日前，光轮智能与西门子正式达成合作。双方将以光轮智能全栈自研SimFoundry仿真平台为枢纽，打通工业仿真、机器人训练、标准化评测、真机部署全流程链路，解决工业场景具身智能虚实转化的行业共性难题。

  当前国内加快推进“人工智能+制造”、新型工业化建设，工业机器人、人形机器人逐步进入装配、精密加工、物流产线。产业实践显示，机器人落地的核心难点，不在于完成单次简单动作，而是在持续摩擦、零件形变、装配公差、工艺约束等复杂工况下稳定作业。

  行业存在两类仿真体系难以贯通转换的问题。工业仿真主要服务产品设计、工程分析和虚拟调试，具身仿真主要服务机器人高频交互、并行训练和规模化评测。二者并非简单的精度高低之分，而是在任务目标、模型表达、接口和运行尺度上缺少标准化转换与验证机制。

  如此一来，工业软件沉淀数十年的工程知识，无法直接进入机器人训练系统，造成仿真训练效果和真机运行表现脱节，增加企业现场调试成本，拉长机器人项目交付周期。本次光轮智能与西门子的合作，核心是搭建两套仿真体系的数据、模型转换通道。

  合作依托光轮智能“求解—测量—生成”三位一体全栈自研SimFoundry仿真平台，整合双方差异化技术资源。双方将结合西门子在工业设计、多物理场仿真和工程验证方面的能力，与光轮智能在物理测量、实时求解和SimReady资产生成方面的积累，探索工程模型、参数和工艺知识的转换、校准与验证机制。

  据悉，双方确定三项落地工作方向。一是搭建高精度工业具身仿真环境。联合改造零部件、工装、产线仿真模型，注入真实物理参数，构建贴合生产工况的虚拟训练场景，补齐仿真环境物理真实性不足的短板；二是建立工业级标准化评测体系。依托RoboFinals仿真评测平台，围绕压装、插拔、柔性装配等典型任务，搭建统一、可复现的评测基准。系统量化评估机器人接触精度、运行稳定性、故障模式，为机器人上线前提供可量化的评估参考；三是打通仿真到真机部署的反馈闭环。经过仿真训练、批量评测的机器人模型，通过RoboStack对接部署真实工业设备。产线运行产生的异常、偏差数据反向回流仿真系统，迭代优化虚拟场景物理参数，形成“真实工况—虚拟仿真—规模评测—真机部署”持续优化的循环。

  完整业务链路清晰可落地：工业场景工程建模-SimFoundry高可信交互环境与仿真训练-RoboFinals规模化评测-RoboStack真机部署与反馈回流。

  从产业视角看，本次合作带来务实改变。

  第一，降低工业机器人落地试错成本。传统模式下，机器人新任务交付依靠产线现场反复调试，占用设备工时，存在损坏零部件、产线停工风险。依托共建仿真链路，大部分适配、验证工作可在虚拟环境完成，提前识别装配兼容、接触稳定性隐患，缩短交付周期，减少实体产线调试投入。

  第二，实现工业知识资产长期复用。经过校准验证的物理参数、产线仿真资产、标准化评测任务统一沉淀。同类制造场景无需从零建模、重新标定物理规则，降低机器人批量复制到不同工厂的边际成本，适配制造业多品种、小批量生产趋势。

  第三，建立跨领域开放协同范式。本次合作不替代现有工业仿真工具，而是搭建互通接口。未来机械、流体、数字孪生类工业软件，都可通过这套链路将专业工程模型导入机器人训练体系，拓宽工业仿真技术的应用场景。

  光轮智能联合创始人兼总裁杨海波表示，工业是具身智能规模化落地的最大市场。工业物理知识与机器人训练体系长期缺少互通桥梁，本次合作旨在打通两套仿真体系，让工业工程数据规模化服务机器人训练，推动具身智能适配工厂真实生产需求。

  业内分析人士认为，本次两家企业协同攻关物理AI工业底层基础设施，一方面依托本土制造场景打磨适配国内工艺的物理AI底座，另一方面借助国际工业生态，释放物理AI工业基础设施能力，为我国新型工业化建设、物理AI底层技术协同发展提供可参考样本。