下一个美光，可能藏在物理AI的中间层

AI的共识，到底值多少钱？

看看美光科技就知道了。

过去一年半，美光股价从61.419美元一路上涨至1132.33美元，累计涨幅达到1743.62%，期间最大回撤仅约30.31%。

这样的涨幅，苹果用了整整10年才完成。

美光的故事，本质上反映了AI时代资产重估的一个新特征：产业价值兑现的速度正在大幅加快。

这也给投资者带来了新的挑战。当AI产业趋势被市场确认，最大的机会往往已经过去。真正高收益的阶段，通常发生在共识形成之前。因此，AI投资的时间窗口正在不断前移。

投资者需要寻找的，是下一个尚未被充分定价的方向。

如今，正是这样的关键节点。一方面，模型迭代速度越来越快。另一方面，AI Coding故事告一段落，市场需要寻找新的方向。

下一个AI共识会在哪里出现？下一个美光，会是谁？今天，硅基君就来说说这个事。

物理AI的重估开始了

过去两年，AI资产的每一次大幅重估，都来自一个新的产业共识形成。

第一次，是技术能力的突破。

ChatGPT打开了生成式AI的大门，让市场第一次相信，大模型可能成为下一代计算平台。

两年后，DeepSeek-R1又完成了另一种意义上的突破：它证明了高性能模型并不一定需要无限堆叠算力，低成本、高效率的模型路线同样成立。

这一次突破，意味着中国AI产业链重新获得全球竞争力，并直接改变了市场对中国AI资产的定价。

2025年1月20日，DeepSeek-R1正式发布时，恒生科技指数约4595点。随后一个月，恒生科技指数上涨约30%，进入技术性牛市。到2025年10月，恒生科技指数最高达到6715点，较DeepSeek-R1发布时上涨46%。其中，阿里成为最典型的受益者之一，股价从81港元上涨至185港元，涨幅超过100%。

第二次重估，来自于Anthropic的商业化突破。

2026年4月，Anthropic宣布年化收入超过300亿美元，相比2025年底约90亿美元增长超过两倍。5月底进一步突破470亿美元。

Coding场景，是AI第一次真正找到规模化商业落地的生产力入口。这进一步推动了AI资产价值重估。

在Anthropic收入暴涨后，5月成为AI硬件资产最猛烈的一轮上涨。SOXX半导体ETF单月上涨约23%。截至5月底，SOXX年内累计上涨约89%。

纵观过去两轮的AI资产重估，一个明显的特点是，产业价值兑现的速度明显加快。

美光就是典型案例。去年，美光股价从61.419美元启动，仅用一年半时间就飙升至1132.330美元，累计涨幅达1743.62%，而期间最大回撤只有30.31%。而同样的涨幅苹果用了整整10年才完成。

这意味着，AI投资的时间窗口正在不断前移，核心是寻找下一个尚未形成共识的方向。从目前看，下一轮AI重估可能来自两个方向。

第一个方向，是AI商业化继续向更多专业服务场景扩散。

Coding只是AI劳动力替代的第一个入口。去年，红杉内部做过一个测算，对包括护士、律师、程序员等服务领域各个场景的规模测算，测算逻辑是：“该职业的从业人数 × 年薪中位数”（数据来自美国人口普查局），最终得出AI 服务市场的规模将超过10 万亿美元。

其中，AI能够创造程序员20%的价值，对应约3000亿美元的IT服务市场增量。如果进一步覆盖20%的白领工作，对应市场空间将达到3.5万亿美元。

而这个机会主要集中在一级市场。凭借这个判断，红杉投了很多AI服务公司，包括医疗领域的 Open Evidence 和 Freed，以及法律领域的 Harvey、Crosby 和 Finch。

第二个方向，是AI进入物理世界。过去，硅谷普遍奉行 AI first，但近期越来越多公司与研究员意识到：AI 落地必须依靠硬件。

从目前看，市场已经开始提前下注。截至2026年6月22日，全球具身智能相关融资达到188亿美元，不到半年已经超过2025全年。

中国市场同样火热。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，金额达到56亿美元，超过2025全年。

在二级市场，虽然面向机器人和自动驾驶终端应用的公司尚未出现明显上涨。但物理AI产业链里的“卖铲人”已经开始获得资金关注。

今年以来，工业机器视觉公司Cognex上涨76.5%，拥有协作机器人业务的Teradyne上涨72.4%，激光雷达公司Ouster上涨60.7%。

这意味着，虽然共识尚未完全形成，但物理AI产业链的重估已经开始了。

被低估的中间层

过去两年，大模型的行情证明了一件事：在产业爆发初期，最赚钱的往往不是最终应用，而是掌握核心资源的“卖铲人”。

目前，全球大模型公司市值加起来大约在2.5万亿美元左右，而英伟达市值高达4.96万亿美元，全球五家存储公司的市值加起来也有3.45万亿美元，这还没算上即将上市的长鑫科技。

不出意外，物理AI也将重复类似的产业规律。

在WAIC上，当智元精灵G2宣布万台级量产，宇树展示工业装配场景，银河通用推出轮式双臂方案，所有人的目光都聚焦到了具身智能公司身上，但少有人注意到，物理AI产业链也正在出现分层。

根据IDC最新发布的报告，他们把物理AI产业链，大致可以分为三层：

最上层是应用和业务场景，简单来说就是具身智能、自动驾驶，中间层是软件基础层，包含了模型、数据、仿真训练平台，底层是基础设施层，提供计算、连接、供能、感知和物理执行条件。

其中，IDC认为，中间的软件基础设施，是物理AI整个产业规模化落地的关键。

物理AI真正的难点在于，物理测试场太过昂贵，大多数企业也无力搭建高精度的仿真环境，这使得AI很难在复杂现实环境中稳定运行。而软件层能够把运行反馈转化为可复用能力，提升物理AI的进化速度和规模复制能力。

具体来说，软件通过三个层面解决了这个问题：

第一，模型与策略。解决机器如何理解环境、进行推理和决策；

第二，仿真与验证。通过仿真平台，构建可控、可复现、可追踪的虚拟环境，解决机器在进入真实世界之前，大规模测试；

第三，场景数据与合成数据。通过合成数据，用于补充极端天气、危险交互、长尾事件和难以采集的复杂场景，解决如何覆盖现实世界中的长尾情况。

更关键的地方在于，三者并非割裂存在，而要围绕真实场景形成持续迭代闭环：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持续迭代。

这也解释了，为什么英伟达要花大力气做Omniverse和Cosmos，为什么特斯拉坚持自建仿真体系。谁能把"真实数据—仿真验证—合成扩展"这个闭环跑通，谁就掌握了物理AI时代的水电煤。

不过，从全球范围来看，物理AI的软件基础设施仍处于早期阶段。

模型、仿真和数据原本分属于不同的产业环节：模型公司负责训练“大脑”，仿真厂商提供测试环境，数据服务商则负责采集和标注。随着物理AI开始走向真实场景，这些原本相互独立的能力，正在逐渐被连接起来。

五一视界的业务演变，可以被视为观察这一趋势的一个样本。

它最早从自动驾驶仿真切入，但随着端到端模型和物理AI的发展，单纯提供一个虚拟测试环境已经不够。仿真平台需要接入真实数据，也需要通过世界模型和生成式AI不断创造新的场景，再把验证结果重新沉淀为训练数据。

沿着这条路径，五一视界逐渐将业务延伸到世界模型、仿真训练和合成数据，试图把过去分散的几个环节连接成一套物理AI软件基础设施。

目前，五一视界的布局已经初见端倪。

在模型层，五一视界通过世界模型，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。

而在仿真与验证环节，五一视界旗下SimOne仿真训练平台，则承担了连接虚拟世界与真实道路的关键作用。

SimOne平台可以将真实道路还原成可交互、可编辑的数字场景，并在此基础上改变天气、交通参与者和障碍物等变量，对模型进行反复测试。

在数据环节，DataOne合成数据引擎则负责把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Corner Case生成，补充训练数据中的缺口。

一旦数据闭环跑通，这种围绕真实世界建立的软件能力，将帮助五一视界在物理AI产业链构筑极为深厚的护城河。而这样的变化，也率先在自动驾驶领域发生。

仿真软件的生意变了

在所有物理AI方向中，自动驾驶可能是距离规模化商业落地最近的领域之一。

原因在于，它同时具备三个条件：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，真正困难的并不是让车辆完成一次驾驶，而是在无数复杂、极端和不可预测的场景中保持安全。

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。今年，工信部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。

某种程度上说，自动驾驶正是五一视界这套软件闭环最现实的试验田。

从市场结果看，这套路径已经得到了一定验证。根据弗若斯特沙利文数据，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。

得益于高市占率，市场也开始重新评估五一视界的成长性。

根据国泰君安证券的研报，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%。

当然，高市场份额带来的不仅是收入，更是商业模式的变化。

在AI时代，仿真平台的商业价值正在从 "卖工具" 转向 "帮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，交付一个场景，项目结束。但在AI时代，服务变成一个持续性的动作，依赖于场景数据资产的丰富和仿真验证体系的持续迭代。

一个有代表性的案例是，今年，51Sim将联合产业伙伴推出“Physical AI Factory”模式，把算力、软件和数据整合在一起，客户按照算力资源和数据的实际使用量付费。

这意味着，仿真平台的商业模式的底层逻辑变了：从一次性项目收入，转向可积累、可复用、可订阅的场景数据资产运营。场景库越厚，长尾覆盖越全，客户的迁移成本就越高，平台的网络效应就越强。

毫无疑问，平台的网络效应，也将极大增加软件平台在物理AI时代的价值。

/ 04 /

总结

回到开头的问题：AI 的共识，到底值多少钱？

美光给出的答案是 17 倍。

AI把这个时代的奖励抬到史无前例的高度，也极大增加了寻找方向的难度。

两年来，人们习惯于在屏幕里寻找人工智能的奇迹——从一个对话框、一段代码，到爆发的算力需求。但技术最终要走出硅基的温室，去连接物理世界里那些复杂、随机又不可预测的真实。

谁是下一个美光，现在还没有清晰的答案。但五一视界至少给我们提供了一个选择。

共识形成之前，它看起来只是一门仿真或数据生意。或许当共识形成之后，市场会发现，它才是物理AI进入现实世界的通行证。

文/阿奇