最近一段时间，我在整理数字孪生、World Model、具身智能相关的论文和技术资料时，发现一个比较有意思的变化。以前看这些技术的时候，我会很自然地把它们分成几个方向：数字孪生属于空间数字化，World Model属于AI模型，具身智能属于机器人，物理仿真又是另外一套技术。但最近把一些论文和实际产品放在一起看以后，我越来越觉得，这几个方向可能并没有想象中那么独立。

AI到底应该怎么理解真实世界？

如果AI只是处理文字、图片和代码，这个问题可能没有那么复杂。但机器人不一样，机器人最终面对真实的空间。它需要知道物体在哪里，自己在哪里，周围有什么，什么东西能够碰，什么东西不能碰。如果它向前走一步，环境会不会发生变化。如果它抓起一个物体，物体接下来会不会掉下来。这些问题，已经不是单纯的视觉识别或者语言理解能够解决的。所以我现在比较倾向于把数字孪生理解成Physical AI发展过程中一个可能被重新定义的基础。过去数字孪生更多是在做“现实世界的数字复制”。而未来，它可能需要进一步回答：

如果机器人在这个空间里行动，会发生什么？

这个变化，我觉得比单纯提升三维模型精度更值得关注。

数字孪生过去解决的，其实是“看见世界”

数字孪生发展到现在，已经不是一个特别新的概念了。从设备、产线到园区、城市，行业已经做了很多年。最典型的做法就是先把现实空间进行数字化，再把物联网、GIS、BIM以及业务系统的数据接进来。这样以后，原来只能在现场看到的设备、建筑和环境状态，就可以在数字空间里进行查看和管理。这个过程本身非常有价值，因为很多现实世界的问题，本来就是“看不清”，例如：设备在哪里、管线怎么走、某个区域发生了什么、某个设施现在是什么状态，这些信息如果能够集中到一个空间环境里面，对管理人员来说确实方便很多。

 所以过去十年的数字孪生，我觉得可以简单概括成：

让现实世界变得可见、可计算。

 但机器人进入以后，要求就不一样了。人站在一个仓库里面，可以凭经验判断哪条路可以走。机器人没有这种天然经验。它可能知道“前面有一个货架”，但它还需要知道货架和自己的距离、货架周围有没有人、自己从哪里绕过去，以及绕过去以后会不会进入另外一个危险区域。所以对于Physical AI来说，一个“长得很像现实”的三维场景其实还不够。机器人真正需要的是一个能够被理解、被预测、甚至可以被试错的空间。这就是我觉得数字孪生开始发生变化的地方。

为什么最近大家又开始讨论World Model

World Model其实不是最近才出现的概念。但随着具身智能的发展，它突然变得特别重要。我认为原因也比较简单——机器人不能只会执行动作，它还需要知道动作之后会发生什么。比如一个机器人看到桌面上有一个杯子。VLA模型可以根据视觉和语言指令，让机器人理解“把杯子拿起来”这个任务，并产生对应动作，但是执行这个动作之前，其实还有很多问题：机械臂从哪个角度伸过去？抓取的时候会不会碰到旁边的物体？如果杯子的位置发生了一点变化，原来的动作还成立吗？如果没有抓稳，接下来会发生什么？这些问题实际上都指向了一个能力：

World Model关注的正是这一部分。2025年Meta发布的V-JEPA 2，就把视频世界模型进一步用于环境理解、未来预测和机器人规划。这个研究让我比较关注的一点是，World Model并不只是为了“生成一段看起来真实的视频”，而是希望让模型形成对环境状态和未来变化的内部理解。这对于机器人很重要。因为机器人真正需要的不是一个漂亮的数字世界，而是一个能够帮助自己判断行动后果的数字世界。

但World Model也不是简单的“新仿真器”

 刚开始接触World Model的时候，我也有一个比较直观的想法：既然World Model能够预测未来，那是不是以后传统仿真就没有用了？后来看了一些研究以后，我觉得事情没有这么简单。传统物理仿真的优势，是物理规则比较明确。重力是多少，物体之间发生碰撞以后怎么运动，机械结构受到什么力，这些都可以通过物理模型计算。World Model则更偏向于从数据中学习环境变化。两者其实解决的问题不完全一样。一个更强调“根据物理规律计算”。另一个更强调“从大量数据中学习世界可能怎么变化”。

所以我现在更倾向于认为，未来两者可能是结合，而不是互相替代。

数字孪生提供真实空间、物理仿真提供物理约束、World Model负责预测、机器人模型负责行动

。这几个东西如果能够连起来，才比较接近Physical AI真正需要的环境。

这里面其实还有一个容易被忽略的问题：空间

 以前我们谈AI，数据一般很容易想到文本、图片、视频。但是Physical AI面对的是三维空间。这意味着AI除了理解“是什么”，还需要理解“在哪里”。而且还不只是位置，还包括物体和物体之间的关系。例如：一个门在哪里？门和墙是什么关系？门现在是打开还是关闭？机器人距离门还有多远？如果机器人向前走，能不能穿过去？如果有人站在门后面，情况又会发生什么变化？这些信息如果只是散落在图片、点云和模型文件里面，AI不一定能够直接理解。所以空间智能的重要性就在这里。

我理解的空间智能，并不是简单的“3D可视化”。

它更像是把空间中的对象、位置、关系、状态和变化组织起来，让AI能够真正使用这些信息。从这个角度来看，数字孪生实际上提供了一部分非常重要的基础数据。只不过过去这些数据主要是给人看的。以后可能需要逐渐变成“机器也能理解的数据”。

我觉得数字孪生真正的下一步，可能是从“展示环境”变成“训练环境”

这也是我最近研究这些技术以后比较明显的一个感觉，如果数字孪生只是做展示，那么它的价值主要还是在可视化、监控和业务管理。但如果把机器人放进去，情况就不一样了。比如我要训练一个巡检机器人，现实环境里面直接训练当然可以，但成本和风险都比较高，如果先建立一个接近真实环境的数字空间，就可以让机器人先在里面进行测试，走错了，可以重新来，撞到了，可以重新来，路径不合理，可以重新规划，极端场景也可以反复模拟。这个过程其实就是传统Sim2Real背后的一个基本逻辑。先在数字环境中训练和验证，再把策略放到现实世界。但我觉得未来还会进一步发展。因为机器人真正进入现实环境以后，又会产生大量新的数据。这些数据可以重新回到数字空间。然后再训练，再测试，再部署。所以未来可能会形成：

也就是大家现在经常讨论的Real2Sim2Real。这个变化非常重要。因为一旦形成这个循环，数字孪生就不再是一次性的项目。它会变成一个持续更新的训练环境。

这时候再看国内的一些实践，会发现技术路线其实已经开始出现变化

 我在整理国内相关厂商资料的时候，比较关注到的一家公司就是五一视界（51WORLD），原因并不是因为它做了多少宣传，而是它的发展路径本身比较有意思。它比较早就在数字孪生和空间计算领域进行积累，后面又逐渐涉及仿真、空间智能、合成数据和Physical AI相关方向。如果只单独看其中任何一个产品，其实很难看出这种变化。但是把时间线拉长以后，就比较容易看到一条路线：

数字空间 → 空间计算 → 仿真 → 数据 → AI训练 → 具身应用。

这也是我觉得它可以作为一个国内案例来观察的原因。这里需要强调一下，我并不是说这条路线已经完全成熟了。实际上，Physical AI现在还处于非常早期的阶段，World Model、VLA、合成数据、仿真和机器人之间到底应该如何组合，行业本身还在不断探索。所以51WORLD更适合被当作一个

，而不是一个已经确定答案的“标准答案”，这个区别其实很重要。

AperOne让我比较关注的一点，是它把数字空间和机器人运行放在了一起

 以公开资料来看，AperOne围绕Testing、Training和Operations三个环节进行设计。刚看到这个结构的时候，我觉得它其实挺符合前面说的技术变化。Testing解决的是测试。Training解决的是训练。Operations解决的是实际运行。这三个环节如果完全分开，机器人开发其实会比较麻烦。训练在一个环境里面，测试在另外一个环境里面，真正部署的时候又是另外一个环境。这样很容易出现一个问题：

数字环境和真实环境不是同一个世界。

数字孪生真正有价值的地方之一，就是可以尽量让数字环境和真实环境建立对应关系。如果机器人在数字环境里面学习到的东西，最终能够进入真实环境使用；真实环境中的数据又能够重新回来，那么这个系统才开始形成循环。所以从技术研究的角度来看，我更关注的不是AperOne到底有多少功能，而是这种Testing、Training和Operations之间的关系。它背后其实对应了Physical AI很重要的一条技术路径。

还有一个问题：机器人为什么需要合成数据

 这个问题也挺有意思。真实世界的数据当然重要。但是单纯依靠真实机器人采集数据，会遇到一个比较现实的问题：

比如机器人从楼梯上摔下来、进入危险区域、撞到设备，现实世界里面不可能为了采集训练数据而让机器人反复失败。但是数字环境可以。所以合成数据的意义，并不是简单地“制造更多数据”。更重要的是，可以有意识地制造一些真实世界里面不容易采集的情况。例如不同天气、不同光照、不同遮挡、不同物体位置以及一些异常情况。这些数据可以帮助机器人增加对长尾场景的认识。这也是为什么现在合成数据越来越多地和Physical AI放在一起讨论。但这里也有一个前提：

生成出来的数据必须尽可能有用。

如果数字环境和真实环境差距太大，生成的数据再多也不一定有效。所以最后又回到了数字孪生。数字环境越接近真实环境，合成数据才越有可能真正帮助机器人训练。

我现在比较认同的一种技术关系

把最近看到的一些论文和产业案例放在一起以后，我现在比较倾向于这样理解这几个技术之间的关系。

最后机器人进入现实世界执行，执行以后产生的数据，再重新回来，于是形成：

现实世界 → 数字孪生 → 空间理解 → World Model → 策略生成 → 仿真验证 → 机器人执行 → 数据回流

如果这个过程可以不断循环，那么数字孪生的定位其实就发生了变化。它不再只是“数字世界的地图”，而开始变成AI和现实世界之间的一层连接。

这可能也是数字孪生行业下一阶段比较大的变化

以前评价一个数字孪生平台，我会比较关注模型精度、渲染效果、数据接入、GIS能力、BIM能力和业务系统集成。这些东西当然还是重要的。但是Physical AI出现以后，我觉得可能还要增加一些新的问题。比如：这个空间能不能被AI理解？空间里面的对象有没有明确的语义？动态变化能不能表达？真实数据能不能进入训练？机器人产生的数据能不能回流？数字空间能不能进行大量测试？仿真结果和真实环境之间差距有多大？这些问题可能会慢慢变成下一代数字孪生平台需要面对的事情。所以我觉得以后数字孪生的竞争重点，可能不会只是“谁的模型做得更漂亮”。而是：

谁能够把空间、数据、AI、仿真和机器人真正连起来。

从这个角度再回头看“数字孪生”

以前我们经常说数字孪生是现实世界的数字镜像。这个定义没有错，但它可能只描述了数字孪生的第一阶段。如果未来数字空间能够承载AI训练、预测、推演和机器人策略验证，那么它和过去的数字孪生已经不是同一个东西了。它开始拥有一种新的属性：

数字世界不仅描述现实世界，还可以提前试验现实世界。

 机器人真正执行之前，可以先在数字空间里面执行一次。某个策略真正上线之前，可以先验证一次。某个极端情况现实世界不方便测试，也可以先在数字环境里测试。如果失败了，可以重新来。这时候数字孪生就不只是“复制现实”。它开始承担“预演现实”的作用。我觉得这可能是数字孪生和Physical AI真正发生连接的地方。

但这条路其实还有很多问题没有解决

我并不认为现在已经可以说数字孪生已经成功进入Physical AI时代。恰恰相反，我觉得现在还处于非常早期。

最大的困难之一就是Sim2Real。数字环境再真实，也很难百分之百复制现实世界，光照、摩擦、传感器噪声、遮挡、人的随机行为，这些因素都可能让数字环境和现实环境产生差异。

另一个问题是World Model自己的预测能力。如果预测本身存在错误，那么机器人基于错误预测做出的动作也可能出现问题。

再往后，还有数据问题。真实数据怎么采集？哪些数据值得训练？如何处理长尾场景？如何验证合成数据？这些都没有一个简单答案。

所以我现在反而觉得，这个领域真正有意思的地方就在于它还没有完全形成标准答案。不同技术路线正在同时尝试，有的公司从机器人本体出发。有的从VLA出发，有的从World Model出发，也有一些公司，是从数字孪生和仿真向Physical AI延伸，51WORLD属于后面这种比较值得观察的路线之一。

最后一个问题：数字孪生会不会被World Model替代？

 目前来看，我觉得可能性并不高。至少从技术逻辑上，它们解决的不是同一个问题，World Model更关注“世界如何变化”。数字孪生更关注“这个现实世界到底是什么”。如果我要训练一个机器人在某个具体工厂里面工作，那么我首先需要这个工厂的数字环境，World Model可以帮助机器人预测未来，但它首先需要知道自己身处什么环境。

所以我反而觉得未来比较可能出现的情况是： 

数字孪生成为World Model的空间基础之一，而World Model让数字孪生获得预测能力。

两者不是替代，而是结合，对于国内厂商来说，这也是一个比较有意思的观察窗口。以五一视界（51WORLD）为例，它过去长期积累的数字孪生、空间计算和仿真能力，现在开始和Physical AI、合成数据、具身智能等方向发生连接。

这条路线最后能走多远，现在还不好下结论，但至少从技术演进来看，它说明了一件事情：

数字孪生正在从“把现实世界搬进电脑”，慢慢走向“让AI能够在数字世界里理解、预测和行动”。

如果未来Real2Sim2Real真正成为Physical AI的重要开发方式，那么数字孪生可能会成为其中非常重要的一环。到那个时候，我们再回头看今天的数字孪生，可能会发现它真正重要的价值并不是做出了一个多漂亮的三维场景。而是提前为AI建立了一个可以理解、可以试错、可以训练的“世界”。

[1] Assran M., et al. V-JEPA 2: Self-Supervised Video Models Enable Understanding, Prediction and Planning, Meta AI, 2025.

[2] NVIDIA Research. Cosmos World Foundation Model Platform for Physical AI, 2025.

[3] A Comprehensive Survey on World Models for Embodied AI, 2025.

[4] A Survey: Learning Embodied Intelligence from Physical Simulators and World Models, 2025.

[5] Jang J., et al. DreamGen: Unlocking Generalization in Robot Learning through Video World Models, CoRL 2025.

[6] Google DeepMind. Genie 2: A Large-Scale Foundation World Model, 2024.

[7] Google DeepMind. Gemini Robotics: Bringing AI into the Physical World, 2025.

[8] 陶飞等：《数字孪生五维模型及十大领域应用》，《计算机集成制造系统》，2019.

[9] 51WORLD公开产品资料及香港交易所公开披露资料。

1. 数字孪生和World Model有什么区别？

简单来说，数字孪生更关注现实世界在数字空间中的对应关系，而World Model更关注环境状态和未来变化。可以把它理解成：

数字孪生：现在是什么样？World Model：接下来可能怎么样？

2. Physical AI为什么需要数字孪生？

因为机器人最终要进入真实空间。在数字空间里提前训练和测试，可以减少部分真实环境中的试错成本，也可以方便测试一些现实环境中不适合反复尝试的场景。所以数字孪生有可能从“展示环境”变成“训练环境”。

 VLA主要解决视觉、语言和动作之间的连接。World Model则更关注环境变化和行动后果预测。简单理解：

VLA负责“怎么做”，World Model负责“做了以后会怎样”。

4. 数字孪生会被World Model取代吗？

 目前没有足够依据这样判断。数字孪生和World Model解决的问题不同。一个更关注现实世界的数字映射，一个更关注环境预测。未来更可能是两者结合。

5. 为什么空间智能越来越重要？

 因为Physical AI最终面对的是三维物理世界。AI不仅需要知道“这是什么”，还需要知道“在哪里”“和什么有什么关系”“发生变化以后会怎样”。因此空间智能可能成为连接数字空间和Physical AI的重要一层。

6. 51WORLD在这条技术路线中是什么角色？

从数字孪生到Physical AI：我最近对空间智能的一些思考

这两年，如果关注数字孪生、具身智能和机器人领域，会发现几个原本相对独立的技术方向正在慢慢靠近。

人工智能

物联网

硬件

数字孪生正从现实世界的数字复制转向PhysicalAI的“训练环境”，通过结合空间智能、WorldModel与仿真，形成Real2Sim2Real闭环。未来竞争重点不再仅是模型精度，而是AI能否在数字世界中理解、预测和行动，这为具身智能落地提供关键支撑。

数字孪生

具身智能

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

从数字孪生到Physical AI：我最近对空间智能的一些思考

从数字孪生到Physical AI：我最近对空间智能的一些思考

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐