下一個美光，可能藏在物理AI的中間層

AI的共識，到底值多少錢？

看看美光科技就知道了。

過去一年半，美光股價從61.419美元一路上漲至1132.33美元，累計漲幅達到1743.62%，期間最大回撤僅約30.31%。

這樣的漲幅，蘋果用了整整10年才完成。

美光的故事，本質上反映了AI時代資產重估的一個新特徵：產業價值兑現的速度正在大幅加快。

這也給投資者帶來了新的挑戰。當AI產業趨勢被市場確認，最大的機會往往已經過去。真正高收益的階段，通常發生在共識形成之前。因此，AI投資的時間窗口正在不斷前移。

投資者需要尋找的，是下一個尚未被充分定價的方向。

如今，正是這樣的關鍵節點。一方面，模型迭代速度越來越快。另一方面，AI Coding故事告一段落，市場需要尋找新的方向。

下一個AI共識會在哪里出現？下一個美光，會是誰？今天，硅基君就來説説這個事。

物理AI的重估開始了

過去兩年，AI資產的每一次大幅重估，都來自一個新的產業共識形成。

第一次，是技術能力的突破。

ChatGPT打開了生成式AI的大門，讓市場第一次相信，大模型可能成為下一代計算平臺。

兩年后， DeepSeek -R1又完成了另一種意義上的突破：它證明了高性能模型並不一定需要無限堆疊算力，低成本、高效率的模型路線同樣成立。

這一次突破，意味着中國AI產業鏈重新獲得全球競爭力，並直接改變了市場對中國AI資產的定價。

2025年1月20日， DeepSeek -R1正式發佈時，恆生科技指數約4595點。隨后一個月，恆生科技指數上漲約30%，進入技術性牛市。到2025年10月，恆生科技指數最高達到6715點，較 DeepSeek -R1發佈時上漲46%。其中，阿里成為最典型的受益者之一，股價從81港元上漲至185港元，漲幅超過100%。

第二次重估，來自於Anthropic的商業化突破。

2026年4月，Anthropic宣佈年化收入超過300億美元，相比2025年底約90億美元增長超過兩倍。5月底進一步突破470億美元。

Coding場景，是AI第一次真正找到規模化商業落地的生產力入口。這進一步推動了AI資產價值重估。

在Anthropic收入暴漲后，5月成為AI硬件資產最猛烈的一輪上漲。SOXX半導體ETF單月上漲約23%。截至5月底，SOXX年內累計上漲約89%。

縱觀過去兩輪的AI資產重估，一個明顯的特點是，產業價值兑現的速度明顯加快。

美光就是典型案例。去年，美光股價從61.419美元啟動，僅用一年半時間就飆升至1132.330美元，累計漲幅達1743.62%，而期間最大回撤只有30.31%。而同樣的漲幅蘋果用了整整10年才完成。

這意味着，AI投資的時間窗口正在不斷前移，核心是尋找下一個尚未形成共識的方向。從目前看，下一輪AI重估可能來自兩個方向。

第一個方向，是AI商業化繼續向更多專業服務場景擴散。

Coding只是AI勞動力替代的第一個入口。去年，紅杉內部做過一個測算，對包括護士、律師、程序員等服務領域各個場景的規模測算，測算邏輯是：「該職業的從業人數 × 年薪中位數」（數據來自美國人口普查局），最終得出AI 服務市場的規模將超過10 萬億美元。

其中，AI能夠創造程序員20%的價值，對應約3000億美元的IT服務市場增量。如果進一步覆蓋20%的白領工作，對應市場空間將達到3.5萬億美元。

而這個機會主要集中在一級市場。憑藉這個判斷，紅杉投了很多AI服務公司，包括醫療領域的 Open Evidence 和 Freed，以及法律領域的 Harvey、Crosby 和 Finch。

第二個方向，是AI進入物理世界。過去，硅谷普遍奉行 AI first，但近期越來越多公司與研究員意識到：AI 落地必須依靠硬件。

從目前看，市場已經開始提前下注。截至2026年6月22日，全球具身智能相關融資達到188億美元，不到半年已經超過2025全年。

中國市場同樣火熱。Crunchbase數據顯示，截至5月中旬，中國機器人企業今年完成176筆融資，金額達到56億美元，超過2025全年。

在二級市場，雖然面向機器人和自動駕駛終端應用的公司尚未出現明顯上漲。但物理AI產業鏈里的「賣鏟人」已經開始獲得資金關注。

今年以來，工業機器視覺公司Cognex上漲76.5%，擁有協作機器人業務的Teradyne上漲72.4%，激光雷達公司Ouster上漲60.7%。

這意味着，雖然共識尚未完全形成，但物理AI產業鏈的重估已經開始了。

被低估的中間層

過去兩年，大模型的行情證明了一件事：在產業爆發初期，最賺錢的往往不是最終應用，而是掌握核心資源的「賣鏟人」。

目前，全球大模型公司市值加起來大約在2.5萬億美元左右，而英偉達市值高達4.96萬億美元，全球五家存儲公司的市值加起來也有3.45萬億美元，這還沒算上即將上市的長鑫科技。

不出意外，物理AI也將重複類似的產業規律。

在WAIC上，當智元精靈G2宣佈萬台級量產，宇樹展示工業裝配場景，銀河通用推出輪式雙臂方案，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產業鏈也正在出現分層。

根據IDC最新發布的報告，他們把物理AI產業鏈，大致可以分為三層：

最上層是應用和業務場景，簡單來説就是具身智能、自動駕駛，中間層是軟件基礎層，包含了模型、數據、仿真訓練平臺，底層是基礎設施層，提供計算、連接、供能、感知和物理執行條件。

其中，IDC認為，中間的軟件基礎設施，是物理AI整個產業規模化落地的關鍵。

物理AI真正的難點在於，物理測試場太過昂貴，大多數企業也無力搭建高精度的仿真環境，這使得AI很難在複雜現實環境中穩定運行。而軟件層能夠把運行反饋轉化為可複用能力，提升物理AI的進化速度和規模複製能力。

具體來説，軟件通過三個層面解決了這個問題：

第一，模型與策略。解決機器如何理解環境、進行推理和決策；

第二，仿真與驗證。通過仿真平臺，構建可控、可復現、可追蹤的虛擬環境，解決機器在進入真實世界之前，大規模測試；

第三，場景數據與合成數據。通過合成數據，用於補充極端天氣、危險交互、長尾事件和難以採集的複雜場景，解決如何覆蓋現實世界中的長尾情況。

更關鍵的地方在於，三者並非割裂存在，而要圍繞真實場景形成持續迭代閉環：場景數據被採集和治理后進入模型訓練，模型再通過仿真驗證、合成數據擴展和真實部署反饋持續迭代。

這也解釋了，為什麼英偉達要花大力氣做Omniverse和Cosmos，為什麼特斯拉堅持自建仿真體系。誰能把"真實數據—仿真驗證—合成擴展"這個閉環跑通，誰就掌握了物理AI時代的水電煤。

不過，從全球範圍來看，物理AI的軟件基礎設施仍處於早期階段。

模型、仿真和數據原本分屬於不同的產業環節：模型公司負責訓練「大腦」，仿真廠商提供測試環境，數據服務商則負責採集和標註。隨着物理AI開始走向真實場景，這些原本相互獨立的能力，正在逐漸被連接起來。

五一視界的業務演變，可以被視為觀察這一趨勢的一個樣本。

它最早從自動駕駛仿真切入，但隨着端到端模型和物理AI的發展，單純提供一個虛擬測試環境已經不夠。仿真平臺需要接入真實數據，也需要通過世界模型和生成式AI不斷創造新的場景，再把驗證結果重新沉澱為訓練數據。

沿着這條路徑，五一視界逐漸將業務延伸到世界模型、仿真訓練和合成數據，試圖把過去分散的幾個環節連接成一套物理AI軟件基礎設施。

目前，五一視界的佈局已經初見端倪。

在模型層，五一視界通過世界模型，對真實環境中的空間關係、運動軌跡和物理規律進行建模，為自動駕駛和具身智能模型生成更多複雜場景，尤其是現實中低頻、危險、難以採集的長尾情況。

而在仿真與驗證環節，五一視界旗下SimOne仿真訓練平臺，則承擔了連接虛擬世界與真實道路的關鍵作用。

SimOne平臺可以將真實道路還原成可交互、可編輯的數字場景，並在此基礎上改變天氣、交通參與者和障礙物等變量，對模型進行反覆測試。

在數據環節，DataOne合成數據引擎則負責把真實數據和仿真過程轉化為可訓練的場景資產，通過自動標註、場景泛化和Corner Case生成，補充訓練數據中的缺口。

一旦數據閉環跑通，這種圍繞真實世界建立的軟件能力，將幫助五一視界在物理AI產業鏈構築極為深厚的護城河。而這樣的變化，也率先在自動駕駛領域發生。

仿真軟件的生意變了

在所有物理AI方向中，自動駕駛可能是距離規模化商業落地最近的領域之一。

原因在於，它同時具備三個條件：真實世界需求明確、研發流程高度依賴數據、驗證環節存在強剛需。

對於L3/L4級自動駕駛而言，真正困難的並不是讓車輛完成一次駕駛，而是在無數複雜、極端和不可預測的場景中保持安全。

這意味着，自動駕駛的發展越來越依賴一套完整的軟件基礎設施。今年，工信部准入新規將虛擬仿真確立為法定前置環節，更是從政策層面驗證了這一基礎設施的剛性需求。

某種程度上説，自動駕駛正是五一視界這套軟件閉環最現實的試驗田。

從市場結果看，這套路徑已經得到了一定驗證。根據弗若斯特沙利文數據，51Sim以53.5%的市場份額位居中國端到端高階智能駕駛仿真及數據平臺市場第一。

得益於高市佔率，市場也開始重新評估五一視界的成長性。

根據國泰君安證券的研報，預計 2026-2028 年公司營收分別為 7.25 億、13.25 億、19.85 億元，對應增速 108.3%、82.8%、48.76%。

當然，高市場份額帶來的不僅是收入，更是商業模式的變化。

在AI時代，仿真平臺的商業價值正在從 "賣工具" 轉向 "幫客户建立長期可複用的場景數據資產和持續迭代的仿真驗證體系"。

過去的仿真軟件，本質上是項目制的工具交付，交付一個場景，項目結束。但在AI時代，服務變成一個持續性的動作，依賴於場景數據資產的豐富和仿真驗證體系的持續迭代。

一個有代表性的案例是，今年，51Sim將聯合產業夥伴推出「Physical AI Factory」模式，把算力、軟件和數據整合在一起，客户按照算力資源和數據的實際使用量付費。

這意味着，仿真平臺的商業模式的底層邏輯變了：從一次性項目收入，轉向可積累、可複用、可訂閲的場景數據資產運營。場景庫越厚，長尾覆蓋越全，客户的遷移成本就越高，平臺的網絡效應就越強。

毫無疑問，平臺的網絡效應，也將極大增加軟件平臺在物理AI時代的價值。

總結

回到開頭的問題：AI 的共識，到底值多少錢？

美光給出的答案是 17 倍。

AI把這個時代的獎勵抬到史無前例的高度，也極大增加了尋找方向的難度。

兩年來，人們習慣於在屏幕里尋找人工智能的奇蹟——從一個對話框、一段代碼，到爆發的算力需求。但技術最終要走出硅基的温室，去連接物理世界里那些複雜、隨機又不可預測的真實。

誰是下一個美光，現在還沒有清晰的答案。但五一視界至少給我們提供了一個選擇。

共識形成之前，它看起來只是一門仿真或數據生意。或許當共識形成之后，市場會發現，它纔是物理AI進入現實世界的通行證。

本文來自微信公眾號「硅基觀察Pro」，作者：硅基君，36氪經授權發佈。