科普 | 黄仁勋的小鸭子背后，藏着工业世界模型的未来

近期，在德国柏林NVIDIA GTC大会上，黄仁勋带着四只小鸭子登上了舞台。

这些名为Microduck的小型机器人，能够走路、坐下，甚至在黄仁勋的指令下集体“打盹”。

虽然小鸭子并不总是那么听话，但它背后的技术路线让人向往，因为这些机器鸭的技能，是在一个由计算机创造的虚拟世界中训练出来的。

在真实世界中训练机器人成本很高，它可能摔倒、碰撞，甚至损坏设备。黄仁勋则展示了另一种方法。

首先，借助AI智能体规划训练任务，利用CAD工具创建三维模型，再通过NVIDIA Isaac Sim搭建虚拟训练场景。随后，Newton物理引擎负责模拟机器人运动中的物理行为，Isaac Lab则用于强化学习训练。

在演示的技术方案中，大量虚拟小鸭子同时学习如何保持平衡、避开障碍物、完成行走任务。小鸭子可能摔倒上万次，但通过不断尝试和调整，最终逐渐找到更合适的运动策略，再部署到真实机器身上。

这就是近年来备受关注的Sim-to-Real，即“从仿真到现实”。

一、AI需要遵循物理规律的世界

大语言模型已经证明，AI可以学习人类语言、理解图像、编写代码。但当AI真正进入物理世界，情况就变了。

真实世界存在重力、惯性、摩擦、碰撞等物理规律，AI需要的不仅是知识，还需要能够反复试验、观察结果的环境。

这也是物理AI（Physical AI）越来越受到关注的重要原因。让AI在物理仿真环境中尝试不同动作，观察物理系统如何响应，并根据结果改进策略。

虚拟世界是否可靠，首先取决于其中的物理模型是否足够准确。如果摩擦系数、质量分布或者关节约束存在偏差，那么即使AI在仿真中表现出色，进入现实世界后也可能失败。

因此，物理引擎、仿真软件与AI算法的结合，成为这一技术路线的关键。

黄仁勋演示的机器鸭，证明了这条技术路线的可行性。把视角扩展到复杂的工业世界，工程师们也有了更广阔的想象空间。

比如一座火力发电厂，锅炉涉及复杂的燃烧、传热与流体流动，汽轮机涉及高速旋转、热应力与振动，整个生产过程还受负荷变化、设备老化和环境条件的影响。

如果在数字空间中构建一个遵循工程规律的虚拟电厂，那么是否可以提前预测设备故障？能否在调整运行参数之前，先推演可能产生的影响？甚至让AI通过反复计算，寻找更加经济、安全的运行方案？

这正是天洑工业世界模型试图实现的。

与主要面向机器人运动和环境交互的仿真不同，工业世界模型面对的是复杂装备、生产工艺乃至完整工业系统。需要流体力学、传热学、结构力学等机理模型，以及设备运行数据、工业知识和控制逻辑。

工业世界模型的目标，正是让AI逐步理解工厂为什么这样运行，以及改变条件后可能发生什么。

二、工业世界模型构建物理世界

一座工厂可能已经有CAD模型、CAE仿真模型、实时监测数据和控制系统，但这些信息通常分散在不同软件和系统中，很难直接形成一个能够协同运行的虚拟世界。

因此，工业世界模型首先面临一个基础问题：如何将现实中的工业对象及其工程知识，组织成能够计算、调用和复用的数字资产？

巧合的是，就在黄仁勋展示机器鸭的前一天，天洑正式发布了工业世界模型生成器，关注的正是工业世界的构建过程。

企业已有的图纸、CAD模型、点云数据甚至设备照片，都可以作为数字世界的基础。

借助工业本体，将设备的几何形态、对象属性、运行状态、相互关系及工程约束联系起来，使其不再只是一个孤立的模型，而是具有明确工程含义的数字实体。

这些数字实体可以进一步组合，形成更加复杂的装备和工业系统，为后续接入物理模型、工业数据和AI算法创造条件。

天洑长期从事计算流体力学、有限元分析和工业数据建模技术研发，这些能力也为工业世界模型中的机理计算与数据智能提供了技术基础。

工业世界模型需要大模型完成语义理解、任务规划和工具调用，也需要小型AI模型进行快速预测，更离不开工程仿真模型提供物理约束。

三类模型有效协同，工业世界模型才能从数字化展示进一步走向计算、预测与决策。

三、从训练鸭子，到探索工业世界的未来

黄仁勋的小鸭子和天洑工业世界模型预示了同一个趋势，即AI的下一阶段发展，将越来越多地与物理规律、仿真计算和真实世界的反馈结合。

过去，工程师通过工业软件分析现实世界。未来，AI有望参与构建虚拟世界、组织仿真任务、分析计算结果，并帮助人类寻找更优的工程方案。

工业软件的形态也将随之改变。从传统的单次仿真计算，到融合物理模型、工业数据与智能体的工业世界模型，人类正在探索一种更智能的工业系统理解和运行方式。