具身智能正从演示走向工业装配与操作，但“仿真里的物理”与“真实世界的物理”长期对不上。在工信部、国资委启动2026年度人形机器人与具身智能实景实训专项行动、明确“到2026年底带动形成万台级规模落地能力”的政策节点上，光轮智能与Synopsys联合完成了一项关键校准：国产全栈自研仿真平台首次在工业接触任务中实现CAE精度的机器人任务级仿真校准，把工业CAE沉淀数十年的接触与形变机理，系统性地接入了具身智能的训练与评测链路。

光轮智能联合Synopsys完成工业接触任务中CAE精度机器人任务级仿真校准，SimFoundry全栈自研链路打通“真实测量—机理分析—仿真验证”，为具身行业与中国物理AI基础设施提供可量化的技术底座。

近日，光轮智能与全球EDA领导者新思科技（Synopsys）联合发布最新具身智能仿真成果。由光轮智能团队主导定义并跑通的技术链路，在工业接触任务类别中实现CAE精度的机器人任务级仿真校准：SimFoundry完成真实测量、任务级物理建模与自动化校准，Synopsys旗下AnsysMotion提供多体动力学与部件力学分析协同。

这不是一次单点精度提升。它意味着国产全栈自研仿真能力在具身任务级校准这一细分方向上，已进入全球核心协作圈，并且第一次把工业CAE沉淀数十年的物理经验，系统性接入具身智能的训练与评测链路。仿真由此不再只是机器人研发的辅助工具，而成为具身行业走向工业化的技术抓手，也是中国在物理AI时代构建自主技术底座的关键一环。

具身智能不缺演示，缺的是“仿真可信”

具身智能正在从演示走向装配、插接、柔性物体操作等真实工业任务。模型能力在快速进步，但行业面临一个更底层的瓶颈：机器人在仿真里学到的“物理”，与真实世界的“物理”对不上。国务院发展研究中心产业经济研究部副部长李燕此前也指出，仿真数据与真实环境之间仍存在“显著的迁移鸿沟”，高质量物理世界数据稀缺是当前的关键制约之一。

工业仿真长期服务于产品设计与工程验证，在材料、结构、接触和载荷分析方面积累了成熟方法；具身仿真则面向机器人与环境的连续交互，为策略训练、任务测试和能力比较提供可重复的计算环境。两类仿真拥有不同的计算模型与使用方式。工程分析中的模型和参数，需要经过面向具体任务的转化、建模与验证，才能服务于机器人操作。

过去，这条转化链路是断的。谁能把它打通，谁就掌握了具身智能从“能演示”走向“可工业化”的关键技术抓手。这一次，打通它的是中国团队。

国产全栈自研链路跑通工业级校准

光轮智能与Synopsys的合作，正是在这一连接环节开展工程实践：由CAE帮助解释关键物理机制和补充相关数据，将相关作用纳入机器人动力学计算，并通过真实测量进行自动化校准，实现工业场景任务的高精度仿真。

在RJ45网线插入案例中，初始contact-only模型难以匹配真实插入力；AnsysMotion识别出插座内部金属触点形变带来的额外阻力，光轮智能随后将工程分析数据导入SimFoundry重新校准。结果显示，最差轴向力曲线归一化误差降低91.7%。

这个数字的意义不在于单点精度，而在于：工业CAE沉淀数十年的接触与形变机理，第一次被转化为机器人任务级仿真的可校准物理依据，而这条转化链路由中国团队定义并跑通。机器人仿真的可信度，由此有了可量化的物理标尺。

支撑这条链路的是SimFoundry首创的“求解—测量—生成”三位一体技术路径：测量环节通过真实实验和精密仪器采集摩擦、刚度、形变、接触力等参数，把经验估算转化为可追溯的物理证据；求解环节处理刚体、柔体、颗粒、接触与动力学响应；生成环节基于OpenUSD和SimReady管线，将经过物理验证的资产、场景与任务自动化生成，进入训练和评测流程。整套校准由Agentic工作流自动执行，Agent负责定义目标与验收标准，并驱动CAE仿真校准——工业级校准由此从依赖专家手工调试，走向可规模化复制的自动化能力。

这一能力建设与当前产业节奏高度契合。据高工咨询数据，2026年中国人形机器人整机出货量预计将超5万台，市场规模超100亿元，但增速低于年初预期，行业正从“能演示”向“可作业”过渡。政策端同步加码：工信部与国资委联合开展的实景实训专项行动明确，到2026年底要在代表性场景完成应用验证与常态部署，凝练百个以上高价值应用场景，带动万台级规模落地能力。实景实训积累的是真机数据，而高可信仿真解决的则是训练与评测的可重复性与可量化基准——两者构成具身智能工业化的数据闭环。

标准、资产、链路三线并进，中国团队站上核心协作位

此次与Synopsys的任务级校准成果，不是孤立事件，而是光轮智能持续参与全球物理AI核心工程方法与基础设施建设的一环。

在标准层，光轮智能是国际物理AI标准Newton仿真技术委员会唯一中国企业，参与定义SimReady资产规范标准。

在资产层，英伟达10月21日发布开源仿真资源库SimReadyCentralLibrary，开源超2000+项具备物理属性的机器人仿真资产。光轮智能是最重要贡献方之一，搭建自动化质检工作流，完成其中大部分仿真资产的质检，并将物理配置与交互测试经验用于资产和规范的改进。

在工程链路层，今年7月，光轮智能与西门子达成合作，以SimFoundry与西门子工业仿真能力为技术核心，围绕高精度资产、工业级Benchmark和典型工业场景展开探索，共建工业级Real2Sim基础设施；此次与Synopsys完成任务级校准，补上“工业精度自动化仿真工作流”这一环。

从标准制定、资产规范到工程链路校准，这条布局线指向一个清晰的事实：在物理AI这一轮全球基础设施建设中，中国团队已经不只是参与者，而是核心协作圈中的重要贡献方。

物理AI时代，中国需要自己的仿真底座

具身智能的竞争，表面看是模型与数据的竞争，底层看是物理真实性与工程验证能力的竞争。高可信仿真正在成为机器人训练、评测与工业部署的关键“度量衡”之一。

长期以来，工业仿真软件的核心能力掌握在国际巨头手中。此次光轮智能与Synopsys的联合验证，意义不止于一家企业的技术进展：它证明国产全栈自研仿真平台已经具备与国际工业仿真体系对接、协同，并定义任务级校准链路的能力。工业仿真数十年积累的材料、接触与失效数据，第一次被完整接进机器人仿真，为面向工业接触任务的训练与评测提供了可量化的物理依据。

摩根士丹利在《中国下一轮工业革命》蓝皮书中将具身智能列为中国工业5.0“工业智能化”支柱的核心载体之一，并预计2026—2035年中国工业5.0将带来约80万亿元增量资本开支，资金重点投向AI、机器人与工业软件等领域。仿真底座作为具身智能从实验室走向产线的“隐形基础设施”，其自主可控程度直接关系到这一资本开支周期的效率与安全边际。

面向机器人工业化，仿真需要同时提升物理真实性、可验证性与可扩展性。作为国际物理AI标准Newton仿真技术委员会的唯一中国企业，光轮智能将继续围绕真实测量、物理建模、开放资产与仿真评测推进技术建设，让更多工业经验成为机器人可持续学习的基础设施。

这一次，中国团队补上的不只是一个仿真精度指标，而是具身行业走向工业化的物理底座；在物理AI基础设施的核心协作圈中，中国团队已经从参与走向核心贡献，并在任务级仿真校准这一链路上展现。（曹雅丽）