科研智能：人工智能赋能工业 仿真研究报告 (2025 年) 版权声明 本报告版权属于中国信息通信研究院、中国人工智能产 业发展联盟和全国智能计算标准化工作组，并受法律保护。 转载、摘编或利用其它方式使用本报告文字或者观点的， 应注明“来源：中国信息通信研究院、中国人工智能产业发 展联盟和全国智能计算标准化工作组”。违反上述声明者， 编者将追究其相关法律责任。 前 言 工业仿真承载产品创新迭代、降本增效的核心使命。随着智能 使命。随着智能 化转型的深入，传统仿真技术面临计算效率瓶颈、多物理场耦合复 杂性剧增、全流程协同不足等挑战，难以满足科学研究领域对实时 性和精准性的高阶要求。人工智能技术的突破性发展，尤其是大模 型、物理信息机器学习、神经算子、生成式 AI 等方向的演进，正为 工业仿真注入全新动能。通过构建“数据+物理”双驱动的智能仿真范 式，AI 不仅能够提升仿真效率，更能在多目标优化、虚实交互决策 等场景开辟新路径，推动仿真从“事后验证工具”向“全生命周期决策 中枢”跃迁。 本报告基于科研背景，全面梳理了 AI 赋能工业仿真的技术路径 与实践脉络。首先探讨人工智能赋能工业仿真的必然性及其应用价 值，然后聚焦于 CAD、CAE 两大核心领域，对比分析国内外技术路 线与应用现状；在关键技术层面，解析数据驱动、物理驱动及融合 驱动这三类 AI 仿真方法的本质区别与适适用场景；通过轨道交通、

.............................16 （二） 数字人 ..................................................18 （三） 仿真业务数据 ............................................20 （四） 智能运营 ..................................... 染服务，指根据通过建模服务得到的模型进行渲染，从而得 到一个与物理实体等价的虚拟实体。仿真服务，指在建立虚 拟实体上进行各类运算，从而对实际物理实体的运行决策进 行支撑。 数据层：包含支撑服务层各类服务的各类数据，包括从 物理实体各处采集和监测的数据，以及对数据中间集和物理 实体历史数据仿真的生成孪生数据。同时，数据层能够运用 机器学习，大模型技术等 AI 技术对数据集进行各类预测及 可视化渲染能力，应用逻辑可视化渲染能力等。 2.仿真技术 工程仿真传统上一直被用于新产品设计和虚拟测试。 虚拟仿真技术（CAE）是实现工业产品及制造过程模拟仿真 与优化的核心技术，是支持工程师进行产品创新设计最重要 的工具和手段，在保证产品质量的同时能大幅度缩短产品研 5 发周期，节省产品研发成本。在数字化设计技术和虚拟仿真 技术发展和集成应用的过程中，产生了 Digital Mockup（DMU，

D 轧钢环节 n 现状评级：★★ n 工具链：钢铁行业利用数字研发平台、生产工艺模拟、工艺流程设计等软件 ，开展新钢种性能预测 ，以及热处理、连铸、轧钢等工艺仿真优化 ，提升了钢铁行业创新研发与试验验证效率和质量。 n 数据链：钢铁企业利用标准化接口 ，加速 LI MS 与 PLM 、 MES 等系统数据互通 ，实现研发设计、试验与生产全链条数据贯通 ，助力缩短产品研发和产品试制周期。 产工艺优化软件、钢铁工艺流程设计系统 知识模型 ：质量控制与缺陷预测模型、微观组织演变模拟 ，动态非线性系统仿真 数 据要 素 ： 原 料信 息 、生 产 过程 参 数、 设 备状 态 数据 、 产品 质 量检 测 数据、环境因素数据、经济成本数据 人 才技 能 ： 材 料科 学 与工 程 、工业工程与自动化控制、仿真模拟技术 痛 点问 题 ： 数 字化 设 计工 具 和技 术 还不 够 成熟 ，在处理复杂工艺和大型设备时可能存在性能不足或稳定性问 细分场景：三维工厂数字化设计与交付 现状评级：★★ 痛点问题：钢铁行业的工厂设计涉及大量的 设备、管道 / 电气系统等 ，设计元素众多 ， 相互之间的关联复杂。这导致数字化设计过 程中的建模 仿真和优化变得非常复杂和困难。 现状评级 ：★★★★ 工具软件 ：一键高炉炉前智能化系统 知识模型 ：生产调度模型、物料平衡模型 数据要素 ：高炉运行状态数据、炉前设备 的运行状态、原料和燃料数据 人才技能

工厂三维仿真 物流仿真 三维工艺仿真 信息共享 发货管理 供应商平台 SRM 订单发布确认 发票管理 计划协同 销售管理 供应链管理 SCM 采购计划 仓储管理 产品数据 物流管理 制造执行系统 MES 目视化管理 数据采集 过程控制 在制品管理 质量追溯 物料管理 计划排程 生产派工 能源分析 能源调度 能源监控 智慧能源 规则管理 计划仿真 高级排程 注塑 阴模 弱化 原料 组装 集中供料、水路监控、自动换模 柔性化选择 人机协同 厂内物流及线边缓冲（ AGV 、线边 库） 设备互联 调度控制 信息集成 智能追踪 CAD 模型 CAE 仿真 CAPP 工艺 CAM 模具设计制造一体化 门 板 主工艺 02 解决方案 工厂功能区规划 ① 原 材 库 房 ② 注塑车间 1 ③ 注塑车间 2 ④ 后 处 理 设备数据实时 采集 仿真规划—系统仿真流程 问题定位 任务规划 系统定义 工艺流程图 系统绩效测量 输入数据准备 3D 建模 验证 确认 仿真实 验设计 仿真实验 实验结果分析 实施和落实文档 yes yes no no 批准 修 订 仿真规划—工厂布局仿真路线图 概念设计 设备建模 / 导入 工厂布局示意仿真 讨论 / 确认 工厂布局仿真修 订 / 细化 讨论

系统相对封闭 运量大、要求 高 资源调配效率低 下 车辆运维困难 客户需求不断提 高 研发设计数字化 生产制造柔性化 产业链管理一体化 车辆运维智能化 研发仿真 协同制造 产业链管理 设备健康管理 中车四方、中 车株机、中车 浦镇 工程 机械 设备产品多样 化 生产过程离散 化 供应链复杂 资源调配效率低 下 机械设备运维困 ...................... 47 7.1 轨道交通行业数字化转型趋势分析............................ 47 7.1.1 研发设计从实验验证向平台仿真转变................. 47 7.1.2 生产制造从大批量向柔性化转变......................... 47 7.1.3 业务管理从以人为主向精益化转变.. .. 48 7.1.4 设备运维从定时维修向按需维修转变................. 48 7.2 工程机械行业工业互联网平台应用场景及实践........ 49 7.2.1 虚拟仿真 ................................................................. 49 7.2.2 协同制造 ................

能最先成熟的领域，具身智能仍处早期，各要素尚未完备 数据成熟度（核⼼） 6 信息来源：量⼦位智库 自动 驾驶 3D ⽣成 • ⾼ • 汽车⾏驶数据（摄像头及 传感器）达到百亿英里级 • 仿真数据正在快速发展以 弥补真实数据的分布缺失 具身 智能 成熟度 XR 经济性 • ⾼ • 融合感知、规划、控制的 端到端⼤模型已经成为业 界共识 算法成熟度 • ⾼ • 头部玩家达到5万 卡/千卡级，算⼒ 目前并非瓶颈 • ⾼ • 软件服务可快速 普及应用 • 中 • 自动驾驶软件成 本低，潜在受众 巨⼤，头部玩家 已投放市场 • 低 • ⾼质量的机器⼈真机操作 数据数量稀少，仿真数据 作用有限 • 低 • 目前算法部分处于摸索期， 感知、规划、控制等功能 都不成熟 • 低 • ⼤多数玩家在千 卡级，目前的主 要瓶颈是数据 • 低 • 物理操作需要满 ⾜安全性、合规 种类多样，如形状、体积、 纹理、材质，对数据表征 要求⾼ • 中 • 3D模型的数据集丰富度 较⾼，模型可以覆盖各 类物件和场景 • ⽆ • 低 • 缺少存量装机量，要从零 开始积累数据，同时仿真 数据精度有限 • 低 • 需要视觉数据、⼒学数据、 运动数据、激光雷达、甚 ⾄其他模态，异构数据多 • 低，数据主要来自⼀些 垂直的训练场景，数据 分布比较单⼀ • ⽆ • 目前数据是⼤部

基于多代理系统进行农业智能仿真模拟；  关联分析：  专家会商系统结合；  专家智慧动态引入；  仿真模拟智能化和自适应； anXn a X a X a Y       2 2 1 1 0 多代理 系统 CAMES模 型系统 专家会 商系统 农业动态 建模技术 农业动态 建模技术 交互仿真 模拟技术 交互仿真 模拟技术 仿真可视 化技术 仿真可视 化技术 农产品消费 农产品消费 行为与消费 量变化模型 农作物生长 与产量形成 机理模型 介入与反 馈模型 农业智能仿真架构 农业智能仿真架构 优化调整 决策 优化 农业 专家  仿真过程介入；  仿真结果反馈；  生产与市场决策流程优化。 4. 数据分析模拟技术 5. 农业大数据交互式可视化技术 农信采监测数据可视化 大数据背景下，在交互式数据可视化技术的支撑下，通过对高频变

强链，开放协作的基础上加速⽣态化。核⼼模块与基础⽀撑系统，包括电机与减速 器、传感器与感知模组、伺服电机、灵巧⼿、操作系统、⼤⼩脑系统-基础模型-功能 模型、芯⽚与算⼒平台、软件与仿真平台等⽅⾯，均取得⻓⾜进步。在此基础上，部 分企业通过操作系统、专业模型、训练仿真、算⼒系统、数据 API 等⽅⾯的开放⽣态 搭建，实现从“卖机器⼈”转向输出“平台+⽣态”，通过开放平台构建开发者⽣态，有⼒ 加速了该领域技术的产业化、⽣态化进程。 ⼈形机器⼈核⼼零部件与基础⽀撑 在⼈形机器⼈与具⾝智能产业链的核⼼零部件与基础⽀撑环节，包括电机与减速 器、传感器与感知模组、伺服电机、灵巧⼿、⼤⼩脑系统-基础模型-功能模型、芯⽚ 与算⼒平台、软件与仿真平台等⽅⾯。其中⼤脑⼩脑为形象描述，实际指机器⼈⾼层 AI 决策与低层运动控制的协同与分层。 2.3.1 电机与减速器 电机与减速器是构成机器⼈关节驱动系统的核⼼机电组件，包括⽆框⼒矩电机、 型的训 练和应⽤。 7 2.3.7 软件与仿真平台 软件与仿真平台是⽤于开发、训练和验证机器⼈⾏为策略的虚拟⼯具链，涵盖控 制算法、仿真数据和具⾝模型训练等。该平台通过物理精确的数字环境模拟真实交 互，使算法可在⽆需实物的情况下完成迭代优化，⼤幅缩短研发周期并提升系统鲁棒 性。 2025 年具⾝智能软件与仿真平台领域呈现多元化发展态势，腾讯、华为、智元机 器⼈、逐际

新平台体系架构 模型化数据底座 分布式智能调度 全生命周期 应用工具链 多源异构 数 数据融合 虚拟化 PLC 工业AI智 智能体 低代码/无 无代码开发 生产全过程仿真与 智能优化 智能化 敏捷化 平台化 首先，平台化趋势大幅提升工业自动化 软硬件兼容性和灵活度。“平台+应用” 架构模式作为工业软件体系演进的重要 方向，逐步成为主流工业软件框架。工 业软件从单体应用转向平台化，通过统 各工业生产要素对象变得高度模块 化，可实现积木式搭建和动态组合； 上层应用和底层生产要素解耦分离， 可实现制造资源的灵活复用和按需 调配；物理实体与孪生信息模型之间 交互联动、虚实映射，通过数据融合 分析、制造过程全流程仿真、决策迭 代优化等手段共同作用，实现工业生 产制造过程的持续优化。通过对工 业生产制造过程中的经验、领域知 识和模型进行显性化、模型化、数字 化、系统化、智能化的软件定义，构 建标准的工业知识库，并以组件的方 保决策和操作的准确性与可靠性。它 能够集成现有成熟的工业技术及工 业软件能力，有机结合传统自动化控 制技术、工业仿真软件等，形成强大 的工业智能解决方案。工业智能体 还具备协同对接生产企业上下游产 业链的能力，通过数据共享和协同决 策，优化整个产业链的生产效率和资 源配置。 — 生产全过程仿真与智能优化：随着 智能制造的飞速发展，生产相关的 各类需求愈加复杂多变。例如离散智 能工厂面向3C产品小批量、多品种、