专题：中国国际服务贸易交易会 物理AI与具身智能机器人创新生态交流会
服贸会专题活动“物理AI与具身智能机器人创新生态交流会”于2026年9月11日在京举办。松应科技创始人、CEO聂凯旋出席并演讲。
以下内容根据演讲整理：
随着生成式AI和智能体技术的发展，人工智能正加速与机器人、智能装备结合，应用也从数字空间进一步延伸到物理世界。英伟达创始人黄仁勋曾判断，物理AI将推动价值约50万亿美元的制造与物流产业发生变革。软件、硬件、芯片、模型和传感器，都将在这一过程中迎来新的发展空间。
这一产业机遇背后，还有一系列工程问题需要解决。现有模型距离充分理解物理规律、适应环境变化并精准驱动机器人和智能装备，仍有距离。物理AI要进入真实世界，既需要足够的数据支撑模型训练，也需要解决机器人与工业系统的协同问题。场景构建、数据生成、模型训练、评测验证和真实部署还要相互连接，并根据真实环境的反馈持续迭代。
一、物理AI走向真实世界，要跨过数据与系统两道门槛
数据不只是数量问题
数据是物理AI发展的关键基础。目前，行业正在通过机器人遥操作、第一视角采集和仿真生成等多种方式积累训练数据。这些路径各有价值，但与训练真正理解物理规律、具备实时交互能力的模型相比，现有数据在规模、质量和丰富性上仍有明显差距。
物理AI需要高质量、多模态、能够反映动态交互过程的数据。机器人每一次感知、判断和动作，都与周围环境持续发生关系。如何规模化生成这类数据，是物理AI研发必须面对的问题。
随着算力和算法持续发展，我们已经能够通过大规模计算生成和合成数据，用于扩大数据规模，覆盖更多场景和极端情况。真实数据则用于校准和验证，并帮助完成从数字环境到真实设备的闭环。合成数据与真实数据承担不同任务，需要协同使用。
通过计算生成高质量、多模态、可交互的数据，再与真实数据相互校验，才能为模型训练提供一个持续迭代的环境。
机器人进入工厂，还要进入工业系统
机器人进入工厂以后，会成为生产系统的一部分。它要与现有工业设备、生产节拍和管理系统协同工作，也要接受统一调度。工业生产对准确性、实时性和稳定性都有明确要求。能够完成一个动作的机器人，距离进入一条生产线还有更多问题需要解决。
真正进入工业现场，还要解决设备、软件、数据和生产流程之间的连接。机器人需要与上下游设备协作，也需要接入已有的工业软件和业务数据。物理AI的产业化既要提升单机智能，也要解决系统协同。
图片为松应科技 ORCA OS仿真场景：多机器人协同作业二、ORCA OS贯通物理AI研发与部署链路
针对数据和系统协同这两类问题，我们研发了ORCA OS物理AI操作系统。
ORCA OS面向物理AI研发的完整流程，连接场景、数据、算法、训练、评测和部署。系统既提供高保真物理仿真和数据合成能力，也支持模型训练、验证以及与真实工业环境的衔接，让原本分散的研发环节能够在统一环境中协同运行。
连接已有的工业软件与生产数据
其中，子系统ORCA Connect负责打通现有工业软件和生产数据，并支持与达索、西门子等主流工业软件衔接。这样，机器人的训练、调度和部署可以进入已有工业流程，进一步对接真实的生产系统。
构建能够训练和交互的物理场景
训练机器人，首先需要构建它将要面对的环境。ORCA OS支持基于AI生成和组装三维场景，也支持通过扫描建模等方式复刻现实环境。这些场景既能呈现现实环境，也能成为机器人感知、行动和接受评测的训练空间。
在物理仿真方面，系统支持刚体、柔体、流体等多物理场仿真。真实世界通常同时存在不同材质、不同属性以及多种物理现象。只有让这些因素在同一环境中发生交互，训练过程才能更接近机器人实际面对的复杂情况。
2026年4月，我们发布了实时多物理场耦合仿真Demo。在同一个数字环境中，刚体、柔体和流体能够同时存在并实时交互。
生成多模态、可交互的数据
机器人理解环境，需要依靠视觉、雷达、惯性测量单元、力和触觉等多种传感器。ORCA OS能够在数字环境中模拟这些传感器，生成与机器人感知和动作相关的数据。
目前，系统可生成20多个维度的多模态数据。当下的模型还不能充分使用所有维度，随着模型能力发展，更丰富的数据将为后续训练和研究留下空间。
加速训练，把问题发现前移
仿真的价值不在于取代真实世界，而在于通过并行计算，让模型在进入真实设备之前经历更多训练和测试。现实中难以频繁复现的情况，可以先在数字环境中反复推演；代价较高的测试，也可以先在仿真环境中发现问题。
在完成训练后，评测系统会把任务拆分成不同环节，对模型和算法的表现进行反馈。这样，场景构建、数据生成、模型训练和结果评测便不再是彼此割裂的步骤，而是一条能够持续迭代的研发链路。
自2021年成立以来，我们始终围绕这一目标推进研发，并已完成7轮融资。
图片为松应科技 ORCA OS仿真场景三、开放架构连接算力与开发者
物理AI的发展需要多种技术共同作用，算力、工业软件、机器人本体、模型算法和真实场景都要参与其中。
在技术架构上，我们选择开放解耦路线：向上连接不同模型、机器人和应用，向下兼容多元算力，让企业能够根据自身需求选择技术组合。
目前，除英伟达、AMD、英特尔国际主流GPU外，ORCA OS还支持摩尔线程、沐曦、瀚博、天数智芯、砺算等国产芯片。开放架构一方面提供更多算力选择，另一方面也让不同技术、工具和设备进入同一条物理AI研发链路。
在ORCA OS技术底座之上，我们推出了ORCA Lab免费开发者发行版，面向高校师生、个人开发者和创新团队，提供场景构建、数据合成、训练和评测工具。
为了让更多开发者参与，ORCA Lab将运行配置要求降低到RTX 3060级别，开发者可以从个人笔记本开始搭建和运行物理AI任务。目前，ORCA Lab的专业开发者已经达到数千人。随着更多开发者进入同一套工具环境，场景、数据、模型和应用也有了更多连接的可能。
四、从产品展示走向真实产业场景
物理AI最终要解决的，仍然是真实产业中的问题。只有进入具体场景，模型、机器人和系统能力才能得到检验。
在世界人工智能大会上，我们进一步展示了多机协同任务系统。人形机器人、AGV、履带车和无人机在同一个仿真场景中协同执行任务，现场还可以人为加入干预，让系统在随机变化中检验模型的应对能力。
ORCA OS发布后，获得了人民日报、新华社、中国日报、科技日报、央视等多家主流媒体的深度报道。
围绕工业制造、电力等领域的真实需求，我们也在通过场景赛事和产业合作，让机器人企业、场景方、开发者与技术平台共同参与训练和验证。这类机制一方面为机器人企业提供接触真实任务、积累训练数据的机会，另一方面也帮助场景方遴选技术和合作伙伴。
2026年5月，机器人场景应用挑战赛在杭州举办。面向电力场景的具身智能大赛也在推进，目前已有150家单位参赛。我们还计划于2026年10月在上海举办国际具身智能赛事。赛事把真实任务、场景数据、训练验证和合作伙伴遴选连接起来，让技术在具体产业需求中接受检验。
结语：从单点能力走向系统协同
物理AI进入真实世界，既需要更强的模型，也需要场景、数据、算力、训练、评测、工业软件和真实设备之间的系统协同。合成数据与真实数据相互校验，数字训练与真机部署相互衔接，模型才有可能从数字环境走向真实设备。
我们希望通过ORCA OS，让数字环境中的训练和验证更好地服务真实设备与产业场景，加速物理AI进入真实世界。