当英伟达 CEO 黄仁勋在 2025 年 GTC 大会上再次强调 "Omniverse 是物理 AI 的操作系统 " 时，上海松应科技创始人聂凯旋可能是最感同身受的中国创业者之一。

这位前华为云鲲鹏解决方案副总指挥，在 2020 年就敏锐捕捉到英伟达 Omniverse 的战略意图——那不仅仅是一个 3D 仿真工具，而是未来物理世界智能化的底层基础设施。五年后，他带领松应科技推出的 ORCA3.0 企业版和开发者版 ORCA Lab 1.0，正试图在中国复刻这一路径，但选择了一条更具挑战性的道路：在英伟达 CUDA 和 Omniverse 生态的垄断铁幕下，构建基于国产 GPU 的物理 AI 训练体系。

一、从 " 技术可行 " 到 " 人人能用 "：破解具身智能的数据饥荒

当前人形机器人行业正陷入一场集体焦虑。宇树科技 CEO 王兴兴曾直言，行业面临四大痛点：具身智能 AI 模型未突破、硬件物理限制、商业化场景缺失，以及数据与实物对齐难。智元机器人发布的 SOP 系统、星动纪元构建的数据飞轮，本质上都是在应对同一瓶颈——真实场景数据采集成本高昂、效率低下，而纯仿真数据又面临严重的 Sim2Real Gap。

松应科技提出的 "1:8:1 黄金数据合成策略 "（10% 示教 +80% 仿真合成 +10% 现实微调），正是针对这一痛点的工程化解决方案。这一比例并非凭空设定：元客视界 CTO 陈溥在行业调研中发现，理想模型需基于 10% 真机数据生成 80% 仿真数据，再用 10% 真机验证 Sim2Real 效果，这已成为 " 提升模型泛化性与智能性的必然选择 "。

但松应的差异化在于物理仿真的精度。机器人 Sim2Real 的核心难点在于物理准确性。ORCA Lab 搭载的多物理场融合仿真引擎，声称实现毫米级物理交互还原，这直接决定了仿真数据能否真正迁移到宇树、傅利叶等合作厂商的实体机器人上。

更具战略意义的是成本结构的颠覆。传统真机数据采集需要配备 5 台 7 自由度机械臂、昼夜两班倒的 " 数据工厂 "，全年烧掉 200-300 万美元仅能产出 1000-2000 小时轨迹。而 ORCA Lab 将高保真仿真、AI 任务规划、场景生成与数据合成能力集成于个人笔记本，这意味着单个开发者即可在普通电脑上完成机器人全流程训练，将门槛从 " 千万级投入 " 降至 " 零代码开箱即用 "。

二、对标 Omniverse：国产 GPU 生态的卡位战

松应科技的商业叙事中，" 全栈对标英伟达 Omniverse" 是高频出现的定位。但这并非简单的技术模仿，而是一场关乎产业底层标准话语权的博弈。

英伟达 Omniverse 的战略价值，在于其通过 OpenUSD 标准与物理精确仿真，将工业软件、机器人及传感器数据统一为可计算的数字孪生体，被定位为 " 物理 AI 时代的操作系统 "。更关键的是，英伟达正凭借 CUDA 的前瞻性布局，实现生态的绝对垄断，获得 70-80% 的超高毛利率。（雷峰网）

聂凯旋在华为攻坚多年的经历，让他深知 " 美国人要做的，中国产业也一定会需要 "。但松应面临的环境比当年 CUDA 竞争更为复杂：不仅要解决仿真技术问题，更要打破国产 GPU 间的生态孤岛。

目前 ORCA 系统已深度适配沐曦、摩尔线程、天数智芯、瀚博等国产 GPU 及异构算力平台。这一布局恰逢国产 GPU 冲刺 IPO 的关键节点——摩尔线程 2025 上半年营收超 7 亿元，推出 " 夸娥 " 千卡集群；沐曦 GPU 累计销量超 2.5 万颗，走通千卡集群解决方案。但国产 GPU 的共同痛点在于生态差距：沐曦截至 2025 年 10 月的软件栈注册用户仅 15 万，网络 API 调用 1300 多万次，与英伟达 CUDA 生态规模相去甚远。

松应科技的 ORCA 平台，本质上扮演了国产 GPU 进入物理 AI 训练场景的 " 中间件 " 角色。通过整合国产芯片、机器人制造、场景应用等产业链资源，它试图打破上下游各自为战的局面，形成 " 协同对抗国际技术垄断的产业合力 "。这种 " 安卓式 " 开放生态的构建，对于正在冲刺 IPO、急需证明商业化能力的国产 GPU 厂商而言，具有战略协同价值。

三、从工业级到普惠型：物理 AI 的 "Android 时刻 "？

松应科技的产品矩阵布局颇具深意：ORCA Lab 1.0 面向个人开发者与轻量化团队，而即将推出的 ORCA 3.0 将服务企业级平台。这种 " 从工业级商业化落地到普惠型研发工具 " 的完整布局，暗合了物理 AI 产业发展的阶段性特征。

当前具身智能正处于从实验室演示走向规模化商用的临界点，但 " 可靠性鸿沟 " 依然显著：多数惊艳演示局限于受控环境，一旦进入真实工业车间或家庭场景，面对非标准化的长尾任务，机器人的环境适应性、操作稳定性与决策鲁棒性便面临严峻考验。松应科技已服务数十家央企、国企、国家级机器人创新中心，覆盖汽车、3C、电子等行业，这些工业级落地经验正反向输入到 ORCA Lab 的设计中。

更深层的影响在于人才培养与标准制定。松应科技预计 ORCA Lab 将培养 50-100 万行业应用人才，并与上海交大、清华、同济等高校联合预研，编撰行业首部《物理 AI 白皮书》与《AI+ 制造场景建设指南》。在 " 十五五 " 规划（2026-2030）将 "AI+ 制造 " 提升至新型工业化核心战略、推动形成自主可控技术栈的背景下

，这种标准制定权的争夺可能比短期营收更具战略价值。

四、风险与隐忧：Sim2Real 鸿沟能否真正跨越？

尽管松应科技描绘了一幅宏大的技术普惠图景，但行业共识是：Sim2Real Gap 可能永远无法完全消除。

2022 年 RSS Workshop 上的学术辩论揭示了核心困境：无论计算机模拟的复杂程度如何，现实差距（Reality Gap）总是存在。仿真环境中的摩擦系数、弹性形变、传感器噪声、执行器延迟等细节，与真实世界存在系统性偏差。北大 - 银河通用联合实验室主任王鹤指出，Sim2Real 不需要仿真器完全仿真，而是 " 硬件、算法和仿真联合优化的过程 "。（雷峰网）

松应科技提出的 "1:8:1" 数据策略，本质上是一种成本与效果的权衡——用 80% 仿真数据降低边际成本，用 20% 真机数据对齐物理现实。但这种策略的有效性高度依赖仿真引擎的物理精度。在柔性物体操作（如叠衣服、系鞋带）、多接触点交互等复杂场景，现有仿真技术仍存在明显局限。

此外，生态建设的冷启动难题不容忽视。英伟达 Omniverse 的优势不仅在于技术，更在于其整合了全球顶尖的工业软件、机器人厂商与开发者社区。松应科技虽联合了数十家国内机器人厂商，但在资产库丰富度、开发者社区规模、国际兼容性等方面，仍有漫长道路要走。

结语：一场关于 " 智能时代基础设施 " 的暗战

松应科技的故事，很难用 " 国产替代 " 的简单叙事概括。它既是技术层面的物理 AI 仿真系统，也是产业层面的国产 GPU 生态连接器，更是战略层面的智能制造标准制定参与者。

在具身智能被普遍视为 " 下一个 ChatGPT 时刻 " 关键载体的当下，物理 AI 训练平台正在成为比芯片更上游的 " 基础设施的基础设施 "。英伟达通过 Omniverse+CUDA 构建的生态护城河，让其在 AI 训练领域获得近乎垄断的地位。松应科技的 ORCA Lab，代表着中国产业界试图在这一层面建立自主可控体系的最新尝试。（雷峰网）

聂凯旋将 ORCA Lab 1.0 定义为 " 让普通开发者低门槛进入物理 AI 领域 " 的普惠工具。但其真正的行业意义或许在于：在中美技术脱钩的大背景下，为中国具身智能产业保留一条不依赖英伟达生态的平行演进路径。这条路径能否走通，不仅取决于松应的技术迭代速度，更取决于国产 GPU 生态的成熟度、产学研协同的深度，以及整个行业对 Sim2Real 鸿沟的集体攻关能力。

松应科技的 ORCA 物理 AI 仿真平台，最终仍需在真实世界的残酷检验中证明其价值。而这，正是所有物理 AI 公司必须面对的终极考题。