计算机行业点评报告：物理AI或成编码外最大落地场景，全球巨头重点发力

物理AI（让AI看懂现实世界、规划动作并指挥机器人做事的智能技术）有望成为继代码生成之后需求空间最大的AI实际应用市场，全球科技巨头已经把机器人列为重点方向。它不是单纯让聊天机器人回答问题，而是让AI通过摄像头等设备感知环境、预测物体运动、决定操作方式，再由真实机器执行并根据结果继续调整。完整的物理AI大致需要世界模型（预测现实变化）、视觉语言动作模型（把看到和听到的指令变成动作）、仿真与数字孪生（在电脑中预演）以及实体机器人共同配合。英伟达被定位为物理AI基础设施龙头，优势是同时掌握仿真平台、GPU（图形处理器）算力和模型工具；特斯拉的优势是拥有大规模真实世界闭环数据，并计划把这套能力迁移到Optimus人形机器人。谷歌、Meta和字节跳动也在深入布局世界模型，竞争已从单一机器人零件扩展到算法、算力、仿真和整机能力的全面较量。OpenAI的GPT-6Astra能直接算出机器人手部等执行部件应到达的位置和姿势，部分任务成功率超过一些机器人模型，但在精细操作上仍弱于能够直接控制电机的视觉语言动作模型。OpenAI有望在2027年推出效果亮眼的机器人样机，短期先帮助技术熟练的工人建设基础设施，机器人智能系统也可能像通用大模型一样通过按调用次数、处理量和订阅收费赚钱。OpenAI的年化经常性收入（即按当前速度折算未来一年收入）在2026年2月至6月连续5个月停滞，显示个人用户订阅增长已接近天花板；7月单月年化收入已超过二季度总和，市场测算二季度年化收入由250亿美元升至约420亿美元，增长重点正转向企业智能体（能替人完成多步工作的AI）和编码业务。黄仁勋认为物理AI对应超过50万亿美元的产业机会；Optimus已明确进入量产，产业链预计2026年10月底核心零部件可支持每周生产2,000至2,500台机器人，2027年一季度还会在2026年四季度基础上进一步翻倍。2027年Optimus产量保守估计约10万台、需求指引约30万台，落地顺序大概率是工厂、商用服务再到家庭，主要风险是技术产业化进度、竞争加剧和实际需求不及预期。

物理AI有望成为coding之后需求空间最大的AI落地场景，OpenAI、Tesla、NVIDIA、谷歌、Meta及字节等全球科技巨头正在重点布局。物理AI通过感知、理解、时空预测、动作规划和实体执行形成“感知—推理—行动—反馈”闭环，产业体系可概括为“世界模型+VLA+仿真/数字孪生+实体机器人”。NVIDIA被定位为物理AI基础设施龙头，已构建仿真+GPU+模型的完整生态；Tesla拥有大规模真实物理世界闭环数据，并将VLA、世界模型迁移至Optimus，谷歌、Meta和字节亦深入布局世界模型。OpenAI的GPT-6Astra可直接输出机器人末端执行器位姿，部分任务成功率超过部分具身模型；相较VLA直接输出电机控制信号，Astra仍需IK模块将位姿转换为关节角度，精细操作差距主要源于后训练针对性较弱。OpenAI、Anthropic、DeepSeek、Kimi等通用前沿模型公司均正酝酿进入具身智能和物理AI，通用模型与具身模型之间的产业边界可能因此重塑。OpenAI已将机器人智能系统列为核心攻关方向，有望于2027年推出效果亮眼的演示样机，短期目标是协助技术熟练的工人建设基础设施，商业化或沿用API调用、Token及订阅式收入模式。OpenAI ARR在2026年2月至6月出现连续5个月停滞，暴露C端订阅见顶；7月单月ARR已超过Q2总和，市场测算Q2 ARR由250亿美元升至约420亿美元，增长质量由消费者订阅转向企业Agent与coding，物理AI有望成为新的ARR增长引擎。黄仁勋估算物理AI对应超过50万亿美元的产业机会；根据产业链调研，Optimus已进入量产阶段，2026年10月底上游核心零部件预期达到周产2,000至2,500台的供应能力，2027Q1将在2026Q4基础上进一步翻倍。2027年Optimus全年保守产量约为10万台，需求指引约为30万台，落地路径预计遵循“工厂—商用—家庭”并逐步覆盖广泛体力劳动群体，核心风险包括技术产业化进度、行业竞争和市场需求不及预期。