物理AI推动AI从数字世界走向物理世界，也成为当下资本市场热度颇高的话题之一。6月上旬，多家被贴上“物理AI”标签的上市公司密集发布澄清公告，表示物理AI相关业务尚处于布局初期或者现有产品与物理AI存在明显区别。
物理AI的产业底座是什么？距离规模化落地还有多远？6月11日，中国科学院院士、宁波东方理工大学校长陈十一在第四届软件创新发展大会上表示，物理AI正成为AI发展的下一阶段，其竞争本质上是仿真能力、数据生态与基础设施的综合较量。
工业场景具有结构性优势
A股市场这轮行情的起点，源于6月7日。英伟达与韩国斗山集团宣布扩大合作，覆盖物理AI、机器人及AI工厂基础设施三大板块。随后，多只相关概念股收获涨停连板。
6月10日晚，四连板天娱数科再次发布公司股票交易异动公告称，公司没有物理AI业务，未形成相关业务收入。同一时期，格灵深瞳发布异动公告，公司不直接从事物理AI的产品及业务，公司现有的机器人感知与控制技术目前主要应用于轨交运维领域，应用场景较为单一。索辰科技则表示，公司物理AI业务目前尚处于布局初期。
二级市场相关概念的火热与产业落地的审慎态度形成对比。陈十一认为，人工智能正经历从感知智能，到深层智能，再到物理智能的跃迁，本质是从懂信息、懂内容到懂物理。“懂物理是世界模型+CAE+机器人，只有真正懂物理，工业才有可能”。
陈十一区分了物理AI与传统大模型的本质差异。他指出，2016年的AlphaGo“除了了解图形没有了解物理”，而ChatGPT虽然可以生成大量模型，“但是如果没有空间位置，没有物理守恒性等，给的图像是不对的。”换言之，物理AI的核心不是生成内容，而是理解、预测和影响真实物理世界。
浙商证券在最新研报中指出，当前物理AI尚无固定实现范式，需由世界模型与VLA（视觉—语言—动作模型）共同支撑。自动驾驶、具身智能和工业软件构成物理AI最核心的三大落地场景。
陈十一认为， 工业场景在物理AI落地中具有不可替代的结构性优势，包括设计规划、智能制造、分析验证、工业具身等。工业场景实际比其他的场景来说更适合用物理AI，因为它具有不可替代的结构性优势，包括数据基础、价值可量化等表现非常突出。
CAE是进入工业世界关键底座
在陈十一看来，物理AI的价值不是单一的替代，而是贯穿设计、验证、制造、运维全流程重构。CAE提供物理规律、仿真数据、工程约束和验证闭环，是物理AI进入工业世界的关键底座。
“以前认为AI支撑CAE发展，现在我觉得工业软件可以支撑物理AI发展。AI必须懂物理，这些正是CAE的核心能力。”陈十一进一步强调，CAE不是物理AI的传统工具，而是物理AI走向实体工业的底层基础设施。
目前，纯数据驱动的AI，天然存在“能量不守恒、物体相互穿透、外推失败”等物理缺陷，导致永动机式错误、无视碰撞约束以及超出训练分布即失灵等问题。
陈十一指出，如今CAE的定位已彻底转变，从传统离线验证工具升级为四大核心角色：一是物理引擎，生成无限逼近现实的数字样本，为AI模型训练提供支撑；二是物理规律导师，以基础物理原理约束AI生成过程；三是实时精度把关者，对AI实时推理结果开展毫秒级验算与误差校准；四是数字孪生底座，构建高保真数字体，映射实体全生命周期状态。
随着AI技术的全面渗透，传统CAE也在被深度重构，逐步从资深从业者使用的“专家工具”，进化为可交互、可推理、可自主执行的工业智能体。在陈十一看来，抓住AI+CAE融合窗口，有望形成中国自主工业软件与AI平台新优势。
AI多层面重塑工业软件
浙商证券指出，在物理AI落地场景中，工业软件被定位为物理AI训练、验证、部署和运维的“控制台”。工业软件数据不可复制、安全合规要求高、云边端协同复杂，构成较强护城河，与物理AI之间呈互补共生、双向赋能关系。
中国科学院院士、大连理工大学教授郭旭在此次大会上表示，目前AI正从诸多层面重塑工业软件，通过AI和物理模型深度融合，加速产品研发迭代；人机协同共智决策，使智能体自动能力。“以人工智能赋能工业软件全生命周期，从工具向智能体加速进化”。
目前，软件巨头积极布局人工智能赋能的工业软件。但是，郭旭认为，其中还面临诸多挑战。比如智能底座能力薄弱，难以集成数据模型、工业知识以及驱动AI智能体。此外，亟须破解智能工业软件高质量工业大数据饥渴难题，还需攻关智能工业软件底层根技术，摆脱黑箱桎梏，实现机理透明和可解释性。
对此，郭旭建议，我国工业软件产业应依托关键领域龙头企业开放核心场景及试验田，提供真实数据反馈与试错容错空间，快速催熟软件，积累工业知识图谱，攻克“卡脖子”的难题的同时，抢占全球工业软件智能化发展的制高点。
拉伯配资提示：文章来自网络，不代表本站观点。
