西门子联手光轮智能：中国公司如何打通工业与具身仿真壁垒？
在WAIC 2026的世界人工智能大会上，一个看似平静却暗流涌动的合作宣告了产业格局的微妙变化。光轮智能与国际工业巨头西门子正式签署合作协议，核心目标是打通西门子的工业仿真体系与光轮智能自研的SimFoundry仿真平台。这一动作的意义远超商业互吹，它标志着在长期被国外垄断的工业仿真底层技术中，中国公司首次获得了主动靠近国际巨头的资格。正如光轮智能联合创始人杨海波所言，仿真的对外依赖度不亚于芯片，且更为隐蔽。此次合作，正是中国企业在物理AI基础设施层面实现“突围”的关键一步。
工业仿真与具身智能的技术鸿沟
要理解这次合作的含金量，首先必须厘清工业仿真与具身智能仿真之间巨大的技术鸿沟。西门子拥有Simcenter、NX等基础设施级产品，其核心资产是几十年积累的工程数据：材料属性、接触关系、摩擦参数、装配公差等。这些数据经过真实产线的反复验证，追求的是离线高精度分析，如应力分布、形变趋势等，无需实时响应。
然而，具身智能对仿真的要求截然不同。机器人训练需要在同一瞬间结算数百次物理接触、力反馈和摩擦效应，环境必须支持大规模并行、场景随机化以及泛化生成。这两者背后的底层求解器架构完全不同。西门子的工业软件并非为机器人训练设计，而西门子也缺乏将工业知识转化为机器人训练环境所需数据结构、交互逻辑和评测体系的能力。
光轮智能在此时切入，定位极为精准——“物理AI的数据和评测基础设施”。杨海波将其比喻为“给机器人建学校”，提供教室、教材并进行考试。这种定位填补了工业巨头与机器人应用端之间的空白。
SimFoundry的三重核心能力
光轮智能之所以能成为西门子的首选合作伙伴，得益于其SimFoundry平台展示的三项核心能力。首先是“求解、测量、生成”三位一体的全栈自研能力。SimFoundry能够支撑机器人高频交互所需的实时物理求解，通过物理测量获取并校准真实参数，进而构建具备物理属性和交互逻辑的仿真资产。
例如，在SimFoundry环境中，冰箱门不仅能被打开，还能真实反映磁吸阻尼效果。这种物理真实性源于底层求解器的计算，而非世界模型的生成幻觉。其次，光轮智能拥有稀缺的标准话语权。它是Newton仿真技术委员会五家企业中的唯一中国成员，也是EgoVerse人类数据委员会十家企业中的唯一中国成员。与英伟达、谷歌DeepMind、迪士尼研究院和丰田研究院同台竞技，这种背书确保了其技术方向的正确性。
最后是数据规模与交付能力。光轮智能在仿真合成数据、人类视频数据和仿真评测三个领域均处于全球领先地位，全球前五的世界模型团队均使用其数据。对于西门子而言，选择这样一个已在领跑的合作伙伴，是快速进入具身智能赛道的最优解。
构建关键的“翻译层”
双方合作的技术核心，并非简单的格式转换，而是构建一个关键的“翻译层”。工业仿真追求极致精度，每个零件的应力、形变都要精确到小数点后多位；而机器人训练环境需要的是“物理上足够真实”的抽象，如冰箱门打开的阻尼感、插拔件的阻力反馈。
这个翻译层需要西门子提供工业级“基准真值”，也需要光轮智能提供GPU时代规模化速度的实时仿真环境。只有双方各自拿出最强的一块，才能拼出这个翻译层。建成后，一条完整的链路将形成：西门子提供的工业模型和参数进入SimFoundry生成仿真资产，资产进入RoboFinals进行规模化评测，通过的模型通过RoboStack进入真实产线，产线收集的数据和失败案例再反哺SimFoundry，形成持续学习的正向飞轮。
杨海波强调的“持续学习闭环”，在西门子合作的背景下升级为工业级版本：工业场景建模、高精度仿真、规模化评测、真实部署、数据回环。这一闭环解决了具身智能从Demo走向真实产线最大的痛点——数据稀缺与泛化能力不足。
数据复用与事实标准的建立
此次合作背后，折射出物理AI产业更大的变化。传统工业软件合作模式是“我出平台，你做集成”，而在具身智能时代，西门子需要的是一个在仿真、数据、评测、部署全链路都有能力的合作伙伴。光轮智能不做本体、不做模型，专做基础设施，这种角色在工业软件生态中此前并不存在。
杨海波指出，2026年是具身智能数据规模化的元年，数据需求从去年的几百几千小时激增至今年的上百万小时。当数据需求百倍千倍增长时，工业仿真巨头发现缺的不是软件供应商，而是能把工业知识注入机器人训练全流程的基础设施。
光轮智能的商业模式更接近数据的复用，而非传统软件授权。其优质场景数据已复售给10家以上不同客户。这种高毛利背后，是建立事实标准的深层逻辑：当多家客户共同使用同一份数据，这份数据便成为行业标准的载体。如果光轮智能的仿真资产和评测体系能接入西门子工业参数，这套事实标准将从通用场景延伸至工业场景。
值得注意的是，光轮智能有一种“纠正数据”售价高出50%。所谓纠正数据，是机器人做错后纠正的操作记录，它补充了数据的多样性。在工业场景中，失败模式和成功路径同样重要，甚至更重要。西门子工业参数与光轮智能真实失败场景的结合，将显著提升评测环节的价值。
自研与开放并行的战略逻辑
回到杨海波的开场白，中国在世界范围内长期落后于物理AI数据与仿真，工业仿真长期依赖国外。仿真的对外依赖度不亚于芯片，只是更为隐蔽。在此背景下，光轮智能采取了“自研+开放”的双轨战略。
一方面，光轮智能全栈自研仿真器，并与摩尔线程合作适配国产显卡，确保不被“卡脖子”；另一方面，通过与西门子合作，获得工业侧的参数校准和场景验证。这两者并不矛盾，逻辑在于：通过自研保障供应链安全和技术独立性，通过开放合作获取行业最高标准的参数校准和市场背书。
西门子与光轮智能的联手，真正值得留意的是，在物理AI基础设施这一底层层面，中国已经出现了能被国际工业巨头主动靠近的公司。双方的合作正在打通工业仿真与具身仿真，物理AI走进复杂制造车间的那道门，被推开了重要的一半。这不仅是一次商业合作，更是中国高端工业软件从跟随走向并行，甚至局部引领的标志性事件。随着数据规模的指数级增长和评测体系的完善，这一“翻译层”所连接的两个世界，将加速融合，重塑全球智能制造的竞争格局。