2025年4月16日,工业互联网产业联盟第27次工作组全会在南京召开。中国信息通信研究院工业互联网与物联网研究所未来产业部负责人刘腾飞在总体组、需求组、政策法规与投融资组联席会上,做了题为“物理AI+工业互联网——虚实融合新引擎,赋能新型工业化”的主题分享,深入探讨了物理AI与工业互联网融合发展的前沿趋势及其对新型工业化的重要意义。

物理AI:突破传统局限,开启智能新篇

传统数据驱动模型在面对动态物理场景时存在显著缺陷。由于这类模型缺乏对物理规律的深度理解,其决策过程常常违背力学、热力学等基本定律,进而引发诸多风险,例如机器人抓取作业时的失稳现象,以及无人机超距飞行等异常情况,这严重阻碍了其在现实物理世界中的应用拓展。物理AI作为AI技术与物理世界深度融合的创新成果,核心在于赋予智能系统理解并遵循重力、摩擦、运动学规律等基本物理定律的能力。通过这一特性,智能系统能够实现对现实物理环境的精准感知、逻辑推理、策略规划与自主行动。在实际应用中,物理AI借助具身化实体系统(如机器人、自动驾驶系统)与离身化智能系统(如数字孪生、仿真平台)的协同运作,构建起“虚拟-现实”交互闭环,有效突破了智能系统在现实应用中的瓶颈,为其在复杂物理场景下高效执行任务开辟了新的路径。

物理AI具备四大本质性技术特征:其一,物理规律的内生性约束机制。通过将重力、摩擦等基础物理定律嵌入算法架构,结合因果推理模型构建决策约束条件,从底层逻辑增强AI系统对力学平衡、能量守恒等自然法则的遵循能力。其二,虚实交互的闭环协同架构。依托双向耦合的数字孪生技术,构建包含材料属性参数(如弹性模量、摩擦系数)、环境物理变量(光照强度、大气压强)的高精度仿真系统,形成“虚拟训练-实体验证-模型修正”的动态优化闭环,实现虚拟世界与物理实体的深度映射与协同进化。其三,物理环境的场景化执行能力。通过动态环境自适应决策算法与具身学习的渐进优化技术结合,实时处理非结构化环境中的力觉反馈、运动动力学约束,显著增强复杂物理场景的任务执行鲁棒性。其四,多模态融合的物理感知体系。突破单一传感器数据的局限性,将惯性导航、机器视觉等传感数据与动力学模型深度融合,构建包含时空维度的物理过程建模框架,实现对运动轨迹、受力状态、能量传递等高维物理数据的联合感知。

物理AI+工业互联网:重塑未来制造格局

物理AI的核心能力与工业互联网核心能力在数据层、模型层、应用层及架构层相互协同、优势互补,展现显著应用价值:在数据层,工业互联网通过IoT传感器、PLC实现海量设备实时数据采集,物理AI则生成物理级仿真合成数据,二者形成虚实数据互补,突破物理世界数据样本限制;在模型层,工业互联网依托大数据分析、机器学习构建预测模型,物理AI基于刚体动力学、流体仿真等物理规律训练模型,二者相互配合提升模型在复杂场景下的泛化能力与决策准确性;在应用层,工业互联网实现设备监控、供应链管理、能效优化等功能,物理AI开展虚拟预演、机器人训练、工艺仿真等操作,二者协同达成“设计-仿真-生产-反馈”全链路闭环优化;在架构层,工业互联网构建云边端协同计算的分布式网络,物理AI具备多GPU并行仿真与实时物理引擎计算能力,二者配合支撑大规模工业场景的实时仿真与智能决策。

工业互联网与物理AI的深度融合,对工业制造业产生了深远影响。一方面,通过虚拟预演的方式减少了实际生产中的试错成本,加速了产品开发周期,提高了资源配置效率,助力工业制造业实现降本增效的目标;另一方面,凭借动态感知订单变化与虚拟化流水线规划能力,推动了柔性制造与个性化生产的发展,满足了市场多样化的需求。此外,二者的融合还突破了复杂场景的技术瓶颈,能够实现极端工况模拟、安全测试及多智能体协同训练等功能,以工业互联网打通“数据血脉”、物理AI赋予“决策大脑”的协同模式,构筑起未来制造新范式,推动制造业全价值链的重构。

后续,中国信通院将加快健全物理AI技术规范,夯实物理AI技术发展的规则基础,进一步促进物理AI与工业互联网的融合发展,推动相关技术在工业领域的广泛应用,助力形成规范有序的产业发展生态,为新型工业化注入全新动能。

关键词：