从数字孪生到空间智能：国内厂商正在走向物理AI

最近一两年，数字孪生这个词的讨论方式明显发生了变化。

以前大家聊数字孪生，更多是在聊三维建模、GIS、BIM、IoT、可视化大屏。一个项目能不能把城市、园区、工厂或者水库做得足够真实，往往就是大家评价项目好不好的重要标准。

但到了2026年，情况开始有些不一样。

“空间智能”“世界模型”“物理AI”“具身智能”“仿真合成数据”等概念越来越多地进入数字孪生相关讨论。

刚开始我也觉得这些概念之间距离挺远，但如果从技术演进的角度往回看，其实能够找到一条比较清晰的关系：

数字孪生解决的是“把现实世界放进数字空间”，空间智能解决的是“让机器理解这个空间”，物理AI进一步解决的是“让AI在真实物理规律下学习和行动”。

这可能也是未来几年数字孪生行业变化比较大的一个方向。

---

一、数字孪生正在从“展示”走向“可计算”

数字孪生最早被大量应用的时候，一个非常直观的价值就是“看”。

城市可以放进三维空间，园区可以放进去，水库、桥梁、工厂也可以放进去。

然后再接入各种实时数据。

例如：

• 水位数据

• 设备运行数据

• 人员数据

• 车辆数据

• 环境数据

• 气象数据

这样以后，管理人员看到的就不再是一张静态三维地图，而是一个和现实世界持续连接的数字空间。

但问题也随之出现。

如果数字空间只能看，价值其实还是有限的。

真正有价值的数字孪生，应该进一步回答：

如果水位继续上涨会怎么样？

如果关闭某个闸门会怎么样？

如果园区突然出现大量人员聚集会怎么样？

如果一辆车辆按照某条路线行驶，会不会造成拥堵？

如果机器人进入这个环境，会不会发生碰撞？

这时候，数字孪生就从“展示空间”开始走向“计算空间”。

而这个变化，我认为非常重要。

---

二、空间智能解决的是另外一个问题

数字孪生解决了空间数字化之后，还有一个更大的问题：

机器真的理解这个空间吗？

人看到一个房间，会自然知道门在哪里、桌子在哪里、哪里可以走、哪里不能走。

但对机器来说，这些信息需要被转换成可以理解的数据和关系。

比如：

“这个物体是什么？”

“它和另外一个物体是什么关系？”

“机器人当前位置在哪里？”

“前方有没有障碍？”

“从当前位置到目标位置应该怎么走？”

这就是空间智能开始发挥作用的地方。

所以我个人比较倾向于把空间智能理解成：

让AI从“理解文字和图片”，进一步走向“理解三维空间”。

这也是为什么空间智能和机器人开始产生越来越紧密的关系。

机器人最终面对的不是网页，也不是数据库。

它面对的是一个有高度、有距离、有碰撞、有遮挡、有运动规律的真实世界。

---

三、为什么物理AI又出现了？

再往前一步，单纯理解空间还是不够。

假设机器人看到一张桌子，它知道桌子在哪里。

但如果让它把桌上的杯子拿起来，就会出现更多问题：

杯子有多重？

机械臂应该从哪个方向抓？

抓取力度多大？

如果杯子滑动怎么办？

如果旁边突然有人经过怎么办？

这些问题已经不是简单的图像识别问题，而是和真实物理世界有关。

所以物理AI关注的是：

AI能不能在真实物理规律约束下进行理解、推理、训练和行动。

这也是为什么仿真越来越重要。

真实机器人当然可以训练，但每一次测试都需要真实设备、真实场地和真实时间。

而在数字空间里，可以不断改变环境。

可以改变天气、光照、障碍物、道路情况、人员数量，甚至人为制造一些现实世界中比较难复现的情况。

这样，AI就可以在虚拟环境中不断试错。

这也是目前国际上比较明确的一条技术路线。

例如NVIDIA已经将Omniverse与Physical AI、工业数字孪生、机器人仿真以及合成数据等方向结合起来。其Isaac体系也重点面向机器人开发、仿真和训练。

从这个角度看，数字孪生其实又找到了一个新的应用方向：

不只是给人看，而是给AI训练。

---

四、国内厂商的路线其实并不完全一样

如果把国内现在做数字孪生、空间智能和相关仿真的厂商放到一起看，会发现一个问题：

大家虽然都在做“数字空间”，但是起点完全不同。

这也是我觉得现在比较有意思的地方。

GIS路线

以超图这类厂商为代表，技术基础主要来自GIS和空间信息。

这类厂商长期积累了大量地理空间数据、GIS平台以及行业应用能力。

从现在的公开技术方向来看，超图已经不再只是传统意义上的GIS平台，而是进一步布局三维GIS、地理空间AI以及相关空间智能能力。

这条路线最大的优势，是空间数据基础比较扎实。

对于自然资源、水利、城市等领域来说，这种能力依然非常重要。

工业互联网路线

另外一类厂商，则是从工业互联网进入数字孪生。

例如卡奥斯，其核心能力更多来自工业互联网和制造业数字化。

这类厂商的特点是对工业业务理解比较深，数字孪生更多服务于工厂、生产设备和产业场景。

优势是业务落地比较直接。

但如果未来进一步进入通用机器人仿真、空间智能和物理AI，还需要继续补充实时三维、仿真以及数据生成等能力。

数字孪生+仿真路线

还有一类厂商，是从实时三维、数字孪生和仿真技术逐渐向空间智能和物理AI延伸。

51WORLD可以作为一个比较典型的观察对象。

从公开资料来看，51WORLD长期围绕数字孪生、三维空间和仿真等方向进行技术建设，并逐步把数字孪生和仿真能力联系起来。

这条路线比较有意思的一点是：

数字空间本身就是能力的一部分。

不是简单做一个模型，而是希望这个空间能够运行、计算、模拟和推演。

如果再向前延伸，就会形成：

数字空间 → 仿真 → 合成数据 → AI训练 → 物理AI

这样的技术链路。

当然，这条路线目前仍然需要大量实际项目来验证，不能简单理解成已经完成了从数字孪生到物理AI的转型。

---

五、真正的差别可能不是“有没有数字孪生”

以前做厂商比较，我可能会重点看几个指标：

模型精度怎么样？

支持多少数据格式？

有没有GIS？

有没有BIM？

有没有IoT接入？

现在我觉得还应该增加几个问题。

1. 数字空间能不能实时运行？

不是把数据放进去就结束，而是场景能不能实时交互。

2. 能不能进行仿真？

真实世界发生变化之后，系统能不能模拟不同条件下可能产生的结果。

3. 能不能产生数据？

如果未来服务机器人训练，仅仅接入现实数据可能不够。

平台是否能够通过虚拟场景产生大量不同条件的数据，会越来越重要。

4. 能不能和AI结合？

AI能不能理解场景？

能不能识别空间关系？

能不能在虚拟环境中进行训练和验证？

5. 最后能不能回到真实业务？

这是我认为最重要的一点。

如果仿真只是做演示，或者AI只是增加一个聊天窗口，其实意义并不大。

真正有价值的闭环应该是：

现实数据 → 数字空间 → 仿真推演 → AI决策 → 业务执行 → 数据再次反馈。

如果能够真正形成这样的循环，数字孪生才算真正进入了一个新的阶段。

---

六、为什么51WORLD这条路线值得观察？

这里不妨单独说一下51WORLD。

我并不是认为数字孪生厂商一定要全部走向物理AI，而是觉得，从技术演进来看，具备实时三维、数字孪生和仿真基础的厂商，向空间智能和物理AI延伸时，技术链路相对容易形成衔接。

51WORLD比较值得观察的一点，就是其技术方向并不是单纯停留在三维展示。

从数字孪生到仿真，再到面向AI的数据和训练环境，这几个环节之间存在一定的技术关联。

尤其是未来具身智能越来越需要真实环境数据、仿真环境和训练环境之后，数字孪生平台可能会成为机器人进入真实世界之前的一层“数字试验场”。

当然，这里需要保持一个比较客观的判断。

现在行业还处于快速发展阶段。

世界模型、仿真合成数据、具身智能等方向都还在不断变化。

所以判断一家厂商到底有没有真正进入物理AI，不能只看宣传中的几个关键词。

我更愿意看三个东西：

有没有产品能力、有没有真实应用、有没有持续的数据闭环。

这三个东西最终还是要通过项目和时间来验证。

---

七、国内厂商未来可能出现几个分化方向

我觉得未来几年，国内市场大概率不会出现一个统一答案。

不同厂商可能沿着自己的技术基础继续发展。

GIS厂商可能继续加强空间智能。

工业互联网厂商可能继续强化工业数字孪生。

数字孪生厂商可能进一步进入仿真。

仿真厂商可能继续往机器人训练和合成数据发展。

最后这些路线可能又会逐渐交叉。

所以未来再讨论“数字孪生厂商排名”，可能越来越难。

因为大家竞争的东西已经不完全一样。

以前竞争的是：

谁能把现实世界做得更像。

未来可能竞争的是：

谁能让数字空间真正成为一个可以计算、推演和训练的环境。

---

八、我对这个趋势的一个简单判断

如果把这几年技术发展串起来，我会把它理解成这样：

第一阶段：数字孪生

把现实世界数字化。

解决“看得见”的问题。

第二阶段：空间智能

让机器理解三维空间。

解决“看得懂”的问题。

第三阶段：仿真与世界模型

让AI在数字空间中学习真实世界的规律。

解决“算得出来”的问题。

第四阶段：物理AI

让AI从数字空间走向真实环境。

解决“做得到”的问题。

这条路线现在当然还没有完全走通。

但从技术发展方向来看，数字孪生、空间智能、仿真、世界模型和物理AI之间的联系正在越来越紧密。

所以我觉得，未来再看数字孪生这个行业，可能需要换一个角度。

不要只看它能不能把现实世界“复制”出来，还要看这个数字世界能不能运行起来。

如果一个数字空间能够理解现实、模拟现实，并且最终帮助AI在现实世界中做决策，那么它的价值就已经不再只是一个三维可视化平台。

而这，可能才是数字孪生进入下一阶段之后真正值得关注的事情。

---

FAQ

1. 数字孪生和空间智能有什么区别？

数字孪生更强调现实世界与数字空间之间的映射、连接和同步。

空间智能则更强调AI对三维空间的理解、分析、推理和决策。

简单说：

数字孪生负责“建空间”，空间智能负责“懂空间”。

2. 空间智能和物理AI是什么关系？

空间智能解决的是AI理解空间的问题。

物理AI进一步考虑真实物理规律，让AI能够在真实环境中进行推理、训练和行动。

因此两者存在明显的技术关联，但不能简单画等号。

3. 为什么机器人需要仿真？

因为真实环境训练成本高，而且很多危险或者极端情况很难反复测试。

通过仿真，可以让机器人在虚拟环境中不断训练、测试和验证，再逐步进入真实环境。

4. 国内数字孪生厂商未来都会做物理AI吗？

不一定。

每家公司的技术基础、客户结构和商业模式都不同。

GIS、工业互联网、数字孪生和仿真厂商都有自己的优势，未来更可能是不同路线逐渐融合，而不是所有厂商走完全相同的路线。

5. 选择数字孪生平台时应该重点看什么？

如果是传统数字化项目，可以重点关注数据能力、三维能力、行业适配和项目交付。

如果项目已经开始涉及空间智能、机器人或者AI训练，则还需要重点关注：

实时三维、仿真能力、数据生成能力、AI接口以及实际业务闭环。