具身智能前瞻系列深度一：从线虫转向复盘至行动导航，旗帜鲜明看好物理AI.pdfVIP

行业深度研究

从生物智能五阶段映射具身智能，模拟、规划能力是当前缺失环节。具身智能发展至今，从物理形态到大脑机理，机

器人无一不在以“仿生”的脉络发展演绎。我们认为，虽然目前人形机器人的产业发展阶段尚处早期，但市场往往会

高估原子层面的变化，而低估比特层面的变化——具身智能模型侧的发展日新月异，因而我们试图在本篇报告中详细

梳理生物智能五阶段的变化，并逐阶段地映射产业界的产品形态与模型算法。生物体亿万斯年的演化历程，蕴含着解

读目前具身智能发展阶段的钥匙，我们认为，当前具身智能真正缺乏的是第三阶段的生物智能——模拟学习的能力，

而物理AI正是构建模拟学习的核心。

复盘智能驾驶模型算法演绎历史，世界模型≈空间智能+物理AI。正如“线虫学会转向”是生物智能的起点，“行动导

航”也是“具身智能”的起点，因而理解智能驾驶算法模型的演绎，对于理解机器人具身智能模型的发展阶段及卡点，

具有奠基性意义。同时由于具身智能产业尚处初期，业内众多明星创业公司的核心创始团队均有过长期智能驾驶行业

的从业经验，因而核心人才的迁移也必然伴随核心算法、思想的迁移。通过梳理复盘以特斯拉FSD为代表的智驾算法

模型的演绎历史，我们可以得出几个结论：1）BEV架构实现了2D图像到3D空间的扩展，使得模型具备了初级空间

智能的能力（这一点在理想、华为等车企身上更多是通过激光雷达实现的）；2）传统端到端算法的实质是一个无模型

的强化学习，是快思考的系统1；3）现阶段智驾中频繁出现的VLM、VLA实质是一个基于模型的强化学习，是慢思

考的系统2；4）是否应用基于模型的强化学习，对于智能驾驶而言也许仅仅是一个“好用”与“可用”之间的区别，

而对于一台通用人形机器人而言，则会直接导致“可用”与“不可用”的区别，而建立系统2的关键正在于模拟与规

划的能力，也即物理AI的仿真能力。2025年CES上，英伟达发布Cosmos世界模型平台，我们认为，世界模型≈空

间智能+物理AI，也就是需要让模型具备理解、生成3D几何关系、距离等空间信息的能力，同时需要让模型在3D空

间中符合真实世界物理规律地与其他物体之间发生交互。

空间智能：让模型理解3D空间中不同物体之间的几何比例关系与位置距离信息。由于互联网中并不直接存在海量的

3D数据，因而现阶段的LLM与VLM仍然局限于对于文字、图像视频等信息的生成与理解，而如果希望实现对于3D

空间数据的Scaleup，目前而言有真实数据采集与仿真合成数据两条路线。通过真实数据采集获取的3D空间数据虽

然质量更高，但数据成本其实是房租+人力，规模效应不强，较难降本且极为耗时。而通过Real2Sim2Real方式获得

的仿真合成数据的成本，则是GPU的仿真计算与渲染成本，降本路径服从摩尔定律，且原始数据一般取材于真实物理

空间，数据质量并不低，是一条更有性价比且可以极大缩短数据采集时间的路径。

物理AI：解决机器人与物理世界交互的最后一环。对于具身智能机器人而言，最后一个核心环节是嵌入模型的机器人

需要与外部世界的物体发生真实的物理交互。这件事对于扫地机、割草机、智能驾驶汽车而言都不必须，原因是广义

的行动导航（或者智能驾驶）天然是反物理交互的，智能汽车唯一与外界的高频物理交互是轮胎与地面的摩擦，除此

之外可能发生的物理交互都是智驾模型竭力避免出现的（如追尾、撞人、剐蹭等），而机器人无论是家用服务场景还

是工厂内的劳动力替代场景，都需要高频与外部环境进行交互，包括抓取水杯、搬运箱子等。而一旦涉及到物理交互，

就会存在力反馈信息，需要服从合格的物理定律，否则将会产生严重的人身伤害及财产损失。物理AI正是在这样的背

景之下诞生，要去回应当前机器人产业“缺数据”的难题。

重视3D数据资产+物理仿真引擎双主线，看好中国物理AI稀缺资产。

通用机器人Day1L4路线缺乏商业化基础的风险；仿真合成数据质量不及预期的风险；模型及软件解决方案三方公司

长期产业链话语权较低的风险。