夜雨聆风近半年来，黄仁勋的一连贯发布动作，不断颠覆工业软件行业。无论是Omniverse数字孪生平台，还是物理AI基础模型Cosmos，亦或是支撑自主AI工程师的NemoClaw……英伟达正在将GPU算力、世界模型、物理AI和AI Agent整合成为新的工业软件基础设施。
在这个庞大的基础设施上，工业软件巨头也迎来前所未有的技术革命！就在最近，Cadence、达索系统、西门子、新思科技等软件巨头都宣布基于NVIDIA NemoClaw构建自主AI工程师，将原本需要数周完成的仿真验证流程压缩至数小时。
显然，以GPU算力为底座，用工程仿真生成物理数据，再以AI Agent重构工程流程，是工业软件企业抢跑物理AI时代的最新布局。但是，对于国产工业软件而言，没有英伟达这样的生态支点，还有追赶仿真巨头的机会吗？
国外巨头紧抱英伟达的目标一致
虽然，国外商软巨头的业务范畴有所差异，但是目的都是在重构仿真。如Cadence利用OpenShell打造自主芯片工程师、达索将NemoClaw嵌入3DE平台、西门子把Fuse EDA AI Agent用于多工具协同、新思科技/Ansys则要实现芯片设计全流程。
无论芯片验证、结构优化还是制造工艺，它们的底层都离不开物理规律求解与仿真数据生成。正如黄仁勋所说：“Simulation is at the heart of almost everything NVIDIA does（仿真是英伟达几乎所有业务的核心）。”
我发现，至今还有很多同行认为仿真只是用于研发验证的工具，其实在物理AI时代，它更重要的身份是训练AI的必要基础设施。基于这层理解，你会发现英伟达提供的是底座，而工业软件厂商是基于它不断重塑自己的能力边界。
没有英伟达的国产CAE怎么办？
其实这个问题在我脑海里盘旋很久了，直到最近在云道智能用户生态大会上，看到的一条截然不同却又类似的路径，我才发现国产厂商并没有坐等差距被拉大。
相比国外商软，云道智能以国产仿真引擎为核心，联合国产算力、本体厂商和行业用户共同搭建物理AI生态。例如，在大会上发布的Sim-PI平台，其背后就串联起了摩尔线程、沐曦、中科曙光、天数智芯等国产算力企业，以及云迹科技、埃夫特、极智嘉、魔法原子等机器人企业。
与此同时，他们还联合了中兴通讯、国家人工智能应用中试基地等行业用户，形成从算力、训练到部署的完整链条。这个逻辑与英伟达Omniverse生态很相似，都是通过生态协同打通物理AI落地路径。但不同的是，国外是“英伟达+工业软件”，而国内是“国产工业软件+国产算力+行业场景”的联合突围。
据透露，云道智能原生GPU架构的伏图（Simdroid）平台已实现数十倍仿真加速，部分原本需要数天完成的任务缩短至数小时甚至数分钟；叠加AI代理模型后，部分场景的预测效率提升近千倍。
仿真是物理AI的核心
除了Sim-PI平台外，我对这场大会最深印象就是云道智能创始人屈凯峰的演讲,他重点提到：“世界是可模拟的，因为世界是有模型的。”他还指出，“物理AI的核心是仿真，物理AI将仿真推向了世界模型的C位。”
这正如我们前文所说的，以前的仿真主要用来工程验证，而现在还要负责训练。例如，机器人怎么抓取、怎么插接、怎么避障，自动驾驶如何应对极端工况，这些不可能全部依赖真实世界反复试错，而需要在虚拟环境里生成大量训练数据，不断提升模型的能力。
