2026年以来，物理AI与工业制造的融合已上升为国家战略层面的系统部署。“十五五”规划纲要明确提出“强化算力算法数据高效供给”，要求统筹推进算力设施建设、模型算法发展和高质量数据资源供给，筑牢数智化发展底座。

今年3月，工业和信息化部启动工业数据筑基行动，提出到2026年底，培育一批行业数据合作联合体，建设重点行业数据可信互联平台，赋能一批行业大模型、工业智能体等应用落地。6月，国家数据局印发《关于推进行业高质量数据集建设行动的实施方案》，将具身智能列入强基扩容行动的核心方向。同月，工业和信息化部联合国务院国资委开展2026年度人形机器人与具身智能实景实训专项行动，推动人形机器人与具身智能产品在真实生产生活环境中常态化部署应用。该行动提出到2026年底，人形机器人等重点产品在一批代表性场景中率先完成应用验证和常态部署。一系列政策部署，为物理AI与工业制造的深度融合指明了方向。

工业现场面对的是持续发生的接触、摩擦、形变、插拔、压装、卡扣及装配公差等复杂工况，机器人能否稳定运行，不仅取决于模型能力，也取决于训练环境能否准确表达材料属性、接触关系、设备约束和工艺规则。工业AI要想走向产线，卡点不在于单纯增加模型参数量，而在于物理规律的可信迁移。

然而，传统工业仿真与具身仿真长期处于两套各自演进的体系中：前者主要服务产品设计、工程分析和虚拟调试，后者更强调实时交互、并行运行和任务变化，二者在任务目标、模型表达、接口和运行尺度上缺少标准化的转换与验证机制，工业软件中经过工程验证的模型、参数和工艺知识，尚难被机器人学习系统直接、规模化调用。

光轮智能联合创始人兼总裁杨海波表示：“工业是具身智能规模化落地的最大入口，而工业物理规律和具身智能训练之间，长期缺少一座‘桥’。工业精度与具身仿真深度结合，是物理AI从实验室走向实训场的最后一块拼图。”

2026世界人工智能大会期间，国内物理AI数据与评测基础设施企业光轮智能与西门子达成生态合作，双方将探索把西门子工业仿真中的材料属性、接触关系、摩擦参数、形变规律、装配公差和工艺约束等数据，转化为光轮智能全栈自研仿真平台SimFoundry可直接调用的物理参数、高精度资产和交互环境，让工业知识真正进入机器人训练过程。此次合作旨在打通传统工业仿真与实时具身仿真的技术壁垒，构建覆盖工业场景工程建模、高精度具身仿真、规模化训练评测、产线落地部署与反馈的完整技术链路，为行业破解物理AI落地难题提供参考范式。

当前，我国新型工业化与人工智能产业发展进入深度协同阶段。打通工业仿真与具身仿真的技术壁垒，正是筑牢工业领域物理AI底座的关键一步。如果传统工业仿真中长期积累的物理真值、工程参数与工艺知识，转化为具身智能可规模化调用的实时训练环境，将弥合高精度工程验证与GPU并行训练之间的技术鸿沟。这不仅为工业仿真资产打开了面向物理AI的新应用出口，也为机器人进入复杂工业场景提供了物理AI基础设施支撑。

随着相关政策持续落地、行业标准逐步统一，物理AI基础设施将成为智能制造底层标配，工业仿真与具身仿真互通、虚实双向迭代的技术范式，将加快具身智能从实验室走向大规模产线商用，支撑我国新型工业化高质量推进。

（作者 路琦）