物理AI中间层：被低估的「卖铲人」与下一个美光的猜想

在 AI 投资领域，过去一年半美光股价从约 61 美元一度冲至 1132 美元，累计涨幅超过 1700%。这一涨幅，苹果用了十年才完成。文章认为，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大幅加快，投资的时间窗口必须不断前移。

文章梳理了过去两年 AI 资产的两次重估：第一次来自技术能力突破，ChatGPT 打开了生成式 AI 的大门，DeepSeek-R1 则证明了高性能模型不必依赖无限堆叠算力，重塑了中国 AI 资产的定价；第二次来自 Anthropic 的商业化突破，Coding 场景成为 AI 规模化落地的首个生产力入口，直接推动了 AI 硬件资产的又一轮上涨。

两轮重估之后，市场看向哪里

文章引用红杉的测算：按「从业人数 × 年薪中位数」估算，AI 服务市场总规模超过 10 万亿美元；若 AI 能覆盖程序员 20% 的价值，对应约 3000 亿美元 IT 服务增量；进一步覆盖 20% 白领工作，则对应 3.5 万亿美元空间。在一级市场，红杉已布局医疗领域的 Open Evidence、Freed，以及法律领域的 Harvey、Crosby、Finch。

第二个方向是 AI 进入物理世界。截至 2026 年 6 月 22 日，全球具身智能相关融资达 188 亿美元，不到半年已超过 2025 全年。Crunchbase 数据显示，截至 5 月中旬，中国机器人企业今年完成 176 笔融资，金额 56 亿美元，超过 2025 全年。在二级市场，工业机器视觉公司 Cognex 涨 76.5%，协作机器人公司 Teradyne 涨 72.4%，激光雷达公司 Ouster 涨 60.7%。共识尚未完全形成，但物理 AI 产业链的重估已经启动。

中间层软件基础设施：物理 AI 的水电煤

IDC 报告将物理 AI 产业链分为三层：上层是应用与业务场景（具身智能、自动驾驶）；中间层是软件基础层（模型、数据、仿真训练平台）；底层是基础设施层（计算、连接、供能、感知与执行）。IDC 认为，软件中间层是物理 AI 规模化落地的关键。

软件层通过三方面解决问题：

• 模型与策略：让机器理解环境、进行推理和决策；
• 仿真与验证：构建可控、可复现、可追踪的虚拟环境，完成大规模测试；
• 场景数据与合成数据：补充极端天气、危险交互、长尾事件等难以采集的复杂场景。

三者需要围绕真实场景形成持续迭代闭环：场景数据被采集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持续迭代。这解释了英伟达为何大力投入 Omniverse 和 Cosmos，特斯拉为何坚持自建仿真体系。

自动驾驶：仿真平台最先跑通的试验田

自动驾驶是物理 AI 中距离规模化商业落地最近的领域之一，同时具备真实需求明确、研发高度依赖数据、验证环节存在强刚需三个条件。工信部准入新规已将虚拟仿真确立为法定前置环节，从政策层面验证了这一基础设施的刚需。

文章以五一视界（旗下仿真品牌 51Sim）作为观察样本。其最早从自动驾驶仿真切入，随后沿世界模型、仿真训练、合成数据延伸，试图把分散的环节连接成一套物理 AI 软件基础设施。弗若斯特沙利文数据显示，51Sim 以 53.5% 的市场份额位居中国端到端高阶智驾仿真及数据平台市场第一。国泰君安证券研报预计 2026—2028 年公司营收分别为 7.25 亿、13.25 亿、19.85 亿元，对应增速 108.3%、82.8%、48.76%。

商业模式也在发生变化：仿真平台正从一次性项目交付，转向可积累、可复用、可订阅的场景数据资产运营。51Sim 计划联合产业伙伴推出 Physical AI Factory 模式，将算力、软件和数据打包，客户按实际使用量付费。场景库越厚、长尾覆盖越全，客户迁移成本就越高，平台的网络效应就越强。

文章最后回到开头的追问：AI 的共识到底值多少钱？美光给出了「17 倍」的可能答案。在对话框、代码编辑器与算力需求之外，AI 终将走出硅基温室，去连接物理世界那些复杂、随机、不可预测的真实场景。谁是下一个美光尚无定论，但物理 AI 中间层的机会窗口已经打开。