海外物理AI应用情况如何？

海外物理 AI 已应用于智能制造具身智能等领域。

1.头部海外厂商物理 AI 布局

1.1 英伟达的物理 AI 布局概览

近期，英伟达创始人兼 CEO 黄仁勋先后在拉斯维加斯 CES 展会、圣何塞英伟达 GTC 大会、北京第三届链 博会上发表演讲，阐述英伟达物理 AI 布局，并推出一系列新产品和技术。英伟达认为，物理 AI 作为 A I 技术演 进的第四波浪潮，标志着“通用机器人时代”的开端，英伟达正在通过硬件和软件生态加速这一进程。黄仁勋 将 AI 的演进划分为四个阶段，即感知 AI、生成式 AI、代理式 AI、物理 AI，并强调物理 AI 将成为未来的技术 拐点，赋能机器人产业。

英伟达发布 Cosmos 模型，全球首个世界基础模型，专为理解物理世界打造。想要把 AI 嵌入物理世界中， 需要建立一个理解现实世界规则的世界模型，比如重力、摩擦力、惯性这些物理动力学，还要理解几何与空间 关系、因果关系。Cosmos 模型就这样应运而生，它是在 2000 万小时的视频数据上训练而成，这些视频聚焦动 态物理事物，包含自然主题、人类行走、手部动作、操控物体，还有快速的相机运动，目的是教会 AI 理解物理 世界，而非生成创意内容。同时，英伟达还宣布了 Cos mos 开源许可，在 GitHub 上线了小、中、大不同规模的 模型，对应快速模型、主流模型，以及知识转移模型，赋能机器人和工业 AI 领域。 英伟达将 Cosmos 与 Omniverse 融合，搭建物理 AI 时代的基座。Omniverse 是基于算法物理、原理物理、 模拟构建的系统，将其与 Cosmos 相连，能为 Cosmos 生成内容提供基准事实，控制、调节生成结果。这样一来， Cosmos 成为了基于真实场景物理规律的多元宇宙生成器，为物理 AI 在机器人和工业领域的应用奠定了基础。 基于 Cosmos 和 Omniverse 模型，英伟达定义了未来物理 AI 领域的全新生产方式，即 Cosmos + Omniverse 组成的数字孪生、AI 训练侧、AI 部署侧这三者所构成的循环。未来，每个机器人公司最终都需要三台计算机：一台 用于训练 AI 的 DGX 计算机；一台用于部署 AI 的 AGX 计算机，部署在汽车、机器人、自动移动机器人等各种 边缘设备中，实现自主运行。连接两者需要一个数字孪生平台，数字孪生平台是训练好的 AI 进行实践、改进、 合成数据生成、强化学习和 AI 反馈等操作的场所，是所有模拟的基础。这三台计算机将交互式工作，构成了英 伟达针对 AI 工业世界的战略。

1.2 Google 物理 AI 布局具身智能方向

谷歌正在积极推进其在物理 AI 领域的战略布局，致力于将通用人工智能从数字空间拓展至真实物理世界。 2025 年 3 月 12 日，谷歌 Deep Mind 发布了基于多模态通用大模型 Gemini2.0 构建的两类大模型：Gemini Robotics （VLA）和 Gemini Robotics-ER（VLM），构建了一套覆盖“感知-推理-控制-执行”的完整物理智能体系。 Gemini Robotics-ER（Embodied Reasoning）专注于机器人在物理环境中的空间与视觉推理能力，支持物体 检测、指向、轨迹和抓取预测、多视角对应和 3D 辨识等功能。该模型可用于构建机器人感知层，将 Gemin i 的 多模态理解能力延伸至真实世界场景。Gemini Robotics 则将 Gemini Robotics-ER 的推理能力与底层动作控制结 合，直接控制机器人完成复杂操作任务，如折纸、挂包、分类物品等。模型具备零样本和少样本学习能力，支 持跨硬件平台泛化，执行自然语言指令时可自动生成控制代码或策略。通过上述模型，Google DeepMind 构建了 从感知推理到动作执行、再到本地部署的完整战略，目标是实现通用、交互性强、具备精细操控能力的智能机 器人系统。

2.英伟达打造了从硬件到平台的全方位物理 AI 生态

英伟达已在物理 AI领域构建起完整的技术与算力生态，涵盖模拟、训练与部署等核心环节。其中，Cosmos 平台聚焦通过视频数据训练物理世界模型，是其最具战略意义的物理感知基础架构；Isaac 平台则用于高精度训 练机器人在虚拟环境中的行为决策，强化具身智能发展；PhysicsNeM 专注偏微分方程的 AI 加速求解，支持工 程、气候等高精度物理建模；BioNeMo 则服务于药物分子结构模拟与蛋白质-化合物相互作用预测。硬件方面， 英伟达通过规划 Blackwell、Rubin、Feynman 等系列先进 GPU 芯片，并形成 DGX SuperPOD 超级计算集群，支 撑 Omniverse、Modulus 等平台大规模并行运算，构成从 AI 模型训练到物理仿真的完整基础设施。

2.1 物理世界建模引擎：Cosmos 平台

物理 AI的基础在于对现实世界的数字化建模，它不仅是将物理系统数学公式化，更是在 AI语境下构建可 以被理解、可以被推理、可以被计算的世界。传统的建模方式依赖偏微分方程、有限元法、计算几何与拓扑学 来精确描述现实中的力学、电磁、热传导等现象。但在物理 AI 系统中，建模不仅限于人工定义方程，而是借助 物理感知数据构建世界认知模型。这就要求建模引擎能够处理高度复杂的输入，如视觉视频、力觉序列、温度 曲线等，将其转化为具备结构性和可推理性的数据。

Cosmos 是英伟达推出的通用物理世界建模框架，旨在通过大规模视频和传感器数据训练 AI模型，让机器 具备对物理规律的感知与推理能力。Cosmos 不依赖传统的物理方程，而是通过观察现实世界中物体的运动、交 互和变化，自动学习其背后的动力学机制。该模型可广泛应用于自动驾驶、机器人、增强现实等领域，为虚拟 场景生成、路径预测和环境理解等任务提供物理一致性的支持。作为英伟达“物理 AI”战略的核心组成，Cosmos 与 Omniverse、Isaac、Modulus 等平台协同工作，推动具身智能和数字孪生系统的发展，目前已广泛应用于具身 智能、自动驾驶、视觉等行业头部客户。

2.2 多场景耦合仿真：Omniverse 平台

多场景耦合仿真是物理 AI 中将建模与实际行为连接起来的特定环境仿真工具，它允许系统对扰动、指令 或外部因素做出结构性响应。物理系统往往不是单一场主导的，而是多场耦合协同演化的，例如热-电-磁耦合、 电磁-结构耦合、流体-结构耦合等，这要求仿真平台具备跨场建模能力、边界条件动态调整能力以及动态响应模 拟能力。传统 CAE 平台已具备强大的耦合建模能力，但它们主要面向离线工程计算，无法满足物理 AI 在在线 反馈、决策响应和低延迟模拟方面的需求。 以英伟达 Omniverse 为例，其核心由 Universal Scene Description (通用场景描述) 驱动，能够以统一的数据 结构整合来自多源建模软件的几何、材质、动力学和行为描述。在仿真层，Omniverse 支持通过英伟达 Phys X 实 现刚体/软体动力学，通过 Flow 模块实现流体动力学，通过 Flex 支持粒子系统与柔性体仿真，同时与 Isaac Sim （机器人）、Drive Sim（自动驾驶）、Kaolin（3D AI）等模块深度集成，完成结构-控制-感知一体化模拟。物理 AI 系统在这种仿真平台中，可以输入扰动（如动作、指令），观测系统响应，训练其预测与反馈机制，实现感 知-决策闭环。Omniverse 还支持仿真可微分与 AI 可插拔：它可以将仿真结果实时供给 AI 模型，或将 AI 控制 结果注入仿真，实现 AI-in-the-loop 循环。这为物理 AI 系统在控制器设计、策略评估、机器人调度等方面提供 了可调可测的环境。此外，Omniverse 的数字孪生能力也使其成为工业级 Sim2Real 训练平台，可用于生成合成 数据，提升 AI 模型的泛化能力。

仿真平台不仅是训练场，还是行为验证器。系统可通过世界模型提前模拟不同策略路径的结果，在真实部 署前进行筛选和评估。它兼具现实物理系统的“近似替身”与高效推理引擎的角色。由于不依赖高保真的求解 器，仿真速度快、推理灵活，更适用于控制场景、机器人操作、自动驾驶决策等在线物理交互系统。正因多场 景耦合仿真工具具备轻量级、智能化、多场景物理世界等诸多优势，物理 AI 正在成为赋能传统仿真系统的核心 动能。

2.3 Modulus、Bionemo、Issac 等垂直细分模型

PhysicsNeMo（原 Modulus）是一个面向物理模型驱动 AI 的高性能框架，支持物理知情神经网络（PINNs）、 神经算子、图神经网络（GNNs）与扩散模型等多种 SciML 架构。物理研究人员能够直接在该平台上构建包含偏 微分方程约束的代理模型，用于加速计算流体动力学、热传导、结构力学、电磁学等多物理场问题的仿真，预 测速度相比传统 CAE方法快数十倍。PhysicsNeMo 提供从几何输入、网格处理到训练、推理、分布式并行训练 的完整流水线，封装了高效数据管道、工程参考样例与 GPU 加速能力，可广泛部署于数字孪生与实时模拟场景 中。 与之并行，BioNeMo 是英伟达面向药物发现和计算生物学开放的生成式 AI 平台，包含 BioNeMo Framework、 BioNeMo NIM 微服务以及 Blueprints 模板解决方案。该平台为小分子生成、蛋白质结构预测、分子对接和属性 预测等任务提供预训练模型和端到端优化工具，显著缩短药物候选筛选周期。BioNeMo 特别适配大型分布式 GPU 集群，可在数百张 A100 GPU 上完成千亿 token 的蛋白语言模型训练，部分客户已实现推理能力提升 12 倍以上效果，极大加速药物研发流程，并在多个行业与学术机构间建立协作落地。

Isaac 是英伟达为机器人开发构建的端到端 AI 平台，集成了模拟训练、模型开发与硬件部署能力，旨在推 动具身智能的发展。平台核心包括 Isaac Sim仿真环境、Isaac ROS 感知与控制模块、以及可部署在 Jetson 与 Or in 等硬件上的加速引擎。Isaac Sim基于 Omniverse 构建，支持真实物理环境建模、碰撞检测、传感器模拟和合成 数据生成，广泛应用于物流、制造、服务机器人等领域的虚拟训练与策略验证。该平台支持强化学习、模仿学 习与迁移学习等多种训练方式，并可与 ROS2 无缝集成，加速从虚拟到现实的部署流程，是当前实现物理世界 智能体训练与部署的重要基础设施。 三者均为开源生态，分别针对工程物理、生物药物、机器人等领域的数据驱动科学建模提供底层工具与参 考流水线，均依托英伟达 GPU 的训练与推理加速特性，并可与 Omniverse、DGX SuperPOD 等平台与算力基础设施集成，支撑可扩展、高性能的科学 AI 模型开发。这种跨领域、跨平台的物理 AI 开放生态，标志着英伟达 对 AI 驱动科学工程和药物发现的战略性布局正在稳步推进。

2.4 GPU 系列产品打造物理 AI 算力底座

英伟达在物理 AI 领域构建了强大的硬件体系，为大规模物理建模与仿真提供算力支撑。最新的 Blackwell GPU 架构以支持千亿参数模型为核心，具备高吞吐低延迟的推理能力，特别适配数字孪生与具身智能任务。Rubin GPU 则面向未来超算与 AI 融合工作负载，强调通用性与能效比，适用于物理建模中高精度大尺度求解。Feynman 系列 GPU 是为科学计算定制的专用架构，支持更高精度浮点计算，服务于偏微分方程求解和精细网格仿真任务。 在系统层面，英伟达的 DGX SuperPOD 超级计算集群已可实现每秒数千万亿次浮点运算，集成 InfiniBand 网 络、高速 NVLink 互联与液冷技术，已部署于全球多个研究机构与企业环境中，支 Omniverse、Modulus、BioNeMo 等模型的训练与推理，成为推动物理 AI 落地的算力核心。

3.英伟达物理 AI 落地案例

3.1 宝马集团智能工厂

宝马集团正在通过与英伟达深度合作，积极推进其“iFACTORY”战略，将生产与设计流程数字化、虚拟化， 并借助英伟达的 Omniverse 平台构建全球首个“虚拟工厂”。该平台能够将建筑、设备、物流、车辆和人工操作 等多源数据整合入一个统一的三维数字孪生模型，实现跨地区多用户实时协作。宝马将其 Debrecen 电动车工厂 等未来生产基地的完整虚拟模型提前两年以上投入使用，通过实时仿真布局、机器人动作与物流路径，验证任 何新车型是否会在设备与空间中发生碰撞，显著降低试运行风险并加快生产准备。 借助 Omniverse 与英伟达 DGX 系统的协同能力，宝马能够在高保真虚拟环境中模拟装配线、人工操作、机 器人行为及人机协同流程，并生成用于训练视觉检查、机器人路径优化等 AI 模型的合成数据集。这些工具和流 程已助力宝马将生产规划成本降低约 30%，将原本可能耗时高达数周的碰撞测试缩短至仅数天完成，同时实现 对超过 30 座工厂的全球推广。这种由感知模拟到生产执行的闭环协作方式，体现了宝马集团将数字孪生、A I 模 拟与实体工厂连接起来的系统性战略构想，也推动了工业元宇宙与物理 AI 协同落地的新范式。

3.2 西门子应用物理 AI 赋能工业软件产品

西门子与英伟达自 2022 年起深化战略合作，以 Siemens Xcelerator 平台与英伟达 Omniverse 的整合为核心， 全面推进“工业元宇宙”愿景。二者共同打造一个物理准确、实时交互的数字孪生系统，覆盖从产品设计、仿 真验证到工厂规划与执行的全生命周期。借助 Omniverse 的实时光线追踪与物理渲染能力，西门子将其 Teamcenter 产品生命周期管理软件无缝嵌入 Omniverse，实现高保真数字孪生展示，工程师团队能够协同可视化 复杂 CAD 数据，快速识别和消除设计瓶颈，从而显著提升工程效率与决策质量，支持多方实时协同的场景在汽 车、船舶、电池工厂等行业中得以实装。 基于 Omniverse 的加速计算与模拟能力，西门子借助英伟达 Blackwell GPU 和 CUDA 生态，将其 Simcenter STAR-CCM+ CFD 软件的仿真效率提升约 30 倍，实现对整车空气动力学、流程工程体系等复杂仿真的跨越式优化。与此同时，在生产车间层面，西门子推出配备英伟达 GPU 的工业 PC，为机器人视觉检测、质量控制、预 测性维护等工业 AI 应用提供可靠边缘计算基础，实现 AI 在制造现场的稳定落地，AI 执行速度提升约 25 倍。 此外，Siemens Industrial Copilot 与英伟达的生成式 AI 模型结合，为车间操作人员提供智能辅助，实现维护响应 时间缩短约 30%。综合而言，西门子与英伟达借助 Omniverse 打造物理与数字融合的工业 AI 基础设施，不仅加 快了产品开发与工厂部署周期，还显著提升制造过程中成本效率与整体协同水平，标志着工业 AI 落地进入新阶 段。