從大語言模型到世界模型：物理AI爲何重新抬高工業軟件估值？

7月17日至20日，2026世界人工智能大會在上海舉行。相比前兩年被防護欄圍住、忙着跳舞和打拳的人形機器人，今年展館裏更常見的是拆垛、上料、裝配、噴塗等真實作業。60臺人形機器人甚至成爲“硅基志願者”，自主完成導航、引導和環境處理。大會吸引千餘家企業攜3000餘項成果參展，超過300款新品首發，但貫穿現場的核心問題已經從“AI能做什麼”，轉向“AI能否穩定幹活”。

這一變化將世界模型推到產業聚光燈下。所謂世界模型，是讓AI學習環境狀態及其變化規律，預測執行某個動作後世界將發生什麼。它與大語言模型預測“下一個詞”不同，更接近預測“世界的下一個狀態”。在WAIC 2026上，工業世界模型、物理合成數據、具身智能實訓場密集亮相，AI競爭正從理解語言，轉向感知、推演並作用於真實世界。

但當機器人真正走進工廠，一個被本體熱度遮蔽的問題隨之浮現：沒有符合物理規律的數據、仿真和驗證，模型就無法從展臺走向產線。曾被視爲專業工具、收入模式偏項目制的工業軟件，開始成爲物理AI的訓練場和安全驗證器。它的估值重構，不是簡單增加一個AI標籤，而是工業機理、工程數據與客戶場景正在成爲稀缺的智能基礎設施。

從“秀動作”到“幹實事”：訓練場成爲產業瓶頸

WAIC 2026釋放出的信號十分明確：具身智能正在告別舞臺炫技，進入部署和生產力驗證階段。智元聯合創始人、總裁兼首席技術官彭志輝表示，行業關注點已經轉向機器人能否進入工廠和商業服務場景、能否長時間穩定工作，以及能否跨任務泛化。中國聯通在現場展示的機器人訓練中心，訓練後的5組機械臂無需人工干預即可完成噴塗組裝；中國移動則展示了飛機蒙皮檢測、發動機錯漏裝檢測等應用。

任務越接近生產環節，機器人面臨的環境就越複雜。真實數據採集不僅成本高、速度慢，設備故障、碰撞、極端天氣等危險工況也難以反複製造。讓一臺機器人在產線訓練數月，仍可能覆蓋不了足夠多的異常情況。僅靠攝像頭視頻訓練出來的模型，可以學會“看起來正確”的動作，卻未必理解摩擦、受力、材料形變和設備約束。

7月19日，國家地方共建人形機器人創新中心與華爲在大會上揭牌全國首個具身智能實訓場樣板點，試圖將室內環境與生產現場連接起來，構建可持續進化的開發生態。颯智智能發佈“玄樞·WASM世界模型”，把視覺、動作、力控和工藝等工業感知數據納入訓練。大曉機器人則帶來端側原生直驅世界模型。多家企業沿不同路線推進，但共同指向同一個瓶頸：機器人不能只擁有“大腦”，還需要一座能夠低成本試錯的虛擬訓練場。

工業仿真由此從研發環節走向AI訓練環節。開發者可以先在數字環境中復刻工廠、礦山、道路和倉庫，讓智能體進行成千上萬次試錯，再把訓練結果遷移至真實設備。這一過程被稱爲“仿真到現實”(Sim2Real)。其關鍵不在於畫面足夠逼真，而在於重力、碰撞、流體、電磁和材料應力等變化符合真實規律。

這也解釋了工業軟件爲何突然站到物理AI的上游。過去，CAE——即計算機輔助工程軟件——主要幫助工程師模擬產品在流體、結構、熱力和電磁環境下的表現，以減少實物試驗。現在，CAE求解器還可以批量生成具有物理一致性的訓練數據，復現危險和罕見工況，並在機器人部署前完成性能與安全驗證。工業軟件的角色由“幫人設計產品”，擴展爲“替機器生產經驗”。

世界模型“下沉”：工業軟件重獲底層價值

WAIC 2026期間舉辦的“物理AI重塑智能製造”論壇，將工業世界模型、工業具身智能和虛實閉環交互列爲核心議題。真正適用於製造業的世界模型，不能止步於生成連貫視頻。一個機器人看到機械臂抓住零件只是表層視覺信息，更深層的問題是抓取力度是否會造成形變，氣流是否影響飛行器穩定，電磁干擾是否導致控制失靈。

索辰科技(688507.SH)在大會展示的“世界物理模型”，就試圖把模型能力從像素推進到物理場。其技術路徑分爲視覺與動作，力、觸、聲覺，以及深層物理推演三個層次，並以自研多物理場仿真引擎和偏微分方程求解器生成合成數據。公司還聯合海光信息發佈物理AI低空安全一體機和具身智能一體機，與礪算科技展示基於國產GPU的低空安全仿真方案，打通場景建模、物理求解、數據生成、風險識別和智能優化。

這些動作反映出工業軟件競爭維度的變化。傳統CAE強調計算精度和可解釋性，但複雜模型求解時間長；純數據驅動模型推理速度快，卻可能產生違反物理規律的結果。物理AI要把兩者結合：用工業機理限定結果邊界，再讓神經網絡學習歷史仿真和真實運行數據，以更低成本完成實時推演。

這使工業軟件的護城河從單一軟件功能，延伸至三類資產。第一類是自主物理求解器，它決定合成數據是否可信；第二類是真實工業數據，包括材料參數、設備運行和異常工況；第三類是進入客戶研發、生產和控制流程的行業入口。三者結合，才能形成“仿真生成數據—訓練模型—真機反饋—繼續校準”的閉環。

A股企業正在從不同位置靠近這一閉環。索辰科技的核心優勢是多物理場求解，並通過整合力控科技補充SCADA——即工業現場數據採集與監控系統，將設計端仿真與生產端實時數據連接。奧比中光(688322.SH)則提供3D視覺感知，爲機器人識別空間、測量距離和理解環境提供“眼睛”；公司也參與了WAIC 2026世界物理模型論壇的產業生態討論。中控技術(688777.SH)更接近流程工業現場，擁有控制系統、工業軟件和大量生產場景，其潛在價值在於讓模型不僅提出建議，還能連接控制環節形成執行反饋。

估值重估：從賣軟件轉向賣“閉環能力”

物理AI帶給工業軟件的最大變化，不只是市場空間增加，而是商業價值層級上移。傳統工業軟件主要通過授權、項目實施和維護收費；當其成爲機器人訓練及工業智能決策的底座後，收入有機會延伸至合成數據、模型訓練、仿真雲服務、場景一體機和持續運維。軟件不再只在產品研發時使用一次，而可能貫穿智能體訓練、部署和迭代全過程。

2026年的產業熱度仍需以財務數據校準。工信部最新完整年度數據顯示，2025年我國工業軟件產品收入3330億元，同比增長9.7%。索辰科技2025年實現營業收入4.66億元，同比增長22.97%；奧比中光實現營業收入9.41億元，同比增長66.66%，並實現上市以來首次盈利。上述業績提供了基本盤，但WAIC 2026發佈的世界模型、一體機和實訓場，究竟能貢獻多少新增訂單，仍要等待後續合同、回款和收入拆分驗證。

判斷工業軟件能否享受持續估值溢價，可以觀察三個信號：產品是否從定製項目走向標準化交付；物理AI收入能否獨立覈驗，毛利率和現金流是否優於傳統集成業務；企業是否擁有真實設備反饋，而不是隻在虛擬環境中演示。如果無法回答這三個問題，所謂世界模型可能只是一次概念遷移。

WAIC 2026讓物理AI從技術名詞變成了清晰的產業命題：當AI走出對話框，工業競爭的關鍵不再只是模型參數，而是誰能讓智能體安全、穩定、低成本地進入真實生產。工業軟件也正從“設計工具”走向物理AI的訓練場、驗證器和連接器。掌握自主求解器、工業數據和規模化客戶入口，並能形成虛實反饋閉環的企業，纔可能把世界模型的技術熱度轉化爲訂單與現金流；只有展會首發而缺少交付能力的公司，仍難擺脫概念估值的潮起潮落。