以下文章来源于数字化企业，作者王阳

全球巨头纷纷布局物理AI之际，云道智能创始人屈凯峰博士指出，”物理AI的核心是仿真，物理AI将仿真推向了世界模型的C位”。云道智能推出Sim-PI平台，以仿真为”物理引擎”，为物理AI发展提供关键基础设施。

🔷 2026年6月1日，黄仁勋在台北GTC大会上，发布全球首款全开源全模态物理AI基础大模型Cosmos 3，将自动驾驶与机器人领域的仿真训练周期从以往的数月压缩至3至7天。全球科技界的目光再一次聚焦于那个被反复提及的关键词—— 物理AI 。

🔷 2026年6月4日，李飞飞在个人博客平台Substack，发表《世界模型的功能分类：渲染器、仿真器、规划器，以及连接它们的循环》一文中提出，仿真是世界模型的核心支柱。

🔷 2026年6月6日，北京中关村，以“普惠仿真，智能向新”为主题的用户生态大会上，云道智能创始人屈凯峰博士回应这场正在发生的产业变局：“物理AI的核心是仿真，物理AI将仿真推向了世界模型的C位。”

仿真，世界模型的物理引擎

“物理AI”最早由瑞士联邦材料科学与技术实验室（Empa）的Aslan Miriyev博士与伦敦帝国理工学院的Mirko Kovač教授共同提出，指的是将AI算法与物理实体（如机器人、传感器、执行器等）深度融合，使系统能够在真实物理环境中自主感知、学习、推理并执行动态交互任务的智能技术体系。2026年CES上，黄仁勋更是宣告，以机器人为代表的物理AI将复制大语言模型的爆发路径，仿真技术与合成数据的成熟使机器人开发从实验室快速走向规模化的商业应用。

这意味着，传统仿真软件厂商正在被推至物理AI时代的舞台中央。长久以来，仿真软件的核心价值在于对物理世界的数学建模与高保真仿真——凭借描述流体、结构、电磁、热等物理现象的第一性原理偏微分方程组，通过求解器将其转化为可计算的数字结果。这种基于物理规律的仿真，是虚拟世界中最接近真理的基石。

但传统仿真的瓶颈同样显而易见：计算成本高昂、场景设置复杂、对专家经验依赖强。物理AI恰恰需要解决这些痛点——在虚拟世界中高效、低成本地生成海量、多样且符合物理规律的数据，并训练出能理解、预测乃至优化物理过程的智能体。仿真厂商手中的求解器，正是生成高质量物理数据的绝佳引擎。

这正是屈凯峰在大会主旨演讲中反复强调的核心逻辑：“世界是可被模拟的，因为世界是有模型的。” 云道智能从影响宏观世界的电磁力和万有引力出发，聚焦固体力学、流体力学、电动力学和热力学四大工程力学，打造出多物理场仿真平台伏图（Simdroid），并在此基础上进一步走向行业和场景，打造了电子散热、芯片多物理场等行业模块，以及覆盖20余万具体场景的仿真APP。

从e-works的观察来看，这一战略叙事的变化，折射出云道智能的仿真不再只是工具，更是构建物理世界智能底座的核心。

值得一提的是，云道智能在大会上启用了全新英文Logo。新Logo保留了双E图形，文字部分“SimWE”是Simulation World Engine（仿真世界引擎）的缩写，契合公司打造“世界模型的物理引擎”这一战略方向。

物理引擎与数据引擎的协同演进

物理AI的训练与应用，本质上是数据与计算的双重密集挑战。仿真厂商们向物理AI进阶的核心战略之一，就是采用GPU并行计算架构。

GPU加速被认为是物理AI时代不可取代的算力基座。无论是运行高保真仿真生成训练数据，还是训练复杂的物理AI模型，都需要前所未有的并行计算能力。得益于GPU技术突破，云道智能原生GPU架构的伏图平台已实现数十倍仿真加速，部分原本需要数天的仿真任务已缩短至几小时甚至几分钟。与此同时，AI代理模型的引入使仿真过程从数小时压缩至数秒，部分案例中效率提升近千倍。

更值得关注的是，云道智能正在构建的双引擎架构——物理引擎（基于第一性原理的求解器）与数据引擎（基于模型的AI技术）协同演进。这一架构的意义在于：物理引擎提供可验证、可追溯、可干预的物理一致性保障，规避了纯数据驱动模型的黑箱风险；数据引擎则大幅缩短了设计周期，降低了仿真的时间成本。

在大会现场，屈凯峰演示了一个智能机房温控系统案例。通过使用云道智能的电子散热模块生成仿真数据，训练出能够快速预测散热效果的AI代理模型，传感器采集的数据被导入代理模型进行实时预测，并用于训练智能温控系统来调节散热设备运行。最终，整个机房实现全自动的节能控温。

从仿真数据生成，到AI代理模型训练，再到实时预测与决策，这一闭环正是物理AI赋能产业的标准路径。从中可以看出，云道智能的技术路线是在求解器底层就将AI能力与物理规律深度融合，形成物理引擎与数据引擎的双轮驱动。

Sim-PI：物理AI 开发平台

如果说GPU加速和AI代理模型解决的是速度问题，那么Sim-PI物理AI开发平台则解决了物理AI落地的路径问题。

大会现场，云道智能执行总裁朱子玉博士正式发布了Sim-PI平台。他强调，该平台以云道智能坚持12年自主研发的物理仿真引擎为基石，其最突出的优势在于多物理场耦合能力。不同于国际主流厂商将各求解器分散于独立的软件，Sim-PI继承了Simdroid的统一多物理场架构，显著提升了仿真效率和保真度。

朱子玉指出，真实世界的物理规律天然是多场耦合的，物理AI的训练数据必须逼近这一本质。Sim-PI不仅支持碰撞、变形、流动等复杂现象的仿真，更能实现从数据生成到场景搭建的全流程自动化。结合GPU加速与可微特性，平台可高效产出海量、多样化的合成数据，有效覆盖工业场景中的长尾与意外工况。

在应用层面，Sim-PI支持从插接件操作到多机械臂协同的复杂任务生成与模型验证。朱子玉判断，未来机器人中试环节中，虚拟仿真验证将占据80%以上，从而大幅降低成本、提升效率，并真正打通研发设计与生产制造，实现柔性生产。

这一预测与全球产业趋势高度一致。英伟达以硬件为基础切入物理AI赛道，并与Cadence、达索系统、PTC、西门子等工业软件巨头深度合作；而云道智能的Sim-PI平台，则以仿真软件为核心枢纽，串联起算力芯片商（摩尔线程、沐曦、中科曙光等）、本体制造商（云迹科技、埃夫特等）和行业应用方（中兴通讯、国家人工智能应用中试基地等），形成覆盖算力-训练-部署全链路的协作体系。

可以说，Sim-PI平台的生态协同，与英伟达通过Omniverse打造物理AI开发者生态的战略有着异曲同工之妙。

仿真，从未如此关键

2026年CES上，黄仁勋直言：仿真是英伟达几乎所有业务的核心（Simulation is at the heart of almost everything NVIDIA does）。

仿真对英伟达如此重要，对云道智能更是如此。

大会上，屈凯峰再次重申公司的定位：对云道智能而言，仿真是几乎一切工作的核心，这一点从未改变。他希望大家提起云道智能时，依然知道它是一家仿真公司，只是仿真技术的应用边界与落地场景，伴随着物理AI的发展，正在不断拓宽。

站在2026年6月的时间节点回望，全球物理AI产业正迎来标志性的历史拐点。Cosmos 3以全开源姿态引爆市场，Figure AI依托自研Helix世界模型加速人形机器人量产测试，特斯拉Optimus在世界模型中加速训练，国内智元、宇树、小鹏依托自研世界模型体系，在仿生智能与车载物理 AI 领域密集落地布局。

这些现象无不表明：物理AI正加速迈入产业化发展的快车道。

在这个进程中，以云道智能为代表的中国仿真厂商正在走出一条独特的道路——以打造世界模型的物理引擎为使命，面向物理AI提供软件基础设施，将仿真推向更高级的智能！