本文轉自瞭望智庫微信公眾號。
瞭望智庫是新華社批準成立的、瞭望周刊社旗下的國情國策研究機構。依托新華社遍布全球的信息調研網絡與《瞭望》深耕國策研究的基因，瞭望智庫與決策機構、海內外權威研究機構密切互動，充分發揮咨政建言、理論創新、輿論引導、社會服務、公共外交等功能。
?
1999年，兩件看似無關的事，悄然埋下了今天AI發展的伏筆。
這一年，《黑客帝國》上映，描繪了一個基于AI構建、能夠映射現實的虛擬世界——矩陣（Matrix）。
同年，GeForce 256圖形芯片問世，GPU（Graphics Processing Unit，中文常簡稱為圖形處理芯片）作為一種全新算力形態賦能千行萬業。
二十多年后，這兩處伏筆共同指向一個清晰的未來：人工智能（AI）正由感知式AI、生成式AI、智能體逐步走向與物理世界深度交互的新階段——物理AI（Physical AI）。實現這一藍圖的關鍵，在于打造一個能夠模擬萬物、遵循物理規律的數字現實。
好消息是，我們無需從零開始構建這一數字體系。依托成熟的仿真（CAE）技術，我們已具備為物理AI快速搭建關鍵基礎設施、夯實底層技術支撐的能力。仿真，正是解鎖物理AI潛能、構建數字現實的核心密鑰。
1
仿真，破解物理AI的兩重“次元壁”
物理AI的核心是“理解物理規律、交互物理世界”。它誕生于虛擬世界，卻注定要賦能現實。但要從虛擬走向現實，需要沖破兩重“次元壁”：數據和訓練場。
互聯網上，訓練大模型的數據不計其數，反映真實物理規律的數據卻極為稀缺，尤其是某些特定領域，比如具身智能和智能駕駛。這樣一個物理數據支撐不足的數字世界，難以為下一代AI提供低成本、高效訓練的數字孿生訓練場。
換言之，人類需要為物理AI找到一個學識深厚、能與之有效協同的“老師”。
仿真正是這位老師。事實上，物理AI到來之前，仿真一直扮演著讓數字世界了解真實物理規律的角色。
仿真技術，特別是基于第一性原理的計算機輔助工程（CAE）仿真，堪稱一個“物理數據工廠”，能夠依據嚴格的物理定律，在虛擬世界中批量生成高保真、標簽完美的合成數據。無論是模擬單個齒輪的轉動，還是整臺機械臂的協同作業，仿真都能輸出全過程、全參數的高質量數據，滿足物理AI對大量真實數據的需求。
依托這些數據，人們可以為物理AI提供“安全訓練場”，在數字孿生的世界中通過“試錯”進行學習。就像飛行員在模擬機上練習起降一樣。在這個1:1模擬真實世界的數字訓練場中，AI可以無限試錯、積累經驗，無現實風險與成本負擔，更好地探索極端場景，加速進化。
2
仿真能力外化，為物理AI授之以漁
理論可行，但要將仿真賦能物理AI落到實處，需在產品與工具層面搭建邏輯關聯。好在有路可走——將平臺能力外化并實現跨領域服務的模式，已在其他領域多次驗證可行。
比如，GPU誕生的初衷是讓三維游戲的畫面更逼真，后來成為數據時代的算力基石，這正是一次頗具偶然性的硬件能力外化。云計算領域則有更典型的案例，亞馬遜云（AWS）最初只為服務亞馬遜的電商業務，如今已成長為全球首屈一指的云計算服務供應商。
近年來，仿真行業也開始復制這一路徑。那些經過工業場景驗證的物理算法、求解器、模型等，通過平臺化、接口化的方式，轉化為物理AI所需的原材料和基礎設施，正賦能物理AI的上下游產業。
眼下，國內已有企業率先行動。成立于2014年的北京云道智能科技股份有限公司（下稱云道智能），在工業仿真領域已躋身國內頭部，且在部分領域達到國際領先水平。面對物理AI的浪潮，云道智能將長期服務于工業界的“內部能力”系統性外化，推出以物理引擎為核心、融合生成式方法的物理AI平臺Sim-PI。
Sim-PI擁有多物理場仿真能力，其材料結構和單元類型能精確刻畫材料特性，提升彈性體仿真的真實感和可靠性，在毛發、繩索、線纜及柔性纖維等仿真中具有高真實感和準確性。同時，其接觸搜索、接觸變形以及接觸力的精準計算模型，可以更好地反映真實世界的碰撞過程。可以說，Sim-PI擴展了仿真的場景邊界，實現了更多場景從0到1的突破。
這不只是一次產品創新，更標志著云道智能從“工業仿真解決方案提供商”向“物理AI基礎設施運營商”躍遷的戰略升級。
3
定義下一代AI生態模式
物理AI一旦進入應用階段，可以和仿真相互賦能。仿真能從物理AI發展中獲得新的應用藍海，物理AI則能以前所未有的方式為仿真開拓成長空間。
為此，云道智能提出了以仿真為核心的“雙螺旋”發展模式。
螺旋之一，工業仿真基于物理AI，奠定正確物理基石。Sim-PI的核心優勢源于融入了云道智能沉淀十余年的工業仿真基因。這些在多體動力學、剛-柔-液體耦合仿真及物質點法等方面的技術能力，能使仿真環境與數據無限逼近物理真實。這也成為許多單一AI背景平臺難以打破的壁壘。
螺旋之二，物理AI反哺工業仿真，開拓更廣闊市場。在實際應用中，Sim-PI通過提供高保真仿真、生成海量數據、驅動更優AI訓練，持續激發用戶更多的仿真需求。這不僅為傳統工業仿真開拓了更廣闊的場景及垂直應用空間，也帶動仿真技術自身進化，諸如GPU加速、AI代理模型秒級預測等效率革新。云道智能已經明確推進Sim-PI的全面GPU化，深度融合高性能計算提升整體效能。
除了“雙螺旋”發展轉型模板，云道智能也在推動一項圍繞物理AI數據協作的創新。
數據是訓練物理AI重要且稀缺的原材料。有效的數據共享能極大避免行業“重復發明輪子”的損耗。為此，云道智能正在醞釀一個“物理AI數據場”。借助這個“場”，機器人公司等企業無需完成所有訓練場景，就可以像在超級市場購物一樣，購買擰螺絲、分揀物品的仿真數據包。這不僅能提升產業效率，更有望催生一個圍繞物理數據的新興業態。
4
賦能下一代AI全產業鏈
如果只看云道智能的Sim-PI規劃，可能會產生一種錯覺：仿真對物理AI的主要意義是，訓練更懂得真實世界的模型。但實際上，仿真對物理AI的作用遠不止于此。
根據產業共識，物理AI從下到上包含五層要素（見下圖），仿真已滲透至每一層。
還是以云道智能為例。Sim-PI作為物理AI的數據庫與訓練場，提供了物理AI基礎設施層，并參與了AI模型層的模型訓練。云道智能的仿真產品，包括通用物理仿真軟件、專用物理仿真軟件、數字孿生等，則在其他要素中扮演著重要角色。
在能源電力層，Simdroid長期參與電網穩定性分析、電站預測性維護等關鍵環節，通過構建電力系統的超實時數字孿生，為AI算力所需的高效穩定供電提供堅實保障。
在芯片及計算基礎設施層，針對先進封裝所面臨的電磁、散熱與結構應力等極端復雜的多物理場挑戰，伏圖-芯片多物理場（Simdroid-IC）等仿真工具已成為優化設計、提升良率的“虛擬實驗室”；為AI提供硬件與算力的云計算數據中心，也依賴高精度仿真進行空間設計，以優化散熱與能耗。
在應用層，具備物理感知與交互能力的終端設備持續普及，帶來了更多設計需求，這也正是Simdroid平臺的優勢與用武之地。
可見，仿真將在物理AI引發的建設熱潮中，獲得從底層硬件到頂層應用的全鏈條增長機會。
下一代AI的競爭，是物理AI的競爭，是一場圍繞仿真能力、數據生態與基礎設施開放性的綜合較量。誰能更好地整合以上能力與資源，誰就掌握了定義下一代AI生態的主動權。
仿真，正處于這場變革的核心。
好消息是，相較于高端芯片方面的差距，中國企業在仿真領域與國際領先水平的差距在顯著縮小。對于正全力發展新質生產力的中國而言，下一代AI，或許就是我們從跟跑向并跑甚至領跑的歷史性窗口。