日期:2026-10-25 浏览:0

世界模型与物理仿真引擎:从参数规模到物理世界建模的范式跃迁

世界模型与物理仿真引擎:从参数规模到物理世界建模的范式跃迁

报告摘要

本报告论证一项正在发生且具有全局影响的竞争转向:人工智能产业竞争的焦点,正从"参数规模"的单维军备竞赛,转向以"物理世界建模"为核心能力的系统竞争。世界模型(World Model)与物理仿真引擎构成这一转向的两大支柱——前者负责以数据驱动方式学习并预测环境动力学,后者负责以解析方式在虚拟空间中复现物理规律;二者的融合正在为自动驾驶仿真、机器人训练与工业数字孪生三大场景提供底层能力供给。

核心结论:这一转向不是技术演进的线性延续,而是范式层面的迁移——从"预测下一个词"到"预测下一个场景状态",从"更大模型"到"更懂物理",从"被动识别"到"主动推演"。具身智能、自动驾驶与工业软件由此获得一条不依赖海量真实试错的规模化训练路径,而世界模型与物理引擎融合形成的"数据工厂",将成为下一阶段 AI 产业基础设施之争的主战场。

关键依据:其一,头部玩家已明确将世界模型定位为训练底座——特斯拉以车队数据构建"世界模拟器",单日蒸馏相当于人类数百年的驾驶经验;NVIDIA 以 Cosmos 世界模型与 Isaac 仿真框架构建物理 AI 全栈;Google DeepMind 以 Gemini Robotics 系列将多模态推理接入物理世界。其二,开源物理引擎加速涌现并快速收敛——NVIDIA 联合 Google DeepMind 与迪士尼研究院发布可导物理引擎 Newton,CMU 等牵头开源 Genesis 物理引擎,MuJoCo 在收购后演进为 MJX 的 GPU 原生版本。其三,产业资本与数据形成合力——据赛迪顾问口径,世界模型全球市场规模预计从 2025 年的约 18.5 亿美元,以约 52.4% 的年复合增长率扩张至 2030 年的约 152.3 亿美元;数字孪生相关市场则被多家机构估测处于 32%—42% 的复合增长区间。

主要约束与风险:真实数据仍是稀缺资产,"仿真与现实的鸿沟"(sim-to-real gap)尚未根本解决;生成式世界模型在长程一致性与物理保真度上仍存在明显短板;市场规模的机构间口径差异较大,预测存在不确定性;物理引擎的标准化(如 OpenUSD)与跨平台可移植性仍处早期。

行动建议:对产业决策者,宜将资源从单纯扩大模型参数,转向构建"世界模型+物理引擎+真实数据闭环"的复合底座;对研发团队,宜优先布局具备可导物理、合成数据管线与 sim-to-real 迁移能力的技术栈;对投资机构,宜关注同时具备数据入口、物理引擎自研能力与行业场景落地能力的主体。

本报告由泷码软件(上海)有限公司、泷码软件研究院与泷码首席技术官(CTO)平台联合出品,基于公开资料与第三方研究数据整理,文末附数据来源与免责声明。报告全部数据均注明口径与来源,第三方预测以"估算/预测"标注,不构成投资建议。

 

引言:范式转移的缘起

过去十余年,人工智能的叙事几乎被"规模"一词主导。从大语言模型到多模态模型,产业竞争的公开度量衡一直是参数量、训练数据量与算力投入——"Scaling Law"一度被视为通往通用智能的近乎唯一通道。然而,当模型在文本、图像与视频的表征层面逼近甚至超越人类水平时,一个根本性缺陷逐渐暴露:语言模型与视觉模型预测的是"下一个符号"或"下一帧像素",而非"物理世界将如何响应一次真实动作"。

这一缺陷在两类任务中被无限放大:一是与真实世界交互的具身任务——自动驾驶车辆需要预判一个刹车动作后两秒内的路况演变,机器人需要在拿起易碎物体前判断其受力形变;二是需要在虚拟空间反复试错的工程任务——产线布局、工艺参数、设备寿命预测。在这些场景中,仅凭更大规模的统计关联无法可靠地逼近真实物理结果,因为物理世界的行为由力学、光学、热力学等确定性规律约束,而这些规律并不会随参数增长自动涌现为可靠的因果推理能力。

正是这一结构性张力,催生了本报告聚焦的范式迁移:竞争焦点从"参数规模"转向"物理世界建模"。这一转向的实质,是把 AI 从"理解符号与像素的表层智能"推向"理解并推演物理过程的深层智能",并由此重新定义产业基础设施的形态——训练不再完全依赖真实世界的海量采集,而是可以在一个高保真、可无限重演、可注入任意动作的虚拟物理环境中完成。

本报告将沿着四条主线展开:先厘清世界模型的定义与三大技术流派;再剖析物理仿真引擎作为"物理世界编译器"的技术谱系;继而论证二者融合形成的"神经×解析"混合范式;随后以自动驾驶仿真、机器人训练与工业数字孪生三大场景检验其落地价值;最后刻画全球产业格局、市场数据基础、核心挑战与趋势展望。

世界模型:从"预测下一个词"到"预测下一个场景状态"

定义与学术谱系

世界模型并非全新概念。其思想源头可追溯至认知科学中的"心理模型"与"内在模拟"假设,而在人工智能领域,一个重要且常被引用的早期框架是 2018 年 David Ha 与 Jürgen Schmidhuber 提出的 World Models 工作:用一个神经网络压缩观测、用另一神经网络学习环境动力学,从而让智能体在内部模拟环境中快速学习。该工作以"规划者能梦见未来"的表述,确立了"模型—动力学—决策"的三段式雏形。

此后,世界模型的内涵在"预测未来观测"与"学习环境动力学"两条线索上持续演进。Yann LeCun 及其 JEPA(联合嵌入预测架构)体系将其上升为一种世界观:智能体应学习对环境的压缩表示,并预测这些表示的未来演化,而非逐像素预测。进入扩散模型与视频生成时代,业界出现了一个重要而务实的重定义——AWS 的技术阐释颇具代表性:世界模型是 AI 系统内部对物理世界规律的压缩表示,与语言模型预测"下一个词"不同,世界模型预测"下一个场景状态"——理解视频中的人会跌倒、汽车会撞车、积木会倒塌等物理因果关系。行业内部亦流行一条实用判别线:能否把"动作"作为输入条件。仅输入一段画面、输出一段合理视频,那只是视频生成器;只有能注入一个动作、并得到该动作引发的环境响应,才称得上世界模型。

从这个定义出发,世界模型的核心价值有三重:其一,预测——根据当前状态与候选动作推演未来环境状态,为决策提供"心智预演";其二,数据生成——作为"数据工厂"批量合成高价值、覆盖长尾场景的训练数据,缓解对真实数据的无限依赖;其三,仿真推演——在闭环中评估策略,实现无限试错、无限重来。

三大技术流派

围绕"如何把物理世界压缩进模型",业界形成了三派各有侧重、又相互渗透的技术路线。

扩散视频世界模型派。这一派以 OpenAI Sora、Google Veo、阿里巴巴通义万相与 NVIDIA Cosmos-Predict 为代表,核心信念可概括为"看过足够多的落日,就能画出任何光影"。它将大规模视频生成直接等同于世界模拟,优势在于视觉逼真度与规模化数据效率,短板在于缺乏对物理规律的显式约束——生成的"光影"可能违反力学、在长程上失去一致性。它更适合充当合成数据的视觉来源,而非严谨的物理推演器。

神经物理世界模型派。这一派以 LeCun 的 JEPA 体系、World Labs 的 Atlas 等为代表,主张直接学习环境的动力学表示与因果转移,预测"下一个场景状态"而非逐像素。其优势在于更强的抽象与推理能力,是"动作条件化、可推演"路线的理论根基;其挑战在于如何获得足够高质量的物理标注与验证机制,目前多处于研究验证向工程化过渡阶段。

空间智能与生成式仿真派。这一派以李飞飞创办的 World Labs Marble、国内魔芯科技的 MoWorld 等为代表,主张构建"可交互、有真实尺度、可持久一致"的显式三维世界。Marble 的突出点在于输出可编辑、可导航、可导出的 3D 资产生态(高斯溅射、三角网格),实现"生成即资产",可直接进入下游仿真引擎。这一派最贴近"物理世界建模"的字面含义,被视为连接生成式 AI 与物理引擎的桥梁。

需要指出,三派并非互斥。NVIDIA 的 Cosmos 平台即同时提供 Predict(预测)、Transfer(迁移)、Reason(推理)三种模型类型,被定位为面向物理 AI 的"世界基础模型"平台;业界普遍认为,最终的世界模型形态很可能是三派能力的融合——扩散模型提供视觉先验、JEPA 提供动力学表示、显式三维提供可交互载体,再由物理引擎校准其因果一致性。

物理仿真引擎:物理世界的"编译器"

传统物理引擎谱系

如果说世界模型负责"学习物理",物理仿真引擎则负责"复现物理"。物理引擎是一类以解析方式在虚拟空间中求解力学、碰撞、约束与多物理场规律的软件系统,其历史远早于生成式 AI,可追溯至游戏引擎与机器人研究中的刚体动力学求解器。在机器人领域,MuJoCo(Multi-Joint dynamics with Contact)长期是强化学习研究的标配工具,以其接触建模的精度与数值稳定性著称;PyBullet、PhysX 等则分别支撑科研与实时应用的广泛需求。这些引擎的共同特征是"确定性、可重复、由物理方程驱动",与统计性的神经网络形成互补。

物理引擎作为底层能力,其工程价值可类比于"编译器":将几何模型、材料属性与约束关系翻译为一组可求解的动力学方程,并高效地在计算设备上迭代求解。正是这一"编译"能力,让智能体得以在虚拟空间中获得与真实世界可迁移的行为经验,也是 sim-to-real(仿真到现实)迁移成立的前提。

GPU 原生与新开源引擎

传统物理引擎在 CPU 时代构建,其并行度与规模难以匹配大规模机器人策略训练的需求。2024 年末至 2025 年,物理引擎领域进入"GPU 原生重写"的密集期,三个标志性事件重塑了格局。

其一,Genesis。2024 年 12 月起源于卡内基梅隆大学(CMU)等学术团队的 Genesis 物理平台,被描述为一个从零构建的通用物理引擎,同时具备多物理场仿真(刚体、软体、MPM 肌肉等)、照片级渲染与生成式数据引擎,以 Python 原生并基于 Taichi/CUDA 后端实现高速并行。其公开口径称运行速度较 NVIDIA Isaac Gym 快约 10—80 倍,并已成为 GitHub 上体量最大的具身智能开源项目;2025 年孵化出商业公司 Genesis AI,并获 NVIDIA 等注资。它以"纯 Python、可读可改可嵌入"的设计,显著降低了具身智能仿真的使用门槛。

其二,Newton。2025 年 3 月,NVIDIA 联合 Google DeepMind 与迪士尼研究院发布开源物理引擎 Newton,基于 NVIDIA Warp 构建 GPU 加速内核,支持可导物理(differentiable physics)——即梯度可穿透仿真过程,用于优化系统参数——并可通过可扩展的自定义求解器处理食物、布料等软体形变。Newton 集成进入 Isaac Lab 与 MuJoCo Playground,并在 2025 年被贡献给 Linux 基金会管理,标志着物理引擎从单厂商工具走向开放治理。

其三,MuJoCo 的 GPU 原生化。Google DeepMind 收购 MuJoCo 后持续演进:MJX 提供 GPU 加速的 JAX 原生接口,2025 年 1 月推出的 MuJoCo Playground 展示了从仿真到波士顿动力、宇树等真实人形机器人的零样本迁移,并获得 RSS 2025 最佳演示论文奖。至此,"CPU 经典引擎 + GPU 原生新引擎"的双轨格局基本成形,可导物理与 sim-to-real 迁移成为新一代引擎的共同诉求。

数字孪生平台层

在引擎之上,是以 NVIDIA Omniverse 与工业软件巨头的数字孪生平台为代表的"平台层"。Omniverse 以 OpenUSD 为通用场景描述标准,连接几何、材质、传感器与物理仿真,支撑从产品设计到工厂仿真的全链路。Isaac Sim 与 Isaac Lab 则在其上构成机器人仿真与强化学习框架——Isaac Sim 5.0 与 Isaac Lab 2.2 已于 2025 年 8 月正式开源,引入基于 OpenUSD 的机器人与传感器架构、OmniSensor 统一传感器标准;NVIDIA 亦发布了开源人形机器人基础模型 Isaac GR00T N1 与用于物理 AI 的 OSMO 工作流编排平台。在工业侧,西门子、达索系统等以长期积累的 CAD/PLM/仿真能力切入数字孪生;2026 年 10 月 GTC 柏林上,库卡展示了基于 Omniverse 与 Visual Components 的 FactoryLens 工厂仿真功能,让工程师在虚拟环境中规划与验证产线。数字孪生平台层与物理引擎、世界模型共同构成"物理 AI"的软件栈。

神经与解析的融合:混合物理建模

世界模型与物理引擎的关系并非替代,而是互补,其融合构成当前最重要的技术趋势之一。用一个直观的对照:扩散视频世界模型拥有"见过大量世界"的视觉先验,但缺乏对力学约束的显式保障;物理引擎拥有精确的力学求解,但缺乏对高维复杂场景的语义理解与生成能力。将神经网络的泛化能力与解析求解器的保真能力结合,形成"神经×解析"混合物理建模,是产业界正在收敛的答案。

这种融合在工程上以多种方式实现。其一,世界模型生成、物理引擎校准:世界模型批量生成候选场景与运动轨迹,物理引擎对其施加约束、剔除违反物理的结果,形成"生成—过滤"闭环;NVIDIA 的 Cosmos 与 Isaac 生态即按此分工,Cosmos 负责生成多样化数据,Isaac 负责在物理精确环境中仿真与训练。其二,可导物理作为训练梯度源:Newton 等可导引擎将仿真过程接入神经网络训练,使梯度可以直接回传至策略参数,提高样本效率。其三,合成数据管线:在物理精确的仿真环境中生成合成数据,再用 Cosmos Transfer 等世界基础模型做数据增强,弥合真实数据缺口——NVIDIA OSMO 即为这类工作流提供云原生编排。其四,仿真与真实数据的对齐:如银河通用等国内玩家采用"仿真合成数据预训练+真实数据对齐"路径,先用仿真大规模预训练策略,再用少量真实数据精调。

融合的核心产出,是一个被业界反复强调的概念——"数据工厂"。它把真实世界压缩成可无限生成、无限犯错、无限重来的数据引擎:既能生成未观测场景(覆盖自动驾驶长尾),也能大规模合成机器人训练数据,还能为工业数字孪生提供可重复的试验场。这一概念,正是竞争焦点从"参数规模"转向"物理世界建模"的最直接产业表征。下图勾勒世界模型与物理引擎融合的总体架构及其对三大场景的支撑关系。

 

三大落地场景

自动驾驶仿真:从复现场景到生成场景

自动驾驶是"世界模型+物理引擎"落地最成熟、商业价值最清晰的场景。其核心矛盾在于:真实道路数据昂贵、危险且难以覆盖长尾极端工况,而安全性验证又需要海量、可重复、可注入干扰的测试环境。世界模型正在把自动驾驶仿真从"复现已采集场景"推进到"生成未观测场景"。

海外头部玩家的布局极具代表性。特斯拉在端到端路线(FSD V12 起)之上构建"世界模拟器":其官方口径称,该系统让 AI 在一天内蒸馏相当于人类数百年的驾驶经验,可一次性生成长达约 6 分钟、覆盖 8 个摄像头的逼真驾驶视频,大幅降低对真实路测的依赖;FSD 车队每日采集的数据量级被描述为相当于约 500 年的人类驾驶总和,并以数据引擎筛选高质量样本。Waymo 的 Waymo World Model 直接建模并生成未来世界状态,用于仿真推演与策略评估。Wayve 的 GAIA 系列则把生成式视频模型定位为合成训练数据来源——GAIA-2 基于约 2500 万段两秒视频序列(约 5.8 万小时驾驶数据,覆盖英、美、德三国多种车型)训练,为辅助与自动驾驶提供数据增强。NVIDIA 的 Cosmos-Drive-Dreams 则用于生成驾驶长尾场景。据东方财富证券等研报总结,世界模型正从"车端预测组件"演变为"云端数据工厂"。

国内企业同步跟进。小鹏于 2026 年 4 月发布世界模型 X-World 技术报告,将其定位为第二代 VLA(视觉语言动作)技术基座——一个以动作为条件的多摄生成式世界模型,能根据当前路况与驾驶操作"演化出"未来路况。Momenta 的 R7 世界模型采用三层架构:基于超过 120 亿公里真实驾驶里程提炼的约 1 亿段黄金数据进行预训练,将物理规律与因果常识压缩进模型;再用于闭环仿真推演,对长尾场景高效评估;最后在世界模型中进行强化学习。这一"真实数据预训练—世界模型仿真—强化学习"的链条,已成为国产头部玩家的共同技术轮廓。

机器人训练:仿真预训练与 sim-to-real

机器人训练是本次范式转移最核心、也是想象空间最大的场景。其瓶颈在于:真实机器人的示教数据获取成本极高、速度极慢,且硬件本体各异导致数据难以复用。物理仿真引擎与世界模型提供的"仿真预训练+零样本迁移"路径,正试图从根本上突破这一瓶颈。

NVIDIA 构建了最完整的生态:Isaac Sim/Isaac Lab 提供物理精确的仿真环境;Isaac GR00T N1 作为首个开源人形机器人基础模型,结合 GR00T-Dreams 为机器人生成训练轨迹数据;Cosmos 世界模型与 Newton 可导物理引擎则分别提供数据多样性与梯度源。Google DeepMind 的 Gemini Robotics 系列(2025 年 3 月首发的 VLA 模型,6 月推出端侧版本,9 月升级至 1.5)将 Gemini 的多模态推理接入物理世界,并借助 MuJoCo 生成评估场景、以仿真实场景对齐实现强评估一致性——其官方口径称,通过在仿真与真实场景间对齐视觉与物理参数,可获得仿真与真机评估的高度一致性。MuJoCo Playground 则演示了从仿真到波士顿动力、宇树等人形机器人的零样本迁移。

开源引擎的普及显著拉低了仿真门槛。Genesis 以纯 Python、多物理场与高速并行,成为 GitHub 上体量最大的具身智能开源项目,被大量研究团队与创业公司采用;其商业实体 Genesis AI 获得 NVIDIA 注资,聚焦"仿真数据入口"。国内层面,银河通用以"仿真合成数据预训练+真实数据对齐"为核心路径,发布跨本体隐式世界—动作基础模型 LDA-1B,其重载双臂机器人已在宁德时代产线实现全天候稳定运行;魔芯科技则将世界模型用于内容创作、具身智能与智能驾驶,其 MoWorld-3D 全栈基于昇腾 NPU 构建,并与国家人工智能应用中试基地、华为联合发布;51WORLD 于 2026 年 3 月推出 51World Model 与"物理 AI 工厂"规划,并发布具身智能数据平台 AperData 与具身应用 OS 平台 AperOne;大晓机器人发布"理解—生成—预测"一体化的开悟世界模型 Kairos 3.0。

值得强调的是,sim-to-real 迁移的质量,直接取决于仿真环境的物理保真度——这正是物理引擎的价值所在:只有力学、接触、传感器建模足够接近真实,仿真预训练的策略才能可靠迁移到真机。这也是"物理世界建模"在机器人场景中不可替代的根本原因。

工业数字孪生:从可视化到可推演

工业数字孪生是"物理世界建模"在制造业的纵深延伸。传统数字孪生多停留在"可视化监控"——把物理产线在数字空间镜像出来供观察。而世界模型与物理引擎的融合,正把数字孪生升级为"可推演、可试验、可优化"的决策引擎:工程师在虚拟产线上预先验证布局、调试工艺、预测设备故障,再回到真实产线执行。

工业软件巨头与新兴物理 AI 企业正在合流。NVIDIA 的 Omniverse 被富士康、和硕等台系制造商用于工厂数字孪生与物理 AI 落地;库卡的 FactoryLens 将 Omniverse 引入 Visual Components,让工程师在电脑中推演工厂运转;西门子、达索系统以既有 CAD/PLM/仿真积累构建模型驱动的工程体系。在中国,51WORLD(五一视界)提出"克隆地球 5.1 亿平方公里"愿景,以 51Aes 数字孪生、51Sim 合成数据与仿真、51Earth 数字地球三大产品构建物理 AI 基础设施,并于 2026 年 10 月入选 NVIDIA Halos Safe 生态名单(该名单中唯一的中国企业);其 2026 年计划联合行业头部合作伙伴推出"物理 AI 工厂"。

工业数字孪生与自动驾驶、机器人训练在底层能力上共享同一套逻辑:都需要"高保真物理环境+可交互推演+数据闭环"。三大场景由此在"物理世界建模"这一共同基座上汇合,构成一条相互促进的产业纵深。

全球产业格局与竞争焦点

海外玩家图谱

海外竞争围绕"全栈平台型"与"垂直深耕型"两类主体展开。NVIDIA 是无可争议的全栈平台型代表,其战略高度集中于"物理 AI"叙事:以 Omniverse 为世界构建层、Isaac 为仿真与训练层、Cosmos 为世界模型层、GR00T 为机器人基础模型层、OSMO 为工作流编排层,并联合 Google DeepMind 与迪士尼研究院共同开源 Newton 物理引擎。Google DeepMind 以 Gemini Robotics 系列(VLA)与 MuJoCo/MJX 仿真生态切入机器人侧,并以 Newton 合作参与物理引擎治理。特斯拉以"端到端+世界模拟器+自有车队数据"构建闭环,强于数据入口与软硬一体。Waymo、Wayve 则在自动驾驶仿真侧贡献了世界模型落地的标杆实践。World Labs(李飞飞)以 Marble、Atlas 主打"空间智能",代表生成式 3D 世界的独立路线。迪士尼研究院、苹果等亦在可导物理与具身研究中各有布局。

值得注意的结构性变化是物理引擎的"开源化+基金会治理":Newton 被贡献给 Linux 基金会,Genesis 以开源社区形态快速生长,MuJoCo 在 DeepMind 下保持开放。物理引擎正在从商业闭源工具演变为开放基础设施,这加速了"物理世界建模"能力向全行业的扩散。

中国市场与竞争态势

中国市场呈现出"全栈平台、垂直创业、工业软件"三层并进的格局。第一层,以大厂与上市平台为主的物理 AI 基础设施企业——51WORLD 已登陆港交所,是国内少数同时具备三维图形、模拟仿真与 AI 工程能力的物理 AI 基础设施公司。第二层,聚焦世界模型与具身智能的创业公司密集涌现并快速融资——据 IT 桔子盘点,国内已有数十家"世界模型"概念创业公司;魔芯科技完成由华为哈勃领投的 Pre-A+ 轮近亿元融资;大晓机器人、星动纪元、银河通用、星源智等以差异化技术路径分头切入。第三层,工业软件与仿真服务商——以西门子中国生态、国产数字孪生厂商等为基座。值得强调的是,华为昇腾 NPU 支撑的 MoWorld-3D 与头部玩家的数据闭环,说明中国在该赛道的竞争力已从"应用层"向"底层引擎与算力生态"上移。

从竞争焦点看,无论中外,胜负手正从"谁的模型参数更大"转向三个更物理化的维度:真实数据入口的广度和质量、物理引擎自研能力与可导性、以及从仿真到现实(sim-to-real)的迁移成功率。这三点共同决定了一家主体能否把"物理世界建模"转化为可量产、可落地的产业能力。

市场规模、数据基础与运算逻辑

市场总量:多口径并存的高增长

需要如实说明的是,世界模型与物理仿真引擎尚处于概念与市场边界快速重构期,不同机构对"同一市场"的统计口径差异显著。本报告采取"多口径并列、注明来源"的方式呈现数据基础,而非强行统一成一个虚假精确的数值。

[该类型的内容暂不支持下载]

运算逻辑:以赛迪顾问口径为例,世界模型全球市场规模 2024 年约 12.8 亿美元、2025 年约 18.5 亿美元,2024 至 2025 年增速约 44.5%;机构给出的 2024—2030 年复合年增长率约 52.4%。按此复合增速外推,2030 年规模 = 12.8 × (1 + 52.4%)^6 ≈ 152 亿美元量级,与机构给出的约 152.3 亿美元预测一致。中国为全球核心增长极,机构预计 2026 年中国市场规模约 9.0 亿美元。上述均为第三方估算,2030 为预测值。

数字孪生与具身智能:口径差异显著

数字孪生作为"物理世界建模"的既有产业承接面,市场规模更大、数据更充分,但机构口径同样分散,正好用以说明本报告对数据的审慎处理方式。

[该类型的内容暂不支持下载]

数据基础:全球数字孪生市场 2025 年规模,Research and Markets 口径约 22.4 亿美元、Emergen Research 约 24.5 亿美元、Straits Research 约 28.1 亿美元、Market.us 约 28.2 亿美元、MarketsandMarkets(仅制造口径)约 27—36 亿美元区间;各机构给出的年复合增长率在 32%—42% 区间。中国层面,《2025 年中国数字孪生工业应用白皮书》口径 2025 年约 287.6 亿元人民币、同比增长约 32.4%;另有机构给出 2025 年中国数字孪生工厂解决方案市场约 310 亿元人民币、同比增长约 34.8%。具身智能市场的机构差异更大——中商产业研究院口径 2025 年中国具身智能市场规模约 9150 亿元人民币、预计 2026 年约 10904 亿元,而另一机构(远瞻慧库)口径为 2024 年约 50 亿元、2025 年约 150 亿元、预计 2030 年约 3000 亿元;36 氪研究院则预计 2026 年有望突破万亿元。上述差异主要源于"具身智能"是否纳入机器人硬件本体、应用服务等不同统计边界。沙利文预测,中国智能驾驶与具身智能的仿真与数据需求 2030 年市场规模将达约 1800 亿元人民币。

运算逻辑与口径提示:本报告不采信单一机构的绝对数值作为唯一基准,而是并列呈现多口径并注明来源与边界,以避免将"范围差异"误读为"增长差异"。读者在使用时,应优先关注同一机构内部的纵向趋势与复合增速,而非跨机构横向比较绝对值。

挑战与未解问题

尽管范式转向清晰,但"物理世界建模"远未成熟,若干关键挑战决定其落地节奏。

仿真与现实的鸿沟(sim-to-real gap)。仿真环境再精细,也无法完全复刻真实世界的摩擦、形变、传感器噪声与罕见工况。MuJoCo Playground 等展示了零样本迁移的可行性,但迁移失败率仍制约规模化部署。物理引擎的保真度、可导性与真实数据对齐,是当前工程攻坚的主线。

生成式世界模型的物理一致性。扩散视频世界模型缺乏显式物理约束,长程推演中容易累积误差、偏离因果。如何让生成内容"懂物理",是 JEPA 与空间智能派试图回应的核心命题,但目前缺乏统一的验证与评测标准。

真实数据的稀缺与入口竞争。物理世界建模最终仍需要真实数据校准,而高质量真实数据(驾驶黄金数据、机器人示教数据)是稀缺资产。数据入口的争夺,将决定各主体的长期壁垒。

算力与成本。高保真物理仿真与大规模世界模型训练均需昂贵算力;能否以可导物理、合成数据管线摊薄单位成本,决定商业化进度。

标准化与生态互操作。OpenUSD、可导引擎接口、传感器描述规范等仍在早期,物理引擎、世界模型与下游应用之间的互操作成本较高,生态碎片化风险尚存。

趋势与展望

展望未来数年,本报告判断"物理世界建模"将沿五条主线深化。

其一,实时与端云协同:物理仿真与世界模型推理向实时化演进,自动驾驶车端推理、机器人端侧 VLA(如 Gemini Robotics On-Device)与云端大规模训练协同,构成"端侧感知推演+云端数据工厂"的双层结构。

其二,物理引擎标准化:以 Newton 进入 Linux 基金会、Genesis 开源生态为信号,物理引擎将收敛为开放基础设施,可导物理与 GPU 原生成为默认能力,促进全行业共用。

其三,行业化纵深:从自动驾驶、机器人向制造、能源、城市等泛工业场景扩散,数字孪生从"可视化"走向"可推演决策",世界模型成为行业知识引擎的一部分。

其四,数据资产化:真实数据、合成数据与仿真数据共同构成可交易的"物理数据资产",数据闭环能力成为估值与竞争的核心。

其五,合规与可信:高保真仿真用于安全关键系统(自动驾驶、工业设备)时,对可解释性、验证标准与责任界定提出更高要求,可信物理建模将成为研究与监管的共同议题。

对参与者的总体建议是:把"物理世界建模"视为一次从"数据—模型—算力"到"数据—物理—场景"的生态重构,尽早构建融合世界模型、物理引擎与真实数据闭环的复合底座,方能在下一阶段产业竞争中占据主动。

 

结语

从参数规模到物理世界建模,AI 正在完成一次深刻的自我修正:它不再满足于在符号与像素层面"看起来聪明",而是开始追问"是否真正理解并推演物理世界"。世界模型与物理仿真引擎的融合,为自动驾驶、机器人与工业数字孪生铺设了共同的底层能力,也把竞争的主战场从模型的"体量"迁移到对物理世界的"建模精度、数据闭环与迁移成功率"。这一转向没有终点,但方向已经清晰——未来属于那些能让机器在行动之前,先在内部准确"梦见"世界的人。

数据来源

本报告事实与数据主要来自以下公开来源(按引用先后与板块归类),口径以各来源原文为准:

• AWS 技术说明《什么是世界模型》;NVIDIA Glossary《What Is a World Model》;Genesis 官方文档与项目主页(Genesis-Embodied-AI)。

• NVIDIA 官方博客与新闻稿:Cosmos 世界模型与 R²D²(2025-08)、Isaac Sim 5.0 与 Isaac Lab 2.2 开源(2025-06/08)、Newton 可导物理引擎发布(2025-03)、Isaac GR00T N1(2025-03)、Omniverse 数字孪生与物理 AI(2025-05 起)、GTC 柏林库卡 FactoryLens(2026-10)。

• Google DeepMind 博客与 arXiv 论文:Gemini Robotics(2025-03)、Gemini Robotics On-Device(2025-06)、Gemini Robotics 1.5(2025-09)、MuJoCo Playground 相关报道。

• 特斯拉官方 AI 页面与公开演讲(世界模拟器、FSD 端到端、数据引擎);Wayve GAIA-2 官方博客与公开数据;Waymo World Model 相关行业综述。

• 东方财富证券研报《世界模型作为"数据工厂"》《世界模型行业专题研究》;OFweek、机器之心、36 氪、界面新闻等产业媒体关于小鹏 X-World、Momenta R7、国产世界模型玩家与融资的报道。

• 市场数据:赛迪顾问(经海比研究院引述)世界模型市场规模;Research and Markets、Straits Research、Emergen Research、Market.us、MarketsandMarkets 数字孪生市场报告;中商产业研究院、36 氪研究院、远瞻慧库、沙利文(经新华网等引述)具身智能与仿真数据需求预测;《2025 年中国数字孪生工业应用白皮书》及行业报告。

• 企业公开信息:51WORLD(五一视界)公告与官网、魔芯科技、银河通用、大晓机器人、星源智等。

免责声明

本报告由泷码软件(上海)有限公司、泷码软件研究院与泷码首席技术官(CTO)平台联合编制,基于公开资料、第三方研究报告与厂商公开口径整理,仅供行业研究与信息参考之用,不构成任何投资建议、决策依据或法律意见。报告所涉市场规模、增速等数据均来自第三方机构估算或预测,口径各异,可能存在偏差或滞后,读者应自行核验并以官方权威发布为准;厂商技术参数与性能指标为厂商公开宣称,未经独立第三方验证。作者不对因使用本报告内容而产生的任何直接或间接损失承担责任。报告中"预测/估算/宣称"等表述均不代表作者对相关结论的背书。未经书面许可,不得将本报告用于商业销售或对外公开发布。