科普时报记者 陈杰
今年下半年以来，具身智能越来越快速地从演示走向装配、插接、柔性物体操作等真实工业任务。大模型能力进步很快，但行业面临一个更底层的瓶颈：机器人在仿真里学到的“物理”，常与真实世界的“物理”对不上。仿真不准，具身智能的策略训练和评测就缺少可信依据，工业化落地也更难。
近日，光轮智能联手电子设计自动化企业新思科技，在工业接触任务类别中实现计算机辅助工程（CAE）精度的机器人任务级仿真校准，打通了“真实测量—机理分析—仿真验证”全栈自研技术链路——这不是一次单点精度的提升，而是首次将工业CAE数十年沉淀的材料、接触、形变、载荷等成熟物理工程经验，系统性接入具身智能的训练与评测体系。
也就是说，仿真不再只是机器人研发的辅助工具，而是成为具身智能行业走向工业化的技术抓手。
长期以来，工业仿真与具身仿真分属两套独立体系，两大领域的模型参数、计算逻辑无法互通转化，形成技术断层，导致机器人仿真结果可信度不足，难以适配复杂工业作业需求。谁能把它打通，谁就掌握了具身智能从“能演示”走向“可工业化”的关键技术抓手。
光轮智能与新思科技的合作，正是在这一环节上开展的工程实践：由CAE帮助解释关键物理机制和补充相关数据，将相关作用纳入机器人动力学计算，并通过真实测量进行自动化校准，让机器人仿真拥有了标准化、可量化的物理标尺。这一成果不仅打破了国际巨头在工业仿真领域的长期垄断，也证明我国已经具备对接全球工业仿真体系的能力。
更重要的是，这一成果并不是孤立事件，而是我国技术团队持续参与全球物理AI核心工程方法与基础设施建设的一环：在行业标准层面，光轮智能是国际物理AI标准Newton仿真技术委员会唯一中国企业；在技术资产层面，光轮智能是英伟达开源机器人仿真资源库核心贡献方；在工程落地层面，光轮智能早已与西门子共建工业级仿真基础设施……
分析人士认为，当前具身智能的竞争，表面看是模型与数据的竞争，底层看是物理真实性与工程验证能力的竞争。高可信仿真，正在成为机器人训练、评测与工业部署的关键“度量衡”之一。
网友评论
