物理AI是让机器在物理世界中完成“感知—推理—执行”闭环的人工智能。
　　与主要处理文本和图像的生成式AI不同，物理AI的重要能力是在物理世界中承载运动控制、环境交互等任务。英伟达把物理AI的应用分为机器人、自动驾驶与工业制造等领域，并在2026年10月21日GTC柏林主题演讲中提出“物理AI将成为AI发展的下一个前沿”。
　　头部项目进展加快，“大脑”与“身体”加速融合。
　　截至2026年10月初，Waymo已在美国15个市场运营4000多辆无人车、每周付费出行超过50万次；截至2026年3月，百度萝卜快跑在全球26座城市落地、累计订单超过2000万单；2026年10月初，特斯拉Cybercab车辆规模已超过300辆，Optimus目标最快2027年底达到周产2万台。模型公司与资本同步入场：OpenAI预计2027年给出人形机器人演示样机，Anthropic推出Model HardwareStandard研究预览，DeepSeek以1.41亿元参与宇树科技IPO战略配售、签署具身智能联合研发备忘录。
　　物理AI的底层条件正沿模型、网络、数据三线逐渐成熟，物理AI拐点在即。
　　模型端，通用大模型开始同时具备三维空间理解与操作能力。大模型GPT-6 Astra在FrontierMath Tier 4、ARC-AGI-3与OSWorld 2.0上分别取得98%、99.9%与72.6%，推理、泛化、执行三条能力线在数字世界已接近打通。HomeBody项目把GPT-6 Astra接入宇树G1，在陌生厨房自主探索、建图并完成长程任务，全程未使用场景专属训练数据，也未额外训练动作策略，跨任务、跨物体的迁移能力开始显现。宇树科技王兴兴以“约80%的陌生场景完成约80%的主要任务”定义“GPT时刻”，判断最快有望一两年内到来。
　　网络端，AI-RAN以低时延、高吞吐把算力下沉到基站，网络侧基础设施开始具备初始条件。10月21日T-Mobile、诺基亚与英伟达在商用现网完成全球首个AI-RAN通话，德国电信、英国电信、Orange、Elisa宣布现网试点，诺基亚平台计划2027年商用。AI-RAN使基站在完成通信功能的同时叠加GPU算力，处理终端回传的数据并把结果下发给终端；对时延敏感的任务，推理不必回云端，端到端时延降低。
　　数据端，数据闭环有望缩短更换本体与场景的迁移时间。FigureAI把每台下线的Figure 03作为采集节点，机队越大，Helix模型拿到的真实操作数据越多；特斯拉以人类示范与自博弈形成训练闭环，Isaac与Cosmos 3 Edge把仿真与合成数据接入闭环，长尾场景的覆盖效率有望提升。
　　投资建议：我们判断，物理AI当前大致处于自动驾驶2018-2020年的Robotaxi试点期，技术验证基本完成，试点已经展开，规模化运营在望，落地有望从“单城单场景验证”走向“多城多场景运营”。建议关注自动驾驶及人形机器人产业链、AI-RAN产业链、感知硬件产业链、仿真数据产业链。
　　风险提示：技术路线与商用进度不及预期；下游需求与订单不及预期；行业竞争加剧；芯片与核心零部件供应波动；数据与隐私监管趋严