布兰登・巴尔贝洛 “物理 AI 受实体数据稀缺严重制约” 核心论断，底层是物理 AI 与文本大模型数据生产逻辑的本质割裂：文本数据数字化、可低成本全网抓取，而实体交互数据绑定真实物理世界，必须依托硬件真机采集，采集成本高、场景覆盖难、存量缺口超 99%，成为贯穿工业、车载、人形机器人、低空、医疗全赛道的统一底层瓶颈。完整拆解实体数据稀缺带来的三重产业影响：第一，产业竞争格局重构，数据资产取代算力、硬件成为核心护城河，具备真机采集闭环 + 仿真合成数据双能力的企业长期领跑；第二，细分赛道铲子机会爆发，物理 AI 数据采集硬件、高保真仿真平台、数据集服务商迎来持续增长红利；第三，技术路线统一收敛，虚实融合 Sim2Real、小样本世界模型成为全行业标准化破局方案。同时客观看待产业突围路径，实体数据稀缺并非无解困境，仿真合成数据、行业数据共建、轻量化小样本模型三条路线能够有效缓解缺口，但无法完全替代真实实体交互数据，长期场景数据积累依旧是企业核心战略投入。对不同从业者落地启示：投资人重点布局物理 AI 数据基础设施；制造甲方同步规划数据采集配套预算；机器人创业团队搭建虚实双轨数据供给体系；芯片厂商联动产业共建实体数据闭环；高校新增数据稀缺场景实训课程。算力决定模型训练速度，实体数据决定模型真实世界落地能力，这是巴尔贝洛本次夏季达沃斯对话传递给全物理 AI 产业最核心、最底层的长期产业逻辑