近期，国际仿真会议 RoboSim Summit 在英国伦敦举行。作为聚焦物理仿真、机器人学习及相关基础设施的国际交流活动，本届峰会汇聚了Newton、MuJoCo、PyBullet、Warp、SimFoundry 等全球主流物理仿真技术的核心创造者，以及来自英伟达、谷歌DeepMind、光轮智能、迪士尼研究院和欧美知名高校的研究者，围绕物理AI时代仿真引擎技术与物理建模技术走向、机器人训练与规模化评测等重要议题进行深度交流。作为本次闭门主题圆桌的主办方，来自中国北京的企业——光轮智能成为这场全球仿真技术顶尖对话的重要领导者，格外引人注目。随着机器人产业加速迈向规模化应用，物理仿真正在成为支撑机器人训练、评测和持续学习的关键基础设施。光轮智能作为加入国际开源物理仿真引擎 Newton 的唯一中国企业，积极主导国际仿真的技术标准与生态共建体系，持续推进自主仿真平台建设，折射出一个令人振奋的产业变化：在物理 AI 的底层基础设施领域，中国企业正在从技术使用者走向技术共建者，从参与全球生态走向贡献全球生态。
一张合照背后，全球仿真格局正在发生变化
这场闭门圆桌的合照受到行业关注。圆桌上汇聚了影响全球物理仿真技术发展的顶尖专家：坐在C位的是SimFoundry 创造者、光轮智能创始人兼CEO谢晨博士，坐在他的两侧分别是Warp缔造者Miles Macklin博士和MuJoCo主导者Yuval Tassa博士。此外，在座的还有MuJoCo创始人Emanuel Todorov博士、PyBullet 创造者Erwin Coumans博士和Kamino的负责人Vassilios Tsounis博士，以及来自英伟达、谷歌DeepMind、迪士尼研究院、威斯康星大学、麦吉尔大学等一众欧美名校与研究机构的权威专家。
位居圆桌C位（第二排居中）的是来自北京的中国企业光轮智能创始人兼 CEO 谢晨博士
在这些人身后，是过去二十多年全球物理仿真的发展脉络。
MuJoCo长期服务于多关节系统、接触动力学和机器人控制研究； PyBullet把实时碰撞检测和物理仿真带进开源软件生态和开发者熟悉的 Python 环境；Warp 框架则重点解决 GPU 加速、可微分计算和多种材料交互问题； Issac Sim则把仿真能力组织进机器人训练和实验平台。迪士尼研究院团队打造求解器 Kamino，关注复杂机构和具有表现力的机器人动作，威斯康星大学麦迪逊分校教授 Dan Negrut 长期参与 Chrono项目，来自法国国家信息与自动化研究所（Inria）的专家 Justin Carpentier 参与开发 Pinocchio 和 Crocoddyl项目，麦吉尔大学教授 Jozsef Kovecses 则持续研究接触动力学与多体系统。
不难看出，这背后是一条长期由欧美主导的底层技术路线。从 Ansys、Dassault Systèmes、Siemens 等传统工业国际仿真巨头，再到物理AI时代，英伟达的PhysX，谷歌DeepMind的MuJoCo，Toyota Research Institute 长期推进的 Drake，以及迪士尼研究院的Kamino，分别在计算、动力学、控制和复杂机构求解上形成了深厚积累。可以说，全球工业和机器人产业长期建立在由欧美打造的底层工具之上。
过去，这种依赖并不显眼。相比芯片和算力，仿真更具有隐蔽性。它藏在求解器里，藏在摩擦、碰撞、接触等物理参数里，也藏在数据格式、开发接口和评测体系里。物理 AI 时代，仿真的战略价值正在被重新认识。
机器人面对的是一个充满摩擦、碰撞、形变、颗粒、液体和各种意外情况的真实世界，一旦发生错误极有可能会造成设备损失甚至对人的伤害。因此，机器人在上岗就业之前，需要先在仿真世界里完成充分学习与试错。这让仿真的角色发生了根本变化：过去仿真更多是一种研发工具；今天，仿真正在成为机器人规模化训练和评测离不开的基础设施。
如果说算力决定模型能够“想多快”，数据决定机器人能够“学多少”，那么仿真正在决定机器人能不能在进入真实世界之前，把能力真正练出来、考出来。谁能够更准确地还原物理世界，谁就能更高效地训练和测试机器人；谁能够建立可复现、可比较的评测体系，谁就更有机会定义机器人能力的尺度；谁能够参与底层接口、资产和技术规范建设，谁就更有可能参与下一代物理 AI 基础设施的规则共建。
仿真技术作为数字领域关键共性技术，是联通物理世界与数字世界的重要纽带，是提升国家核心竞争力、保障产业链供应链安全稳定的战略支撑。在此背景下，这张圆桌照的意义超出了技术交流本身。因为在这个曾长期依赖海外技术积累的基础设施赛道上，终于出现了光轮智能这样的中国建设者。
Newton仿真技术委员会成员企业
光轮智能如何进入全球仿真的核心局
早在2026 年 3 月，光轮智能受邀加入国际开源 GPU 加速物理仿真引擎 Newton 的技术指导委员会（Technical Steering Committee，TSC），与英伟达、谷歌DeepMind、迪士尼研究院、丰田研究院四家国际顶尖机构，共同定义全球仿真技术标准建设。这一次，光轮智能又成为 RoboSim Summit闭门圆桌的主办方，把全球技术力量汇聚一堂讨论下一阶段的仿真基础设施发展路线。可以说，光轮智能正在一张过去主要由海外科技公司和研究机构构成的技术牌桌上担任重要角色。
中国企业光轮智能创始人兼CEO谢晨博士在国际会议中发表演讲
支撑光轮智能进入这张牌桌的，是其对物理仿真底层问题的长期攻坚和领先实力。
仿真的难点从来不是“看上去像真的”。一块布、一根电线、一把椅子，看起来再逼真，如果质量、摩擦力、柔软程度、碰撞和形变规律不对，机器人在里面学到的经验，到了真实世界仍然可能失效。因此，真正的物理仿真需要解决的是：让虚拟世界不仅“看起来像”，更要“运行得像”。
光轮智能的做法，是从真实物理世界反向构建虚拟世界：测量真实物体的物理属性，通过求解器还原和校准，再将经过验证的物理能力沉淀为可重复使用的仿真资产和场景，从而打造“求解—测量—生成”三位一体的全栈自研仿真平台 SimFoundry：通过物理求解还原刚体、柔体、流体、颗粒等对象的运动和相互作用；通过真实物理测量，把质量、摩擦、接触和形变等参数带入仿真并进行校准；再将经过验证的能力组织成具有物理属性、交互逻辑和工程约束的 SimReady 资产与场景。
在此基础上，光轮智能还解决了仿真能否真正用于训练和评测的问题。
机器人完成一次任务，并不能证明它完全学会了。重要的是，换一种材质、一个角度、一种光线，甚至改变一点摩擦系数，它还能不能完成？机器人规模化落地的前提是需要知道，机器人的一个能力在成千上万种变化中，究竟还能不能成立。这正是规模化评测的价值。
光轮智能打造的RoboFinals，是全球首个面向机器人模型和系统的工业级仿真评测平台，具有可复现、可比较、可诊断的技术优势，帮助开发者识别机器人的能力边界和失败模式，并全球首次实现物理真实的颗粒、柔体与刚体的协同交互，这将支撑机器人实现复杂任务的规模化训练和评测，加速机器人走进真实场景。
光轮智能创始人兼CEO谢晨博士曾在英伟达、Cruise 等公司长期从事仿真相关工作。基于对自动驾驶仿真再到物理AI仿真的深刻理解与实践过程，谢晨博士首创具身智能“双金字塔”理论：一座是训练金字塔，塔基是第一视角人类数据、塔身的仿真合成数据提供规模化的预训练和中期训练经验；另一座是评测金字塔，需要一个物理真实的、可复现、可持续更新的仿真底座。一个负责让机器人不断“学习”，一个则负责不断“考试”。
光轮智能谢晨博士首创具身“训练-评测”双金字塔
谢晨博士认为，机器人面对的不是一条相对明确的道路，而是充满接触、摩擦、形变和异常情况的物理世界，必须依托SimFoundry 仿真底座解决数据、评测和部署反馈，让机器人持续学习。
这也是物理 AI 基础设施与传统仿真软件最大的不同：目标不只是模拟，而是要让机器人通过这套基础设施理解世界、验证能力、修正错误，获得持续学习的能力。
物理AI角逐进入新阶段，基础设施标准成为决胜关键
为什么今天需要重新审视仿真的价值？
机器人产业进入规模化落地阶段，需要一整套物理AI的基础设施作为产业支撑：既要有源源不断的数据，也要高质量、大规模的训练，和统一可靠的评测能力，更需要部署之后不断产生反馈并持续学习。
不久前的2026世界机器人大会上，机器人展示了出色的运动能力：跳得比人高，跑的比人快。但面对真实复杂的工作任务，其能力还远远不够。除了本体条件，机器人还需要足够聪明的大脑。其中，模型决定机器人的大脑是否足够聪明，而数据和评测基础设施，则帮助机器人大脑解决能力上限持续提升和规模化复用的问题。因此当前物理 AI 的竞争正在从“本体竞争”走向“基础设施竞争”。
在这一过程中，仿真的重要性也不只属于一家企业。
对于中国机器人产业而言，如果底层物理求解、仿真资产、评测体系和关键技术规范长期建立在外部技术体系之上，那么产业规模越大，对底层基础设施的需求也会越大。反过来，如果中国企业能够在这些底层环节形成自己的技术能力，同时进入全球开源生态参与共建，就意味着中国机器人产业不仅能够使用全球技术，也能够向全球技术体系贡献自己的方法、工具和标准实践。物理AI时代，谁能把物理规律变成可计算的模型，把复杂场景变成可训练的任务，把失败结果变成可复用的反馈，谁就更有条件推动机器人规模化部署与应用。
从“本体制造”走向规模化应用，中国机器人产业还要补上数据、评测和部署等多层基础设施，这都离不开扎实的物理仿真技术。物理AI 的下一轮竞争，正在从单点技术比拼，走向基础设施、产业体系和规则共建的长期较量。
真正的自主能力，是在全球技术体系中拥有不可替代的技术贡献和持续演进能力。对于中国企业而言，这既是一场技术竞争，更是参与全球下一代基础设施建设的关键路径。光轮智能作为加入物理AI两大国际标准组织Newton仿真委员会和EgoVerse人类数据委员会的唯一中国企业，聚集全球顶尖仿真专家展开深度交流，正是这一趋势中的缩影。当人工智能从数字世界走向物理世界，中国企业正在把握机遇，打造好支撑机器人持续学习和进化的底层基础设施。
光轮智能参与定义物理AI两大国际标准Newton和EgoVerse
北京拥有人工智能、高校科研、机器人产业和人才集聚优势。当来自这里的企业开始参与全球物理仿真底层技术和开放生态建设，其意义就不只是增加一家机器人产业链企业，而是在为中国物理 AI 产业补上更深的一层基础能力。
过去一轮人工智能竞争，人们关注芯片、算力和大模型。下一轮，当 AI 真正拥有身体，进入工厂、仓库、商场和家庭，竞争的边界正在向下延伸：从模型到数据，再到仿真、评测和持续学习基础设施——物理 AI 的竞争，最终比拼的是一整套产业底座。
而在这张新的全球技术版图上，以光轮智能为代表的中国企业正在争取的不只是一个市场位置，更是下一代物理 AI 基础设施的建设权、自主权和话语权。
文/建杰
校检：韩京华 陈沙
审核：陶冶
来源：网络
扫描二维码
下载手机客户端
