机器人进厂要提速了！光轮智能与西门子探索工业仿真进入机器学习的新路径

整理｜华卫 工业AI走向产线，卡点不在模型参数量，而在物理规律的可信迁移。 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正式达成合作。此次合作的核心，不只是连接两类仿真技术，更是探索建立从工业工程知识到机器人可验证、可部署能力的转换机制。工业仿真中长期积累的工程模型、物理参数和工艺知识，将进一步进入机器人训练、评测与部署体系，推动具身智能在工业场景中的工程化落地。 工业机器人真正的难点，不是完成一次动作，而是在材料、设备、工艺和安全约束变化下稳定工作，并在上线前证明可靠性。传统工业仿真已经积累了大量高精度工程模型和工艺知识，但这些能力尚不能直接进入机器人训练、评测和部署体系。 基于此，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”三位一体全栈自研仿真平台SimFoundry为核心，探索将西门子工业仿真体系中长期沉淀的工程信息，转变为可直接调用的物理参数、高精度资产和交互环境，让工业知识真正进入机器人训练过程。相关能力将进一步应用于RoboFinals工业级规模化评测平台和RoboStack部署平台，形成从物理可信环境构建、能力训练与改进，到上线前验证、真实部署和反馈回流的持续学习闭环。 光轮智能联合创始人兼总裁杨海波表示，“工业是具身智能规模化落地的最大入口，而工业物理规律和具身智能训练之间，长期缺少一座桥。光轮智能从具身仿真底座出发扎进工业仿真，就是要把这座桥建起来，让工业沉淀的物理知识第一次能规模化进入机器人训练，也让机器人真正走进产线。” 从高精度仿真到评测与部署，形成持续学习闭环 在光轮的仿真版图里，这次动作可以类比英伟达那条走过的路径。英伟达在GPU和CUDA上做开源生态、向下深扎硬件互联；光轮则在物理AI仿真底层深扎，通过与西门子的合作，让具身仿真与工业仿真率先实现互通。软件标准、算力协同、工业精度共同构成物理AI仿真底座。 据悉，他们双方将围绕三个方向开展合作探索。 首先是探索高精度工业具身仿真。双方将把西门子在工业设计与仿真分析中的工程能力，与光轮智能SimFoundry的物理测量、求解校准和SimReady资产生成能力相结合，将工业设备、零部件、工装夹具和物料，转化为具备真实物理属性与工程约束的仿真资产，为机器人训练和评测提供更加可信的环境基础。 其次是工业级具身评测。基于SimFoundry构建的高精度仿真环境，双方将围绕插拔、压装、卡扣、柔性接触和复杂装配等任务，通过RoboFinals复现失败、识别能力边界、比较不同模型，并判断机器人是否具备进入中试和真机验证的条件。 最后是推动典型工业场景部署与验证。经过训练和规模化评测的机器人能力，将进一步通过RoboStack接入真实设备与工业任务，连接真实部署与反馈回流。真实部署中的任务结果、运行反馈、异常工况和能力边界，将反向指导下一轮仿真场景补充、评测任务设计和模型改进，形成由部署反馈驱动的Real2Sim2Real持续学习闭环。 由此，工业软件中的工程知识不再停留于设计与分析环节，而是能够持续进入机器人训练、评测、中试和部署过程。 对工业客户而言，这条链路可以把传统的依赖现场反复调试的交付流程，转化为“仿真预训—规模化评测—中试验证—真实部署”的更加可控、可复制的流程，提前识别机器人在接触精度、装配稳定性、设备兼容性和安全性方面的潜在问题，有望降低产线停机和现场试错成本，缩短机器人新任务从定义、验证到可靠上线的周期。 先走向可复用基础设施，再开放生态接口 此次合作的价值，不只在于完成单个工业项目，更在于探索形成可以持续积累和复用的能力生产机制。经过测量、校准与验证的工业设备、物理参数、工艺流程和任务环境，可以沉淀为SimReady资产、标准化任务和工业级评测基准；经过评测与真实部署验证的能力边界和改进经验，也可以进一步服务相似场景和机器人形态。 这意味着，平台复用的不只是一个三维资产或一组物理参数，还包括任务如何被定义、能力如何被衡量、风险如何被识别，以及机器人如何从首次验证走向稳定上线。每一次部署，都将为下一次相似任务积累可复用的资产、评测证据和工程经验。 随着更多工业任务进入平台，相似场景不必从零开始重复建模、测试和调试。已有资产、任务定义、评测方法与部署经验能够被持续复用，从而缩短新任务交付周期，并降低相似能力复制到更多产线和客户时的边际交付成本。 同时，此次合作进一步打开了光轮智能与工业仿真产业协同的空间。在机械、材料、流体、电磁、控制、数字孪生和制造工艺等领域，不同工业软件与仿真企业已经积累了大量专业模型、工程参数和行业知识。物理AI时代，这些能力需要进一步完成实时化、交互化和规模化转换，进入机器人训练、评测和部署体系。 光轮智能并不替代工业仿真企业，而是希望帮助其专业能力进入机器人训练、评测与部署体系，与工业软件企业共同拓展物理AI应用。工业仿真与软件企业可以提供各自擅长的工程模型、专业工具、物理参数和行业知识；光轮智能则依托SimFoundry、RoboFinals和RoboStack，将相关能力进一步连接到物理环境构建、规模化评测、上线前验证和真实部署过程，为工业仿真能力打开面向物理AI的新应用出口。 未来，光轮智能将继续联合工业软件、数字孪生、工业自动化、算力、模型和制造企业，共建高精度SimReady资产、工业级Benchmark和典型落地场景，探索形成面向物理AI工业化落地的可复制协作范式。 当物理AI真正走进工厂，最终检验其能力的，不只是模型参数，而是材料、设备、工艺、节拍和安全共同构成的真实物理世界。从工业软件中的工程模型，到机器人可以持续调用的训练、评测与部署能力，中间需要一套贯通虚拟世界与真实工厂的基础设施。此次合作，是光轮智能连接工业仿真与具身仿真、建设物理AI数据与评测基础设施的重要实践。 把仿真做深，双轮驱动具身智能落地工业产线 当前，我国正持续推进“人工智能+制造”、新型工业化建设、高质量数据集建设以及具身智能中试基地、训练场等战略和产业布局。一系列政策导向，为物理AI与工业制造的深度融合指明了方向。 光轮智能的实践正是对上述国家战略的工程化响应：不做机器人本体、不训通用大模型，而是把仿真这一物理AI底层做深做厚，使之成为工业数据筑基行动中“仿真环境数据采集、极端场景数据合成”的关键技术提供方。 目前，光轮智能“具身智能高质量仿真遥操作数据集”已入选北京市行业高质量数据集双榜榜首，是全国首批具身智能行动计划数据领域唯一民营企业，其基础设施能力可直接复用为工业数据筑基行动的联合体技术底座。光轮智能表示，将努力把“具身仿真+工业仿真”双轮驱动打造为国家具身智能工业底座的候选范式。 光轮智能的做法是把仿真做深：从仿真资产、框架、平台，到仿真模拟器、物理求解器，并作为Newton仿真技术委员会唯一中国企业参与下一代开源物理AI仿真标准共建；在数据侧，同步作为EgoVerse人类数据委员会唯一中国企业参与国际数据规则制定。其“三位一体”全栈自研仿真平台SimFoundry通过自动化物理测量工厂将真实世界摩擦、刚度、接触力测回，注入生成环节构建仿真环境，并由工业级仿真评测平台