《2026年人工智能指數報告》及LMSYS Chatbot Arena 2026年3月盲測數據，中美語言模型的主觀體驗分差已縮至2.7%，DeepSeek-R1曾短暫追平美國最優模型，雙方在大語言模型領域的競爭呈交替領先態勢。

而在具身智能領域，中國面臨的挑戰集中于四個維度：高質量3D空間數據缺乏國家級統一標注的實景數據集，測繪資質與隱私合規使采集成本遠高于文本數據，制約模型泛化能力；專用感知芯片與高算力邊緣AI芯片仍依賴境外先進制程，國產替代在精度和功耗上存在代差；Transformer在終端設備的能效比遠未達到規模化部署要求，模型輕量化與存內計算距國際頂尖水平仍有差距；OpenUSD、OpenXR等基礎標準由美歐主導，中國企業參與度有限。總體來看，美國在具身智能的基礎模型原創與核心器件IP上保持先發優勢，中國則在動態場景SLAM、機器人操作數據集規模、類腦感知芯片等工程落地環節上局部領先，雙方尚未形成代際差距，產業格局仍處于“各有長短、競速迭代”的動態演進之中。考慮到具身智能產業尚處于早期，技術壁壘集中于工程閉環而非范式創新，中國以場景驅動技術迭代的路徑具備現實可行性。

除中美之外，歐洲與日本在具身智能產業鏈特定環節構成不可替代的縱深支撐：意法半導體、博世在光子工程與精密光學測量上的積淀，構成感知層的技術源頭；日本在高精度電機、精密減速器、關節模組上的制造工藝，卡住執行層上游供給。

中國在具身智能賽道擁有場景、產業基礎和工程化能力的組合優勢，DeepSeek已初步驗證了在算法效率、系統協同與成本重構上形成非對稱競爭力的可能性。能否在數據基建、核心芯片、能效計算和標準參與四個方向上實現系統性攻堅，將決定中國在這一輪全球競爭中能否占據主動位置。

1.5 學科交叉與系統融合

物理世界具身智能是多學科在工程界面上的深度交匯，其技術鏈條從底層物理建模延伸到頂層智能決策，跨度之大，在以往任何一個AI類細分賽道中并不多見。感知層依賴光學工程（光場成像、激光雷達）、微電子與集成電路（感知芯片設計）、精密儀器（傳感器與類腦計算）和電子信息工程（信號處理與嵌入式系統）的硬件支撐；數據層以計算機科學與人工智能（三維重建算法）和數學（微分幾何、優化理論）為理論基礎；模型與行動層則融合了機器人學（運動學與動力學控制）、自動化與控制（SLAM與路徑規劃）、物理學（力學、光學、電磁學建模）以及認知科學（空間認知機制與類腦啟發）。數學貫穿三層——微分幾何支撐空間表征，優化理論驅動三維重建，概率統計處理不確定推理。但真正讓這些學科產生交集的，不是理論上的親緣性，而是工程上的剛性需求。

從實驗室到產業的轉化鏈條異常短促，這是該領域區別于純算法驅動的AI賽道的顯著特征。一個類腦芯片的設計，同時涉及微電子工藝和認知科學中的脈沖神經網絡模型；一套Sim-to-Real遷移方案，既要在仿真環境里解決物理引擎的精度問題，又要在真實機器人上應對視覺域差異和動力學不確定性。這些問題的解決者往往來自不同學科背景，卻在同一個工程目標下碰撞到了一起。以清華大學為例，精密儀器系的類腦芯片、自動化系和交叉信息學院的世界模型創業項目、計算機系的具身智能算法、機械系的靈巧手本體，在傳統的學科劃分中本無太多交集，如今卻在物理世界具身智能的框架下形成了密集的交叉地帶。

基于上述邏輯，該產業競爭的本質歸于系統層面的綜合較量：行業發展走向并非由單一論文成果或單項算法技術突破主導，決定性要素是貫通感知硬件、認知算法與物理執行環節的垂直一體化整合實力。站在企業競爭的角度，依托跨學科融合形成的綜合能力，可構筑軟硬協同調優、全鏈路數據閉環兩大專屬競爭壁壘，僅布局算法或硬件單一賽道的企業，無法復刻整套完整工程落地體系。長遠來看，市場將逐步分化為擁有全鏈條垂直整合能力的系統型頭部企業與專注單點產品的零部件供應商，二者長期盈利空間與技術迭代速率將出現明顯層級差距。

1.6 市場規模與增長預測

在評估三大賽道市場規模時，需特別留意一個現實：產業尚未收斂，各方統計口徑差異極大，任何單一數字都不宜視為“標準答案”。以智能駕駛為例，部分機構將其納入具身智能統計范疇（如銀河證券2025年報告中自動駕駛占比約49%），亦有機構將其作為獨立賽道處理，歸屬分歧本身即反映了產業邊界仍未統一。合成數據市場寬口徑877億元人民幣與窄口徑約3億美元的約40倍差距，中商產業研究院對具身智能346億元（本體+解決方案）與9150億元（全產業鏈）的逾26倍口徑差異，均屬同類情形。基于此，下表匯集了多家第三方機構對物理感知、合成數據、機器人及物理AI等賽道的市場規模統計與預測，并逐項標注口徑范圍與數據性質。建議重點關注各賽道內部的結構性變化與趨勢，而非拘泥于某一具體數字，跨報告比較時務必核實口徑一致性。具體來源及口徑詳見下表及附注。

表1-2 市場規模預測及口徑說明

注1：“歷史/估算值”指基于2025年已發生數據的事后統計或合理估算；“預測值”指對未來的前瞻性判斷，不確定性較高。

注2：“寬口徑”與“窄口徑”差異可能導致同一賽道出現數值相差數倍甚至數十倍的情況，閱讀時請注意區分。

注3：本報告中的“200億～300億美元物理感知賽道”為作者基于多家第三方機構數據綜合估算的結果，并非任何單一第三方機構的直接統計數字，僅供趨勢參考。所依據的第三方數據包括：Global Information（全球3D機器視覺約80億美元）、QYResearch（全球激光雷達約40億美元）、智研咨詢/IIM（全球AR空間感知芯片48.5億美元），并在此基礎上疊加毫米波雷達（30億美元）、力/觸覺傳感器（10億美元）、系統集成與感知軟件（50億美元）等細分市場，經扣除細分市場間重疊統計后得出區間估值。

注4：本報告引用的市場規模數據來自多家第三方研究機構（Global Information、QYResearch、智研咨詢、中商產業研究院、MarketsandMarkets、IDC等），各機構在統計口徑、覆蓋范圍、計算方法上存在顯著差異。同一賽道在不同報告中的數值可能相差數倍乃至數十倍。本報告在引用時已盡量標注各數字的口徑范圍，并在表1-2中匯總說明。讀者在跨報告比較時，請務必注意口徑一致性，不宜將不同口徑的數字直接相加或對比。

1.7 政策環境與標準建設

2025年12月，工信部人形機器人與具身智能標準化技術委員會正式成立。2026年3月發布《人形機器人與具身智能標準體系（2026版）》，該標準由120余家單位聯合編制，涵蓋基礎共性、類腦與智算、肢體與部組件、整機與系統、應用、安全倫理六大板塊。中國信通院主導的《具身智能系統框架及能力要求》（ITU-T F.748.66）于2025年1月在ITU-T正式立項，同年11月標準內容定稿，計劃于2026年正式發布。

當前標準話語權呈現國內外結構性落差。在3D數據格式領域，OpenUSD由英偉達、蘋果、迪士尼等美國企業主導，實質上是圍繞美國頭部企業生態圈建立的格式壁壘；在設備互操作層面的OpenXR由Khronos Group制定，華為、PICO等中國企業雖已加入聯盟，但在核心規范制定中的話語權有限，更多是“參與執行”而非“參與定義”。但實際上中國擁有全球最大的應用場景與數據規模，在實景三維數據標準、城市空間語義實體模型數據格式等領域已形成若干自主團體標準。在國際競爭中，真正的命題并非追求“引領”，而是在守住數據主權與場景入口的前提下，避免在底層格式和協議層面被提前鎖定。

1.8 風險提示

當前物理世界具身智能產業整體處于從技術驗證向規模化應用過渡的早期階段，宏觀環境與產業基本面均存在多重不確定性。

宏觀層面，全球地緣博弈持續加劇，美國在基礎大模型與算力領域占據先發優勢，高端GPU芯片及先進制程代工集中于臺積電等境外供應商，供應鏈韌性不足構成系統性隱患，直接影響具身模型的訓練迭代速度與規模上限。技術路線尚未收斂，不同架構方向間仍存在較大不確定性，路線錯配可能產生大量沉沒成本。產業落地層面，人形機器人雖已進入早期商業化階段，距離大規模無人值守商用部署仍需3至5年；具身模型從當前TRL 4—7階段推進至TRL 9規模化部署，預期仍需5至8年，落地周期可能顯著長于市場預期。此外，部分企業融資規模與估值增長較快，但當期營收體量有限，行業存在估值泡沫隱憂。

上述風險交織疊加，構成物理世界具身智能產業從“技術可行”走向“商業可用”所必須跨越的多重門檻。在后續熱點賽道分析章節中，還將針對物理感知的硬件國產化瓶頸與多模態傳感融合難題、物理數據采集成本與合規約束、具身模型計算效率及仿真到現實遷移誤差等技術卡點逐一展開，共同構成從宏觀約束到微觀攻關的遞進式風險分析框架。

二、爆點賽道一：物理感知——面向物理世界的多模態感知（含空間幾何與物理屬性的雙通道感知）

物理感知是物理世界具身智能的信息入口，采集信號的維度與精度，直接框定后續模型認知與行動能力的上限。機器在產生任何認知之前，必須以足夠保真度捕捉物理世界的幾何結構與動態變化。本章圍繞“感知什么、如何采集”展開，解析空間幾何與物理屬性的雙通道協同架構。空間幾何通道涵蓋視覺、慣性測量單元、雷達、聲學定位、接觸式觸覺等傳感模態，負責解析位姿、深度、輪廓與運動軌跡；物理屬性通道涵蓋力觸覺、熱學、材質光學、電磁流體等傳感維度，負責捕捉剛度、摩擦、形變響應、導熱率、光譜反射特性及介電常數等固有屬性。兩通道協同輸出結構化數據，為物理數據生成與具身模型推理提供基礎輸入。

2.1 空間幾何感知

2.1.1 空間幾何感知維度

空間幾何感知包含六大維度：視覺感知、環境場感知、觸覺力覺感知、聽覺聲場感知、類腦神經感知、慣性本體感知。六者各自承擔差異化的信息采集職責，在技術成熟度與產業化階段上呈現顯著梯度。其中視覺感知是產業規模最大、技術譜系最完整、場景適配性最強的核心維度。

表2-1 六大空間感知維度橫向對比

注：觸覺跨雙通道輸出區分標準是，依靠接觸輪廓、點位分布完成空間位姿、物體外形重建，屬于空間幾何感知范疇；依托受力、形變、滑動信號測算剛度、摩擦等材質特征，屬于物理屬性感知范疇，同一觸覺傳感器采集信號后經算法分流分別匯入兩條感知通道。

表2-2 視覺感知細分技術路線對比

在上述路線中，雙目立體視覺、結構光、ToF三條為當前商業化最成熟的方向，已廣泛落地于機器人導航、AR/VR、工業檢測、手機深度傳感等場景。事件相機與片上激光雷達尚處于從實驗室走向工程化的過渡階段，產業鏈配套與算法生態尚未成熟。光場成像介于兩者之間，在工業精密測量、影視級三維重建等特定領域已展現獨特價值，但受限于數據處理與器件成本，尚未實現大規模放量。

視覺感知當前有兩條主要演進方向。第一條是“全信息采集”方向的極致探索——光場成像通過一次捕獲光線位置與角度信息，實現單次曝光獲取全維深度，其核心約束在于空間分辨率與角度分辨率的固有折中，以及單幀數據量極大帶來的傳輸與處理壓力。第二條是“感知極限”方向的突破——事件相機突破傳統幀率限制，以微秒級時間分辨率捕捉高速動態；片上激光雷達將傳統機械式LiDAR的復雜光學掃描系統集成于硅光芯片，有望將激光雷達成本從數千美元拉低至百美元量級。

多模態融合正從“松耦合后融合”向“緊耦合前融合”深度演進。典型路徑有三條：視覺-LiDAR深度融合——利用LiDAR精確深度作為視覺立體匹配的監督信號，或通過視覺語義指導LiDAR點云分割；視覺-毫米波雷達互補融合——以視覺保證角度分辨率與語義理解，以毫米波雷達提供全天候測距測速能力；視覺-IMU緊耦合（VIO）——在GPS拒止環境中依賴慣性與視覺的相互約束抑制漂移。單芯片上集成RGB傳感器、ToF/結構光深度引擎、IMU與輕量級NPU的方案正成為趨勢，空間感知從“多個傳感器拼裝”走向“單芯片系統級感知”。

2.1.2 空間幾何感知共性卡點與突破方向

空間感知當前面臨的瓶頸可歸納為三個共性層面。其一，多傳感器融合的標定與時延同步——視覺、LiDAR、IMU、毫米波雷達的時間戳對齊與空間標定誤差，直接影響融合精度，在緊耦合系統中尤為突出。其二，極端環境下的感知退化——強逆光、雨霧遮擋等場景中光學感知可靠性顯著下降，需依賴毫米波雷達等非光學手段補盲。其三，端側算力瓶頸——高分辨率深度估計、實時3D重建與語義分割的聯合處理，對邊緣芯片的算力與功耗要求極高。

突破路徑指向硬件級多模態融合與算法輕量化兩個方向。前者體現為單芯片集成3D感知、AI處理與SLAM加速；后者包括神經形態視覺芯片與輕量化深度估計網絡的研發。芯片廠商在感知層的話語權隨之提升，配套的實時多源同步算法與標定工具鏈成為新的競爭焦點。

2.2 物理屬性感知

物理屬性感知通道覆蓋力學、熱學、材質光學、電磁流體四大特征維度，回答的是“什么材質、受力如何、溫度怎樣、電磁特性如何”這類問題。

以力學通道中的六維力觸覺感知為例，它提供視覺無法獲取的接觸力信息，包括法向力、切向力、力矩，以及由此推算的剛度、摩擦力、接觸形變等屬性。這些數據對機器人抓取、精密裝配、人機物理交互等精細力控場景具有不可或缺的價值。視覺能告知物體位置，但只有力觸覺能讓機器人確定握持力度。觸覺感知提供接觸點位置、輪廓與滑動方向等幾何信息，也輸出剛度、摩擦力、形變響應等物理屬性，是連接兩大通道的交叉維度之一。當前六維力傳感器及多維觸覺陣列在標定、解耦、溫漂補償等方面仍有技術瓶頸，其戰略地位正被具身智能操作需求推動，是物理屬性感知通道中產業關注度較高的方向。

熱學感知、材質光學感知與電磁流體感知的產業化進度相對滯后，分別在鋰電池熱失控預警、工業材質分揀、無損探傷等專業場景中形成局部落地，通用性和成本仍是制約其規模化部署的主要因素。力觸覺因與操作任務直接關聯而產業化進度在某些場景相對領先，其余三者尚處于從特定場景向通用能力過渡的早期階段。

2.2.1 物理屬性感知維度

2.2.2 物理屬性感知共性卡點與突破方向

物理屬性感知涵蓋力學、熱學、材質光學、電磁流體四大維度，技術路徑各異，但面臨若干共性卡點。第一，物理屬性大多依賴接觸或近場交互才能獲取，對傳感器的空間布局、響應速度和耐久性提出硬性要求，與空間幾何感知可遠距離、非接觸獲取形成對應差異。第二，動態范圍與分辨率之間存在普遍矛盾——高剛度物體需要大量程，精密操作需要高分辨率，單一傳感器往往難以兼顧。第三，多維度物理信息（力、熱、光、電磁）的同步采集與時空標定難度較大，跨模態傳感之間的干擾與時序對齊問題尚未完全解決。第四，感知輸出數據缺乏統一的標準格式與接口規范，與物理數據賽道和具身模型賽道的對接成本偏高。第五，高精度六維力傳感器、片上光譜儀、薄膜熱傳感器等關鍵器件仍依賴進口或處于樣機驗證階段，國產化替代尚需時間。

突破方向集中于三個層面。傳感機理層面，柔性電子皮膚和視觸覺融合方案正在拓寬力觸覺感知的接觸面與信息密度；片上光譜儀和超表面濾波技術有望降低材質光學感知的設備體積與成本。多模態融合層面，力－視－熱－電磁的跨模態聯合建模正在從后端融合向前端特征級融合推進，以解決單一模態信息不完備的局限。數據與模型層面，物理屬性感知與物理數據賽道正在形成閉環，通過仿真環境下的物理屬性建模與真實感知數據的對比遷移，逐步解決“局部接觸推斷全局屬性”的建模難題。整體來看，物理屬性感知正從單點傳感器迭代轉向多模態協同的系統級方案，產業化節奏在具身智能操作需求的拉動下持續加快。

2.3 國內外代表性企業

以下按空間幾何感知與物理屬性感知兩大類別梳理代表性企業。截至報告發布日，所列企業在各自細分領域已形成明確市場地位或技術代表性，篩選標準包括：（1）在細分賽道中占據領先市場份額或具備獨特的技術壁壘；（2）近兩年完成億元級以上融資或已實現上市/并購等資本化節點；（3）產品已進入商業化部署階段，擁有可驗證的客戶案例或量產數據。需要說明的是，本名錄旨在呈現行業多元生態，而非對任一企業的背書或投資推薦，不構成對技術成熟度或商業前景的判斷，部分早期創業企業及非公開融資企業未納入本次梳理范圍。

2.3.1 空間幾何感知代表企業

拙河科技成立于2018年，源自清華大學科技成果轉化項目，專注于億像素級陣列計算攝像機。技術路線為陣列式多傳感器采集結合計算成像算法，突破廣視角與高精度的光學矛盾，圍繞著億級像素計算光學成像、交互式光場重建、視覺大模型人工智能方向提供產品、技術服務及解決方案，光場相機視頻成像分辨率達到10億像素。在智慧城市、行業安防、低空安全三大領域和八個重點行業落地100多個示范項目。2026年公司完成B輪融資，推出具身數采裝備，提供第一人稱視角數據感知服務。【數據來源：公司官網】

奧比中光（688322.SH）成立于2013年，是國內3D視覺感知領域的代表性企業。技術路線覆蓋結構光、iToF、dToF、雙目、激光雷達及工業三維測量等完整體系，在服務機器人3D視覺傳感器市場占據領先地位，提供從硬件到空間理解算法的完整感知方案。2025年度啟動定向增發，擬募集資金不超過9.8億元，用于機器人AI視覺與空間感知技術研發及制造基地建設，方案已于2026年初通過上交所審核。【數據來源：公司公告、上交所審核信息】

元橡科技成立于2017年，核心研發團隊吸納多名清華校友，依托清華立體視覺科研成果開展產業化落地。技術路線為雙目立體視覺結合自研ASIC深度處理芯片與稠密點云匹配算法，實現百米測距高精度穩定輸出。2026年3月獲北京順義汽車產業創業投資基金等機構投資，產品已落地綿陽科技城新區雙目感知器件量產基地，應用于智能駕駛、低空無人機避障、工業機器人等場景。【數據來源：公司官網、綿陽科技城新區公示】

禾賽科技（HSAI.NASDAQ）成立于2014年，是全球車載激光雷達頭部廠商，技術路線覆蓋轉鏡式高線數激光雷達與純固態方案。2026年第一季度宣布與梅賽德斯-奔馳的L3級自動駕駛戰略合作，并繼奔馳后再度獲得歐洲車企激光雷達訂單。【數據來源：公司2026年Q1財報】

速騰聚創（02498.HK）成立于2017年，是MEMS激光雷達路線的核心廠商。2026年第一季度激光雷達機器人及其他領域單季銷量首次超越ADAS業務。截至2026年3月31日，公司已累計獲得36家車企及Tier 1供應商的177款車型定點，ADAS在手訂單超過900萬臺，全固態數字化激光雷達E平臺累計交付超30萬臺。【數據來源：公司2026年Q1業績公告】

格靈深瞳（688207.SH）是計算機視覺與3D立體視覺領域的上市企業。據2025年年報披露，公司已將SLAM、機械臂視覺反饋、機器人路徑規劃等技術應用于工業檢測機器人，室內定位精度達毫米級。公司自主研發的多模態大模型作為機器人“大腦”向具身智能靠攏，機器人虛擬示教及遙操作技術已應用于軌交運維等工業檢測場景。【數據來源：公司2025年度年報】

清智元視為清華校友創始團隊與清華大學電子系陳宏偉教授科研團隊共創的科技公司。旨在通過“AI+光學”的雙引擎引領下一代視覺模組的研發與制造，將“感算分離”升級為“感算一體”設計體系，提供多應用場景、高效能的視覺產品。核心產品為基于感算一體體系研發的元相機（MetaCam），實現像素級獨立控制與編碼功能。【數據來源：投資界】

楚航科技專注于77/79GHz毫米波雷達全棧自研，產品已進入吉利、奇瑞、長城、北汽等近30家車企供應鏈，獲得近90款主力車型訂單。其60GHz生命體征探測雷達是國內少數滿足歐洲ENCAP嚴苛標準的產品。公司同步拓展海外市場，在商用車和乘用車領域均有布局。【數據來源：公司官網】

森思泰克是國內毫米波雷達領域TI方案路線的主要廠商。其STA77-6毫米波雷達已獲得“國內頭部新勢力”車企定點并實現量產，在角雷達和前向雷達領域均有成熟產品。公司核心團隊在雷達信號處理與算法優化方面積累深厚，與國內多家頭部車企和Tier 1供應商建立了穩定合作關系。【數據來源：公司官網】

銳思智芯是融合視覺傳感器技術領域的國內代表企業，專注于事件相機類腦視覺傳感器芯片的研發與產業化。公司與清華大學類腦計算研究中心在底層技術方向保持協同，其融合視覺傳感器在高速動態場景下的功耗和動態范圍方面具有差異化優勢。【數據來源：公司公告、同創偉業】

英特爾RealSense（Intel RealSense）是全球3D深度傳感領域的重要品牌，技術路線為雙目立體視覺配合主動紅外照明，配套VSLAM算法與開發套件，跨平臺適配性強，廣泛應用于機器人、AR/VR、人機交互等領域。2026年4月亮相漢諾威工業博覽會，展示了GMSL深度相機產品組合，覆蓋從高精度中距離感知到工業級掃描的全場景需求。【數據來源：英特爾官網、漢諾威工業博覽會公告】

StereoLabs是全球雙目立體視覺領域的代表性企業，技術路線為被動雙目立體視覺配合ZED SDK開發套件，不依賴主動投射，在室外強光與遠距離場景下表現優異。2026年4月發布專為具身智能設計的腕戴式緊湊型立體相機ZED X Nano，采用18mm基線雙全局快門傳感器，專為機器人腕部安裝、[1] 模仿學習與數據采集場景打造。【數據來源：StereoLabs官網】

博世（Bosch）是全球車載毫米波雷達三大龍頭之一，占據約20%的全球市場份額。公司產品線覆蓋從長距離前向雷達到中短距離角雷達的全系應用。博世在毫米波雷達領域具備從芯片設計到系統集成的全棧能力，其第五代毫米波雷達在探測距離和角度分辨率上進一步提升。【數據來源：公司官網】

大陸（Continental AG）是全球車載毫米波雷達三大龍頭之一，市場份額與博世相當。公司在毫米波雷達領域布局深厚，產品覆蓋長距離、中距離和短距離全系列，在4D成像雷達方面也有商用部署。公司同時深度參與汽車智能化與自動駕駛系統集成。【數據來源：公司官網】

電裝（Denso）是全球車載毫米波雷達主要供應商之一，在日系車企供應鏈中占據主導地位。公司專注于高可靠性車規級雷達傳感器，其毫米波雷達產品廣泛配套豐田等主流日系品牌。公司在熱管理和電子控制等領域與雷達業務協同，強化了整體系統競爭力。【數據來源：公司官網】

Opedia于2025年在新加坡成立，由清華本科校友陳昭熹、洪方舟聯合創立。致力于為機器人、空間、物理智能等領域構建物理世界數據基礎設施，通過低門檻采集設備獲取真實世界多模態信號，結合自研空間基礎模型，將原始數據轉化為可直接進入訓練與評測流程的數據產品。已推出頭戴式便攜采集系統HOMIE并實現量產交付。【數據來源：36氪】、

Prophesee是法國事件相機領域的全球領先企業，專注于神經形態視覺傳感器芯片的研發與商業化。公司已與索尼實現量產合作，其事件相機產品在工業自動化、高速檢測、機器人導航等場景中積累了成熟案例。Prophesee在像素級異步事件驅動架構和算法生態方面持續迭代，配套開發工具鏈已形成完整的開發者生態。【數據來源：公司官網】

帕西尼感知科技成立于2021年，創始團隊源自日本早稻田大學菅野機器人實驗室。公司自主研發6D霍爾陣列式多維觸覺傳感器，從材料、工藝、算法及人形機器人整機系統進行了多維度技術攻關，構建了“傳感器—靈巧手—人形機器人”ITPU多維觸覺產品矩陣，并布局全球首個數據工廠Super EID Factory和全模態具身智能數據集OmniSharing DB。【數據來源：公司官網、科技日報】

2.3.2 物理屬性感知代表企業

清研精準成立于2018年，創始人董漢為清華大學博士。致力于打造物理AI的工程化底座，聚焦從高維多模態動態數據中推演系統狀態演化規律，業務涵蓋數據采集、傳感器同步、仿真測試、復雜工況物理仿真等核心環節。已在工業現場部署超2000個感知節點，沉淀PB級數據。【數據來源：投資界】

光象科技成立于2025年，是清華大學車輛與運載學院和人工智能學院聯合孵化的具身智能公司。自主研發物理原生基座模型，構建了強化學習算法矩陣、物理數據資產與通用物理智能開發平臺三位一體的技術體系。已圍繞汽車制造中的上下料、質檢等工位完成場景驗證，并與多家頭部車企達成商業合作。【數據來源：InfoQ】

厘清智能成立于2026年，核心技術源于清華博導李一鳴教授團隊。專注于構建數據和物理雙輪驅動的生態系統，從高維傳感器信號表征到推理再到動作執行，構建了自監督預訓練和強化學習后訓練系統，用以高效解決復雜視覺、空間與觸覺的物理交互任務。【數據來源：投資界】

與光科技成立于2020年，聚焦光感知芯片與光計算芯片，創始團隊在計算光學與微納光學領域有二十余年積累。基于清華大學黃翊東教授、崔開宇長聘副教授團隊提出的光譜卷積神經網絡方案，發展出“物譜芯片”，實現感算一體的邊緣計算。正在推進物理AI視覺芯片研發，打造空間智能與世界模型的感知硬件入口。【數據來源：芯東西】

振電智感成立于2025年，由清華大學與新南威爾士大學博士團隊聯合創立。專注自供電振動傳感器研發，采用摩擦電技術結合微米級高共振結構與新型駐極材料，實現無需外部電源的高精度振動監測。適用于強磁場、防爆等特殊物理場景，已通過超導磁體、能源管網、風電設備等工況驗證。【數據來源：EET China】

藍點觸控成立于2019年，核心團隊來自中國科學技術大學、航天科技集團、中國科學院等機構。公司專注于高精度六維力傳感器與關節力矩傳感器的研發與制造，六維力傳感器、關節力傳感器市占率較高，服務幾乎全部頭部機器人企業。產品廣泛應用于人形機器人手腕/腳踝力控、工業機器人精密裝配與打磨力控、協作機器人關節模組力覺反饋等場景，已啟動全球化戰略布局。【數據來源：高工機器人產業研究所、公司官網】

坤維科技成立于2018年，創始團隊全部來自航天科研機構，具備航天級傳感器設計經驗。據MIR睿工業2025年白皮書，公司在智能機器人領域六維力傳感器市占率較高。公司是《GB/T 43199-2023機器人多維力/力矩傳感器檢測規范》核心主筆單位，其六維力傳感器在零點穩定性、串擾抑制和溫漂控制等指標上處于國內領先水平。【數據來源：MIR睿工業、國家標準】

戴盟機器人成立于2023年，孵化自香港科技大學科研團隊，以全球首創單色光視觸覺技術為基礎。公司光視觸覺傳感器通過單色光照射接觸表面，由高分辨率光學傳感器捕捉形變場變化，實現高精度觸覺重建，在接觸位置、法向力分布和滑動檢測方面具備獨特的技術路徑。【數據來源：公司公告】

感知紀元定位機器人觸覺基礎設施，推出彈性多模態仿生電子皮膚。單張電子皮膚可集成壓力、滑動、溫度、紋理、形變等多種信號采集能力，技術路徑覆蓋傳感器材料、陣列設計、信號調理芯片與數據處理算法。產品應用于人形機器人全身觸覺覆蓋、服務機器人物理交互等場景，具備較強的可擴展性。【數據來源：公司官網】

奧迪威（832491.BJ）是國內傳感器領域的上市企業，布局AI算力與具身智能熱管理。公司推出AI服務器液冷散熱專用流量傳感器、溫度傳感器等產品，覆蓋從液冷板、冷管到智能溫控系統的全鏈路熱管理感知需求。在具身智能方向，公司同步推進機器人關節熱監測與熱防護傳感器方案，產品已進入多家頭部服務器廠商和人形機器人企業供應鏈。【數據來源：公司官網】

安培龍（301413.SZ）已形成熱敏電阻及溫度傳感器、壓力傳感器、氧傳感器、力傳感器四大產品線。公司在溫度傳感器領域擁有從敏感材料到封裝成型的完整制造能力，產品廣泛應用于家電、汽車電子及工業控制領域。在具身智能方向，公司同步推進機器人關節溫控與力覺反饋傳感器方案。【數據來源：公司官網】

疊鋮科技成立于2021年，專注于超寬光譜成像芯片與系統的研發與產業化。公司自研超寬光譜芯片可實現0.4微米至14微米波段的光譜采集，跨越可見光、近紅外、短波紅外、中波紅外及長波紅外等多波段，可同步識別溫度分布、化學成分和表面形貌。產品在工業視覺分揀、偽裝目標檢測、材質識別等領域具備獨特技術路徑。公司在光譜芯片設計與超表面光譜濾波技術方向積累較深。【數據來源：公司官網】

芯視界科技成立于2016年，以量子點光譜傳感技術為核心，推動微型光譜儀在物質分析和材質識別領域的產業化。公司技術將傳統大型光譜儀的尺寸、成本大幅降低，實現微型化、芯片化、低成本的光譜傳感方案。產品在工業材質分揀、水質監測、食品藥品檢測等場景中已形成實際部署，并逐步向具身智能感知方向延伸。【數據來源：公司官網】

中科曜光成立于2022年，核心技術源自中國科學院光電技術研究所，專注于超表面結構光譜芯片的設計與制造。公司已完成“金烏”系列超表面結構光譜芯片硅模板制造，超表面結構光譜芯片通過亞波長人工微結構實現光譜濾波功能，無需傳統濾光片和光柵組件，可實現片上集成式光譜分析。【數據來源：公司官網、中國科學院光電技術研究所】

海康微影是海康威視旗下紅外熱成像與測溫產品子公司，產品覆蓋紅外熱像儀、在線測溫系統、手持測溫設備等。公司在熱成像傳感器芯片和整機層面均具備自研能力，產品廣泛應用于工業設備熱隱患檢測、電力巡檢等場景，在具身智能方向可向機器人熱感知模塊延伸。【數據來源：公司官網、海康威視公告】

Gems Sensors是全球流體傳感與控制解決方案領域的資深企業，成立于1955年，總部位于美國。公司在電磁流量計、液位傳感器、壓力傳感器及流體特性監測方面積累了近70年工程經驗，產品線覆蓋從通用工業到航空航天等高端應用場景。Gems Sensors在長期穩定性和惡劣環境適應性方面的技術積累，構成流體傳感領域的重要壁壘。【數據來源：公司官網】

注：本名單僅為觀察梳理的部分企業，行業內仍有諸多主體未逐一列示，不代表行業全部。羅列順序不分先后，代表性企業目錄旨在呈現行業多元生態，而非對任一企業的背書或推薦。

三、爆點賽道二：物理數據——面向物理世界的軌跡數據集（融合空間位姿/力覺/觸覺及時序等多模態物理軌跡）

物理感知輸出的是非結構化瞬時數據，無法直接用于模型訓練。與大語言模型可依托海量公開文本不同，具身智能缺乏現成的結構化數據資源。物理數據賽道的核心任務，是將感知采集的碎片化信息規整為可計算、可復用的訓練樣本，銜接前端感知與后端模型。融合空間位姿、力覺、觸覺及時序特征的多模態軌跡數據集是核心產出，輸入世界模型完成推理規劃后輸出控制指令驅動機器人本體作業。真實采集保真度高但成本昂貴，仿真合成規模大但域差距尚存，眾包與開源數據場景多樣但標注一致性不足，多源數據混合使用正成為行業探索方向。采集對齊難度大、標注維度復雜，疊加場景合規與隱私約束，量產成本顯著高于文本與圖像數據，這些瓶頸已直接制約模型迭代效率與規模化落地進度，并在相當程度上框定了產業化上限。

3.1 物理數據的分類與商業化路徑

3.1.1 分類維度與特征

物理數據并非單一形態，其分類可從數據屬性、采集方式、加工方式三個維度切入，每一維度都直接影響下游模型訓練的可用性與泛化邊界。

3.1.1.1 按數據屬性（模態）分類

數據集已形成多模態融合共識。綜合Open X-Embodiment（RT-X）、RH20T和DROID三個行業代表性數據集的設計架構，當前具身智能領域的物理數據屬性可大致劃分為四層：本體－環境交互層記錄動作與狀態（如RT-X的7自由度末端向量、DROID的關節角度），回答“機器人做了什么”；物理反饋層捕捉力覺、觸覺與音頻信號（以RH20T為標桿），反映“手感如何”，但RT-X與DROID為換取數據規模均主動舍棄該層，折射出其標準化之難；環境感知層以RGB視覺、深度圖、點云為主，三個數據集均有覆蓋，是場景理解的通用基石；語義標注層則通過語言指令、任務描述甚至人類演示視頻（RH20T）為模型注入意圖認知，溝通“做什么”與“怎么做”。這四層從執行到感知再到理解，構成當前物理數據采集的基本框架，其中視覺層相對成熟，動作層已有粗粒度共識（如7DoF離散化），而力觸覺的納入與跨本體坐標幀對齊，仍是行業亟待突破的核心瓶頸。

3.1.1.2 按采集方式分類

當前已形成四條主流路徑：①遙操作采集——人類遠程操控機器人，信息密度與精確度最高但成本極高（靈御科技“數據工廠”為代表）；②仿真合成——虛擬環境批量生成，規模大、單條成本極低，但存在Sim-to-Real域差距（銀河通用為代表）；③人類操作視頻——便攜設備記錄人類自然作業，真實度高但物理交互信息不完整（它石智航SenseHub為代表）；④UMI范式——手持簡易夾爪模擬任務，兼顧成本與質量，支持跨本體解耦（鹿明FastUMI Pro為代表）。

3.1.1.3 按加工方式分類

原始感知數據需經標注、對齊、歸一化三步加工方可用于訓練。標注包括語言指令（DROID通過tasq.ai眾包1—3條/軌跡）、動作標簽與任務類別（DROID用spaCy+GPT-4提取86個動詞構成動詞級分類法）；對齊涉及多模態時間同步（RH20T的視覺-力覺-音頻同步）與坐標幀統一（OXE刻意未做跨數據集對齊，成為已知短板）；歸一化指動作空間標準化，OXE按數據集分別歸一化后離散化。加工復雜度隨模態增加而急劇上升——力覺/觸覺的標注維度與對齊難度遠超視覺，這也是物理數據量產成本顯著高于文本/圖像的根本原因。

3.1.2 典型商業模式

物理數據賽道已衍生出四種典型商業模式：

①數據工廠模式——重資產建大規模采集基地，工業化生產高質量真機數據，以數據集（如AgiBot World）對外開放建立生態影響力，核心數據作為護城河（智元機器人）；②仿真生成管線模式——自研合成管線將單條數據成本壓至極低，以規模與成本優勢搶占預訓練數據市場（銀河通用）；③硬件+數據閉環模式——出售便攜采集設備（如FastUMI Pro）同時提供采集服務，硬件入口鎖定數據流向（鹿明）；④數據標注與外包服務模式——對標Scale AI，為機器人團隊提供遙操作采集、標注清洗、質量審核等按需服務。

行業共識是：“誰能率先建立標準化數據資產體系，誰就拿到智能時代門票。”數據資產化已成為核心競爭邏輯。單一路線難以包打天下，組合策略正成為主流。

3.2 關鍵卡點與可行突破路徑

相較于傳統文本、圖像靜態數據，四維時序數據兼具空間幾何與物理交互屬性，在數據采集、融合標注、場景適配與合規流通環節存在多重瓶頸，制約了物理世界模型的協同訓練與真機落地應用。

3.2.1 核心卡點

多模態異構數據精準對齊難度較大。機器人空間感知、力控、觸覺等各類傳感器采樣頻率與傳輸時延存在固有差異，易造成空間軌跡與時序力學、觸覺信號錯位，產生物理因果偏差。觸覺傳感溫漂、形變滯后及設備個體誤差進一步加劇融合偏差，難以滿足高保真物理建模訓練需求。

真實物理交互樣本稀缺，Sim-to-Real虛實鴻溝問題突出。真機實景采集成本高、場景覆蓋面窄，復雜柔性交互工況數據積累困難。仿真數據可規模化量產，但普遍存在虛實鴻溝，仿真物理參數、接觸形變、視覺成像與真實環境存在系統性偏差，直接導致仿真訓練模型落地真機后泛化能力下滑、任務成功率衰減。主流彌合技術包含三類：域隨機化、神經渲染高保真仿真、真實數據參數對齊（系統辨識）。

多維標注難度高，行業標準缺失。物理軌跡數據需同步完成空間、力學、觸覺、時序語義等多維度融合標注，成本與誤差風險高于傳統視覺數據。目前行業缺乏統一的數據格式、標注規范與質控體系，不同機構數據無法互通復用，制約規模化數據沉淀。

實景數據采集合規約束嚴格，產業數據閉環難以成型。家庭、工業等真實場景交互數據涉及隱私與安全合規限制，無法自由采集與流通。企業多依賴封閉實驗室場景訓練，實景樣本多樣性不足，易引發模型過擬合，難以支撐通用具身智能持續迭代。

3.2.2 突破路徑

搭建軟硬件協同質控體系，實現多模態數據高精度對齊。通過硬件統一時鐘同步從源頭降低傳感時延偏差，依托算法校準策略修正傳感漂移與位姿誤差，實現空間軌跡、力學反饋與觸覺時序的精準匹配，配合標準化清洗降噪管線，輸出高一致性結構化軌跡數據。

構建虛實融合的數據量產體系，消解虛實鴻溝。以高精度仿真引擎批量生成多場景軌跡數據，擴充模型通用先驗能力。針對精密交互稀缺工況，依托真機遙操作與人機協同方式采集實景數據，反向優化仿真物理參數，形成“仿真擴泛化、真機保精度”的數據供給模式。

建立智能標注機制與行業統一標準。依托解耦式空間與物理世界模型，實現軌跡姿態、力學觸覺參數的自動化解析標注，結合弱監督校驗降低人工成本。統一數據格式、參數維度與質控規范，提升數據集通用性與行業復用性。

通過脫敏處理與產業共建打通數據壁壘。采用端側匿名化與特征留存方案，在保留物理軌跡核心特征的前提下合規采集實景數據。依托產學研協同模式共建共享數據平臺，打破企業數據孤島，構建可持續迭代的產業數據閉環。

3.3 國內外代表性企業

截至報告發布日，所列物理數據類企業在各自細分領域均已形成明確的商業化定位或核心技術壁壘，篩選標準與前章保持一致：（1）在數據采集、仿真生成、數據標注或數據平臺等細分環節具備獨特的技術路線或市場地位；（2）近兩年已完成融資、上市或戰略并購等資本化節點；（3）已擁有可驗證的客戶案例、平臺用戶規模或量產交付數據。物理數據賽道整體處于產業早期基建階段，與感知賽道已有成熟供應鏈不同。不同路線對應不同的數據采集策略與商業模式組合，并且某些企業可能在感知、數據、模型或本體上更有建樹。本名錄旨在呈現行業多元生態，而非對任一企業的背書或投資推薦，不構成對技術成熟度或商業前景的判斷，部分早期創業企業及非公開融資企業未納入本次梳理范圍。

群核科技（02562.HK）成立于2011年，2026年4月在港交所上市，市值超過300億港元。公司從空間設計工具切入，構建了“空間編輯工具→空間數據→空間基礎模型”的完整數據飛輪。其InteriorNet數據集包含約1.3億空間數據條目，是行業規模領先的室內空間數據集之一。2026年5月，群核科技的空間智能大模型完成國家備案。公司對空間基礎模型的定義聚焦“三維空間本身”，不追求泛化的“世界模擬器”，而是打造理解精確空間坐標與布局的智能工具。【數據來源：港交所公告、36氪】

靈御智能成立于2025年，定位為具身智能真機數據基礎設施服務商。公司以自研機器人本體、低延時遙操作系統、時空一致性數據平臺和RaaS部署網絡為核心，為具身智能模型、世界模型和機器人基礎模型提供真實機器人、真實任務、真實反饋的高質量操作數據，并向實體商業場景提供人機混合遠程作業能力。【數據來源：公司官網、清華大學自動化系官網、新華社、中國日報】

淵澈太初（Origin Flow）成立于2025年，由清華大學博士秦深濤創立。公司定位為打造具身智能物理交互真實數據基礎設施，聚焦精細化操作數據的采集、生產與運營。技術路線為自研NeuroScale采集范式，以非侵入式肌電信號為核心，通過自研采集套件與PULSE模型解碼手部姿態、發力、觸覺等連續物理數據，解決傳統視覺采集方案中力觸覺信息缺失的痛點。【數據來源：界面新聞、36氪、上海證券報】

光輪智能成立于2021年，定位物理AI仿真與數據基礎設施服務商，是全球首個具身數據獨角獸企業。公司全棧自研物理仿真引擎與非本體數據引擎，構建“數字平行工廠”，可提供仿真合成數據、真機數據、人類視頻數據全品類服務，將機器人開發周期縮短80%以上。客戶覆蓋全球80%以上的頭部具身智能團隊。企業計劃持續加大物理AI數據與評測基礎設施核心技術研發投入，完善面向機器人學習、能力評測與真實場景落地的產品體系。【數據來源：36氪、新華財經】

其域創新（XGRIDS）成立于2020年，是一家空間智能技術平臺企業，致力于高精度3D重建技術、分布式高性能計算、邊緣計算和深度學習技術的研發與應用。公司以自研多源SLAM融合與3D高斯潑濺（3DGS，三維高斯潑濺，3D Gaussian Splatting）為核心技術底座，具備微米級到千米級跨尺度的高精度3D建模能力，面向建筑、數字孿生、影視、娛樂、智能制造等領域提供三維建模工具、平臺和服務。【數據來源：泰伯網、每日經濟新聞、證券之星】

51World成立于2015年，是全球領先的數字孿生與仿真數據平臺服務商。技術路線為自研51Sim合成數據與仿真平臺，支持高保真3D場景生成、物理規則仿真與自動標注，為自動駕駛與人形機器人提供標準化仿真訓練數據，可批量生成極端場景與長尾工況，加速Sim2Real落地進程。2026年發布新一代產品，進一步擴展至具身智能訓練場景。【數據來源：公司官網】

千尋位置成立于2015年，為阿里系背景的全球領先時空智能科技公司。技術路線基于北斗與全球衛星導航系統，搭建萬級地基增強站網絡，提供厘米級定位與毫米級感知的時空智能服務。其開放平臺可對接具身機器人、智能駕駛及低空飛行器，為物理智能體提供統一時空基準與高精度空間定位條件。【數據來源：公司官網】

如視（Realsee）為貝殼旗下空間數字化服務商，打造了全球規模領先的室內空間數據平臺。技術路線為全景采集與AI三維重建結合語義標注，沉淀千萬級室內空間數據庫。2025年開源Realsee3D萬套真實場景數據集，通過開放API為服務機器人與具身智能體提供室內空間結構化數據與訓練樣本。【數據來源：貝殼2025年報、公司官網】

星憶科技成立于2025年，孵化自清華大學計算機系，創始人宋知珩曾任智元機器人全尺寸雙足人形整機產品負責人。公司聚焦Ego-centric數據采集，構建面向具身智能與世界模型的數據采集軟硬件體系，融合視覺、觸覺與姿態等多模態信息，打通從采集到訓練的完整閉環。【數據來源：36氪】

手億科技（Showee）成立于2025年，創始人許展瑋博士為清華大學“未來學者”，在手部姿態估計領域深耕十余年。核心產品為“智能腕帶+頭戴式攝像頭”輕量化采集方案，采用“視覺+IMU”多模態融合技術，首創“眼－手”協同數據采集架構，實現毫米級手部姿態重建精度。【數據來源：投資界】

它石智航成立于2025年2月，創始人兼CEO陳亦倫曾任華為自動駕駛首席技術官、大疆機器視覺總工程師，董事長李震宇曾任百度智能駕駛事業群總裁。公司自成立之初就瞄準了汽車和3C制造環節的線束裝配工作，這項工作的特點是高精細度，很難被過去的工業自動化取代。其核心技術包括自研的SenseHub數據采集系統和通用模型AWE 3.0，在硬件端推出了輪式工業機器人A系列和雙足通用機器人T系列。【數據來源：36氪、財經】

鹿明成立于2024年9月，是一家專注于產品級具身智能機器人的創新型高科技企業。創始人兼CEO喻超畢業于清華大學，自2016年起從事機器人學習算法研究，曾主導構建追覓科技具身機器人業務，并參與開發了小米CyberDog等多款消費級機器人產品。公司聚焦家庭、物流、制造等高價值場景，已推出LUS、MOS和NIX三大系列人形機器人，以及機器人關節模組、視觸覺模組等關鍵零部件。依托自研的FastUMI高效數據采集系統，鹿明構建了從真機數據采集、硬件本體創新到操作系統模型的全棧能力閉環。公司與三菱電機、中遠海運等多家行業龍頭企業建立深度合作。【數據來源：36氪】

Greneta為韓國物理AI 3D數據基礎設施廠商，2026年推出專屬SaaS平臺。技術路線為自研3D數據優化算法，可在保持亞毫米精度的前提下將3D數據體積壓縮90%以上，一站式解決物理AI與機器人訓練中的3D數據“數據重力”問題，適配工業數字孿生與具身智能場景。【數據來源：The Korea Herald、公司官網】

Scale AI為美國AI數據基礎設施領域的頭部企業，成立于2016年。公司以自研數據引擎（Data Engine）為核心，集成數據采集、整理、標注與模型評估工具，結合機器學習自動化預標注與人工專家審核（human-in-the-loop），為全球領先的AI模型提供高質量訓練、對齊與評估數據。其客戶涵蓋OpenAI、微軟、谷歌、英偉達、Meta及美國國防部等。2025年6月，Meta宣布以約143億至148億美元收購Scale AI 49%的非投票股份，公司估值超過290億美元。【數據來源：Scale AI官網公告、中央社、Fortune、國研網】

注：本名單僅為觀察梳理的部分企業，行業內仍有諸多主體未逐一列示，不代表行業全部。羅列順序不分先后，代表性企業目錄旨在呈現行業多元生態，而非對任一企業的背書或推薦。

四、爆點賽道三：具身模型——物理世界模型體系（含空間世界模型、物理世界模型等多模型解耦協同，統一輸出操作指令驅動本體）

物理感知與物理數據分別解決了信號采集與數據結構化的問題。具身模型的核心任務，是從多模態物理軌跡數據中習得對物理世界的理解、預測與行動能力，最終輸出可執行指令驅動物理實體完成作業。學術與產業界將這一能力層統稱為“世界模型”（World Model），即智能體通過構建內部環境表征預測狀態演變并指導決策。自2025年以來，世界模型從任務專用的決策輔助工具，演進為能夠生成高保真物理場景、捕捉復雜物理規律與物體交互的通用環境模擬器。英偉達將其解讀為“空間智能+物理AI”的融合，與本研究提出的空間世界模型與物理世界模型解耦協同架構高度一致。空間世界模型負責場景的空間幾何理解——物體的位置、形態、深度與運動軌跡；物理世界模型負責物理屬性的認知推理——材質、力學響應、熱傳導、因果演化與時間動態。

4.1 世界模型

4.1.1 模型演進

從大語言模型到完整物理空間世界模型，存在六級遞進階梯，每級在前一級基礎上補齊一層能力短板：

LLM（大語言模型），如GPT系列、文心一言，基于海量文本訓練，擅長語義理解與邏輯推理，但完全缺失三維空間、物理規律與時序因果的感知能力。

MLLM/VLM（多模態大模型），如GPT-4o、Gemini Ultra，在LLM基礎上增加視覺編碼，支持圖文視頻多模態輸入。但僅為輸入層拓展，缺乏原生三維認知，立體空間仍被壓縮為二維語義。

VLA（視覺語言動作模型），如Google Robotics VLA，打通感知－語義－執行鏈路，可根據圖文指令輸出基礎動作。但決策層級較淺，缺乏深度空間認知和長時序物理推演。

空間基礎模型（SFM），如英偉達Spatial Foundation Model，核心能力是解析三維幾何結構、提取物體坐標與布局等靜態信息，是空間智能的底層基礎。局限在于無法推演動態物理交互。

物理世界模型（PWM），如DeepMind PhysDiff，依托物理定律做時序推演，預判碰撞、碎裂等動態變化。具備物理仿真能力，但缺少原生三維空間認知，脫離空間信息后推演精度下降。

完整世界模型（WM），如OpenAI Sora / 研究中探索的世界模型、特斯拉機器人世界模型等，融合空間認知、物理推演、因果預判與動作規劃，是具身智能的終極方向。完整世界模型架構復雜、算力與數據門檻高，短期內難以規模化部署。

補充說明：世界動作模型（WAM）概念目前尚未形成行業共識，邊界定義模糊，主流研究多將其能力歸入WM范疇。

4.1.2核心概念與能力分層

在世界模型體系下，三個核心概念需要明確區分。

空間世界模型是世界模型的幾何子集，聚焦解決“靜態世界是什么樣子”的問題。核心任務是推斷三維場景結構、生成可交互3D場景、保持多視角一致性與空間語義理解。其定位并非泛化的“世界模擬器”，而是聚焦“三維空間本身”的智能工具——將AI能力從“理解對話”升級為“理解一個碗在桌子上的精確坐標、房間墻壁的具體走向”。Niantic Spatial提出的大地理空間模型（LGM）則進一步將空間基礎模型推向城市級超大場景的感知與重建，為機器人與AI Agent提供統一的坐標參考系和空間上下文理解能力。

物理世界模型是世界模型的物理動態子集，核心任務是讓AI具備對物體物理行為做出長時序預測的能力——預測物體在不同交互下的運動軌跡，如滑動、傾倒、堆疊、流體變化等，并保持多步因果邏輯的一致性。其本質是讓人工智能系統具備理解、建模、推理和仿真物理世界基本規律的能力，是連接數字模型與物理現實的橋梁。空間基礎模型解決“where things are”的問題，物理世界模型解決“what happens next”的問題。阿里巴巴旗下高德開源的ABot-PhysWorld是物理世界模型的代表性案例，能夠準確預見物體在復雜交互下的運動軌跡，在World Arena評測榜單上登頂。

完整世界模型是上述兩者的綜合，同時包含空間幾何理解與物理動態推演。學界與產業界的主流路線是從各自擅長的子集出發逐步融合：英偉達Cosmos從物理AI基礎模型與合成數據生成切入，結合Isaac Sim仿真平臺整合空間感知與物理推理能力；李飛飛World Labs從空間智能切入，致力于構建可生成、可交互的3D表示，其產品Marble已展示出早期商業潛力；楊立昆的AMI Labs從因果推理和抽象表示出發，主張JEPA架構在抽象表征層預測世界下一步作為智能體規劃的基礎。

當前產業在實現完整世界模型的道路上，正呈現出“分層切入、雙向融合”的格局。英偉達Cosmos從物理仿真與合成數據入手，依托Isaac Sim反向補足空間感知，走“物理驅動空間”路線；李飛飛World Labs從3D幾何表示和交互生成出發，逐步疊加動態推演，走“空間驅動物理”路線；楊立昆的AMI Labs則繞開顯式幾何與物理建模，主張在抽象表征層預測世界下一步狀態，強調因果抽象與空間、物理解耦的“表征驅動”路線。三者分別對應空間、物理、完整世界模型的不同起點，但最終目標均指向具備泛化能力的統一世界模型。與此同時，關于模型“載體”的具身形態爭議——擬人化還是專用化、是否納入智能駕駛——本質上是能力分層在應用場景中的映射問題，并非世界模型核心概念的內部分歧。產業實踐正逐步形成“平臺化通用認知底座 + 場景化專用執行模塊”的折中范式，而終極形態的收斂，仍有賴于在空間精度、物理真實性與因果推理效率之間的長期博弈與場景驗證。

4.1.3 四條干流技術路線

目前世界模型主要四條技術路線分別為自回歸Transformer（Google DeepMind Genie 3）、自回歸擴散Transformer（OpenAI Sora 2/騰訊混元1.5）、空間原生3D（World Labs Marble/NVIDIA Gen-3C）、聯合嵌入預測JEPA（Meta V-JEPA 2/AMI Labs）。

表4-1世界模型領域四條干流技術路線

注：本表技術路線分類依據各模型官方技術報告與學術論文。

需要明確的是，各種技術并非孤立競爭，單一架構無法覆蓋完整物理世界的認知、推演、執行需求，通常均采用“基座模型+任務適配”的復合落地策略，通過多技術融合互補，彌補單一路線能力缺陷，持續向“空間+物理”解耦協同的完整世界模型架構收斂。

在模型工程落地層面，行業形成混合分層架構與端到端學習兩大主流范式，二者的技術難度、落地邊界與核心價值存在本質差異，賽道當前的技術混戰并非優劣之爭，而是適用場景與技術邏輯的結構性分化。從攻堅難度來看，混合分層架構的核心挑戰聚焦于系統工程復雜度，核心難點在于層級間狀態傳遞對齊、跨模塊誤差累積抑制，以及高層語義指令向底層物理執行參數的精準轉化，但其架構透明可拆解、故障可追溯，屬于典型的可通過工程迭代優化的“白盒問題”，落地安全性與可控性突出。反觀端到端學習，核心瓶頸源于底層科學黑盒性，高度依賴海量高質量物理交互數據，易擬合虛假相關性、產生因果混淆，同時存在推理延遲高、分布外場景魯棒性不足等根本性問題，技術攻堅的不確定性更高。

兩大主流范式形成明確能力互補，不存在單向替代關系。端到端學習依托全域數據擬合隱性空間與物理規律，無需結構化規則約束，擅長非結構化復雜場景的語義感知與開放式規劃，能夠自發涌現類人的物理直覺，適配柔性、非標準化交互任務。而混合分層架構高度匹配世界模型“空間認知－物理推演－決策執行”的解耦協同邏輯，層級分工清晰、局部迭代成熟、可解釋性與穩定性更強，精準適配工業場景高精度、高頻次、高安全的剛性需求，也是當前產業落地的主流方案。長期行業演進將走向雙向耦合的融合體系：以端到端模型承擔通用感知與全局規劃、生成語義級成本函數，依托混合分層架構實現精準可控的物理執行，最終整合數據驅動的泛化能力與物理約束的精度優勢，落地適配全場景的通用具身世界模型體系。

4.2 關鍵卡點和可行突破路徑

空間基礎模型產業化落地面臨四大核心瓶頸：

高質量空間標注數據稀缺。現有公開數據集的空間標注樣本量大多不足百萬級，難以覆蓋復雜多樣的三維場景。與LLM可依托互聯網海量文本不同，空間基礎模型需要結構化、高保真的3D場景數據，采集和標注成本遠高于文本和圖像。部分科技企業能率先取得突破，重要原因在于其數據集積累了大量空間數據，形成了從空間編輯工具到空間數據再到空間基礎模型的完整技術飛輪。

幾何精度與語義可操作性之間存在權衡。當前AI生成的3D場景在整體空間構成上已相當可觀，但物件層面的幾何精度仍然粗糙。更重要的是，生成的3D資產通常以統一格式輸出，缺乏對不同物件的語義分割與獨立可操作性，設計師無法從AI生成的場景中單獨提取某一物件進行調整或復用。突破方向在于3D生成質量與結構化輸出之間的平衡。

計算成本與推理速度的雙重約束。3D世界的表示和生成在計算資源消耗上遠高于文本和2D圖像。騰訊HY-World 2.0端到端生成一個可交互3D場景約需12分鐘，對于需要實時交互的機器人操作和動態數字孿生場景而言尚不可接受。業界正沿3DGS實時渲染優化、模型輕量化與推理加速體系三個方向推進。

算力供給的結構性約束。國內模型企業面臨的不僅是采購成本問題，更是供給穩定性與交付周期的不確定性。這一約束產生三層影響：訓練效率方面，美國頭部企業可調度數萬張H100集群迭代模型，國內同等算力成本更高、周期更長；架構選擇方面，自回歸與擴散路線算力消耗顯著高于JEPA和空間原生3D路線，國內企業可能被迫做出與海外不同的技術選型；國產替代方面，昇騰、寒武紀等在推理側已具備替代能力，但訓練側生態成熟度與CUDA仍有2至3年代差。突破方向短期靠架構效率優先，中期靠異構算力適配，長期靠數據效率替代算力效率。

上述瓶頸并非孤立存在。合成數據的規模化生成與世界模型的迭代更新之間存在雙向驅動關系。合成數據以近乎零邊際成本的標注信息緩解真實數據稀缺對模型泛化能力的制約；世界模型的不確定性量化與預測偏差分析則主動識別值得生成的場景類型與物理規律，將數據生產從規模擴張轉向按需供給。數據質量決定模型能力上限，模型迭代反過來優化數據生產效率，這一閉環的運轉效率直接影響具身智能的規模化落地節奏。

4.3 國內外代表性企業

本節梳理不單獨聚焦世界模型公司，而是將具身模型相關企業一并納入考察——無論其主營業務是世界模型、VLA（視覺－語言－動作模型）；是“大腦+本體”的軟硬一體方案，還是純軟件大腦；亦或是人形機器人或自動駕駛方向。如此安排，緣于當前行業劇變，大量企業戰略正處在轉型升級或混合交叉之中，傳統分類方式已難以“鎖定”其動態屬性。故本節僅作案例引用，意在從紛繁表象中捕捉產業演進的真實截面。

篩選標準與前章一致：（1）在細分方向具備核心技術壁壘或行業影響力；（2）已完成大額融資、IPO或戰略并購等關鍵資本化節點；（3）模型產品已通過權威評測驗證、開源發布或進入真機部署階段。產業整體處于技術路線尚未收斂、產業化節奏存在較大不確定性的早期階段（TRL 4-7）。需要說明的是，本名錄旨在呈現行業多元生態，而非對任一企業的背書或投資推薦，不構成對技術成熟度或商業前景的判斷，部分早期創業企業及非公開融資企業未納入本次梳理范圍。

極佳視界成立于2023年，依托清華大學自動化系智能視覺實驗室孵化。創始人黃冠為清華自動化系博士，曾任地平線視覺感知技術負責人、鑒智機器人合伙人。公司聚焦空間基礎模型與世界模型方向。在世界模型權威評測World Arena中登頂全球榜首，為榜單中唯一綜合得分突破60分的具身世界模型；在RoboChallenge真機評測平臺中同樣取得全球第一。已推出全棧自研物理AGI原生本體Maker H01，落地汽車制造、3C電子、倉儲物流等場景。【數據來源：公司官網、清華大學自動化系官方發布、海淀區政府官網、World Arena評測】

智澄AI成立于2024年，創始人兼CEO胡魯輝畢業于清華大學，后曾在Meta、微軟、亞馬遜總部及華為美國研究院首席架構師兼CTO。公司定位物理智能世界模型與通用機器人企業。自研澄靈物理智能世界模型V0.1已于2026年5月開源。推出TR4物理智能復合型輪式人形機器人與TR5全尺寸通用雙足人形機器人。公司訂單覆蓋智能制造、安防巡檢、家居服務等場景。【數據來源：公司官網、智東西、36氪】

生數科技由清華大學計算機系教授、人工智能研究院副院長朱軍創立。公司以基座世界模型為核心底層，基于全球首創的U-ViT架構。在物理空間，基于世界行動模型（WAM）構建統一世界模型產品Motus，可實現真實世界下的零樣本泛化與跨本體適配。在數字空間，基于世界生成模型打造視頻大模型Vidu。【數據來源：公司官網、清華大學計算機系官方發布、科技日報、鈦媒體】

自變量機器人由清華本碩、早期注意力機制研究者王潛創立，清華核心技術團隊。2026年發布全球首個WUM世界統一架構模型WALL-B，融合VLA與世界模型，可自主推演物理規律，零樣本適配家庭復雜柔性操作；前代WALL-A十億參數端到端VLA，長時序家務操作成功率超90%，搭載量子2號輪式雙臂機器人落地。【數據來源：公司官網、財新網、麻省理工科技評論】

星海圖由清華電子系本科高繼揚，聯合清華大學交叉信息研究院兩位助理教授趙行、許華哲創立，清華核心技術班底。2026年開源新一代VLA模型G0.5，刷新全球7大權威榜單；配套Fast-WAM極速世界模型，推理延遲壓縮75%，采用一腦多形架構，適配R1輪式雙臂、Kengo人形，模型全球科研機構廣泛商用。【數據來源：公司官網、央廣網、財聯社、世界開發者大會實錄】

星動紀元由清華大學交叉信息研究院陳建宇教授孵化，自研全球四大具身模型之一ERA-42，首創分頻VLA HiRT快慢分層架構，搭配Ctrl-World可控世界模型，依托海量視頻數據預演任務，陌生場景任務成功率提升44.7%；適配L7全尺寸人形與XHAND靈巧手，海外商業化落地成熟。【數據來源：公司官網、經濟參考報、量子位】

銀河通用首創“以合成仿真數據為主、真機數據為輔”的虛實融合訓練范式。構建以“銀河星腦”為核心的端到端具身大模型體系，打通從仿真訓練到真實場景泛化的閉環。其“銀河太空艙”便利店、智慧藥房等項目已進入百臺級運營階段。【數據來源：公司官網、人民網、極客公園、證券時報】

Momenta于2026年6月23日通過港交所上市聆訊，有望成為“物理AI第一股”。公司自研R7世界模型，支撐乘用車、Robotaxi、無人物流車規模化落地。2025年營收24.13億元，第三方城市NOA銷量市占率達65%。【數據來源：港交所聆訊資料、人民網、36氪】

智元機器人于2025年9月開源通用具身基座大模型GO-1（Genie Operator-1）。GO-1采用Vision-Language-Latent-Action（ViLLA）架構，通過引入隱式動作標記彌合圖像－文本輸入與機器人執行動作之間的語義鴻溝。GO-1已在松靈機器人、Franka機械臂等不同本體上完成驗證測試，具備良好的跨本體可移植性。公司依托含百萬條真機軌跡的AgiBot World數據集訓練，涵蓋217類任務與106種場景。【數據來源：公司官網、2025年新品發布會、上證報】

宇樹科技是全球四足與人形機器人龍頭企業。2026年3月20日上交所受理其科創板IPO申請，6月1日上會闖關，創下科創板最快審核紀錄。2025年度人形機器人出貨量超5500臺，位居全球第一。【數據來源：公司官網、港交所招股書、東方財富、36氪】

優必選于2026年6月發布全尺寸超仿生人形機器人U1系列，主打日常陪伴與情感支持。U1搭載瑞芯微RK3588芯片，采用華為昇騰框架訓練的專屬情感大模型。全渠道累計訂單突破13361臺。【數據來源：公司官網、2025年度運營報告、高工人形機器人產業報告】

樂聚由哈工大冷曉琨創立，自研2.0一體化科研框架，打通大小腦協同運控，依托LET專屬操作數據集；KUAVO5人形機器人兼容盤古大模型，支持多地形跳躍、長流程工業分揀，搭建全棧本體、操作系統、運控算法自研體系，牽頭多項國家級機器人專項。【數據來源：公司官網、36氪、企業官網】

傅利葉智能從康復機器人延伸布局通用人形機器人。2026年1月攜GR-3全尺寸人形機器人亮相CES 2026。【數據來源：公司官網、36氪、高工機器人】

達闥機器人成立于2015年，為云端機器人領域的頭部企業。技術路線為自研HARIX OS云端大腦操作系統，采用“云端決策+終端執行”架構。全球申請專利超2000件，云端機器人領域專利全球第一。【數據來源：公司官網、新三板公告、中國機器人網】

逐際動力（LimX Dynamics）成立于2022年，為AI驅動的人形機器人公司。公司聚焦本體硬件設計制造、大小腦融合技術、具身Agentic OS系統三大核心能力。【數據來源：東方富海、36氪、新浪財經】

靈初智能（PsiBot）成立于2024年9月。公司聚焦機器人世界模型與具身大腦研發。2026年發布新一代具身模型Psi-R2與Psi-W0，并開源首批1000小時人類手部操作全模態數據集。【數據來源：網易、投資界、公司官網】

千訣科技成立于2023年6月，孵化自清華大學類腦計算研究中心。公司定位具身智能決策與規劃大模型研發。公司自研機器人大腦系統已實現終端設備十萬臺量級接入。【數據來源：搜狐、投資界、36氪】

中科智云聚焦工業具身智能方向。2026年4月發布工業裝備超級智能體SIEA-CORE。該系統以自研工業世界模型為核心，首批已應用于塔式起重機、橋式起重機、堆取料機等關鍵裝備，覆蓋建筑、港口、能源、鋼鐵、化工等領域。【數據來源：公司官網、央廣網、鈦媒體】

眸深智能由復旦大學深度學習實驗室孵化。公司于2026年5月推出STI-WM時空一體世界動作模型（Spatiotemporally Integrated World Model）。該模型為全球首款專為機器人原生打造的通用具身大腦。【數據來源：公司官網、復旦大學官方發布、36氪】

騰訊混元于2026年4月發布并開源混元3D世界模型2.0（HY-World 2.0）。該模型采用自回歸擴散Transformer路線，是一個多模態世界模型，能夠理解文字、圖片、視頻等多種輸入，自動生成、重建和模擬3D世界，支持多格式3D資產（Mesh/ 3DGS/點云等）導出。與僅能生成視頻的同類模型不同，HY-World 2.0可直接生成可二次編輯的3D資產文件，可導入游戲或具身仿真引擎。【數據來源：央廣網、騰訊官方發布】

阿里高德于2026年4月開源ABot-PhysWorld物理世界模型，在World Arena評測中登頂全球榜首。該模型可準確預見物體在復雜交互下的運動軌跡——滑動、傾倒、堆疊、流體變化等，并保持多步因果邏輯的一致性。此前高德已于2026年2月發布具身操作基座模型ABot-M0與具身導航基座模型ABot-N0。【數據來源：東方財富、環球網、高德官方發布】

智譜AI于2025年9月與拓斯達聯合開發首款人形機器人“小拓”。“小拓”搭載智譜GLM大模型，端側算力3352 TOPS。已在注塑車間完成多輪驗證。【數據來源：搜狐、36氪、東方財富】

World Labs由斯坦福大學教授李飛飛于2024年9月創辦。公司聚焦空間智能方向，致力于構建可生成、可交互的3D表示。首款產品Marble可從文本、圖像或視頻輸入生成高保真、幾何物理一致、可導航的三維環境。Marble已被用于游戲開發、影視特效、機器人訓練、室內設計等領域。【數據來源：World Labs官網、36氪等產業媒體報道】

Meta AMI Labs為圖靈獎得主楊立昆（Yann LeCun）實驗室。公司主張聯合嵌入預測架構（JEPA），在抽象表征空間預測世界狀態，強調因果推理能力。V-JEPA 2模型擁有12億參數，能夠理解并預測陌生物體與環境的動態。【數據來源：Meta官方發布、網易等產業媒體報道】

Google DeepMind為谷歌旗下人工智能研究機構，由戴密斯·哈薩比斯（Demis Hassabis）聯合創立并擔任CEO。公司主張構建通用世界模型（World Model），使AI不僅理解文本與圖像，更能實時生成可交互的3D虛擬世界。Genie 3是該系列第三代模型，能夠根據文本提示以24幀/秒、720p分辨率實時生成動態世界，并保持數分鐘的畫面一致性。【數據來源：DeepMind官方博客、36氪等產業媒體報道】

Figure AI是全球人形機器人領域知名企業之一。公司計劃2026年實現1.2萬臺年產能。2026年5月，搭載Helix-02神經網絡系統的Figure 03實現200小時連續包裹分揀直播。【數據來源：Figure AI官網、TipRanks、東吳證券研報】

波士頓動力（Boston Dynamics）2026年1月發布新一代全電動Atlas人形機器人量產版本。Atlas身高約1.9米、體重90公斤，全身56個自由度，最大負載約50公斤。公司同時打造四足巡檢機器人Spot及倉儲移動機器人Stretch。【數據來源：波士頓動力官網、現代汽車集團公告、CES 2026官方發布】

特斯拉Optimus于2026年第二季度在弗里蒙特工廠正式啟動量產。弗里蒙特工廠原Model S/X產線已改造為機器人專屬產線，設計年產能100萬臺。德克薩斯超級工廠規劃千萬級產能基地。馬斯克在2026年第一季度財報電話會確認Optimus將于7月下旬至8月正式量產。【數據來源：特斯拉官方公告、IT之家、東吳證券研報】

英偉達（NVIDIA Corporation）于2026年6月發布Cosmos 3，基于Mixture-of-Transformer架構，將視覺推理、世界生成與動作預測整合于單一系統。可將物理AI的訓練與評估周期從數月縮短至數天。此前于2025年3月發布全球首個開源人形機器人基礎模型Isaac GR00T N1。【數據來源：英偉達官網、2025GTC大會公告、TechCrunch】

Physical Intelligence總部位于美國舊金山，為通用具身模型代表廠商。2026年4月發布π0.7模型，融合世界模型BAGEL用于預測子目標圖像。π0.7在4個未見過的廚房場景、每個場景3至6個開放指令條件下實現超過80%的成功率。【數據來源：公司官網、TechCrunch、麻省理工科技評論】

Covariant于2024年3月推出RFM-1（Robotics Foundation Model-1）。RFM-1為一個80億參數的多模態Transformer，訓練數據涵蓋文本、圖像、視頻、機器人動作和傳感器數據。核心產品“Covariant Brain”AI軟件平臺使機器人無需專門編程即可處理各類物品。2024年亞馬遜挖走其三位聯合創始人并獲技術非獨家授權。【數據來源：Covariant官網、AI Wiki、百度百科】

注：本名單僅為觀察梳理的部分企業，行業內仍有諸多主體未逐一列示，不代表行業全部。羅列順序不分先后。代表性企業目錄旨在呈現行業多元生態，而非對任一企業的背書或推薦。

五、結語：從產業及金融視角看物理世界具身智能

從產業與金融的雙重視角觀察，物理世界具身智能的三大賽道——物理感知、物理數據、具身模型，構成了“從環境信息輸入到智能行動輸出”的完整閉環，每個環節的技術梯度、資本節奏與風險收益特征截然不同。

三條賽道的本質分野，不在于技術本身，而在于資本介入的節奏與策略截然不同。物理感知遵循“硬件邏輯”，研發投入大、量產周期長，但規模效應一旦形成則護城河極深，適合產業背景的耐心資本早期布局；物理數據遵循“平臺邏輯”，前期投入邊際遞減，后期數據資產持續增值，飛輪效應一旦成型難以替代，適合理解生態效應的戰略資本長線陪跑；具身模型遵循“范式邏輯”，技術路線尚未收斂，終局形態尚不清晰，但一旦跑通則將重塑產業鏈價值分配，更適合高風險偏好的資本以組合方式分散下注。

展望未來，歷史回響值得聆聽：光場顯示曾因計算負載與內容生態而折戟，類腦芯片因工具鏈割裂而商業滲透率低迷，上一輪AI周期中亦有創業公司因過度承諾通用智能而遭遇退潮。這些案例的共同啟示在于：感知突破不等于產品－市場匹配，硬件領先需要軟件生態協同，單點優勢難以升維為系統壁壘。從技術愿景到產業成熟，必然經歷“過熱—回調—理性復蘇”的周期洗禮，當前資本高度聚集，有必要將TRL 4-6的驗證成果與TRL 8-9的規模化部署嚴格區分，以現實預期校準資源配置。回望中國在物理世界具身智能領域的系統性布局，它既是學科交叉的深度實踐，也是科技、產業、金融協同融合的探索，一條從基礎研究到場景落地的創新鏈條正在加速形成，其產業價值與技術影響將在未來逐步落地顯現。

重要閱讀提示

1.技術階段說明：本報告涉及的產業仍處于技術路線未收斂、量產工藝持續迭代、行業標準尚未建立的早期階段。文中所有關于技術成熟度、產業化節奏、市場規模、CAGR 增長率等的預測和估算判斷，均基于截至2026年7月5日的綜合行業機構公開預測信息與合理推演，存在較大不確定性。

2.預測與結論的局限性：報告中提及的各類市場規模預測（CAGR等）來源于第三方研究機構的綜合判斷，不同機構間可能存在顯著差異。不構成對未來的確定性承諾或投資建議。

3.企業信息與關聯關系：所有企業進展均來自公開可查資料（官方公告、年報、權威媒體報道），不代表對任何企業的背書或商業推薦。文中提及的“清華背景”或“其他高校背景”主要指創始團隊學術淵源或產學研合作歷史，不隱含商業關聯。

4.閱讀建議：建議讀者結合本提示及報告中的“風險提示”章節，對本報告內容持審慎、開放、驗證的態度。本團隊將持續跟蹤產業變化，定期迭代更新。

5.產業動態提示：本文旨在搭建基礎理解框架，但由于該產業處于快速迭代周期，相關規模預測與代表性企業難以做到精確統計和嚴格劃分，存在明顯的數據有效性與分類能力局限。

本文摘自清華金融評論&清友創聯聯合策劃“科創AI+|科技產業金融”專欄，由清友創聯撰寫出具的研究報告《解鎖“物理世界具身智能”新藍海，搶占下一代萬物互聯風口》。詳細信息來源索引及核心術語縮略表詳見完整研究報告。產業技術迭代快速，若各位行業專家、從業人員發現文中數據疏漏、未收錄產業線索、內容需要勘誤修正，或是物理世界具身智能相關課題研究、活動申請，以及其他產業專訪、專欄內容合作事宜，均可來信溝通。聯絡郵箱：thfrc@pbcsf.tsinghua.edu.cn

Review of Past Articles

01

02

03

關于《清華金融評論》·《科創AI+》

建設社會主義現代化強國，關鍵在科技自立自強。以科技金融支持創新創造，因地制宜發展新質生產力，加快建設現代化產業體系，是我國在“十五五”時期推動高質量發展、實現中國式現代化的核心戰略部署。發展智能經濟新形態，需要打通科技成果轉化堵點、強化產業體系支撐、暢通金融賦能渠道，構建科技、產業、金融良性循環的發展格局。在此背景下，《清華金融評論》推出《科創AI+》主題專欄，旨在深入闡釋國家戰略部署、匯聚權威觀點、服務高質量發展大局，為政策完善與行業實踐提供智力支持。

編輯 | 蘭銀帆

審核丨秦婷