光轮智能与西门子合作：工业仿真进入机器学习，加速机器人产线落地
物理AI时代，工业机器人落地的关键并非模型参数量，而是物理规律的可信迁移；光轮智能与西门子合作，通过SimFoundry平台将工业工程知识转化为机器人可训练、验证和部署的基础设施，形成Real2Sim2Real持续学习闭环。
旧范式（模型参数为中心）
模型参数量↑
失败率高
→ 现场反复调试 → 不稳定
新范式（物理规律可信迁移）
物理规律仿真
可控可复制
→ 迁移到机器人 → 稳定上线
工业是具身智能规模化落地的最大入口
合作背景：工业AI的卡点与突破路径
工业AI走向产线，卡点不在模型参数量，而在物理规律的可信迁移。工业机器人真正的难点不是完成一次动作，而是在材料、设备、工艺和安全约束变化下稳定工作，并在上线前证明可靠性。
"工业是具身智能规模化落地的最大入口，而工业物理规律和具身智能训练之间，长期缺少一座桥。光轮智能从具身仿真底座出发扎进工业仿真，就是要把这座桥建起来。"
杨海波
光轮智能联合创始人兼总裁
技术核心：SimFoundry平台与工业知识的转化
双方以光轮智能'求解—测量—生成'三位一体全栈自研仿真平台SimFoundry为核心，探索将西门子工业仿真体系中长期沉淀的工程信息转变为可直接调用的物理参数、高精度资产和交互环境。
SimFoundry物理测量能力
自动化物理测量工厂
捕捉真实世界物理参数
三大合作方向：高精度仿真、工业级评测与部署验证
双方将围绕三个方向探索：高精度工业具身仿真、工业级具身评测、推动典型工业场景部署与验证。
评测任务类型
插拔、压装、卡扣、柔性接触、复杂装配
工业级具身评测覆盖典型装配任务
产业价值：降低试错成本，缩短交付周期
对工业客户而言，这条链路把传统的依赖现场反复调试的交付流程，转化为'仿真预训—规模化评测—中试验证—真实部署'的更加可控、可复制的流程，有望降低产线停机和现场试错成本，缩短机器人新任务从定义、验证到可靠上线的周期。
可复用基础设施与生态协作
英伟达路径
GPU + CUDA开源生态，深扎硬件互联
光轮智能路径
物理AI仿真底层深扎，与工业仿真互通
光轮智能不替代工业仿真企业，而是帮助其专业能力进入机器人训练、评测与部署体系，为工业仿真能力打开面向物理AI的新应用出口。
政策背景与国家战略响应
我国正推进'人工智能+制造'、新型工业化建设、高质量数据集建设以及具身智能中试基地、训练场等战略。光轮智能的实践是对国家战略的工程化响应：不做机器人本体、不训通用大模型，而是把仿真这一物理AI底层做深做厚。
数据集荣誉
北京市行业高质量数据集双榜榜首
全国首批具身智能行动计划数据领域唯一民营企业
编辑判断与总评
当物理AI真正走进工厂，最终检验其能力的，不只是模型参数，而是材料、设备、工艺、节拍和安全共同构成的真实物理世界。此次合作是连接工业仿真与具身仿真、建设物理AI数据与评测基础设施的重要实践。
该合作标志着具身智能在工业场景中的工程化落地迈出重要一步，建立从工业工程知识到机器人训练、评测、部署的闭环基础设施，有望降低工业机器人部署成本并加速产线智能化。光轮智能的'仿真做深'策略与西门子的工业基准真值相结合，为物理AI工业化提供了可复制的协作范式。