[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"content-doc-dciodee7895f":3},{"user":4,"document":8,"mainDocument":28,"columnUrl":30,"subscription":31,"footer":43,"text":81},{"isAuthenticated":5,"isAdmin":5,"displayName":6,"avatarUrl":6,"nid":6,"groupLevel":7},false,"",-10,{"id":9,"fullTitle":10,"subTitle":6,"url":11,"columnId":12,"columnName":13,"columnUrl":14,"summary":6,"contentHtml":15,"mainContentHtml":6,"posterUrl":16,"createDate":17,"displayDate":18,"displayDateSlash":19,"pageviews":20,"tags":21,"hidden":5,"isSubContent":5,"replyDocOrTargetId":6,"contentType":24,"videoId":6,"liveVideoUrl":6,"useContentVideo":5,"duration":25,"price":25,"priceText":26,"priceBadgeText":26,"priceBadgeClass":27,"freeForMinGroupLevel":25,"redirectUrl":6,"readyToStream":5},"dciodee7895f","下一轮AI真正的大趋势，很多人还没意识到","\u002Fdoc\u002Fdciodee7895f","col18178739ee","美股资讯","\u002Fcol\u002Fcol18178739ee","\u003Cp>这两年 AI 的更新，我基本都在第一时间上手试过。Agent、多模态、一轮又一轮的模型迭代——说实话，大多数我已经没什么感觉了。能力确实在涨，但基本都还在\"把内容做得更逼真\"这条线上打转，方向没变。直到这个月，我把 Astra、Atlas、Cosmos 连着跑了一遍，才第一次真正停下来。\u003C\u002Fp>\u003Cp>不是因为它生成的东西更好看了，而是因为我第一次感觉到：AI 正在跨过另一条线——从\"生成内容\"，走向\"理解世界、并且准备动手\"。结论我先放这儿：下一轮真正的价值转移，不在模型参数量的竞赛里，而在——三维世界正被重写成 AI 能读取、能模拟、能操作的接口。如果还停在\"3D 内容需求会变多\"这一层去理解它，你会错过整个底层逻辑的替换。这话听着很满。但这三步走完，我没法说服自己这只是巧合。\u003C\u002Fp>\u003Cp>\u003Cstrong>1\u002F Astra：先塌的是成本结构\u003C\u002Fstrong>\u003C\u002Fp>\u003Cp>我让 GPT-6 Astra 生成一个住宅室内场景。放以前，这类输出再好看，导进建模软件也就是一张废纸——结构信息全部归零，没法接着用。\u003C\u002Fp>\u003Cp>这次不一样。它直接吐出了结构完整的资产：能在 Blender 里继续编辑，导进 Unreal Engine 5 就能实时漫游。\u003C\u002Fp>\u003Cp>做过三维工作流的人都知道这套流程有多贵——建模、材质、光照、渲染、后处理，每一环都得在专业软件里手动接力，容错率极低，时间成本极高。\u003C\u002Fp>\u003Cp>现在呢？自然语言就是入口。\u003C\u002Fp>\u003Cp>图片和视频已经把这剧本演过一遍了——工具的成本一旦被打下来，需求不是被压缩，而是被释放。游戏、电商、建筑、广告、工业设计，全在后面排着队。这不是推演，是正在发生的事。\u003C\u002Fp>\u003Cp>\u003Cstrong>2\u002F Atlas：从\"造对象\"到\"懂空间\"\u003C\u002Fstrong>\u003C\u002Fp>\u003Cp>如果说 Astra 让我注意到了变化，那 World Labs 九月发布的 Atlas，才真正让我意识到这轮能走多远。\u003C\u002Fp>\u003Cp>你想想这个区别：生成一个杯子，你只关心它外形对不对；可要理解一个厨房，模型得知道杯子放哪、台面多高、手从哪个方向伸过去最自然、下一秒空间里该发生什么。\u003C\u002Fp>\u003Cp>前者是造对象，后者是懂空间。中间隔的不是清晰度，是一整个维度。World Labs 有句话我反复读了几遍：\"\u003Cstrong>3D 正在成为空间的通用接口。\u003C\u002Fstrong>\"\u003C\u002Fp>\u003Cp>文字曾经是人和机器之间的接口。如果三维变成人和 AI 共同生成、编辑、模拟空间的媒介，那 3D 就不再是一份设计文件，而是一种新的计算载体。这个判断听着还有点远，但我实际测下来的感受是——它正在变得具体。\u003C\u002Fp>\u003Cp>\u003Cstrong>3\u002F Cosmos：从\"看得懂\"到\"敢动手\"\u003C\u002Fstrong>\u003C\u002Fp>\u003Cp>到英伟达 Cosmos 这一步，我基本确认之前的感觉不是过度解读。\u003C\u002Fp>\u003Cp>现在的视觉模型，已经能很准地回答\"画面里有什么\"。可机器人和自动驾驶真正难的地方，从来不是识别，而是判断\"接下来会发生什么\"。\u003C\u002Fp>\u003Cp>Cosmos 做的事，是让模型先在内部建立一个世界状态的推演系统——模拟每个动作可能带来的结果，再选最优路径。等于给 AI 装了一个能运行的内部模拟器。\u003C\u002Fp>\u003Cfigure class=\"image\">\u003Cimg src=\"https:\u002F\u002Fimg.36krcdn.com\u002Fhsossms\u002F20260909\u002Fv2_ab64aca332d04ebeb35c72fcd482a72e@5576020_oswg188492oswg830oswg326_img_000\" width=\"830\" height=\"326\">\u003C\u002Ffigure>\u003Cp>没有它，机器只能感知当下这一刻；有了它，机器才具备\"动手之前先推演一遍\"的能力。这一步对 Physical AI 的意义，我认为不亚于当年大模型在推理能力上的那次突破。\u003C\u002Fp>\u003Cfigure class=\"image\">\u003Cimg src=\"https:\u002F\u002Fimg.36krcdn.com\u002Fhsossms\u002F20260909\u002Fv2_3b3eca0369824eb1ad49f1f44547b397@5576020_oswg176752oswg830oswg298_img_000\" width=\"830\" height=\"298\">\u003C\u002Ffigure>\u003Cp>\u003Cstrong>4\u002F 真正的胜负手：合成数据\u003C\u002Fstrong>\u003C\u002Fp>\u003Cp>真实世界的数据，太贵了。\u003C\u002Fp>\u003Cp>语言模型能爬海量网页文本，但机器人没法从网页里学会怎么抓一个杯子；自动驾驶也不可能靠真实路测覆盖所有极端场景。而最关键的训练数据——极端天气、突发事故、罕见路况——偏偏最难拿到。\u003C\u002Fp>\u003Cp>可三维重建加上世界模型一旦成熟，逻辑就变了：先用有限的真实数据建一个数字基准场景，再在虚拟里系统性地改天气、改位置、改物体属性、改光照——从一组种子数据，长出海量训练样本。\u003C\u002Fp>\u003Cp>所以美股投资网分析认为， Physical AI 的竞争维度正在迁移：\u003C\u002Fp>\u003Cp>过去比谁拥有更多真实数据，往后比的是——真实数据质量 × 空间重建能力 × 仿真精度 × 合成数据放大效率。\u003C\u002Fp>\u003Cp>\u003Cstrong>受益美股公司\u003C\u002Fstrong>\u003C\u002Fp>\u003Cp>我按\"受益的直接程度\"排了四层，越靠前越确定，越靠后弹性越大、也越集中：\u003Cstrong>第一层 · 基础设施：NVDA\u003C\u002Fstrong>\u003C\u002Fp>\u003Cp>不管最后哪家机器人、哪家自动驾驶胜出，都得要算力、仿真、合成数据和训练平台。而 NVIDIA 同时握着 GPU、Omniverse、Isaac、Cosmos——它卖的早就不只是芯片，是\"让机器学会现实世界\"的整套底座。这是最不依赖单一赢家的位置。\u003Cstrong>第二层 · 三维重建与数字孪生：PTC、ADSK\u003C\u002Fstrong>\u003C\u002Fp>\u003Cp>现实要变成 AI 能训练的数字世界，先得有人把工业三维、数字孪生和设计工作流搭起来。它们是现实世界进入模型的\"数据入口\"。\u003Cstrong>第三层 · 空间感知：OUST、MBLY\u003C\u002Fstrong>\u003C\u002Fp>\u003Cp>激光雷达、机器视觉——负责把物理环境转成机器能读的空间数据。没有这层，上面全是空中楼阁；但它也最卷、最比拼成本和一致性。\u003Cstrong>第四层 · 终端落地：TSLA、SYM\u003C\u002Fstrong>\u003C\u002Fp>\u003Cp>真正把 AI 部署进现实的人。弹性最大，但风险也最集中：模型能跑，不代表机器人能规模化交付；仿真有效，不代表能顺利迁到现实。接下来，别只盯着演示视频多震撼，盯这三件事：仿真有没有真的减少实地训练、合成数据有没有真的提高模型成功率、客户愿不愿意为它持续掏钱。上一轮 AI 革命，把人类的知识变成了 token。下一轮，可能是要把整个现实世界，变成可计算、可模拟、可训练的数据。\u003C\u002Fp>\u003Cp>语言让 AI 读懂了人类；而 3D，才可能让 AI 真正走进这个世界。\u003C\u002Fp>\u003Cp> \u003C\u002Fp>\u003Cp>美股投资网是一家专门研究美股的金融科技公司，2008年成立于美国硅谷，由前纽约证券交易所分析师Ken创立，联合多位摩根斯坦利分析师，谷歌 Meta工程师利用AI和大数据，配合十多年美股实战经验和业内量化模型，建立了一个股市数据库 https:\u002F\u002FStockWe.com\u002F 每天处理千万级股票数据：捕捉期权大单，实时主力资金流向、机构持仓变化、川普突发新闻 \u003C\u002Fp>","\u002Fimg\u002Fstockwebsiteblob\u002Fweb-202609-stk\u002FUploader3b0746c1112c46dbbdf16ab04a51523c.jpg","2026-09-09T01:00:02.687","2026.09.09","2026\u002F09\u002F09",44309,[22,23],"NVDA","TSLA","Article",0,"免费","success",{"id":9,"fullTitle":10,"subTitle":6,"url":11,"columnId":12,"columnName":13,"columnUrl":14,"summary":6,"contentHtml":15,"mainContentHtml":6,"posterUrl":16,"createDate":17,"displayDate":18,"displayDateSlash":19,"pageviews":20,"tags":29,"hidden":5,"isSubContent":5,"replyDocOrTargetId":6,"contentType":24,"videoId":6,"liveVideoUrl":6,"useContentVideo":5,"duration":25,"price":25,"priceText":26,"priceBadgeText":26,"priceBadgeClass":27,"freeForMinGroupLevel":25,"redirectUrl":6,"readyToStream":5},[22,23],"\u002Fcol\u002Fstocknews",{"visible":5,"marketingHtml":32,"services":33,"recentDocuments":42},"\u003Cfigure class=\"image\">\u003Ca href=\"https:\u002F\u002Fstockwe.com\u002Fdoc\u002Fdcio537efad5\" rel=\"noopener noreferrer\">\u003Cimg src=\"\u002Fimg\u002Fstockwewebfiles\u002Fweb-202408-stk\u002F1586109431mceclip0.jpg\">\u003C\u002Fa>\u003C\u002Ffigure>\u003Cdiv class=\"text-center\">\u003Ch2 class=\"card-title mx-auto\">\u003Cbr>\u003Ca rel=\"noopener noreferrer\" href=\"https:\u002F\u002Fstockwe.com\u002Fdoc\u002Fdcio537efad5\">案例介绍：英伟达深度研究报告\u003C\u002Fa>\u003C\u002Fh2>\u003C\u002Fdiv>",[34,38],{"productId":35,"serviceName":36,"priceText":37},"prod_PPxdDdK87QaiLv","月付","$12.95美元",{"productId":39,"serviceName":40,"priceText":41},"prod_PPxeMs3bix1da5","年付","$149.00美元",[],{"links":44,"images":72,"summaryHtml":77,"aboutTitle":78,"aboutHtml":79,"copyrightHtml":80},[45,48,51,54,57,60,63,66,69],{"label":46,"url":47},"深度报告","\u002Fcol\u002FdepthReport",{"label":49,"url":50},"VIP会员","\u002Fvip",{"label":52,"url":53},"期权推荐","\u002FOption",{"label":55,"url":56},"低价暴涨股","\u002FPenny",{"label":58,"url":59},"AI智能体","\u002FAiAgent",{"label":61,"url":62},"常见问题","https:\u002F\u002Fstockwe.com\u002FFAQ",{"label":64,"url":65},"美股课程","\u002Fcol\u002Fvideos",{"label":67,"url":68},"免责声明","\u002Fdisclaimer",{"label":70,"url":71},"联系我们","\u002FContactUs",[73,74,75,76],"\u002Fimg\u002Fstockwebsiteblob\u002Fweb-202509-stk\u002FUploaderzic2tuwsol2_2025_09_11_18_21_07.gif","\u002Fimg\u002Fstockwebsiteblob\u002Fweb-202509-stk\u002FUploadercakzdvydksw_2025_09_03_09_00_56.png","\u002Fimg\u002Fstockwebsiteblob\u002Fweb-202509-stk\u002FUploadergtjyagwvoyk_2025_09_14_08_32_05.png","\u002Fimg\u002Fstockwebsiteblob\u002Fweb-202509-stk\u002FUploader3u0tt4jhlqh_2025_09_23_22_30_48.png","邮箱: buy@TradesMax.com 美国电话 626-378-3637","公司介绍","\u003Cp class=\"MsoNormal\">美股大数据 \u003Ca href=\"https:\u002F\u002Fstockwe.com\" rel=\"noopener\">StockWe.com\u003C\u002Fa> 是一个美国领先的金融和美股信息大数据提供商，紧盯华尔街金融市场和行情，2008年成立于美国硅谷，创始人是前纽约证券交易所资深分析师Ken，联合多位摩根斯坦利分析师，谷歌 Meta工程师利用AI和大数据，配合十多年美股实战经验和业内量化交易模型，每天处理海量股票数据：挖掘潜力大牛股，捕捉期权异动大单，实时主力资金流向、机构持仓变化、川普突发新闻，美股买卖信号第一时间发到您手机APP。\u003C\u002Fp>","专业美股投资者都在这里",{"loading":82,"search":83,"searchPlaceholder":83,"hotContent":84,"draft":85,"noData":86,"searchNoData":87,"courseContent":88,"more":89,"buyNow":90,"subscribeNow":91,"encoding":92,"paidContent":93},"Loading...","搜索","热门内容","草稿","目前没有任何内容公布","当前检索内容没有数据","课程内容","更多","立即购买后观看","- 立即订阅 -","视频编码中...","付费内容"]