川观智库研究员 黄爱林

2026年初，英伟达CEO黄仁勋宣称：物理AI的ChatGPT时刻已经到来。

业内普遍认为，AI对虚拟世界的征服已接近尾声，AI发挥更高价值需通过具身智能进入真实世界，落地生产制造场景。今年，英伟达发布物理AI数据工厂Blueprint，用仿真数据构建物理AI基础设施和核心引擎，试图把算力转化为训练数据，破解机器人、智能汽车等领域的数据瓶颈 。

再看国内，去年以来，五一视界、群核科技、光轮智能等物理AI仿真企业迅速崛起，“物理AI仿真”新赛道似乎正在爆发。与之对比，川观智库调研发现，在我省相关产业领域，一线从业者在当前实践中对使用物理AI仿真则普遍持审慎态度，与资本市场的火热形成“温差”。

物理AI仿真价值何在？其规模化应用是真趋势么？为回答这些问题，川观智库采访了四川省内12位一线专家和从业者，努力厘清仿真在物理AI时代的位置。

数据饥渴催生热潮，

资本“抢滩”物理AI仿真赛道

毋庸赘言，以具身智能机器人和智能汽车为代表的物理AI正加速进化。与此同时，进步背后的“数据饥渴”瓶颈依旧。从“能看”到“看懂”、从“能动”到“能干”，物理AI的每一步突破都依赖海量高质量数据“喂养”。

近日，国家发展改革委党组成员、国家数据局局长刘烈宏表示：物理AI等前沿技术持续涌现，市场对多模态数据、思维链数据、时空数据等细分领域需求井喷。

数据从何来？目前主流数据采集方式包括：遥操作数据采集、无本体数据采集和仿真合成数据。前两者是高度依赖人工参与的真实世界数据采集，成本高、规模受限，难以满足物理 AI 规模化数据需求；而仿真通过合成数据，可以实现低成本、大规模、可标注的数据供给。

公开报道显示，物理AI仿真赛道正迎来资本“抢滩”。

2025年底，五一视界（51WORLD）登陆港股，其占据端到端高阶智能驾驶仿真及数据市场过半份额。今年3月，公司发布全球首款“物理直觉”世界模型，进一步巩固行业领先地位。同月，群核科技通过港交所聆讯，在“杭州六小龙”中率先进入IPO冲刺阶段。该公司依托其SpatialVerse平台（空间智能训练与仿真平台）构建了庞大且“物理正确”的合成虚拟数据集，已与智元机器人等具身智能企业达成合作。

资本对物理仿真基础设施的押注明显升温。3月，光轮智能完成10亿元A++及A+++轮融资，成为全球首个具身数据领域独角兽，四川企业新希望集团为重要投资方。几乎同一时间，由英伟达PhysX物理引擎主要奠基人张立华创办的飞捷科思，两个月内完成Pre-A1、Pre-A2两轮近亿元融资。

知名咨询机构弗若斯特沙利文预测，2030年，智能汽车与具身智能机器人等物理AI仿真及数据平台市场规模将超1800亿元。

一线从业者使用审慎，

现阶段落地应用仍存短板

但在产业一线，业内态度远比资本市场复杂：几乎所有受访者都认可仿真“很重要”，但现阶段使用仍相对谨慎。

在智能汽车领域，电子科技大学汽车仿真专家李曙光副研究员直言：当前是L2、L3级辅助驾驶阶段，车企对仿真“不太感冒”。中国汽车行业竞争激烈，开发周期被压缩到一年甚至更短，“仿真验证理论上能降本，但抢时间才是生存第一要务。车企经过前期的路测实验，已经收集了大量的实际道路行车数据集。车企倾向于在不断建设完善的数据集中对新研发的功能进行验证，提高研发效率。”。

在具身智能机器人领域，川观智库采访省内多个训练中心及一线人员，他们普遍表示：当前机器人训练仍以真机数据为主，仿真数据应用较少。天府绛溪实验室机器人训练技术创新中心副主任房锐表示，现阶段其训练中心主要是遥操作与无本体采集两类真实数据，仿真数据使用量有限，“目前仿真数据对机器人训练的催化作用，不如真实数据直接有效”。四川省具身智能机器人训练场负责人张维也透露，训练场在数据采集与训练中更侧重真机数据，业内企业如乐聚机器人等也同样倾向于使用真机数据。究其原因，张维直言：“现在的仿真数据有效性还不够。”

多位受访专家表示，仿真合成数据的质量问题不容回避，甚至可能带来“模型污染”风险。天府绛溪实验室交互人形机器人前沿研究中心主任彭倍指出，物理AI模型尚不成熟，市面上的具身模型多基于大语言模型改造，未从本质上解决问题。“连模型方向还没完全确定，数据质量就更难界定。”房锐补充，一旦低质量仿真数据被用于训练，模型可能学到错误规律，再想纠正极为困难，“一开始教错了，后面很难掰回来。”正是出于这种谨慎，他们现阶段坚持优先使用真机数据。

同时，现阶段仿真技术成本优势尚未充分显现。房锐表示：“当前，仿真训练不一定比真机成本低。比如10条真机数据可以训练模型实现一个功能，但是仿真数据可能需要五六十条才行。”换言之，真机数据采集贵但样本效率高，少量数据即可见效；仿真数据生成便宜，但早期模型精度不足，需要大量数据才能达到同等效果，综合成本未必占优。仿真将成本从“采集”转移到了“精密建模与标定”，只有跨过高保真工程门槛后，其可迁移、可复用的成本优势才会真正显现。

最后，现有仿真技术向现实迁移过程中存在偏差问题。综合多位受访者观点，场景越自由、越极端，仿真中的物理假设、传感器模型与本体特性就越难精准匹配真实硬件，导致模型在仿真中有效，迁移到现实时可能会因电机热漂移等工程细节缺失而失效，这需要深厚工程积累才能弥合。

技术规律使然，

仿真将成物理AI发展“必选项”

一边是资本市场的追捧，一边是一线人员认可价值但审慎使用——这种"温差"构成了物理AI仿真最真实的当下。这是否意味着物理AI仿真只是“空中楼阁”？川观智库调研后认为：仿真技术将会快速崛，成为物理AI的核心基础设施。

综合受访者观点，物理AI仿真就是在数字世界中打造物理世界的完整“镜像”，让AI在虚拟环境里自由学习、反复试错、持续进化。不难看出，仿真是解决行业成本、效率、场景覆盖、安全等核心问题无法绕开的路径，物理AI的发展终将走向大量仿真数据快速探索、少量真机数据微调验证的“虚实闭环”发展格局。其必然性源于以下几个方面。

首先，由于真实世界中“长尾效应”的存在，仿真是解决物理AI“数据饥渴”的唯一解。以智能汽车为例，李曙光在道出AI仿真现实短板的同时也指出，L4级以上自动驾驶需应对更多极端场景，真实世界很难遇到，“长尾场景”的数据需求将呈指数级增长，“辅助驾驶时代，仿真是‘可选项’；无人驾驶时代，仿真是‘必选项’。”四川智能及新能源汽车产业学院教授彭忆强也指出：“长尾场景的缺失可通过仿真自动生成大量多样的、高风险的、罕见的场景来解决。”

房锐以应急场景训练为例进一步说明：“比如在森林灭火场景中，真机不可能获得完全1:1的数据采集环境——即便可以用一个高温炉去验证机器本体所能承受的温度，也无法造出一个同样高温的山地环境去让机器去跑。这种情况只能用仿真来解决。”他表示，对长尾场景的覆盖，仿真几乎是唯一可行的规模化方案。

其次，当前一线应用所面临的真实成本问题，将随着“高保真”技术的突破迎来“价值拐点”。由前英伟达仿真负责人谢晨创立的物理AI仿真基础设施企业——光轮智能，就是高保真仿真技术领域的行业代表。仿真将实现数据的“无限供给”和“零物理损耗”——一台机器人动辄数十万元，频繁跌倒会迅速消耗设备寿命，仿真则允许机器人在虚拟世界中无数次“摔跤”——高保真相关技术一旦跨过工程门槛，仿真的边际成本优势将彻底碾压真机采集。

最后，行业当前顾虑的模型污染和“迁移偏差”问题，将随着“虚实互校”机制的完善和成熟得到破解。四川人形机器人多模态数据采集测试中心工作人员石海林指出，仿真可用于基座模型的预训练，但最终调优必须回归真机数据。成都阿加犀智能科技有限公司工程师表示：“很多机构和企业采用‘仿真加速研发、真机验证落地’的模式：仿真用于快速探索策略与提升训练效率，而真机数据用于确认稳定性与可部署性。两类数据并非竞争关系，而是共同构成具身智能训练体系的两个必要环节。”

总结下来，仿真最核心的优势是突破真实数据稀缺的瓶颈。受访者公认，当前用于构建“世界模型”的数据量极为有限，远不及生成式大模型的零头，仿真在解决“海量数据供给”这个问题上不可替代。

抢抓物理AI产业“入场券”，

可从四方面发力

多位受访者建议四川应重视物理AI仿真领域发展。川观智库也注意到，国家层面已就物理AI仿真出台相应政策，意味着地方相关产业准入资质将更加依赖于在物理AI仿真领域的提前布局。

在智能汽车领域，今年初，智能网联汽车自动驾驶功能仿真试验相关国标正式实施，仿真测试成为企业量产资质的核心衡量标准之一。2月，《智能网联汽车 自动驾驶系统安全要求》五项强制性国标征求意见稿公布，明确将仿真试验列为确认性试验关键环节。

具身智能机器人方面，3月，工信部批准发布《YD/T 6770—2026 人工智能 关键基础技术 具身智能基准测试方法》，为领域构建了基准测试框架，统一了仿真和真实环境测试方法。北京、广东、重庆等地出台政策，对仿真平台发展给予资金支持，如广州海珠区对仿真平台最高给予500 万元补贴。

当前物理AI处于起步阶段，区域产业多以“应用落地”为优先考量。多位受访者认为，长期来看，一省一地若想在物理AI领域形成持续竞争力，仿真能力不可或缺。综合受访者观点，可以从四方面发力：

一是将仿真深度融入研发流程。阿加犀工程师建议，将发展仿真能力纳入机器人研发全流程。仿真效果高度依赖本体参数的准确性，若本体研发与仿真团队割裂，模型难以做到可信，因此两者需一开始就协同推进，让仿真与真机测试形成持续验证闭环，通过不断对比仿真与真实执行结果来校准模型。

二是加强基础研究与人才引进培养。综合受访者意见，让仿真服务产业落地，亟需引进既理解物理建模又熟悉机器人系统的复合型工程人才。五八机器人首席技术专家任珍文指出，仿真融合数学、物理和计算机等多学科，对人才要求非常高。天府绛溪实验室微光中心主任王志明建议，四川应发挥高校资源优势，加强相关领域人才培养，为技术追赶和超越储备核心力量。

三是聚焦垂直场景培育“小而美”企业。避开在通用仿真平台领域与头部企业直接竞争，发挥自身在特定行业的场景优势。王志明建议，四川可依托在应急管理、文旅、工业制造等领域的丰富场景和数据需求，支持培育一批深耕细分领域的仿真企业。

四是搭建物理AI仿真公共服务平台。多位受访者表示，物理AI仿真发展初期投入高、盈利难，需要政府适度引导。张维提到，四川的机器人训练场已是一个良好开端——由政府主导搭建异构开放平台，吸引不同品牌、不同构型的机器人进行数据采集和训练。可借鉴这一模式，搭建物理AI仿真公共服务平台，为初创企业提供算力、数据和算法支持，推动形成良性产业发展生态。

（图片由受访单位提供）