上证报中国证券网讯(记者常华科)“物理AI的竞争不仅是模型的竞争，而且是平台算力、场景和生态系统的竞争。”7月2日，在由风语筑（603466）与松应科技联合主办的Physical AI虚实融合创新论坛上，瀚博半导体（881121）联合创始人、CTO张磊发表了主题演讲。
2026年4月，瀚博半导体（881121）与松应科技正式达成战略合作。双方完成瀚博国产GPU与松应物理仿真系统深度适配，围绕具身智能、机器人虚拟训练、工业数字孪生（885820）等展开协同研发，推出国产化软硬一体仿真解决方案，搭建自主可控的物理AI仿真技术栈，助力相关产业摆脱海外软硬件依赖。
依托此次深度合作基础，两家企业携手亮相本次论坛，共同探讨数字空间与现实世界融合发展的技术路径及产业机遇。瀚博半导体（881121）表示，随着Physical AI逐步进入复杂场景应用，系统性能已不仅取决于芯片算力，还需要数据传输、通信效率、实时计算等多项能力协同发展，未来存内计算、光互连及模型轻量化等技术将持续推动产业升级。松应科技则重点介绍了其在物理AI底层系统及基础软件领域的技术探索，并分享了ORCA系统在国产GPU及操作系统环境下的适配实践，为国产物理AI技术体系提供工程经验参考。
物理AI成产业发展新风口
随着AI技术从数字虚拟场景向真实物理场景渗透，物理AI成为产业全新发展风口，厘清其核心技术逻辑与产业化堵点，是行业突破发展的关键。
张磊解释道：“生成式AI让机器能够生成文本、图片、音频和代码，让AI成为数字世界的生产力。但物理AI的变化更深，它不仅仅是输出一段文字和指令，而是通过机器人、自动驾驶、工业设备和智能空间在真实世界里产生动作，AI的输出开始影响物理状态。”
他进一步谈到，物理AI并不是一个单点模型，而是一套完整的闭环，包括感知、决策、验证、执行、反馈。“感知采集环境数据，决策生成动作策略，但真实世界不可暂停、不可回滚，存在大量风险，必须提前在仿真环境中完成评估，再通过真实数据回流持续迭代。”
针对行业落地痛点，张磊总结了物理AI产业化的四大核心瓶颈：一是真实数据获取成本极高，需要大量设备、场景和人工投入；二是长尾极端场景难以全覆盖，罕见工况无法通过真实实验充分验证；三是实景试错存在物理风险，容易造成设备损坏、人员受伤；四是真实世界验证周期（883436）长、迭代慢，严重制约模型更新效率。因此在他看来，高性能、高保真的仿真平台对于加速物理AI的发展和落地至关重要。
算力仿真构筑坚实“双底座”
物理AI的规模化落地，需要仿真引擎、空间数据与底层算力基座的深度耦合。早在今年4月份，瀚博半导体（881121）与松应科技就已经基于瀚博VG1000GPU与松应ORCA系统的深度适配，在具身智能、物理AI模拟仿真等领域展开技术合作。
张磊表示：“物理AI的底层芯片需要同时满足高性能和低功耗。高性能算力用于支撑多模态信息融合、世界模型推理和动作生成等；低功耗特性支持长时间运算和多环境部署。”作为国内领先的全功能GPU企业，依托自研SG系列渲染AI芯片、SV系列大模型推理芯片，瀚博可以为国产仿真平台提供全链路、一站式的AI推理和渲染算力底座。
张磊表示，瀚博半导体（881121）与松应科技的合作，并非简单的软硬件适配，而是深度的技术共生。“最终目标不仅是完成一次适配，而且要让国产物理AI从单点可用走向平台可复用、场景可扩展、生态可持续。”
协同构建完善产业生态
单一的技术合作与产品适配只能实现单点突破，物理AI的长远发展离不开全行业的协同共建，构建完善产业生态才能真正释放国产物理AI的核心竞争力。
“物理AI的新范式，不仅是单一模型、单一平台、单一芯片的突破，而是从底层算力、仿真平台、核心负载到行业场景的系统性协同。”张磊说。
展望产业未来，张磊总结道：“物理AI的产业窗口期已经打开，机器人、工业制造、自动驾驶、低空经济（886067）等场景，都在推动AI从数字世界走向真实世界。而产业爆发的前提是仿真平台、底层算力、工具链、场景数据和产业生态的全面成熟。”他表示，未来瀚博将持续依托国产算力底座，联动全产业链伙伴，让国产物理AI真正跑起来、跑得快、跑得稳，从技术突破走向规模化产业应用。
