导读：物理AI的瓶颈在于真实场景里的交互数据，而星揆的城市低空巡查每天产出的即是带时空坐标、带处置结果的多模态样本。数字政通（300075）星揆2.0正在把城市治理的日常作业，改造成一条可计量、可复制的物理AI数据生产线。
目前，物理AI的讨论常聚焦于机器人、丝杠、传感器（885946）等硬件；但要让设备真正进入城市治理等真实场景，任务信息、现场数据和执行反馈同样重要。业内普遍估算，训练一个具备泛化能力的具身模型需要万亿级的物理交互样本，而现有公开数据集仍在百万级；真机采集的效率又较低——一个八小时的采集班次，最终能沉淀下来的有效数据往往不足两小时。
城市，作为物理世界中最难被简化的那类场景，具有开放、动态的特征：河道、道路、工地、桥梁和易涝点的状态会随时间和环境变化。固定摄像头存在视野边界，人工巡查也难以覆盖所有时段和区域。然而，无人机（885564）可补充现场移动感知，AI可辅助识别画面，治理平台可将线索衔接至处置流程；三者协同，有助于把巡查信息纳入城市治理业务。
数字政通（300075）星揆2.0聚焦的正是这条链路。它把无人机（885564）、自动化机场、低空任务调度和城市业务流程连接起来，通过关联真实场景中的影像、位置、识别线索和后续处置记录，为城市治理业务留下可追溯的数据脉络。一、物理AI进入城市，从一次巡查开始
以河道巡查为例，平台根据治理需求安排飞行任务，无人机（885564）按航线到达现场，机载或平台侧AI识别游泳、垂钓、垃圾、水华等疑似问题，并将时间、位置和画面证据关联到事件信息。事件经业务审核后进入相关部门的处置流程；问题处理完成后，再通过无人机（885564）复飞核查。一次空中巡查由此连接起现场、平台和地面处置，并可关联形成包括时间、坐标、画面、识别线索以及后续处置与复核情况的业务记录。
以建筑垃圾巡查为例，现有流程可将经审核的问题位置、类别和现场证据关联为治理事件。未来如与地面机器人等设备打通接口，这些信息可作为任务位置、目标类别和现场背景等输入；机器人执行结果再回传平台核验，形成“发现—派发—执行—复核”的协同链条。
这套作业方式对应物理AI落地的四个环节：无人机（885564）是移动的感知与作业载体，城市空间信息让任务落到具体坐标，AI辅助识别现场画面，平台负责调度并把识别线索接入治理流程。换句话说，一次闭环巡查可将现场信息、识别线索、业务动作与复核结果串联起来，形成较完整的治理过程记录。这类记录有助于复盘业务流程，也让任务结果具备可追溯性。
图 1：星揆2.0连接低空巡查与城市治理业务流程二、一条闭环，四层数据
过去的城市巡查更多依靠人员到场或固定点位观察。无人机（885564）扩大了移动巡查的范围，AI识别则帮助工作人员从大量影像中更快发现需要关注的目标。星揆将识别结果与任务、设备、时间、位置和证据画面关联，再按照业务规则进行筛选和审核，减少从发现问题到形成处置任务之间的信息断点。
例如，在城市管理场景中，系统可对建筑垃圾、施工现场、物料覆盖等目标进行识别，识别结果作为现场线索进入审核和处置流程。这样的模式既发挥了AI处理影像的效率，也保留了业务部门对事件性质和处置要求的判断。
从巡查过程看，相关信息大致可分为四层。第一层是原始多模态数据，影像、轨迹与点位构成物理世界的时空底图；第二层是结构化线索，识别结果与任务、设备、时间、位置、证据绑定，像素变成可检索的事件；第三层是业务标签，审核与处置赋予事件性质、责任主体与处理方式，体现具体业务流程中的审核口径；第四层是处置与复核记录，用于说明问题后续状态，支持业务回溯和流程分析。
图2：城市治理场景中的AI识别样例三、经真实项目检验的数据生产能力
物理AI能否产生价值，需要看三个可计量的指标：设备是否真正进入日常任务，即实际利用率；识别结果能否转成可处理事项，即转化率；任务结果能否被核验，即闭环率。星揆目前已在多个地区的低空治理项目中运行，覆盖城市巡查、河道巡查、应急保障等场景，以上三个指标都已产生大量的运行数据。
德州：低空巡查融入城市全域治理
德州项目现已部署9个自动化机场和2辆车载无人机（885564），覆盖中心城区。项目运行数据显示，日均飞行10余架次、日均航程约100公里，月均自动发现案卷5600余条，并积累19类专题数据、总量超过200GB。对城市治理而言，这些飞行不只是架次和航程的增加，更重要的是把移动感知接入日常巡查和问题处置。项目持续积累城市现场影像、空间位置、问题线索及处置记录，体现了物理AI在真实开放环境中获取场景信息并关联治理结果的应用基础。
图3：德州市全域低空应用运行情况
长春净月：把基层需求转成飞行任务
长春净月项目接入10台全自动机场，覆盖9大类、41种应用场景。热线诉求、网格员上报、领导督办和部门核查等需求，可以转化为巡查任务，再由平台组织飞行。常态运行期间，平台每周创建300余次巡查任务，任务完成率在80%以上，案件识别准确率在85%以上，上报案件处置率达到100%。项目将热线、网格等基层需求转化为巡查任务，展现了物理AI从现场感知向任务生成和作业协同延伸的实践路径。
图4：长春净月星揆平台运行监控
鄂尔多斯准旗：空中巡查与地面处置协同
准旗建设了3座合计约覆盖80平方公里的无人机（885564）场，并与1000余路视频监控、30余辆执法车协同，形成空天地一体化感知体系。无人机（885564）补充固定探头难以覆盖的区域，执法车辆承担地面核查和处置。据项目统计，无人机（885564）巡查效率较传统人工提高2倍以上，并已用于违建发现、建筑垃圾治理等工作。项目通过无人机（885564）、视频监控与地面执法力量协同，体现了物理AI在复杂城市场景中多源感知、任务协同与结果反馈的应用方式。
图5：部署在楼顶的无人机（885564）场四、物理AI驱动无人机（885564）场景具象：从“看见问题”到“现场行动”
如果说“发现—派发—处置—复核”的业务闭环，定义了低空巡查的治理流程；那么物理AI的真正价值，在于让无人机（885564）从“被动采集的感知终端”升级为“可自主决策的作业主体”。。
1.渣土运输管控：动态跟拍取证，锁定移动目标
针对建筑垃圾运输中车辆遗撒、车身未覆盖、偷倒乱倒等移动性强、取证难度大的问题，物理AI模式可实现目标识别后的自主追踪取证。当无人机（885564）在巡查中识别到渣土运输车辆及违规行为时，感知模型即刻触发飞行控制逻辑，驱动机载云台自动变焦、调整飞行轨迹对目标进行动态跟拍，直至清晰抓取车辆号牌信息，全程自动留存影像证据链。
图6：物理AI智能感知渣土运输
2.违法建设巡查：多角度自动聚焦，一次飞行完成完整取证
违法建设往往存在隐蔽性强、视角受限导致取证不充分的问题，传统单航线巡航常出现证据维度不足、需二次复飞补拍的情况。在违建巡查场景中，无人机（885564）识别到疑似违法建设目标后，可基于空间位置自主规划拍摄路径，围绕目标调整飞行高度与方位，从全景、近景、细节等多个维度自动聚焦拍摄，同步留存不同角度的影像素材。一次飞行即可完成合规性取证所需的多视角资料采集，既避免了重复派单造成的效率损耗，也让问题线索的证据链更完整，支撑后续审核与处置流程高效推进。
图7：物理AI助力城市违建巡查
3.河道水域管控：识别即处置，现场悬停喊话劝离
河道巡查中的非法垂钓、野泳等行为具有时效性强的特点，传统流程往往处置滞后，当事人离场后难以管控的问题。依托物理AI的端侧执行能力，无人机（885564）在河道巡航中识别到垂钓、游泳等违规行为后，可自主调整位置悬停至目标区域上方，通过机载喊话器自动播放警示劝离语音，当场完成初步管控；对拒不配合的目标，可持续追踪并同步推送精准位置至地面执法力量。
图8：物理AI在河道巡查的应用场景
五、为什么这条数据生产线不容易被复制
与固定工位中的自动化设备（881171）相比，城市巡查面对的环境更开放：同一条河道在不同天气和时段会呈现不同状态，同一类事件也可能出现在不同区域和背景中。设备需要知道任务发生在哪里，平台需要把飞行活动与城市网格、治理事项和部门职责衔接起来。因而，城市级物理AI不只关乎识别模型，也关乎设备调度、空间信息和治理流程能否共同工作。
星揆的壁垒可以拆成三层。第一层是空间与空域资源：机场点位、航线规划、空域网格和城市坐标体系都需要逐城落地，无法打包复制。第二层是流程嵌入：线索进入谁的工单、由谁处置、如何复核，这套接口一旦成为日常流程，替换成本较高。第三层是时间维度的连续性：同一地点的多期影像比对形成纵向样本，而这种连续性主要靠持续运行积累。三层叠加，后来者难以在短期内补齐。六、从项目交付，走向可复用的数据资产
从“飞到现场”到“识别现场线索”，再到“衔接处置并核验结果”，星揆展示了物理AI在城市治理中的一种应用路径：把巡查任务、时空位置、现场影像、识别线索、业务处置和复核结果关联起来，形成“场景—任务—识别—处置—反馈”的连续数据链。随着同类场景持续运行，这些积累可以沉淀为可复用的场景标签、任务模板和处置规则，用于新项目的任务配置、流程优化和模型评估，减少每个城市从零梳理场景与业务流程的工作量。这是星揆从项目运行走向可复用数据资源的基础。
物理AI不仅需要机器人本体和传感器（885946），也需要让设备理解身处什么环境、要完成什么任务、发现问题后如何处置、执行结果如何核验。星揆以无人机（885564）为移动感知与作业载体，贯通真实城市空间、AI感知识别、任务组织调度与治理结果反馈，持续沉淀面向城市治理的场景认知、任务执行和效果验证数据，可为物理AI在城市治理场景中的环境理解、任务规划与协同作业提供强大的数据基础和业务支撑。
图9：无人机参与城市应急巡查与现场保障
风险提示：物理AI及具身智能仍处于发展阶段，技术路线、数据标准、应用场景和商业模式均存在不确定性。公司现阶段相关实践主要集中于城市低空巡查及治理流程协同，数据向机器人训练、产品应用或商业化服务延伸尚需进一步探索，相关进展及对公司经营业绩的影响存在不确定性。本文相关内容不构成对公司未来业务或业绩的预测、承诺，敬请注意投资风险。
