空间智能系列之四：物理AI崛起：重构工业智能底座

物理AI崛起：重构工业智能底座证券分析师：黄忠煌A0230519110001屠亦婷A0230512080003刘洋A0230513050006崔航A0230524080005黄莎A0230522010002联系人：崔航2026.6.25核心结论n物理AI推动工业AI进入生产闭环，工业智能的价值锚正在重估。n工业是物理AI最值得重视的落地场景，原因在于“可验证、可量化、可付费n制造业天然具备设备、产线、工艺、质量和机器人等物理对象，同时拥有连续数据流、仿真验证机制和清晰n工业软件的入口价值将被重新定价，长期方向是工业操nCAD、CAE、PLM、MES、SCADA等系统掌握设计、仿真、生产、质量和设备数据，未来将成为AI调用工n工业AI的壁垒不在模型发布，而在工业体系沉淀。n风险提示：物理AI技术成熟度不及预期、工业场景落地进度不及预期、制造业资本开支波动、工业223n空间智能（感知基座）—世界模型（认知决策中枢）—物理AI（系统整合载体）•空间智能：关注AI如何像人类一样理解空间结构、物体之间的几何关系及环境中的动态变化。•世界模型：动态重建。本质上是为AI系统提供一个内部的物理世界模拟器，使其能够预测行•物理AI：目标是构建能够理解、推理并直接作用于物n物理AI逐步成熟，工业AI的价值锚从信息处理效率提升，转向设备、产线、工艺、质量与机器人等物理环节的闭环优化。物理AI本质是一个系统工程物理AI在工业端的落地4证券研究报告资料来源：申万宏源研究41.2物理AI的关键分水岭：工业约束下的可执行决策n工业侧的核心变化：AI输出从“可读”升级为“可验证、可执行、可反馈”•传统AI主要解决信息生成与模式识别，输出形态•物理AI面向设备、产线、工艺、机器人等工业对象，输出可能转化为参数、动作、路径或调价值对象文本、图像、代码、知识设备、产线、工艺、机器人参数、动作、路径、调度策略语义准确、逻辑合理物理可行、安全可控、实时稳定验证方式仿真验证、工业规则、现场反馈信息处理效率AI输出参数/动作建议工业执行设备/产线/机器人结果反馈良率/能耗/节拍AI输出参数/动作建议工业执行设备/产线/机器人结果反馈良率/能耗/节拍仿真验证物理可行/安全校验5证券研究报告资料来源：申万宏源研究51.3工业是物理AI主战场：四要素驱动落地闭环n物理AI在工业侧的核心机会，是让数字系统从“记录工厂”走向“优化工厂”。n制造业天然具备物理AI落地所需的物理对象、连续数据流、验证机制和ROI闭环。•工业系统由设备、产线、工艺、物料、质量和人员共同构成，具备连续数据流和明确物理约•相比泛软件场景，工业侧更看重稳定性、可验证性和可追溯性，AI价值也更容易用良率、能耗、停机时间和工程周期衡量。时序/质量/工艺/运维数据时序/质量/工艺/运维数据设备/产线/机器人/仓储物流CAE/数字孪生/试生产/质CAE/数字孪生/试生产/质检良率/能耗/节拍/停机时间6证券研究报告资料来源：申万宏源研究61.4工业AI三层演进：执行深度决定价值空间n工业AI壁垒随执行深度提升，价值重心向流程优化和自主执行系统迁移。•工业AI早期以知识助手切入，部署快、场景清晰，但长期容易被平台型软件和通用模型内嵌。•流程优化器进入质检、排产、能耗、运维等高频生产场景，结果可量化，是当前工业AI商业化最清晰的阶段。•自主执行系统要求AI接入工业软件、仿真验证和OT执行层，技术门槛最高，也对应物理AI最大的长期价值空间。工业AI三层能力递进三层能力对应不同商业化阶段自主执行系统制自主执行系统制需要接入工业软件、仿真验证和OT执行层，门槛最高，也最接近系统重构。流程优化器质检/排产/能耗/预测维护/工知识助手文档问答/故障解释/代码辅助/流程优化器质检/排产/能耗/预测维护/工知识助手文档问答/故障解释/代码辅助/22流程优化：当前商业化最清晰质检、排产、能耗、运维等高频生产环节，结果11文档、维修、工艺知识等场景清晰，长期易被平台型软件和通用模型内嵌。7证券研究报告资料来源：申万宏源研究71.5从Copilot到Autopilot：执行深度打开工业AI价值空间nCopilot对应功能溢价，Agent对应系统入口，Autopilot对应工业闭环。•工业AI早期以Copilot形态切入，主要解决知识检索、代码生成、报表分析和维修建议等任务，对应软件功能增量。•Agent阶段开始调用CAD、CAE、PLM、MES等工业系统，价值从单点人效提升扩展到跨流程编排。•Autopilot阶段要求AI在数字孪生中完8执行深度提升8执行深度提升软件功能增量流程编排工业闭环证券研究报告3Autopilot受控执行闭环仿真验证/OT执行结果反馈/工业闭环价值：重构工业流程调用工业软件CAD/CAE/PLMMES任务编排价值：提升流程效率辅助工程师文档问答/代码生成故障解释/报表分析价值：提升人效9n英伟达已经把物理AI搭成平台体系，工业侧机会集中在仿真、数据、算力与执行系统的协同升级。•Omniverse承接数字孪生和物理仿真，Cosmos补齐世界模型与合成数据，Isaac服务机器人•工业物理AI需要同时解决虚拟环境构建、物理数据生成、模型训练、边缘推理和执行系统连工业应用层工业应用层虚拟工厂/产线仿真/机器人训练/设备优化模型与数据层模型与数据层Cosmos/世界模型/合成数据/VLA算力层算力层GPU/Thor/JetsonThor/边缘计算证券研究报告资料来源：英伟达官网，申万宏源研究2.2Omniverse：数字孪生从可视化走向仿真验证n英伟达2019年即提出Omniverse，作为继CUDA之后的又一个“软核心”nOmniverse进入工业领域实践，主要是仿真能力重要提升。体、流体、关节等。定律求解：是真正的“物理大脑”，负责计算重力、碰撞、摩擦、形变证券研究报告资料来源：英伟达官网，申万宏源研究2.2Omniverse：数字孪生从可视化走向仿真验证n数字孪生的产业定位正在从展示和监控，转向AI决策的前置验证平台。•Omniverse的价值在于把工厂、产线、设备、物流和机器人转化为可计算、可交互、可验证•未来AI生成的产线改造、机器人路径、物流路线和工艺参数，需要先在数字孪生环境中测试，再进入真实生产系统。真实工厂执行真实工厂执行AI决策验证参数/路径/产线仿真布局/节拍/物流产线运行证券研究报告资料来源：英伟达官网，申万宏源研究2.3世界模型：工业AI从状态识别走向结果推演n世界模型提升的是工业AI的前瞻决策能力：从“识别发生了什么”，升级为“推演调整后会发生什么”。•传统工业AI更多基于历史数据做异常识别、质量归因和故障预测，核心是解释过去和识别当•世界模型引入后，AI可以在不同工况、动作和参数假设下推演结果，用于评估工艺调整、机器人路径、排产策略和设备状态变化。•工业企业真正关心的是：参数调整后良率如何变化、路径调整后节拍如何变化、设备状态变化后停机风险如何变化。证券研究报告资料来源：英伟达官网，申万宏源研究2.3Cosmos：英伟达的世界基础模型nCosmos被定义为“世界基础模型”nCosmos通过生成物理学数据实现端侧模型训练。•核心功能在于使开发者能够根据文本、图像和视频等输入组合以及机器人传感器或运动数据生成基于物理学的视频，实现对现实环境（如仓库、工厂、交通路况等）的预测，从而完成对机器人和自动驾驶汽车的训练。nCosmosReason是可定制70亿参数的推理视觉语言模型（VLM）。nCosmosTransfer-2模型则专注于合成数据生成。证券研究报告资料来源：英伟达官网，申万宏源研究2.4仿真优先：AI决策进入执行层前的验证路径nAI越接近设备、产线和机器人，仿真验证的战略价值越高。•工业场景不允许模型输出直接作用于核心设备。设计方案、工艺参数、机器人动作和产线调•物理AI推动仿真系统从后置工程工具，升级为前•仿真验证决定AI能否从“给建议”进入“受控执行”。证券研究报告资料来源：英伟达官网，申万宏源研究2.5合成数据：“真实+仿真+生成”n工业AI的数据瓶颈，将通过真实数据、仿真数据、合成数据三类供给共同缓解。•工业数据采集成本高、长尾场景稀缺、标注难度大，真实试错也会带来•物理AI引入后，CAE、多物理场仿真、数字孪生和世界模型成为新的数据供给方式，补足真实工业数据不足的问题。•数据供给方式变化，是物理AI进入工业场景的重要基生成不同环境下的行车环境生成不同环境下的行车环境真实采集数据真实采集数据传感器/设备/质量/运维仿真数据CAE/多物理场/数字孪生合成数据世界模型/场景生成/扰动样本模型训练提升样本丰富度与泛化能力补足极端场景与稀缺样本部署验证降低现场试错成本与风险统一沉淀多源数据支撑训练、验证与部署证券研究报告资料来源：英伟达官网，申万宏源研究2.6Sim-to-Real：虚实迁移能力决定工业落地质量n物理AI能否从Demo进入真实工厂，关键在于仿真模型、现场数据和边缘部署的持续校准能力。•真实工厂存在设备老化、传感器噪声、材料波动、环境扰动和操作差异，虚拟环境中的模型效果进入现场后可能出现衰减。•Sim-to-Real的核心不是一次性迁移，而是通过域随机化、真实数据校准、小范围上线和生产•现场部署后的反馈校准能力，决定物理AI能否从仿真演示走向规模化现场部署现场部署/生产运行域加入噪声与扰动馈迭代持续回流优化模型用现场数据修正模型限定场景试运行仿真环境/训练样本证券研究报告资料来源：申万宏源研究3.1工业软件演进：从工具系统到推理执行系统n工业软件的角色正在从记录、管理和协同，升级为AI调用工业流程的接口层。•CAD、CAE、PLM、MES、SCADA等系统过去主要承担设计、仿真、生产、功能，是工业数字化的核心载体。AI加入后，系统中的数据、流程、权限和接口将被模型调工业发展开始复杂工业系统解构和重构开始复杂工业系统解构和重构工业设计系统优化2CAD/CAE/CAM/NC绘图仿真加工第二次第一次工业软件复杂系统方案从单点工具到解决方案集成定制流程云平台+工业互联网有线/无线网络PLMMESSCADA自主研发与定制化解决方案云化平台化AgentTwin闭环工业APP/工业AI知识创新与执行闭环设计、制造与管理协同平台生态云计算Wintel+移动IT进程技术平台演进通用计算机软件起步大型计算机软件固化各终端+工业APPC/S+B/SUNIX+PC知识创新、形成工业软件生态4云端35证券研究报告资料来源：《工业APP白皮书（2020）》，申万宏源研究3.1工业软件变革（1）：产品研发数字化nCAD从二维走向三维，将设计意图转化为可计算、可仿真的数字模型•这一变化标志着CAD从“电子绘图板”升级为“设计意图的数字化表达”。工程师的几何结nPLM——从“单点效率”到“系统协同”的跨越•这一阶段让产品数据成为企业核心资产，几何、研发设计到制造交付的全流程（CAD-CAE-CAPP-CAM） 如何制定工艺路线 如何制定工艺路线 运维与售后 计算机辅助工艺规划机辅助设计怎么设计计算机辅助工程计算机辅助制造如何加工制造设计是否可行程PLM（产品生命周期管理）——数据在组织中的流动、管理与复用从单机到企业级系统｜从文件管理到BOM、变更、版本、权限、协同、合规管理｜扩展到采购、制造、质量和售后1供应链与物料数据变更与合规数据运维与服务数据贯穿全生命周期的数字线仿真与验证数据加工与设备数据工艺与制造数据几何与设计数据20证券研究报告资料来源：Catia软件，申万宏源研究203.1工业软件变革（2）：工业互联网——连接工厂与设备n控制层与执行层数字化，让生产世界变成可分析的数据流•代表公司包括Siemens、Rockwell、Schneider、ABB等。它们在OT层积累了深厚的设备接nOT层数字化是工业AI从“建议”走向“执行”的前提•掌握OT入口的企业在AI时代拥有不可替代的战略位置。新进入者可训练模型，但难以快速建工业边缘架构打通现场资产、控制层与IT系统工业互联网落地案例架构21证券研究报告资料来源：Siemens官网，申万宏源研究21）：n云端迁移的本质，是数据对象化、协同实时化、商业模式订阅化•云化使协同方式从文件传输转向实时多人协作，商业模式也从永久授权•这不仅是部署方式变化，更是软件企业商业模式和数n云化为AI提供跨项目、跨流程学习的数据基础•本地部署下，工业数据分散孤立，AI难以获得统一样本和上下文。云化后，平台可在合规前AutodeskFormaBoard：AI辅助建筑方案可视化22证券研究报告资料来源：Autodesk软件，Siemens官网，申万宏源研究22）：n工业AI将工业数字资产从“被动记录”升级为“主动推理”•CAD、CAE、PLM、MES等系统沉淀了大量设计、仿真、工艺和设备数据，过去主要用于人形成“需求—设计—验证—生产反馈”的闭环。n工业AI不是“加聊天界面”，而是工业软件架构的重构•交互层从“菜单+鼠标”变为“自然语言+Agent编排”。•数据层从“文件+数据库”变为“知识图谱+向量库+上下文”。•执行层从“人操作软件”变为“Agent调用API+人工审核”。•本质上，工业AI推动工业软件从“工具软件”升级为“工闭环制造架构：Observe—Infer—Deci23233.2工业操作系统：物理AI的长期架构n工业AI长期形态将围绕模型、软件、数据、仿真、执行形成统一架构，工业软件从功能工具升级为工业操作入口。•工业操作系统不是单一软件品类，而是一种架构升级：上层由AIAgent和工业模型负责推理•越靠近核心流程、权威数据和执行接口，越具备长期价值分配能力。工业AI的壁垒会沉淀在系统入口、数据上下文、仿真验证和执行反馈中。工业操作系统：AI编排工业系统的三层架构角色变化角色变化AIAI编排层AIAgent/工业模型/企业知识库推理与任务编排工业软件层CAD/CAE/PLM/MES/SCADA/QMS/EAM流程承接与数据沉淀执行与数据层PLC/DCS/机器人/伺服/传感器/边缘计算执行落地与现场反馈24证券研究报告资料来源：申万宏源研究243.3数据是基础，OT决定能力边界n工业数据价值取决于是否具备设备、工艺、质量、资产与反馈结果的上下文关联•工业AI需要的是结构化、语义化、可追溯的数据资产。数据上下文越完整，AI越有机会从异常识别进入工艺优化、质量归因和可执行建议。工业数据壁垒是“n工业AI从建议系统进入执行系统，关键在于OT连接、权限边界与可追溯机制。•PLC、DCS、SCADA、机器人控制器、伺服与运动控制系统，是AI输出转化为工业动作的关维护质量与资产反馈良率/缺陷/维修/停机工艺与物料条件参数/材料/批次/环境设备与工序标签设备编号/工位/工序/产线裸时序数据温度/压力/振动/电流AI决策质量提升上下文密度提升AIAI/Agent策略生成参数建议调度方案工业软件MES/SCADA工业边缘任务编排OT执行层PLC/DCS机器人控制器伺服运动物理系统设备/产线机器人质量结果生产结果回流：质量/能耗/节拍/停机进入核心流程需要四类安全机制仿真验证先在虚拟环境验证方案安全边界仿真验证先在虚拟环境验证方案安全边界限定参数范围和动作空间过程追溯建议、审批、执行、结果全记录权限审批关键操作分级授权25证券研究报告资料来源：申万宏源研究253.4工业AI规模商业化已具备基础n模型能力成熟：从文本生成走向工具调用和Agent编排n数据底座成熟：工业互联网、云化和边缘计算补齐落地基础n客户需求成熟：降本增效、工程师短缺和质量提升形成共同驱动•制造企业面临工程师短缺、调试周期长、良率压力、能耗约束和柔性制造需求。AI若能直接减少停机、提升26证券研究报告资料来源：weforum（世界经济论坛），申万宏源研究263.4工业AI商业化：迈向价值分成nAI功能首先表现为软件模块增量和高阶订阅•工业软件厂商可将Copilot、生成式设计、仿真加速、单座席价值和订阅ARPU。n中期有望从卖座席走向卖流程自动化是更短的工程周期、更低的停机风险和更高的生产效率。n长期可能出现结果付费和平台生态分成•若AI真正进入生产闭环，计费方式可能按节省停机时27证券研究报告资料来源：Autodesk官网，申万宏源研究27284.1在“模型吞噬应用”的悲观叙事下，工业AI的真壁垒n通用AI正在吞噬低壁垒应用•容易被吞噬的应用具备共同特征：仅是大模型API工作流，不与核心系统集成，输出仅为文本、图片或报表，客户迁移成本低。工业领域很多“AI助手”、“设备文档Copilot”如果不能进入核心工作流，也面临被业软件吞噬的风险。•单纯功能插件没有长期护城河。工业AI公司必须回答“为什么我的应用不会被通用模型或平n工业AI真壁垒不在模型，而在模型周围的一整套工业体系1.工业数据的上下文：数据来自哪台设备、对应什么工艺段、当时的工况参数、与质量结果和维修结果2.系统ofrecord：谁掌握客户的设计真相、3.仿真验证能力：AI生成的结果是否物理可行、安全可行、经济可行。4.从建议到执行的闭环能力；安全、合规、责任和客户信任：工业级可靠性责任是纯AI公司难以短期建•这五个要素不是单一技术突破可以替代的，它们共同构成“模型可替换、体系不可复制”的29294.2工业AI壁垒一：工业数据的上下文，而非数据本身n工业AI根本障碍不是“数据不够多”，而是数据缺乏上下文•工业AI不能只接入设备数据流，还需要理解数据来自哪台设备、对应哪道工序、处于什么工况、与质量和维修结果有什么关系。n真正的数据壁垒由工业语义、流程上下文和历史反馈构成•“数据壁垒”的准确表达不是裸数据量，而是“数据+工业语义+流程上下文+历史反馈+验证体系”的复合壁垒。没有上下文的裸数据对大模型几乎没有工业价值，这也是单纯数据积累不构成护城河的原因。在TDengine,任何一个属性都可以配置描述、计量单位、数据类型、限值等来为AI提供30证券研究报告资料来源：TDengine数据库官网，申万宏源研究304.3工业AI壁垒二：系统ofrecord——掌握真相的系统入口n工业企业的系统ofrecord是关于物理世界真相的权威数据源n系统ofrecord迁移成本极高，是工业软件企业最深结构性壁垒•AI模型可以被替换，从OpenAI换到Anthropic再到开源模型，技术切换Rockwell等，在AI时代拥有天然结构性优势。模型不构成壁垒，系统入口和其中积累的上下文数据才构成壁垒。31证券研究报告资料来源：深思SenseAI，申万宏源研究314.4工业AI壁垒三：仿真、物理规律和验证能力n工业AI不同于通用AI的本质，在于“答案必须物理可行”•仿真验证不是可选项，而是工业AI进入真实工业流程的必备前提。nCAE、仿真和数字孪生的战略价值将因AI而上升•当AI开始参与设计决策和生产执行时，仿真环节将从“工程师分析工具”升级为“AI决策验32证券研究报告资料来源：英伟达官网，申万宏源研究324.5工业AI壁垒四：闭环执行能力与工业级安全信任n只有进入执行闭环的AI才有长期价值•完整工业AI闭环包括六个环节：感知设备、工艺、质量和供应链数据；理解工业语义和上下文；推理并生成方案；通过仿真验证方案；调用软件、设备或流程执行；记录结果并持续优n工业级安全、合规和责任体系是新进入者难以建立的信用壁垒•工业场景下，AI决策错误可能造成设备损坏、安全事故、召回风险和责任争议。客户不会轻易将核心控制权交给没有工业级可靠性记录的新AI应用。长期来看，真正能进入执行层的厂商，不仅要有模型能力，还要具备仿真验证、安全控制、权限审批、可追溯记录和客户信任333334智微智能群核科技-491奥比中光-W404--------资料来源：Wind，申万宏源研究；盈利预测选取wind一致预期，港股采用人民币35证券研究报告数据截至2026/6/2435风险提示n1.物理AI技术成熟度不及预期风险。•物理AI涉及世界模型、数字孪生、仿真验证、边缘推理、机器人控制等多类技术协同，若模型泛化能力、实时响应能力、仿真精度或执行稳定性提升不及预期，可能影响产业落地节奏。n2.工业场景落地进度不及预期风险。•工业现场存在设备差异大、工艺复杂、系统割裂、数据质量参差不齐等问题，AI方案从试点n3.制造业资本开支波动风险。•工业AI、数字孪生、仿真平台、边缘算力和自动化系统建设通常依赖制造业客户资本开支。n4.工业数据治理难度较高风险。•工业AI依赖高质量、多维度、可追溯的数据资产，但企业内部数据往往分散在CAD、CAE、PLM、MES、SCADA、QMS、EAM等系统中。若数据标准化、语义化和跨系统打通进展较n5.OT执行层安全与责任边界风险。限管理、审批机制、安全边界和可追溯体系不完善，可能带来生产事故、质量异常或责任认3636信息披露本报告署名分析师具有中国证券业协会授予的证券投资咨询执业资格并注册为证券分析师，以勤勉的职业态度、专业审慎的研究方法，使用合法合规的信息，独立、客观地出具本报告,并对本报告的内容和观点负责。本人不曾因，不因，也将不会因本报告中的具体推荐意见或观点本公司隶属于申万宏源证券有限公司。本公司经中国证券监督管理委员会核准，取得证券投资咨询业务许可。本公司关联机构在法律许可情况下可能持有或交易本报告提到的投资标的，还可能为或争取为这些标的提供投资银行服务。本公司在知晓范围内依法合规地履行披露义务。客户可通过compliance@索取有关披露资料或登录信息披露栏目查询从业人员资质情况、静默期安排及其他有关的信息披露。 股票投资评级说明：相对强于市场表现520%;我们在此提醒您，不同证券研究机构采用不同的评级术语及评级标准。