闪电快讯｜头豹发布物理AI TOP10，这家多光谱感知企业爆冷入选

记者｜董温淑

编辑｜高宇雷

9月2日，头豹研究院发布2026年《中国物理AI厂商全景报告——物理AI行业应用实践TOP10》，入选企业分别为阿里云、奥比中光、比亚迪、海清智元、汇川技术、商汤科技、腾讯、小鹏、宇树科技、智元创新。

相较于将物理AI等同于机器人本体或具身大脑的常见做法，此次榜单的一个重要特点是不再以是否拥有大模型或单项算法能力作为主要判断标准，而是重点考察企业能否把人工智能真正部署到实体设备和真实业务场景中，涵盖了“AI模型、感知系统、控制系统、执行机构与真实物理场景”。

这也反映出物理AI产业的竞争逻辑正在发生变化：企业不仅需要让技术“能够运行”，还要做到稳定运行、持续迭代、批量交付，并为客户带来可验证的效率提升、风险预警、成本优化或安全价值

当物理AI进入落地期，工程化能力成为核心竞争力

随着技术演进与市场成熟，物理AI日益走入真实场景。市场认为，机器人、智能驾驶、工业现场、城市安全、能源设施、智能制造、仓储物流、园区管理等实体场景，均是物理AI的核心目标市场，并正处于关键增长期。

头豹研究院预计，中国物理AI市场规模将由2025年的385亿美元增长至2035年的3375亿美元，十年复合增长率达到24.3%；同期，中国市场在全球物理AI市场中的占比预计将由31%提升至37.5%。

而与数字世界中的操作不同，物理世界中的设备运行、车辆控制和安全处置往往难以简单回滚。一次感知误差、环境扰动或判断偏差，都可能带来设备损坏、生产中断甚至安全事故。因此，物理AI比拼的不只是模型参数和算法效果，更是感知、决策、验证、执行、反馈等能力能否形成可靠闭环，能否在复杂环境中持续稳定运行。

据此，本次榜单构建了包括“产品工程化与场景适配能力”“技术创新与系统竞争力”“市场与商业化表现”在内的评估体系，进一步考察产品层级、场景覆盖、物理交互深度、多模态感知、工程成熟度、算法模型、技术栈完整度、云边端协同、安全可靠性、客户验证和批量交付等能力。

拆解来看，榜单为入选企业提出了3项基本条件：企业产品或解决方案需进入真实物理场景、企业需具备可核验的业务与能力信息、企业相关能力需具备明确的物理AI属性。

从“具身大脑”到多光谱感知，物理AI切入产业深处

报告指出，“中国物理AI行业应用实践TOP10”评选对象覆盖具备物理世界感知、决策、验证、执行、反馈或系统集成能力的企业主体。

从入选企业的具体构成来看，宇树科技、智元创新等企业提供物理执行载体；阿里云、腾讯和商汤科技等企业构建大模型、仿真、数据和开发工具；汇川技术代表工业控制与执行底座；比亚迪、小鹏将物理AI应用于智能驾驶；海清智元、奥比中光则分别从多光谱感知和3D视觉等方向，为智能系统提供认识真实环境的感知入口。

值得一提的是，其中，报告将海清智元定位为中国多光谱AI行业及多光谱AI大模型服务领域的领先企业，并将其列为物理感知层代表企业及多光谱AI实践典型案例。

所谓“多光谱感知”，是指通过采集紫外、可见光、近红外、短波红外和热红外等不同波段信息，识别目标在反射、吸收、温度及状态变化方面的差异。其中普通可见光摄像头主要记录物体外观、颜色和运动状态，难以完整捕捉电弧放电、材质变化等人眼不可见信号；红外能够反映温度及热分布；紫外可以辅助识别电弧放电等现象；可见光则提供设备外观和现场环境信息。

将不同光谱的数据与AI分析结合，可以帮助系统从多个维度理解现场状态，进一步识别单一传感器或人工巡检不容易发现的隐性风险。

头豹研究院在报告中指出，目前多光谱AI正从人工检查、单点传感、双光谱感知和多光谱感知，进一步走向多光谱AI阶段。其价值不只是增加一种传感器，而是把电弧、局部过热、异常温升、材质变化及设备状态等物理信息转化为可计算、可分析、可研判的数据，为风险判断、提前预警和运营优化提供前端感知基础。

而据官方信息，海清智元通过“光感图算”一体化架构，将紫外、红外、可见光等光谱信号采集能力，与光谱融合、实时计算和AI分析集成于终端设备，使设备能够在现场完成多光谱数据处理、特征识别和智能研判。目前相关解决方案已经在数据中心、电力系统和能源设施等场景完成验证。

作为物理AI产业中“感知”环节的代表性应用，多光谱AI的解决方案的落地应用，意味着把过去依赖人工经验、事后发现的风险管理方式，转变为连续感知、实时分析和前置预警。

这也说明，相比仍处于快速迭代中的本体整机，部分成熟的物理感知技术已经率先在产业中产生价值。

当物理AI真正进入真实世界，行业最终比拼的或许不再是一次演示能否成功，而是产品能否适应复杂环境、长期稳定运行，并以标准化方式复制到更多场景。

（文中图源头豹研究院。）