物理AI时代，中间层软件是新“卖铲人”
AI产业的共识究竟能带来多少估值溢价？美光科技的股价走势给出了极具冲击力的答案：过去一年半时间里，其股价从61.419美元飙升至1132.33美元，累计涨幅高达1743.62%，期间最大回撤仅约30.31%。要知道，苹果用了整整十年才完成了同等幅度的股价增长。这一案例折射出AI时代资产重估的核心特征：产业价值兑现的速度正在前所未有的加快。这也给投资者带来了全新的挑战：当AI赛道的趋势被市场广泛确认时，大部分高收益窗口往往已经关闭，真正的超额收益通常诞生于共识形成之前。这意味着AI投资的时间窗口正在持续前移，投资者需要提前布局那些尚未被充分定价的细分方向。当下正是这样的关键节点：一方面大模型的迭代速度不断刷新纪录，另一方面以AI辅助编程为代表的前期赛道热度逐渐消退，市场亟需寻找下一个能形成产业共识的新方向。那么，下一轮AI重估的风口会落在何处？又会诞生下一个像美光一样的黑马公司？
/ 01 /
物理AI赛道的重估序幕已经拉开
过去两年里，AI资产的每一轮大幅重估，都伴随着新的产业共识形成。
第一次重估来自技术能力的突破：ChatGPT打开了生成式AI的大门，让市场首次意识到大模型有望成为下一代通用计算平台。两年后，DeepSeek-R1带来了另一种维度的突破：它证明高性能大模型无需无限堆叠算力，低成本、高效率的技术路线同样具备可行性。这一突破让国内AI产业链重新获得全球竞争力，也直接改变了市场对国内AI资产的定价逻辑。2025年1月DeepSeek-R1正式发布时，恒生科技指数约为4595点，随后一个月上涨约30%进入技术性牛市；到2025年10月，恒生科技指数最高触及6715点，较发布时上涨46%，其中头部电商企业股价从81港元涨至185港元，涨幅超100%成为典型受益者。
第二次重估则源于商业化落地的突破：2026年4月，行业头部AI企业宣布年化收入超过300亿美元，较2025年底的约90亿美元增长超两倍，到5月底进一步突破470亿美元。AI辅助编程场景成为AI首次实现规模化商业落地的生产力入口，直接推动了AI硬件资产的价值重估。在相关企业收入暴涨后的5月，半导体相关ETF单月上涨约23%，截至5月底年内累计涨幅已达89%。
回顾这两轮AI资产重估，产业价值兑现速度加快的特征愈发明显。美光的暴涨只是其中一个缩影，这也进一步验证了AI投资窗口前移的趋势。从当前市场动向来看，下一轮AI重估大概率将围绕两个核心方向展开：
第一个方向是AI商业化向更多专业服务场景渗透。AI辅助编程只是AI替代劳动力的首个入口，此前头部机构曾基于官方统计数据测算，通过“职业从业人数×年薪中位数”的逻辑，全球AI服务市场规模将突破10万亿美元。其中若AI能创造程序员20%的价值，对应IT服务市场增量约3000亿美元；若进一步覆盖20%的白领工作，市场空间将达到3.5万亿美元。这一机会主要集中在一级市场，相关机构也据此布局了医疗、法律等领域的AI服务企业。
第二个方向则是AI向物理世界的落地渗透。此前行业普遍奉行“AI first”的发展逻辑，但近期越来越多企业和研究者意识到，AI的落地必须依赖硬件载体。从全球市场来看，资本已经开始提前布局：截至2026年6月22日，全球具身智能相关融资额达188亿美元，不到半年就超过了2025年全年规模。国内市场同样火热，截至5月中旬，今年国内机器人企业已完成176笔融资，总金额达56亿美元，同样超过2025年全年水平。
在二级市场中，虽然面向机器人和自动驾驶的终端应用公司尚未出现明显上涨，但物理AI产业链中的“卖铲人”已经开始获得资金关注。今年以来，工业机器视觉企业股价上涨76.5%，拥有协作机器人业务的企业上涨72.4%，激光雷达相关企业上涨60.7%。这一信号表明，尽管物理AI的产业共识尚未完全形成，但产业链的重估已经悄然启动。
/ 02 /
被市场忽视的物理AI中间层
过去两年的大模型行情验证了一个产业规律：在科技产业爆发初期，最赚钱的往往不是直接面向用户的终端应用，而是掌握核心资源的“卖铲人”。当前全球大模型公司总市值约2.5万亿美元，而算力龙头企业一家的市值就高达4.96万亿美元，全球前五家存储芯片企业总市值也达到3.45万亿美元，尚未包括即将上市的相关企业。可以预见，物理AI赛道也将重演这一产业规律。
在近期的一场行业展会上，多家具身智能企业发布了量产产品和工业应用场景，吸引了市场的广泛关注，但很少有人注意到物理AI产业链正在出现清晰的分层。根据第三方研究机构的最新报告，物理AI产业链大致可以分为三层：最上层是应用和业务场景，包括具身智能、自动驾驶等；中间层是软件基础层，涵盖模型、数据、仿真训练平台等；底层则是基础设施层，提供计算、连接、供能、感知和物理执行等基础条件。其中，中间层的软件基础设施被认为是物理AI实现规模化落地的核心关键。
物理AI落地的最大难点在于物理测试场成本极高，多数企业无力搭建高精度的仿真环境，导致AI模型很难在复杂现实场景中稳定运行。而软件层能够将运行反馈转化为可复用的能力，大幅提升物理AI的进化速度和规模化复制能力。具体来看，软件层通过三个核心层面解决这一痛点：
一是模型与策略层，解决机器如何理解环境、进行推理和决策的问题；
二是仿真与验证层，通过构建可控、可复现、可追踪的虚拟环境，让AI模型在进入真实世界之前完成大规模测试；
三是场景数据与合成数据层，通过合成数据补充极端天气、危险交互、长尾事件等难以采集的复杂场景，覆盖现实世界中的各类边缘情况。
更关键的是，这三个层面并非孤立存在，而是围绕真实场景形成持续迭代的闭环：场景数据被采集和治理后进入模型训练，模型再通过仿真验证、合成数据扩展和真实部署反馈实现持续迭代。这也解释了为何行业龙头企业投入大量资源打造仿真体系——谁能跑通“真实数据—仿真验证—合成扩展”的完整闭环，谁就能掌握物理AI时代的“水电煤”级基础设施能力。
从全球范围来看，物理AI的软件基础设施仍处于早期发展阶段。模型、仿真和数据原本分属不同的产业环节：模型公司负责训练AI“大脑”，仿真厂商提供测试环境，数据服务商负责采集和标注数据。随着物理AI加速向真实场景落地，这些原本独立的能力正在逐渐被整合连接。
国内企业五一视界的业务演变正是这一趋势的典型样本。该企业最初从自动驾驶仿真业务切入，但随着端到端模型和物理AI的发展，单纯提供虚拟测试环境已经无法满足需求。仿真平台需要接入真实数据，同时通过世界模型和生成式AI不断创造新的场景，再将验证结果重新沉淀为训练数据。沿着这一路径，五一视界逐渐将业务延伸至世界模型、仿真训练和合成数据领域，试图将原本分散的多个环节整合成一套完整的物理AI软件基础设施。
目前五一视界的布局已经初见成效：在模型层，其通过世界模型对真实环境中的空间关系、运动轨迹和物理规律进行建模，为自动驾驶和具身智能模型生成更多复杂场景，尤其是现实中低频、危险、难以采集的长尾情况；在仿真与验证环节，旗下SimOne仿真训练平台承担了连接虚拟世界与真实道路的核心作用，能够将真实道路还原为可交互、可编辑的数字场景，并通过调整天气、交通参与者、障碍物等变量对模型进行反复测试；在数据环节，DataOne合成数据引擎负责将真实数据和仿真过程转化为可训练的场景资产，通过自动标注、场景泛化和边缘场景生成，补充训练数据中的缺口。一旦完整的数据闭环跑通，这种围绕真实世界构建的软件能力将帮助五一视界在物理AI产业链构筑深厚的护城河，而这一变化最早在自动驾驶领域已经显现。
/ 03 /
仿真软件的商业模式正在重构
在所有物理AI赛道中，自动驾驶可能是距离规模化商业落地最近的领域之一，这源于它同时具备三个核心条件：真实世界需求明确、研发流程高度依赖数据、验证环节存在强刚需。对于L3/L4级自动驾驶而言，真正的挑战并非完成单次驾驶，而是在无数复杂、极端和不可预测的场景中保障安全。这意味着自动驾驶的发展越来越依赖一套完整的软件基础设施，而今年相关部门出台的准入新规将虚拟仿真确立为法定前置环节，更是从政策层面验证了这一基础设施的刚性需求。
从某种程度上来说，自动驾驶正是五一视界这套软件闭环最理想的试验场。从市场表现来看，这一发展路径已经得到了验证：根据市场调研机构的数据，51Sim以53.5%的市场份额位居中国端到端高阶智能驾驶仿真及数据平台市场第一。凭借这一高市占率，市场也开始重新评估五一视界的成长性，券商研报预计，该公司2026-2028年的营收将分别达到7.25亿、13.25亿、19.85亿元，对应增速分别为108.3%、82.8%、48.76%。
高市场份额不仅带来了收入增长，更推动了商业模式的变革。在AI时代，仿真平台的商业价值正在从“售卖工具”转向“帮助客户建立长期可复用的场景数据资产和持续迭代的仿真验证体系”。过去的仿真软件本质上是项目制的工具交付，完成一个场景的交付后项目即结束；但在AI时代，服务变成了持续性的动作，依赖于场景数据资产的丰富度和仿真验证体系的持续迭代。
今年，51Sim将联合产业伙伴推出“Physical AI Factory”模式，将算力、软件和数据整合在一起，客户按照实际使用的算力资源和数据量付费。这意味着仿真平台的商业模式底层逻辑已经发生改变：从一次性的项目收入，转向可积累、可复用、可订阅的场景数据资产运营。场景库越丰富、长尾场景覆盖越全面，客户的迁移成本就越高，平台的网络效应也就越强。毫无疑问，这种网络效应将极大提升软件平台在物理AI时代的价值。
/ 04 /
结语
回到最初的问题：AI的共识究竟价值几何？美光的案例给出的答案是超过17倍的股价涨幅。AI时代将行业的奖励推到了前所未有的高度，但也让寻找下一个风口的难度大幅增加。
过去两年，人们习惯于在数字屏幕中寻找人工智能的奇迹：从对话交互、代码生成到爆发的算力需求。但技术的最终落地，必然要走出硅基的温室，去连接物理世界中那些复杂、随机且不可预测的真实场景。
目前谁会成为下一个美光仍未有明确答案，但五一视界的布局至少提供了一个值得关注的方向。在产业共识形成之前，它看起来只是一门仿真或数据生意；但当共识真正形成时，市场或许会发现，它才是物理AI进入现实世界的核心通行证。
