机器之心编辑部 过去十年，AI 卡 的是算 力；未来十年，物理 AI 卡的是数据。而数据的前提，是仿真。 没有可规模化的仿真世界，就没有可规模化的机器人数据；没有统一的仿真标准，就不会有真正的物理 AI 生态。 仿真，正在成为物理 AI 时代的 CUDA。 CUDA 曾经把 GPU 计算变成 AI 时代的统一底座。今天，仿真正成为物理 AI 时代新的标准层。 物理 AI 的核心瓶颈已经变了 回望过去的技术演进，每个阶段都有自己的关键瓶颈。 大语言模型时代，这个 瓶 颈是算力 。 不论是闭源的 GPT、Claude，还是开源的 Llama、Qwen、DeepSeek，这条赛道的核心命题始终只有一个：如何用更多算 力、在更大数据集上跑通 Scaling Law。算力的天花板在哪里，模型能力的边界就在哪里。 支撑这一轮浪潮的底层基础设施，正是以 CUDA 为代表的统一计算标准。 CUDA 把 GPU 从图形计算工具变成 AI 时代的通用计算底座，也让大模型训练第一次拥 有了可规模化调用的计算基础设施。谁掌握算力入口，谁就拥有时代红利。 但进入 物理 AI 时代，核心瓶颈正在从 "算力" 转向 "数据"。 过去的大模 ...