英伟达 Thor 芯片套件 9 月发货
8 月 26 日，英伟达正式发布其专为物理 AI 和人形机器人打造的 Jetson AGX Thor 开发者套件，定价 3499 美元并于 9 月开始发货。
此举标志着 AI 硬件的投资焦点正从云端算力向端侧应用扩散， Thor 芯片相较前代产品 7.5 倍的算力跃升被视为解决 当前机器人算力瓶颈、开启 物理 AI 商业化落地的关键催化剂
关注：德赛西威/智微智能/天准科技（作为英伟达
机器人：英伟达发布 Jetson Thor，优必选与国际投资机构达成战略
合作。1）英伟达发布 Jetson Thor：8 月 26 日，英伟达发布新一代机
器人计算平台 Jetson Thor 开发套件及量产模组，该产品是一款专为物
理 AI 和机器人设计的高性能计算平台，被称为"机器人大脑"， 可同
时运行多个 AI 模型，支持各类生成式 AI 模型，包括大语言模型
(LLM)、视觉语言模型(VLM)和视觉语言动作模型(VLA)等，这为机器
人实现真正的多模态感知和决策能力奠定了硬件基础。我们认为，英
伟达有望通过 Jetson Thor 构建的机器人生态，不断吸引行业内的优质
企业合作，逐步构建起自身的机器人产业生态网络，为未来机器人业务的大规模商业化奠定基础。
物理AI正在重塑机器人训练的底展逻辑：从依赖真实数据的"经验主义"，转向基于物理规律的"理性主艾"，英伟达通过全茂转术方案，构相关报告建了从云端训练刘边尊部署的完整生态，推动物理AI认实验室定向工业、医疗、家应等场素：未来随着其身智能大模型与这媒计算的结合，- 机器人将逻步渗透至人类活动的各个额域，最终实现"像人关一样总考，递信业深成：力AI的比人美更高效执行"的终目标。而在这场物理与智能的融合革命中， 机器人需要更加深刻的理解物理世界才能应对复杂的现实场景，成为帮助人美切实可行的解法复杂问题的合作伙件。
根据最新市场信息，A股中与物理AI技术相关的上市公司主要包括以下企业（按业务关联度分类）：
-
工业算力基建
-
工业富联（601138）：英伟达AI服务器核心代工厂，全球市占率超40%，提供物理AI底层算力支撑。
-
鸿博股份（002229）：合作运营智算中心，为物理AI训练提供算力支持。
-
-
机器视觉与感知
-
凌云光（688400）：机器视觉龙头，为机器人提供3D视觉感知和数据支持。
-
奥比中光（688322）：3D视觉技术接入英伟达Isaac Sim平台，赋能机器人空间认知。
-
-
仿真与数字孪生
-
索辰科技（688507）：推出生成式物理AI仿真平台，用于工业仿真和机器人训练。
-
丝路视觉（300556）：积累百万级工业3D数据资产，构建高精度数字孪生模型。
-
-
边缘计算与机器人
-
智微智能（001339）：边缘AI算力盒支持157TOPS算力，适配物流AGV及工业机器人。
-
天准科技（688003）：英伟达Jetson最大合作伙伴，边缘计算控制器应用于自动驾驶及机器人。
-
-
多模态交互与行业应用
-
科大讯飞（002230）：语音识别与NLP技术为物理AI提供交互接口，覆盖教育、医疗场景。
-
大华股份（002236）：星汉大模型实现视觉-语言-多模态认知闭环，优化工业生产流程。
-
其他涉及企业包括中科创达（300496）（视觉技术授权）、东方精工（002611）（物流机器人案例）、阿尔特（300825）（机器人数字孪生）等。
重申关注中国物理 AI 稀缺资产，机器人虚拟训练平台发布在即！
20250717
1 、会议信息
l 时间： 7 月 17 日
l 参会人：国金分析师
2 、全文摘要
本次讨论着重强调了物理 AI 领域的未来发展，特别推荐了智能科技作为投资重 点。讨论指出，AI 的应用落地需依托中国在产业优势及硬件端的强劲实力，尤 其看好机器人作为新兴领域的核心发展方向。物理 AI 的底层理解能力被认为是 关键所在。提及英伟达访华期间对物理 AI 未来趋势的强调，进一步提升了市场 对该领域的关注。一位专家通过深入研究，对物理 AI 市场进行了细致的分析和 预测。此外，机器人虚拟仿真平台的发布及索辰科技（一家专注于物理 AI 和仿 真技术的公司）的详细分析和推荐成为了讨论亮点。讨论还涵盖了 AI 模型、机 器人技术及物理 AI 在智能科技领域的重要性，强调了索辰科技在该领域的独特 地位和潜力，其产品发布对股价的积极影响亦备受期待。
3 、要点回顾
所成科技在物理 AI 方向上的布局和进展如何？
所成科技早在今年三月就已发布天工开物平台，是国内首家跟进海外英伟达和 google 浪潮做物理 AI 平台级仿真的公司。公司已接触众多不同行业商机并取得 显著成果，且在 7 月 4 日的股权激励中设定了今年 3000 万、明年 5000 万的物理 AI 收入目标。尤其值得一提的是，所成科技将于 7 月底的世界人工智能大会上 发布其机器人虚拟训练仿真平台，成为全球范围内继英伟达和 google 之后第三 个具备自主物理求解引擎和平台级产品发布的公司。
物理 AI 近期的催化是什么，为什么它会涨？为什么在众多标的中首推所成，认 为其具有独特性和稀缺性？ 近期的催化来自于英伟达黄仁勋在访华期间明确表示 AI 下一波浪潮是理解物理 世界，这重新唤起了市场对物理 AI 的关注。所成（索辰科技）作为唯一家在 聚生智能模型端具有卡位优势、场景应用、自有产品和收入的稀缺资产，在此背 景下表现出强劲行情。所成科技是国内唯一一家拥有自主物理求解引擎和平台级 产品的公司，早在今年三月就发布了天工开物平台，并在多个领域如军工、低空 经济、风电及汽车行业获得了商机转化和订单。此外，所成科技计划于月底的世 界人工智能大会上发布机器人虚拟训练仿真平台，进一步巩固其在物理 AI 领域 的领先地位和独特卡位。 所陈公司目前在机器人相关领域的场景建设情况如何？ 所陈公司利用其在国产 CE 行业积累的优质客户资源，已经在军工、风电、能源 石化等多个传统成熟行业实现先行先试的场景应用。例如，在军工领域实时生成 风动厂进行仿真制造，在风电领域部署端侧传感器以实时分析气象数据并动态调 整风电机组状态来提升发电功率，在低空领域通过售卖实时流体力学数据帮助无 人机提高配送效率和节省电量。
所陈公司的产品开发进度怎样？
除了已发布的物理 AI 平台之外，所陈公司将在 7 月 28 日的世界人工智能大会上 进一步发布机器人虚拟训练平台，该平台对标英伟达的 PhysX 和 Google 的 Magical 等顶级物理引擎搭建的仿真平台，是全球唯三针对机器人训练开发和生 态建设的底层物理引擎仿真平台。
所陈公司的商业模式及收入情况如何？
全球范围内，此类底层物理仿真平台初期通常采用开源模式积累用户和生态，所 陈公司虽也遵循此路径，但因其已有成熟的场景和客户基础，能够在现阶段明确 预计在 2025 年和 2026 年实现 3000 万和 5000 万的 ABI 收入，这在软件层和模型 层已达到相当高的收入规模，并且有望在未来通过销售高质量的数据资产和 API 工具链获取利润。
对于当前 A 股大跌的原因以及所陈公司股权激励目标设定的看法？
此波 A 股大跌分为两部分：一是随着机器人概念热度退潮带来的股价压力；二是 市场对所陈公司 7 月 4 日发布的股权激励中较低收入增长目标的担忧。但实际上， 股权激励旨在绑定核心研发团队，而非反映公司实际收入增长潜力。尽管今年增 速可能较明年稍慢，但预计今明两年依然能保持 25%至 30%的增速，保守估计今 年 4.5 亿，明年 6 亿收入。
所陈公司的估值处于何种水平？
所陈公司自上市以来，估值中枢一直维持在 20 倍 PS 左右，甚至有达到 30 至 40 倍 PS 的高位。近期的下跌已使其估值处于历史绝对底部位置，从多个视角看， 当前是较好的布局时机。
从短期视角来看，该公司的目标市值是多少？
目前，从短期角度看，基于历史中枢的 20 倍 PS 计算，对应今年 25 年的收入， 目标市值大约是 90 亿。当前价格与这一目标市值相比，仍有 30%左右的空间， 因此我们维持做强推评级。
中期阶段，影响公司估值的关键节点是什么？ 中期阶段的关键节点是 7 月 28 号，即两周后，他们计划发布的机器人虚拟仿真 平台产品是否能超过市场预期。如果该产品发布大超预期，可能会进一步推动市 值增长，因为物理 AI 部分如果达到预期，到 2027 年可能带来超过 10 亿的收入
增量，额外增加将近 50 亿的市值。
长期来看，公司有哪些潜在的增长机会？
长期来看，公司的下游市场主要以军工为主，但国内汽车行业和机器人仿真市场 （如四足、六足及人形机器人）极具潜力，市场规模可能超过汽车行业的 30 亿 市场。目前，这些市场主要由海外巨头如西门子、ABB 等占据主导地位，但标准 化工业软件的毛利率高达 95%以上，意味着即使在 30 亿加 30 亿的汽车与机器人 仿真市场中，毛利就有 80 到 90 亿的区间。若公司在汽车机器人市场取得约 30% 的市场份额，远期净利率能达到 7 到 10 亿，按照 30 倍 PE 计算，将有望达到 200 亿至 300 亿的远期目标市值。
对于当前所持的价值观和市场地位，有何具体看法？
短期而言，回到历史估值中枢，20 倍 PS 对应 90 亿市值的目标，仍有 30%左右的 空间；中期关注 7 月 28 号产品发布会的表现，若超预期将带来额外 50 亿市值增 量；长期来看，国内汽车 CE 市场和机器人 CE 市场可能为公司贡献 7 到 10 亿远 期利润，支撑起超过 200 亿甚至 300 亿的市值规模。
物理 AI 是什么？为何所城在该领域稀缺且具有独特优势？
物理 AI 是一种能理解和生成语言、视觉和行动信息的模型，目前仍处于预研阶 段。所城之所以稀缺且拥有独特优势，是因为它拥有特定场景、产品以及收入来 源。此外，公司对物理 AI 领域的理解和应用，使其在市场中占据有利地位。
空间智能和物理 AI 在 AI 技术中如何结合，形成世界模型？
世界模型等于物理 AI 加空间智能。最初阶段，空间智能是一个先实现的环节， 而物理 AI 则需要建立在空间智能之上。大语言模型之所以能规模化发展，是因 为在互联网浪潮中积累了大量的一维语言和各类信息数据，使得基于 former 架 构的模型能够通过训练达到可用状态。然而，目前并不存在真正意义上的 3D 空 间智能大模型，因为缺乏足够的 3D 数据集来让模型理解空间几何关系。
物理 AI 具体是指什么？
物理 AI 是指在空间智能模型中，机器人或汽车等实体与其他物体交互过程中， 涉及的力学反馈、结构力学、流体动力学等底层物理定律所约束的力学反馈。例 如，在 3D 空间智能场景中，机器人与环境交互时所受到的摩擦力、支撑力等物 理定律约束。
业界如何通过仿真形式生成合成数据以实现空间智能和物理 AI 的发展？
业界通常采用两步走策略。第一步是在真实场景中对机器人作业环境进行详细视 频拍摄和 3D 建模，将 2D 图像映射为 3D 空间，并对不同物体进行几何重建。第 二步是对真实场景中的物体属性（如摩擦系数、大小、颜色、视角等）进行调整 和排列组合，生成更多的仿真数据。这种"从现实到仿真，再从仿真到现实"的 模式，目前已成为业界主流训练方式，其中大部分训练数据（如银河通用的 99%） 来源于合成数据。
物理 AI 如何在机器人抓取物体时体现？
在机器人抓取物体如水杯的过程中，物理 AI 体现在机器人与环境接触时必须遵 循牛顿力学等物理规律，如手臂关节电机的力反馈信息、手指压力传感器信息、 身体 IMU 惯性传感器六维信息等都是物理 AI 的具体表现。这些信息记录了机器 人在执行抓取任务时受到的物理约束和影响。
在进行仿真计算时，通常需要经历哪些步骤？
在仿真计算过程中，首先基于传统的 CAE 仿真计算方式进行前处理，包括网格化 剖分、微分设定以及对不同构型的材质、边界条件、载荷约束等进行定义。接着 通过力学结构求解器求解结构力学问题，得出结果后使用渲染引擎将受力图等可 视化展示。
英伟达与谷歌等公司合作的项目以及即将发布的相关平台具体在做什么？
这些项目的核心目标是解决当前 AI 训练中数据不足的问题，通过构建基于真实 物理约束的 3D 或 4D 仿真引擎来生成高质量的仿真合成数据，从而实现数据增广， 降低对真实世界数据采集的成本和需求。
物理仿真技术在生成数据方面的优势是什么？
物理仿真的优势在于，相较于从真实世界中采集数据所付出的高昂租金（如场地 租金、人力成本），在仿真环境中生成数据的成本主要取决于 GPU 算力，而 GPU 租金随着摩尔定律的增长效应会越来越便宜。因此，仿真技术能以更低的成本提 供大量高质量的数据，是构建机器智能系统不可或缺的途径。
为何在智能驾驶和通用型人形机器人领域存在基于模型强化学习的技术分歧？
在智能驾驶中，早期的端到端无模型强化学习在一定程度上能够实现有效且快速 的决策。然而，在追求更高效率和全局最优解时，基于模型的强化学习能够提供 更高效的路径规划和决策能力。对于通用型人形机器人而言，是否采用基于模型 的强化学习将直接影响其能否具备高效、分拣型的智能行为，决定其从可用到不 可用的区别。
基于模型的强化学习和无模型的强化学习有何区别？
基于模型的强化学习类似于慢思考（系统二），需要对任务进行预判和规划，具 备全局思维和目标导向行为，能解决复杂且长期的问题；而无模型的强化学习类 似于快思考（系统一），主要处理快速反应和无延迟的关联性学习，适用于智能 驾驶等领域中的紧急制动、路线选择等即时决策场景。
T 电技术路线分歧的主要原因是什么？
T 电技术路线分歧主要是由于基于模型的强化学习在具身智能中的应用，具体涉 及到 3D 空间智能和 4D 物理交互的底层物理定律模型。目前，这个模型在全球范 围内的进展和掌握程度有所不同。
目前全球主流的机器人仿真平台有哪些？
目前全球主要有两个主流机器人仿真平台，一个是早年被老黄收购的底层物理调 解器 WARP，另一个是 Google 谷歌内部的名为 Magical 的求解器。其中，老黄基 于 WARP 开发了 Asim 平台，并在今年 CES 展会上迭代到了 4.4.5 版本。
新发布的牛顿（Newton）平台有何特点？
牛顿平台是老黄联合 Google DeepMind 和迪士尼共同发布的虚拟训练平台，它基 于 Google 的 Magical 物理求解器，旨在弥补 WARP 求解器代码和语言较为古老的 缺陷。预计未来两个求解器可能会融合成为全球最主流的架构。
该卡位独家体验指的是什么？
卡位独家体验是指这家中国公司不仅拥有底层仿真求解器引擎，还推出了上层的 机器人训练平台，具有独家的市场定位。这种卡位优势在于能够先发制人，通过 免费模式吸引用户、积累数据资产，并构建生态体系，从而在产业初期建立壁垒。
早期商业模式应该如何理解？
早期商业模式将重点放在做生态和免费服务上，通过聚集用户，让用户在平台上 积累数据资产，进而出售封装好的数据资产或采用类似 SaaS 化的订阅制模式盈 利。先发优势在此行业中至关重要，能服务好早期机器人公司将有助于形成正向 循环。
为何认为物理 AI 的重要性及其技术分析价值？
物理 AI 对具身智能至关重要，因为机器人需要与物理学进行交互以理解 3D 空间 构造、几何理解以及其他物体间的交互过程。物理模型的掌握能够有效解决目前 数据短缺问题，通过合成数据规模化生成来推动技术进步。