物理AI+具身智能10家核心公司盘点:谁才是真正的产业链龙头?
如果说大模型解决的是“机器怎么想”,那么物理AI与具身智能要解决的,是“机器怎么在真实世界里干活”。这不是单点技术的胜负,而是一场从仿真、数据、控制到硬件的接力赛。下面这10家公司,正好站在这条赛道的不同棒次上,每一家都拿出了可量化的落地成果。
1. 中控技术:让工厂拥有“毫秒级”物理AI大脑
中控技术的核心能力,是以TPT大模型为核心打造面向工厂的工业AI平台。它走的不是通用大模型路线,而是用时间序列大模型实现毫秒级感知与决策执行闭环——工厂里的温度、压力、流量等时序数据,天然适合这种模型结构。
落地成果上,单平台可调度120套工业智能体,支撑工厂端物理AI的规模化落地。这意味着物理AI在工业场景里不再是单点试点,而是开始具备“平台化调度”的能力。对流程工业来说,感知到执行之间的延迟直接决定安全与效率,毫秒级闭环是硬门槛。
2. 群核科技:给物理AI搭一座“空间数据基座”
群核科技的切入点很特别——空间智能。它依托空间智能技术打通数据大脑应用链路,构建物理AI数据基座。机器人要在物理世界里行动,首先得理解空间:哪里是墙、哪里是通道、物体之间的几何关系是什么。
落地成果颇具说服力:单仿真场景可承载800万级空间三角渲染,支持最多60台机器人并行仿真训练。800万级三角面片意味着场景足够精细,60台机器人并行则意味着训练效率成倍提升。物理AI的“数据粮仓”,往往就藏在这种高保真空间仿真里。
3. 能科科技:虚实1:1复刻,200组仿真任务同时开跑
能科科技聚焦AI产品与业务落地,打造智能仿真平台,内置36套工业垂域大模型。它的关键词是“虚实场景1:1复刻”——仿真环境与真实产线尽可能一致,具身智能的训练才不会“仿真里会、现场里废”。
落地成果上,平台可同时发起200组仿真任务,实现具身智能端到端训练推理。200组并行任务,意味着训练吞吐量足够支撑多本体、多场景的迭代需求。36套工业垂域大模型则让仿真不只有物理规律,还有行业知识。
4. 索辰科技:110种物理求解器,喂饱世界物理模型
索辰科技专注CAE和物理AI产品,开物平台搭载110种物理求解器。物理AI和纯数据驱动AI最大的区别在于:它必须尊重力学、流体、热传导等物理规律,求解器就是这些规律的“计算引擎”。
落地成果是单次可生成120万条物理仿真样本,为世界物理模型迭代训练提供数据支撑。120万条样本单次生成,解决的是物理AI训练中最贵的瓶颈——高质量物理数据从哪来。索辰的路线很清晰:用CAE能力批量生产仿真样本,再把样本喂给世界物理模型。
5. 宇树科技:世界动作大模型,9款本体、130类任务
宇树科技发布世界动作大模型,支持10到20轮多步交互推演。多步交互推演是具身智能的关键能力——机器人不是执行一步就结束,而是在连续动作中根据环境反馈调整。
落地成果上,单模型适配9款机器人本体,完成130类作业任务验证,同时布局WMA和VLA两个技术方向。一个模型适配9款本体,说明模型具备一定的本体泛化能力;130类任务验证则把“能演示”推进到“能覆盖”。WMA与VLA双线布局,也反映出它对“世界模型”和“视觉语言动作”两条路线的同时下注。
6. 埃斯顿:200微秒响应,补全物理AI控制软件
埃斯顿推出ER系列机器人和机器人操作系统,补全物理AI控制软件能力。物理AI再聪明,最终要落到控制指令上,控制层的实时性直接决定动作质量。
落地成果:控制指令响应周期低至200微秒,单套主控最多联动32台机器人协同作业。200微秒的响应周期,在机器人协同场景里属于硬指标;32台机器人联动,则把单机控制推向群体协同。对物理AI来说,控制软件是“最后一公里”,埃斯顿补的正是这一环。
7. 领益智造:关节模组年产能8万套,硬件制造打底
领益智造布局具身智能硬件制造,已投产机器人制造基地。具身智能不能只停留在算法和仿真里,关节模组、结构件、整机交付能力决定了能不能规模化。
落地成果:关节模组年产能可达8万套,可提供零部件关节模组及整机一站式制造交付。8万套年产能是一个制造端的信号——具身智能的硬件供应链开始具备批量交付的雏形。一站式制造交付则降低了整机厂商从设计到量产的衔接成本。
8. 奥比中光:3D视觉感知,机器人的“空间眼睛”
奥比中光提供3D视觉传感器和机器人AI视觉方案,打造机器人与AI视觉产业中台。物理AI要在真实世界行动,先得看见并理解三维空间,3D视觉就是具身智能的“空间眼睛”。
落地成果方面,公开资料显示其在机器人3D视觉感知市场占比靠前。市场占比靠前意味着它已经进入较多机器人厂商的供应链,视觉方案不只是实验室产品,而是在真实机器人上批量使用。对物理AI而言,视觉中台的价值在于让本体厂商不必从零造眼睛。
9. 汇川技术:1毫秒以内伺服响应,云边端全覆盖
汇川技术近期对外展出自研人形机器人,自研伺服电机响应时间控制在1毫秒以内。伺服系统是机器人动作的执行基础,响应时间越短,动作越跟手、越稳定。
落地成果:构建覆盖云边端的软硬件产品体系,可给客户提供落地可验证的物理AI方案。云边端覆盖意味着它不只卖单一部件,而是把云端训练、边缘推理和端侧执行串起来。1毫秒以内的伺服响应,加上可验证的方案交付,让它在“控制+硬件”这条接力棒上具备综合位置。
10. 云从科技:1000组仿真实验并行,智能体自主迭代
云从科技布局物理AI赛道,建设具身智能训练场。训练场的意义在于把仿真、数据、评测和迭代集中到一个可规模化的环境里。
落地成果:可同时并行1000组仿真实验,智能体可独立完成复杂环境任务并持续自主迭代。1000组并行仿真实验,是十家公司里公开数量级最高的仿真吞吐之一;持续自主迭代则指向具身智能的长期能力——不是一次训练定终身,而是在任务中不断变强。
核心总结:物理AI不是单点赛,而是接力赛
把这10家公司放在一起看,接力赛的轮廓很清晰:群核科技、索辰科技、能科科技、云从科技在仿真和数据端“造训练场”;宇树科技、中控技术在模型和智能体端“练脑子”;埃斯顿、汇川技术在控制与伺服端“练手脚”;奥比中光补“眼睛”;领益智造补“制造底座”。
物理AI不是单点赛,而是仿真模型控制硬件场景的接力赛。单看任何一家,都只是其中一棒;真正的胜负,取决于棒与棒之间能不能接上。谁能让仿真里的样本、模型里的决策、微秒级的控制和批量交付的硬件形成闭环,谁就更有机会跑完这场接力赛。