从大语言模型到世界模型：物理AI为何重新抬高工业软件估值？

7月17日至20日，2026世界人工智能大会在上海举行。相比前两年被防护栏围住、忙着跳舞和打拳的人形机器人，今年展馆里更常见的是拆垛、上料、装配、喷涂等真实作业。60台人形机器人甚至成为“硅基志愿者”，自主完成导航、引导和环境处理。大会吸引千余家企业携3000余项成果参展，超过300款新品首发，但贯穿现场的核心问题已经从“AI能做什么”，转向“AI能否稳定干活”。

这一变化将世界模型推到产业聚光灯下。所谓世界模型，是让AI学习环境状态及其变化规律，预测执行某个动作后世界将发生什么。它与大语言模型预测“下一个词”不同，更接近预测“世界的下一个状态”。在WAIC 2026上，工业世界模型、物理合成数据、具身智能实训场密集亮相，AI竞争正从理解语言，转向感知、推演并作用于真实世界。

但当机器人真正走进工厂，一个被本体热度遮蔽的问题随之浮现：没有符合物理规律的数据、仿真和验证，模型就无法从展台走向产线。曾被视为专业工具、收入模式偏项目制的工业软件，开始成为物理AI的训练场和安全验证器。它的估值重构，不是简单增加一个AI标签，而是工业机理、工程数据与客户场景正在成为稀缺的智能基础设施。

从“秀动作”到“干实事”：训练场成为产业瓶颈

WAIC 2026释放出的信号十分明确：具身智能正在告别舞台炫技，进入部署和生产力验证阶段。智元联合创始人、总裁兼首席技术官彭志辉表示，行业关注点已经转向机器人能否进入工厂和商业服务场景、能否长时间稳定工作，以及能否跨任务泛化。中国联通在现场展示的机器人训练中心，训练后的5组机械臂无需人工干预即可完成喷涂组装；中国移动则展示了飞机蒙皮检测、发动机错漏装检测等应用。

任务越接近生产环节，机器人面临的环境就越复杂。真实数据采集不仅成本高、速度慢，设备故障、碰撞、极端天气等危险工况也难以反复制造。让一台机器人在产线训练数月，仍可能覆盖不了足够多的异常情况。仅靠摄像头视频训练出来的模型，可以学会“看起来正确”的动作，却未必理解摩擦、受力、材料形变和设备约束。

7月19日，国家地方共建人形机器人创新中心与华为在大会上揭牌全国首个具身智能实训场样板点，试图将室内环境与生产现场连接起来，构建可持续进化的开发生态。飒智智能发布“玄枢·WASM世界模型”，把视觉、动作、力控和工艺等工业感知数据纳入训练。大晓机器人则带来端侧原生直驱世界模型。多家企业沿不同路线推进，但共同指向同一个瓶颈：机器人不能只拥有“大脑”，还需要一座能够低成本试错的虚拟训练场。

工业仿真由此从研发环节走向AI训练环节。开发者可以先在数字环境中复刻工厂、矿山、道路和仓库，让智能体进行成千上万次试错，再把训练结果迁移至真实设备。这一过程被称为“仿真到现实”(Sim2Real)。其关键不在于画面足够逼真，而在于重力、碰撞、流体、电磁和材料应力等变化符合真实规律。

这也解释了工业软件为何突然站到物理AI的上游。过去，CAE——即计算机辅助工程软件——主要帮助工程师模拟产品在流体、结构、热力和电磁环境下的表现，以减少实物试验。现在，CAE求解器还可以批量生成具有物理一致性的训练数据，复现危险和罕见工况，并在机器人部署前完成性能与安全验证。工业软件的角色由“帮人设计产品”，扩展为“替机器生产经验”。

世界模型“下沉”：工业软件重获底层价值

WAIC 2026期间举办的“物理AI重塑智能制造”论坛，将工业世界模型、工业具身智能和虚实闭环交互列为核心议题。真正适用于制造业的世界模型，不能止步于生成连贯视频。一个机器人看到机械臂抓住零件只是表层视觉信息，更深层的问题是抓取力度是否会造成形变，气流是否影响飞行器稳定，电磁干扰是否导致控制失灵。

索辰科技(688507.SH)在大会展示的“世界物理模型”，就试图把模型能力从像素推进到物理场。其技术路径分为视觉与动作，力、触、声觉，以及深层物理推演三个层次，并以自研多物理场仿真引擎和偏微分方程求解器生成合成数据。公司还联合海光信息发布物理AI低空安全一体机和具身智能一体机，与砺算科技展示基于国产GPU的低空安全仿真方案，打通场景建模、物理求解、数据生成、风险识别和智能优化。

这些动作反映出工业软件竞争维度的变化。传统CAE强调计算精度和可解释性，但复杂模型求解时间长；纯数据驱动模型推理速度快，却可能产生违反物理规律的结果。物理AI要把两者结合：用工业机理限定结果边界，再让神经网络学习历史仿真和真实运行数据，以更低成本完成实时推演。

这使工业软件的护城河从单一软件功能，延伸至三类资产。第一类是自主物理求解器，它决定合成数据是否可信；第二类是真实工业数据，包括材料参数、设备运行和异常工况；第三类是进入客户研发、生产和控制流程的行业入口。三者结合，才能形成“仿真生成数据—训练模型—真机反馈—继续校准”的闭环。

A股企业正在从不同位置靠近这一闭环。索辰科技的核心优势是多物理场求解，并通过整合力控科技补充SCADA——即工业现场数据采集与监控系统，将设计端仿真与生产端实时数据连接。奥比中光(688322.SH)则提供3D视觉感知，为机器人识别空间、测量距离和理解环境提供“眼睛”；公司也参与了WAIC 2026世界物理模型论坛的产业生态讨论。中控技术(688777.SH)更接近流程工业现场，拥有控制系统、工业软件和大量生产场景，其潜在价值在于让模型不仅提出建议，还能连接控制环节形成执行反馈。

估值重估：从卖软件转向卖“闭环能力”

物理AI带给工业软件的最大变化，不只是市场空间增加，而是商业价值层级上移。传统工业软件主要通过授权、项目实施和维护收费；当其成为机器人训练及工业智能决策的底座后，收入有机会延伸至合成数据、模型训练、仿真云服务、场景一体机和持续运维。软件不再只在产品研发时使用一次，而可能贯穿智能体训练、部署和迭代全过程。

2026年的产业热度仍需以财务数据校准。工信部最新完整年度数据显示，2025年我国工业软件产品收入3330亿元，同比增长9.7%。索辰科技2025年实现营业收入4.66亿元，同比增长22.97%；奥比中光实现营业收入9.41亿元，同比增长66.66%，并实现上市以来首次盈利。上述业绩提供了基本盘，但WAIC 2026发布的世界模型、一体机和实训场，究竟能贡献多少新增订单，仍要等待后续合同、回款和收入拆分验证。

判断工业软件能否享受持续估值溢价，可以观察三个信号：产品是否从定制项目走向标准化交付；物理AI收入能否独立核验，毛利率和现金流是否优于传统集成业务；企业是否拥有真实设备反馈，而不是只在虚拟环境中演示。如果无法回答这三个问题，所谓世界模型可能只是一次概念迁移。

WAIC 2026让物理AI从技术名词变成了清晰的产业命题：当AI走出对话框，工业竞争的关键不再只是模型参数，而是谁能让智能体安全、稳定、低成本地进入真实生产。工业软件也正从“设计工具”走向物理AI的训练场、验证器和连接器。掌握自主求解器、工业数据和规模化客户入口，并能形成虚实反馈闭环的企业，才可能把世界模型的技术热度转化为订单与现金流；只有展会首发而缺少交付能力的公司，仍难摆脱概念估值的潮起潮落。