如果从第二增长曲线来看，我认为会率先出现在城市公共安全和复杂环境治理相关场景。因为这些场景对全天候感知、隐私友好、高可靠运行和快速响应都有非常强的需求，而这恰恰是 Physical AI 最容易体现价值的地方。

比如我们已经在推进山林火灾防控和应急救援方向的项目。我们与天津大学等高校合作，参与国家消防总局、国家应急管理部相关重点科技计划，把 Physical AI 应用到森林防火与应急处置中。这里的关键，不只是“看见火点”，而是把实时感知、态势分析、风险研判和处置支持连接起来。系统可以结合飞行器采集的风速、飞行高度等环境数据，对火情进行持续监测，并辅助执行更精准的应急处置任务。

另外一个值得关注的方向，是城市环境异常感知。比如我们正在推进的街道气味异常检测项目。不同区域通常会形成相对稳定的环境气味特征，一旦出现危险品、违禁品或异常污染源，相关气体和气味信号就可能发生变化。通过引入多模态感知设备，城市安防和治理就不再只依赖视觉监控，而是可以结合更多维度的数据提升识别和预警能力。

从我们的角度看，这些场景之所以重要，不只是因为它们有项目机会，更因为它们验证了 Physical AI 的平台价值。图灵极视做的，不是单一视觉识别，也不是某一个孤立设备，而是一套围绕“视觉不可达问题”建立起来的能力体系，也就是“多模态感知（视觉、毫米波雷达点云）+ AI Agent + 云端平台”。它的核心，不只是发现异常，而是进一步理解风险、判断优先级、识别响应对象，并推动系统联动。

我们已经在康养场景完成了第一个较为典型的落地验证。康养之所以成为切入口，是因为这是一个真实需求高频存在、同时又受到隐私与人力成本双重约束的领域。过去传统照护高度依赖人工，纯视觉方案又往往受限于隐私和部署条件，而多模态感知和非视觉世界模型正好能够补上这块短板。对我们来说，康养是第一步，但不是终点。山林防火、城市治理、工业安全、机器人感知、车舱安全、低空无人系统等方向，都有机会成为下一阶段的增长曲线。

所以我觉得，Physical AI 的第二增长曲线，不会只出现在某一个单点行业，而会优先出现在那些“环境复杂、风险高、传统视觉方案不够、又迫切需要闭环治理”的场景里。谁能先在这些场景把能力跑通，谁就更有机会建立真正的平台型优势。

据了解，图灵极视自主研发的物理AI技术与无人机察打一体系统正逐步落地应用于山林火灾防控与应急救援领域，打造出集火情监测、态势研判、智能处置于一体的现代化森林防火解决方案。

依托多模态感知、AI 算法以及无人机装备，这套系统突破了传统防火模式的局限，不仅能够实时发现火情，还可结合风速、飞行高度等现场环境数据，自主规划飞行航线，指挥飞行器精准开展灭火作业。

同时，系统搭载的AI模型可预测火情未来1至72小时的蔓延趋势，构建起火点定位、态势分析、指挥调度、精准扑救的全链路火场管理体系，实现从被动预警到主动处置的转变。