中国经济网 8 月 1 日讯（记者 施晓娟）近日，在 2026 世界人工智能大会期间，物理 AI 数据与评测基础设施企业光轮智能与西门子达成合作，聚焦打通工业仿真与具身仿真技术链路，共建物理 AI 工业级落地底座。

工业机器人产线落地的关键，不在于完成基础装配动作，而在于在既定设备、材料、工艺与安全约束下稳定作业，并在上线前完成可靠验证。目前，传统工业仿真已积累海量高精度工程模型与工艺知识，但无法直接适配机器人训练、评测与部署流程，成为具身智能工业化落地的主要瓶颈。

针对这一痛点，西门子提供工业世界的工程规则，光轮智能将这些规则转化为机器人能够学习和接受验证的基础设施。双方以光轮智能 " 求解—测量—生成 " 全栈自研仿真平台 SimFoundry 为核心，探索将西门子沉淀的工业工程资源转化为机器人可调用的物理参数、高精度仿真资产与交互环境，让成熟工业知识赋能智能体训练。结合光轮智能 RoboFinals 规模化评测平台与 RoboStack 部署平台，合作构建起 " 环境构建—训练优化—上线验证—真实部署—数据回流 " 的完整闭环。本次合作的核心，是探索建立工业工程知识向机器人可验证、可部署能力的标准化转换机制，加速具身智能在工业场景的工程化落地。

随着我国新型工业化与 " 人工智能 + 制造 " 深度推进，具身智能训练场、高质量数据集等产业配套持续完善，高保真仿真、规模化评测与工程化验证已成为物理 AI 产业化的核心支撑。真实工业场景涵盖持续接触、摩擦形变、装配公差、柔性卡扣等复杂工况，机器人作业稳定性不仅依赖模型能力，更取决于仿真环境能否精准还原真实材料、接触关系、设备约束与工艺规则。

传统工业仿真在机器人高频并行训练场景下，面临实时化改造等挑战。此次合作整合西门子工业仿真工程积累与光轮智能实时物理求解、精准测量、仿真生成的全栈能力，打通高精度工业仿真向实时具身仿真的转化路径，补齐了国内工业工程知识与机器人智能学习衔接的基础设施短板。

据了解，双方将从仿真构建、标准化评测、场景验证三大维度落地合作。依托 SimFoundry 平台融合双方技术优势，将工业设备、零部件、工装与物料转化为具备真实物理属性、贴合工程约束的标准化仿真资产，搭建高可信训练环境。在此基础上，围绕插拔、压装、柔性装配等典型工业任务，通过 RoboFinals 构建可复现、可对比、可诊断的工业级评测体系，精准校验机器人作业精度、稳定性与鲁棒性，为装备中试及量产上线提供标准化验证依据。

经训练与评测验证的机器人能力，可通过 RoboStack 接入真实工业场景。现场运行数据、异常工况与能力边界将反向驱动仿真场景、评测体系与 AI 模型迭代，形成 Real2Sim2Real 虚实联动持续学习闭环。

本次合作的核心价值，在于构建可积累、可复用、可迭代的工业智能能力机制。经过校准验证的工业参数、仿真模型、工艺流程将沉淀为 SimReady 标准化资产与工业评测基准，落地过程中积累的优化经验可快速复用至同类场景。平台不仅沉淀三维资产与物理参数，更固化了工业任务定义、能力评价、风险识别与稳定落地的工程方法论，有效避免重复建模与调试，持续缩短交付周期、降低规模化落地边际成本。

同时，合作进一步拓宽了工业仿真与物理 AI 的产业协同生态。目前，工业软件、数字孪生、多学科仿真领域积累的大量专业模型与行业知识，亟需完成实时化、交互化升级，适配机器人智能迭代需求。光轮智能定位物理 AI 数据与评测基础设施企业，不替代传统工业仿真企业，而是通过产品和技术能力，将各类工业仿真能力接入智能训练、评测与落地环节，为传统工业仿真技术开辟物理 AI 全新应用场景。

未来，光轮智能将持续联动工业软件、自动化、算力、AI 模型及制造企业，共建高精度仿真资产、工业级评测基准与标杆落地场景，打造物理 AI 工业化落地的协作参考范式。物理 AI 的工业价值最终体现在真实工厂的复杂工况适配能力，是贯通虚拟仿真与实体产线的基础设施，也是智能制造升级的关键支撑。此次光轮智能与西门子的战略合作，是行业完善物理 AI 数据与评测基础设施、打通工业仿真与具身仿真的重要实践，将为制造业智能化转型提供有力示范。

( 责任编辑：王婉莹 )