这是AIE加速工业进化【AI+CAE的现状和未来】系列的第1篇，主要作为前置的概念辨析，理清楚物理AI的概念，及其与CAE的关系。后续将陆续盘点国内外AI+CAE相关信息，并在最后进行分析和总结。

近两年，物理AI这个概念火了起来，然而当你去看各种相关文章，可能会陷入一种云里雾里的感觉，不少公司在讲物理AI，但是他们具体干的事情好像又不太一样，尤其是，跟物理AI相关，还有着具身智能、数字孪生工厂、世界模型、世界基础模型，物理AI模型、AI仿真等等一大堆的概念，着实令人头大。

本文就用尽可能比较具体的方式解释下对物理AI到底是什么的理解，以及它跟其他概念间又是什么关系。

先一句话总结，物理AI是一个宏观内涵宽泛，但微观落地狭窄，且落地具体方向差异很大的概念，所以导致不同场合提及的物理AI可能并不一样。同时，它和很多其它概念部分交叉，又导致了容易和其他概念混淆。

宏观内涵宽泛

物理AI不像LLM大模型这样，对应的一项具体的技术实现，而是指向的一个发展方向，所以符合其核心定义的都可以算在物理AI范围，导致物理AI从宏观层面理解很宽，很虚。

物理AI概念定义的核心，是模型理解现实世界，尤其是物理规律。比如在真空中同时让一个铁球和一个羽毛从高处落下，模型知道两个东西都会下落，且同时落地。又比如看到车前面有行人，模型能够知道可能发生碰撞和损伤，知道减速可以避免碰撞。

理论上符合这个概念定义的各种软、硬系统、模型等，都属于物理AI的范畴，这是一个非常宽的范围。甚至以后哪天技术进步了，我们现在用的大模型们都内嵌了物理规律，那所有基于大模型的AI系统，可能都变成了物理AI。

微观落地狭窄

具体落地层面，物理AI对应的产品形态其实是非常窄的，目前主要是2个领域非常细分的技术路线及对应产品，一类是智能机器人和自动驾驶，一类是CAE。由于这2个领域的公司不同，产品形态不同，因此虽然都叫物理AI，但他们说的不是同一个东西。

1.机器人和自动驾驶：用物理AI生成虚拟训练数据

机器人现在很多都在用VLA（Vision-Language-Action）类的模型训练抓取动作，VLA模型就是以视觉看到的信息作为输出，输出对应的控制动作。用于训练这样的模型需要很多抓取场景机器人手臂运动数据。当前获得手臂运动数据的方式，主要是人带着VR眼镜与机械臂同步操作，记录下数据用于训练。

但这种方式显然效率是非常低的，人一次次操作非常费时间。

为了提升创建这种训练数据的效率，一个基于物理AI的方法被提了出来：

让懂物理的AI，根据机器人眼前的视觉场景，直接（预测）生成一个正确的操作过程的视频出来（不用人再去实际VR操作）。然后基于这个视频用算法反向计算出机械臂的实际动作数据，将这个实际动作数据拿去训练机器人的抓取VLA模型。

这种直接生成的方式，效率比人实际去做要快的多，也能模拟很多极端情况，能大大丰富机器人模型训练所需的数据，加速机器人抓取模型的训练过程。

这个方向对应的具体产品，就是能够懂得物理规律，生成正确操作视频的AI模型，如NVIDIA的Cosmos模型。

2.CAE仿真的代理模型

在产品设计阶段，使用以物理规律为基础的各学科CAE软件进行高精度仿真预测性能，从而进行优化设计已经是标准流程。

整个过程中的一个挑战，在于很多仿真软件的计算过程非常慢。例如一个汽车在风洞中穿行，如果我们用计算流体力学去精确计算每一个空气分子的运动，去模拟看不见的空气阻力，需要求解纳维-斯托克斯方程（Navier-Stokes equations），这可能需要一百个CPU并联工作整整一个星期。

为了让精确的仿真模型算的更快，2条典型技术路径被提了出来

其一是降阶模型（Reduced- order modeling，ROM），即用一个结果相近，但是更简单公式，替代原来非常复杂的方程组，这样结果类似，但计算过程要快的多。

另一个则是代理模型（Surrogate Model），用仿真的输入和输出结果训练出一个AI模型，这个模型根据输入就可以预测仿真的结果，且计算效率也非常高。

2种方式业界都在应用，后者用AI模型的方式，是目前AI+CAE的一个热门发展方向。很多公司都成功用AI代理模型实现了高精度的仿真结果预测，计算效率提升成百上千倍，准确率与实际仿真计算误差在5%-10%左右，甚至可以更低。

这样的AI代理模型，现在也被很多公司称为物理AI模型。

除了以上2个方向外，还有1个常被称为物理AI的方向，即为自动驾驶汽车、机器人等创建3D虚拟训练环境的相关平台和引擎类产品。

与其它概念的区别与联系

物理AI与具身智能

宏观层面看，物理AI系统概念和具身智能在实体设备层面基本重合。能感知世界，并与之互动，以现实硬件为形态的AI系统属于典型的具身智能体系。具备物理AI能力的AI系统，跟这个表达的意思差不多，两者指向的都是自动驾驶汽车，智能机器人等。

甚至在上图的GTC上NVIDIA提到的AI的4个阶段中的物理AI阶段，其概念：“将智能系统与物理实体紧密结合，创造出能够与现实世界互动的智能机器”，与具身智能概念看不出什么显著区别。

唯一值得关注的区别，是物理AI系统不一定都是以硬件载体的，它可以以一个理解物理规律的软件系统方式存在，这种一般不太认为是具身智能系统。

微观落地层面看，前面提到的用物理AI生成虚拟训练数据，是实现具身智能的一条技术路径。

物理AI与数字孪生工厂

数字孪生本身也是一个有争议的概念，但大体对应2个方向，设备产品层面的数字孪生和工厂产线层面的数字孪生，两者的理念都差不多：孪生系统与实际系统外观层面的相同，以及功能层面的相同。

对于设备产品层面的数字孪生，其功能层面的相同需要仿真的计算结果实时给出，基本对应前面提到的仿真代理模型这个方向。有了物理AI模型（AI代理模型），可以构建高精度，视觉上更逼真的高精度设备产品级数字孪生系统。

而数字孪生工厂则有点不同。一方面，工厂数字孪生里更多关注产线运行情况与现实产线同步，这里的关键技术点是实时物联数据的采集和同步。另一方面，离散类工厂的产线运行情况的仿真和预测优化有专门的仿真程序，更多是个统筹规划问题。而流程类工厂，核心反应过程至今很多仍是黑盒，工程师们的工作重点，一直也都在于找到能够准确描述其中各类过程的各种模型，基于机理、数值或两者结合的算法都有采用。无论哪种情况下，AI代理模型都不是重点。

物理AI与世界模型

出于种种原因，世界基础模型、世界模型等类似概念实际指向了几个不同的方向，他们并不是一回事，只是使用了相似的叫法。

1.用来生成模拟训练数据的模型

前面1.机器人和自动驾驶虚拟训练数据的生成 中，具体实现模拟数据生成的模型，被相关公司命名为了世界基础模型，如NVIDIA的Cosoms世界基础模型，小鹏汽车的世界底座模型等。

虽然名字叫的很大，这些模型的用途，还是在基于一些世界物理规律的基础上，去生成各种虚拟的用于自动驾驶或机器人训练的视频或数据。

2.可以生成各种符合物理规律视频的大视觉模型

这些模型是通过学习海量视频数据，隐式地掌握了物理规律和时空连贯性，能生成符合物理逻辑的视频。如Google Genie3，Sora等。

这类模型跟前面的世界基础模型是有些类似的，但更通用，也把用于机器人控制模型的训练作为了潜在应用方向。

3.从视觉到运动控制数据的模型

LeCun提出的JEPA (Joint Embedding Predictive Architecture) 框架的一系列模型，如V-JEPA 2，则是更明确的面向自动驾驶、机器人等，侧重以视觉为输入，输出控制动作，更像是泛化、通用版的VLA模型。

这种模型隐含了物理规律的理解，可用于在新环境中进行零样本规划和机器人控制。

4.生成3D几何的模型

李飞飞旗下的World Labs推出的首款商用世界模型Marble，生成的是持久的、可下载的3D环境，可以融入现有3D影视、游戏等工作流，创建视觉上逼真的3D世界，但是模型完全不掌握物理规律。

5.更通用和基础的物理AI模型/AI代理模型

前面提到的为一个具体的流体动力学仿真创建的一个AI代理模型并不是一个通用模型，而是一个专门针对该场景的具体模型，它可能只适用于特定形状零件的流体动力学仿真预测。

训练这样一个模型可能并不容易，同时它也不通用，于是一个想法出现了，为何不先训练一个懂流体力学的通用模型，以后针对特定零件只需要少量数据微调模型即可？

这条路线目前已经出现，如NVIDAI的Apollo和Luminary Cloud的SHIFT-SUV等，这种模型目前还没有统一称呼，有的称为基础物理模型、基础物理AI模型等。

物理AI与AI+CAE

前面已经提到的AI代理模型/物理AI模型，是物理AI与AI+CAE重合的部分，是AI+CAE中的一个重要方向，不少CAE公司也以物理AI来称呼他们的相关产品。

但AI+CAE并不只有这AI代理模型这一个方向，在仿真的前处理、求解、后处理等诸多环节，也还有很多的AI应用空间，如：

• 前处理阶段自动识别相似、对网格进行清理等
• 基于AI算法来创建ROM降阶模型
• AI助手辅助仿真工作流
• 后处理使用AI进行数据洞察
• ......

后续，AI+CAE系列文章也将会更具体的盘点国内外AI+CAE的各种方向和实践，并做相关分析等，敬请关注。