国外工业软件借英伟达抢跑物理AI,国产厂商靠什么破局?

在这一庞大的底座之上，工业软件巨头们迎来了前所未有的技术变革。Cadence、达索系统、西门子、新思科技等近期纷纷宣布，将基于NVIDIA Nemo Claw构建自主AI工程师，把原本需要数周完成的仿真验证流程压缩至数小时。显而易见，以GPU算力为根基，用工程仿真生成物理数据，再以AI Agent重构工程流程，已成为工业软件企业抢跑物理AI时代的标准打法。那么问题来了：对于没有英伟达这样一个强大生态支点的国产工业软件而言，是否还有追赶国际仿真巨头的机会？

先看国外巨头的动作。尽管各家业务侧重不同，但目标高度一致——重构仿真。Cadence利用OpenShell打造自主芯片设计工程师，达索将Nemo Claw嵌入3DE平台，西门子通过Fuse EDA AI Agent实现多工具协同，新思科技与Ansys则致力于芯片设计全流程的智能化。无论是芯片验证、结构优化还是制造工艺，其底层都离不开物理规律求解与仿真数据的生成。正如黄仁勋所言，仿真是英伟达几乎所有业务的核心。遗憾的是，许多业内同行至今仍将仿真视为研发验证的工具，而在物理AI时代，它更重要的角色是训练AI所必需的基础设施。从这个视角来看，英伟达提供的是底座，工业软件厂商则在此基础上不断重塑自身的能力边界。

那么，没有英伟达加持的国产CAE软件该如何应对？这个问题曾在我脑海中盘旋许久，直到最近在云道智能用户生态大会上，我看到了一条既截然不同又内在相似的路径，才意识到国产厂商并未坐等差距拉大。与国外厂商不同，云道智能选择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，大会发布的Sim-PI平台，其背后串联起了摩尔线程、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。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，形成了从算力、训练到部署的完整链条。

这一逻辑与英伟达的Omniverse生态颇为相似——都是通过生态协同来打通物理AI的落地路径。不同之处在于，国外走的是“英伟达+工业软件”路线，而国内则是“国产工业软件+国产算力+行业场景”的联合突围。据透露，云道智能基于原生GPU架构的伏图（Simdroid）平台已实现数十倍的仿真加速，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了近千倍。

除Sim-PI平台之外，这场大会上令我印象最深刻的，是云道智能创始人屈凯峰的演讲。他提出，“世界是可模拟的，因为世界是有模型的”，并指出“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”。这正印证了前文的判断：过去仿真主要用于工程验证，而现在它还要承担训练任务。机器人如何抓取、插接、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的反复试错，而必须在虚拟环境中生成大量训练数据，持续提升模型的能力。

这些，或许正是国外工业软件拥抱英伟达、国产厂商联合算力与机器人企业的根本原因。路径不同，目标却一致：让机器更快、更低成本地理解真实世界。在这一进程中，谁能率先把算力、求解器、数据和场景串联起来，谁就更有可能在下一轮竞争中抢占先机。