人工智能正在快速改变工业生产，但工业企业普遍有一个需求：除了分析已经发生的事情，AI能否探索尚未发生的情况？

例如，一架无人机遭遇突发强风时能否保持稳定，机器人面对不同形状和材质的物体能否准确完成抓取，一座大型水利工程遭遇极端洪水时采用哪种调度方案更安全。

这些问题有个共同特点：真正的答案往往需要通过试验才能获得，但在现实中反复试验，不仅耗费时间和成本，还可能带来安全风险。

有没有可能在现实世界之外，构建一个遵循物理规律的工业世界，让AI提前开展千万次试验，在不同条件下学习、预测和优化，最终找到更可靠的方案？

南京天洑软件有限公司正在探索这一方向。作为工业世界模型框架体系及基础设施提供商，天洑正在研发工业世界模型生成器（IWM Generator），尝试将分散的工业知识、物理模型、工程数据和计算工具组织起来，构建能够持续运行、不断变化、反复利用的数字化工业世界。

图1 天洑工业世界模型生成器

从“模拟一次”到“生成一类”

工业企业其实并不缺少数字化工具。

工程师可以利用CAD软件设计产品，通过CAE软件计算强度、温度和流场，借助数字孪生系统监测设备状态，再通过人工智能分析工业数据。

但这些能力通常围绕具体任务展开。设计一款新产品，需要建立相应模型；换一种结构，可能需要重新设置计算流程；设备运行工况发生变化，又需要重新组织数据和计算任务。

这些工具能够解决大量工程问题，却不容易让工业模型像真实世界一样持续变化，也难以将一次计算形成的知识长期复用。

天洑工业世界模型生成器试图改变这一工作方式。

其核心思路是先构建一类能够描述工业对象及其运行规律的世界模型，再根据不同条件，持续生成和运行大量具体的工业世界。

例如，传统方法可以计算一台无人机在某种风速下的飞行状态。而工业世界模型生成器希望进一步建立包含飞行器、动力系统、风场、传感器和控制规律的完整模型。

在此基础上，改变风速、载荷、飞行高度、传感器误差等条件，就能够形成大量不同的虚拟飞行环境。这些环境能够按照相应物理规律运行、产生计算结果，并与控制策略进行交互的模型实例。

图2 天洑工业世界模型“平行世界”

天洑将从同一模型生成的不同实例形象地称为“平行世界”。其意义在于，工程师不再局限于计算某个预先确定的问题，而是可以不断探索不同条件下的各种可能性。

让工业世界运行起来

要构建这样的工业“平行世界”，首先要让计算机理解现实工业系统由什么组成。

一座工厂不仅有设备和管道，还包含设备之间的连接关系、材料属性、工艺条件、运行规则以及各种物理约束。

天洑工业世界模型生成器采用工业本体技术，对这些信息进行统一描述。

同时，现实工业系统受到流体力学、结构力学、传热学、动力学等物理规律约束。因此，工业世界模型还需要能够计算和推演这些规律的物理引擎。

这也是天洑的技术积累所在。

成立于2011年的天洑，长期开展物理算法、人工智能算法及工业建模技术研发。其AICFD、AIFEM和AIPOD分别积累了流体传热、结构力学和优化设计能力，为工业世界模型提供物理计算与优化基础。

图3 天洑物理AI积累

与此同时，工业AI底座TFIIF和智能数据建模软件DTEmpower，则为工业数据处理、模型训练、机理与数据融合以及模型运行提供技术支撑。

这些能力能够进一步与工业大模型、专业工业小模型和工业智能体协同，形成从世界构建到运行推演的技术体系。

工业世界模型并不意味着所有物理过程都要进行高成本、高精度的数值计算。对于需要快速运行的大量模型实例，可以利用高精度物理计算结果训练代理模型、降阶模型等快速预测模型，在适用范围内降低计算成本。

再通过真实试验和运行数据不断校准模型，缩小虚拟世界与现实世界之间的差距。

物理计算决定工业世界能否遵循真实规律，工业AI决定模型能否高效学习和运行，两者结合，支撑大量工业世界的持续生成与推演。

让机器人和控制系统在虚拟世界中学习

工业世界模型生成器的另一项重要价值，是为人工智能训练提供工业数据和交互环境。

以机器人抓取为例，机器人要学会稳定抓取物体，需要理解不同材料、形状、摩擦力以及接触变形带来的影响。

在工业世界模型生成器构建的虚拟环境中，可以改变物体形状、材料、质量、摩擦系数和初始位置，生成大量不同的抓取场景。

机器人在这些世界中持续尝试动作，观察结果，在失败中学习，并进一步验证其能力边界。这意味着工业世界模型生成器还有望成为面向工业智能的数据工厂和虚拟试验场。

从理解现实，到模拟现实，再到推演不同的未来，工业世界模型生成器正让工业从被动分析走向主动试验与优化。