物理AI与世界基础模型行业趋势 - 物理AI的目标是让智能体理解真实世界运行规律，自主感知、理解并执行复杂操作以进行有效交互 [2] - 世界基础模型是理解现实世界动态（包括物理和空间属性）的生成式AI模型 [2] - 各类AI端侧硬件通过学习，在理解环境物理特性的前提下，对运动及感知数据中的空间关系进行表征和预测，实现自主交互 [2] - NVIDIA已推出多款工具类产品，用于智能驾驶、机器人训练及工业数字孪生的开发，如NVIDIA Cosmos、Omniverse、Isaac Sim等 [2] 公司核心技术能力 - 公司的3D视觉感知技术能够精准捕捉三维空间信息，结合自研算法，为各类AI智能终端赋予环境感知、智能交互、动态导航等核心能力 [3] - 公司Gemini 335、Gemini 336系列双目3D相机已入驻NVIDIA Isaac Sim机器人仿真开发平台，并与NVIDIA Isaac Perceptor集成，方便全球开发者开发、测试和仿真机器人3D视觉系统 [3] 公司与NVIDIA的生态合作 - 公司是NVIDIA全球产业数字化生态布局的合作伙伴之一，持续与NVIDIA Omniverse生态深入融合并将更多视觉生态产品融入NVIDIA平台 [3] - 公司部分产品已与NVIDIA Jetson Thor（物理AI与机器人应用终极平台）系统级模块全面适配、验证 [3] - 适配NVIDIA Jetson Thor平台能充分释放其高速处理能力，灵活选用多种平台实现方案，实现从高质量3D感知到强大AI推理的端到端优化，显著降低集成复杂度与开发周期 [3] - 近年来，公司与英伟达持续开展多维度合作，帮助下游客户便捷应对3D感知及机器人视觉算法开发中的复杂挑战 [4] - 未来公司将进一步深化与英伟达生态的融合，携手推动更多机器人及数字孪生领域创新应用的开发进程与产业化应用 [4]

Cyngn 公司业务与技术进展 - 公司专注于为制造业和物流公司等工业组织开发和部署自动驾驶车辆技术 [4] - 公司旨在解决工业组织当前面临的重大挑战，例如劳动力短缺和高昂的安全事故成本 [4] - 公司的 DriveMod 技术使客户能够以较低的前期成本和无须安装基础设施的方式，将自动驾驶技术无缝引入其运营 [5] - DriveMod 技术目前可应用于 Motrec MT-160 牵引车和比亚迪叉车 [5] 与NVIDIA的合作及技术整合 - 公司被纳入 NVIDIA 的一篇文章，该文章强调了仿真在推动自动驾驶机器人开发中的作用 [1][2] - 文章重点介绍了公司使用 NVIDIA Isaac Sim 在不同表面和坡度上测试叉车轮胎动力学 [1] - 公司正在开发一个使用 NVIDIA Isaac Sim 构建的仿真和测试环境 [3] - 公司于2026年2月发布了一段 DriveMod 牵引车在仿真环境中运行的视频 [3] - 公司于2026年3月宣布将其高保真叉车车辆模型集成到 NVIDIA Isaac Sim 中 [3] - 公司CEO表示，仿真是其在技术进入现实世界之前验证自主性的核心部分，被NVIDIA网站报道反映了其在将Isaac Sim集成到开发流程方面取得的进展 [4] 产品性能与市场应用 - DriveMod 牵引车可拖曳高达 12,000 磅的重量，可在室内外行驶，每周可自动化 60 个工时的手动物料搬运工作 [5] - DriveMod 叉车能够提升使用非标准托盘的沉重负载，目前可供部分客户使用 [5]

合作与产品发布 - PTC与NVIDIA合作推出新的机器人设计到仿真工作流，该工作流将PTC的云原生Onshape CAD与产品数据管理平台与NVIDIA Isaac Sim仿真框架连接起来[1] - 该工作流在NVIDIA GTC 2026大会上首次展示，旨在展示团队如何在保持单一数据源的同时仿真机器人设计，从而实现节省时间、减少错误和加速开发，并支持通过NVIDIA Isaac Lab进行下游机器人训练以实现实体AI[1] 技术方案与优势 - 新的工作流消除了传统流程中缓慢且手动的交接环节，无需在导出CAD模型后重新创建关节、执行器等物理细节，而是允许在Onshape中定义一次机械关系并直接带入Isaac Sim[3] - 当设计发生变更时，仿真会自动更新，帮助像FANUC美国公司这样的企业更快地从CAD转向基于物理的仿真[3] - 该连接基于亚马逊云科技构建的云原生架构，确保整个开发过程中设计与仿真保持同步，使工程师、研究人员和AI开发者能够专注于测试行为和提升性能，而非为仿真准备模型[4] 客户与合作伙伴评价 - FANUC美国公司自动化系统集团总经理表示，Onshape与NVIDIA Isaac Sim的集成将允许在工业机器人系统设计和评估中更早引入仿真，从而实现更好的设计决策、更快的集成和更顺利的项目执行[4] - PTC Onshape和Arena执行副总裁兼总经理表示，与NVIDIA的合作结合了Onshape在持续协同设计方面的优势与世界级的仿真技术，旨在帮助团队为支持未来机器人工程的实体AI奠定基础[4] - NVIDIA Omniverse和仿真技术副总裁表示，将PTC的云原生Onshape平台连接到NVIDIA Isaac Sim确保了每一次设计更新都能即时反映在仿真中，从而实现更快的迭代并扩展智能机器的创建[4] 公司战略与愿景 - 通过Onshape及其产品组合，PTC正在实现其智能产品生命周期的愿景：使制造商和产品公司能够建立产品数据基础，在企业内扩展该数据的价值，并加速AI驱动的转型[6] - 更广泛地使用产品数据使公司能够更快地将更高质量的产品推向市场，更好地管理产品复杂性，满足法规和合规标准等[6] 公司背景信息 - PTC是一家全球软件公司，帮助制造商和产品公司实现产品设计、制造和服务方式的数字化转型，总部位于波士顿，拥有超过7,000名员工，为全球超过30,000家客户提供支持[9]

公司核心技术与产品 - Skild AI 是一家专注于为任何形态机器人构建通用智能的先驱公司，其核心产品是名为 Skild Brain 的通用机器人基础模型 [1][2] - Skild Brain 被设计为“全躯体”大脑，旨在控制任何类型的机器人硬件，实现“任何机器人、任何任务、一个大脑”的目标 [2] - 该技术采用了一种根本不同的方法，即直接从数据中学习，而非依赖人类专家逐任务编程，这解决了传统工业机器人难以规模化、难以自动化的问题 [3] - 该模型能够创建强大的数据飞轮：结合不同机器人部署产生的数据来改进自身，进而推动更多产生数据的部署，实现规模化 [2][3] 战略合作与生态构建 - 公司宣布扩大与 NVIDIA、ABB Robotics 以及 Teradyne Robotics 旗下 Universal Robots 和 Mobile Industrial Robots 的合作，以在多个行业和应用中部署其 AI 驱动的机器人大脑 [1] - 与 NVIDIA 的合作：利用 NVIDIA 的开放机器人平台（包括 Isaac Lab、Isaac Sim 和 Newton 物理引擎）创建物理精确的仿真环境，使 Skild Brain 能在真实世界部署前，在数字环境中模拟数千年的经验 [5][6] - 与 NVIDIA 的合作：利用 NVIDIA Cosmos 世界基础模型生成和增强合成数据，以提高鲁棒性和从仿真到现实的迁移能力，训练后的通用大脑在 NVIDIA Jetson 系统上运行，实现实时、低延迟的 AI 推理 [7] - 与 ABB Robotics 和 Universal Robots 的合作：将其“全躯体”大脑集成到对方的机器人产品组合中，通过将 Skild Brain 的共享智能层嵌入广泛部署的工业机器人，制造商无需为每个工作流程构建特定任务代码，即可将自动化扩展到更动态、多变和复杂的应用中 [8] - 与富士康的合作：计划将“全躯体”大脑应用于控制 NVIDIA Blackwell GPU 生产线上的双臂机器人，执行需要精确操控和适应性的复杂装配操作，技术将进入生产环境 [1][11] 行业观点与市场定位 - Skild AI 首席执行官 Deepak Pathak 认为，机器人技术正处于一个拐点，类似于几年前大语言模型所处的阶段，硬件、仿真和大规模 AI 训练的进步使得通用机器人智能成为可能 [4] - 公司旨在通过训练一种能在不同形态和环境间迁移技能的“全躯体”智能，实现从“编程任务”到“构建能够持续学习和改进的系统”的转变 [4] - 与机器人 OEM 的合作有助于为中小型企业及非传统制造领域带来自动化和机器人技术，并解锁 Skild Brain 的大规模部署 [4][10] - ABB Robotics 总裁 Marc Segura 认为，更自主、多功能的机器人是下一代灵活高效制造的推动者，集成 Skild AI 的通用机器人智能将帮助客户更快地扩展工业级自动化，并应对更广泛行业中日益复杂的应用场景 [9] - Universal Robots 首席执行官 Jean-Pierre Hathout 表示，与 Skild AI 和 NVIDIA 的合作使其能够为协作机器人带来先进的 AI 能力，使其能够处理跨行业的、更动态多变的任务 [10] - NVIDIA 机器人及边缘 AI 副总裁 Deepu Talla 表示，物理 AI 正在改变全球最大的行业，基于 NVIDIA 开放机器人平台和加速计算构建的 Skild AI 通用机器人大脑展示了在仿真中训练的基础模型如何大规模部署到真实机器人上 [8]

合作与战略目标 - 意法半导体宣布加速全球物理AI系统的开发与采用，包括人形、工业、服务和医疗机器人 [2] - 公司将其全面的先进机器人产品组合集成到与NVIDIA Holoscan Sensor Bridge兼容的参考组件集中 [2] - 合作旨在通过简化开发者与客户从AI算法构思到传感器与执行器无缝集成的每一步体验，释放下一代尖端机器人创新浪潮 [3] - 合作目标是为意法半导体的全面组件组合提供精确的、经过硬件校准的模型，以满足先进机器人的需求 [7] 技术整合与产品 - 首批交付成果包括将采用意法半导体技术的Leopard深度相机与NVIDIA HSB集成，以及将意法半导体IMU的高保真模型加入NVIDIA Isaac Sim生态系统 [2] - 通过NVIDIA HSB，开发者可以统一、标准化、同步并简化来自多个意法半导体传感器和执行器的数据采集与记录 [4] - 目标是通过为STM32 MCU、先进传感器（包括IMU、成像器和ToF设备）和电机控制解决方案的预集成方案，简化意法半导体传感器和执行器与NVIDIA Jetson平台的连接过程 [5] - 采用意法半导体成像、深度和运动传感技术的Leopard Imaging立体深度相机，预计将支持物理AI原始设备制造商、学术研究团体和工业机器人社区的广泛设计浪潮 [5] - 继首个IMU模型可用后，公司正致力于为开发者提供基于真实硬件基准数据构建的ToF传感器、执行器和其他集成电路模型 [7] - NVIDIA HSB正被协同集成到意法半导体的工具链中 [7] 预期效益与影响 - 高保真的NVIDIA Isaac Sim意法半导体元件模型正被集成到双方的机器人生态系统中，以支持更快、更准确的从仿真到现实的研究与开发 [2] - 技术整合为开发者提供了统一的构建、仿真和大规模部署物理AI的基础 [3] - 简化集成是构建高保真NVIDIA Isaac模型、加速学习并最小化仿真与现实差距的关键基础 [4] - 更准确的模型将显著改善机器人学习效果，通过更贴近真实设备行为的仿真来缩短训练周期，并降低构建和优化人形机器人应用的成本 [8]

公司技术进展与合作 - 公司宣布将其高保真叉车模型集成至NVIDIA Isaac Sim仿真平台，这是一个用于开发自主系统的开放仿真框架 [1] - 此次技术集成的核心是将公司经过验证的车辆动力学模型，以行业标准格式功能样机单元（FMU）导出，并使其在Isaac Sim中运行 [4] - 通过集成，工程团队在公司的轮胎/车辆动力学模型与Isaac Sim的虚拟表面之间建立了双向通信，确保仿真中的叉车行为能紧密反映真实世界性能 [4] 技术整合的价值与影响 - 该集成使公司能够在叉车进入客户设施实际运行之前，在Isaac Sim构建的真实数字工厂环境中测试其移动、转向及对不同路面的响应 [3][5] - 此举有助于公司更早发现问题、降低风险并加速部署时间线 [5] - 公司CEO表示，结合NVIDIA Isaac Sim的大规模GPU加速仿真环境与公司的高保真叉车模型，能更高效地开发和验证自动驾驶技术，并通过加强仿真与实际部署的联系，以更大信心为客户提供自动驾驶工业车辆 [6] 公司业务与市场动态 - 这一里程碑加强了公司的自动驾驶叉车项目，其中包括与Arauco的合作，后者此前已预定了100台自动驾驶叉车 [2] - 公司开发并部署面向制造和物流等工业组织的自动驾驶车辆技术，旨在解决劳动力短缺和高成本安全事故等行业重大挑战 [7] - 公司的DriveMod技术使客户无需高昂的前期成本或基础设施安装，即可将自动驾驶技术引入其运营中，目前该技术已应用于Motrec MT-160牵引车和比亚迪叉车 [8] 产品与解决方案 - DriveMod牵引车可牵引高达12,000磅（约5.4吨）的重量，支持室内外行驶，目标典型投资回收期少于2年 [8] - DriveMod叉车能够提升使用非标准托盘的重型负载，目前可供部分选定客户使用 [8]

公司动态与产品展示 - Reply将于2026年3月16日至19日在加利福尼亚州圣何塞举行的NVIDIA GTC大会上展示如何利用数字孪生技术和物理AI优化实际生产与物流流程、扩展机器人技术并可持续提升工业绩效[1] - 公司将在大会上重点展示两个具体用例，以演示数字与物理世界在工业环境中如何有效整合：一个用于制造和物流的自学习边缘AI开发方法，以及一个为奥托集团开发的智能机器人协调系统[1] - 2026年3月17日下午3:00至5:00，Reply将在AWS展位921的7号展亭展示名为“The AI Fast Lane for the Industrial Edge powered by NVIDIA on AWS”的解决方案[1] - 2026年3月16日至19日，Google与Reply将在Google展位513的4号展亭联合展示一个结合云端机器人仿真的智能机器人协调解决方案[1] - 奥托集团将于2026年3月17日下午3:00至3:40在题为“Leverage Physical AI to Simulate and Orchestrate Robotic Fleets for Retail Fulfilment Centers”的会议中演示智能机器人协调的实际应用[1] 技术方案与产品细节 - 公司展示的工业边缘AI解决方案可在机器人手臂或移动机器人等自主连接的边缘设备上验证和优化AI模型，实时处理传感器数据，识别性能差距，并在需要时自动启动重新训练[1] - 该解决方案通过集成NVIDIA Omniverse与Isaac Sim，将数字孪生仿真直接纳入开发流程，允许使用合成数据测试持续改进并验证效率提升[1] - 在Google与Reply的联合方案中，NVIDIA Isaac Sim直接在Google Cloud G4实例上运行，从而无需本地工作站即可创建复杂物流环境的高精度数字孪生，并在此基础上仿真和训练多样化机器人车队[1] - 为奥托集团实施的方案中，Roboverse Reply创建了一个精确复制仓库、所有机器人系统及其交互的数字孪生，一个机器人协调层将此数字孪生与车队管理和仓库管理系统连接，实现了集中式车队协调、预测性布局仿真以及在高峰期的流程优化[1] 行业活动与市场影响 - NVIDIA GTC大会被视为AI开发者、研究人员和决策者最重要的国际会议点，2026年预计有来自超过190个国家的30,000多名参与者参加[1] - 通过参加NVIDIA GTC，Reply展示了数字仿真与物理自动化如何在实践中整合，奥托集团和工业边缘领域的项目展示了物理AI与精确数字孪生如何共同作用为工业价值创造新机会[1] 公司业务背景 - Reply专注于基于新通信渠道和数字媒体的解决方案设计与实施[1] - 公司是一个高度专业化公司的网络，支持电信与媒体、工业与服务、银行、保险和公共管理等关键工业集团，为其定义和开发由大数据、云计算、数字媒体和物联网等新范式驱动的商业模式[1] - Reply提供的服务包括：咨询、系统集成和数字服务[1]

公司业务动态 - Reply将参加2026年3月16日至19日在圣何塞举行的NVIDIA GTC大会 展示其如何利用数字孪生技术和实体AI帮助企业优化生产与物流流程、扩展机器人规模并可持续地提升工业绩效[1] - 公司将在大会上重点展示两个具体用例 一是面向制造和物流的自学习边缘AI开发方案 二是为Otto Group开发的智能机器人协调系统 以演示数字与物理世界在工业环境中的有效融合[1] - 公司将于3月17日和19日在AWS展台展示“由NVIDIA on AWS驱动的工业边缘AI快车道”解决方案 该方案在机器人手臂或移动机器人等自主连接的边缘设备上验证和优化AI模型 实现实时传感器数据处理、性能差距识别及自动再训练[1] - 该方案通过集成NVIDIA Omniverse与Isaac Sim 将数字孪生仿真直接纳入开发流程 利用合成数据测试持续改进并验证效率提升 解决了AI系统需在不中断运营的情况下在现场学习的关键行业挑战[1] - 在3月16日至19日期间 公司还将与谷歌联合在谷歌展台展示结合云端机器人仿真的智能机器人协调解决方案 该方案使NVIDIA Isaac Sim直接在Google Cloud G4实例上运行 从而无需本地工作站即可创建复杂物流环境的高精度数字孪生并仿真训练多样化机器人车队[1] - Otto Group将于3月17日演示智能机器人协调的实际应用 由Roboverse Reply为其实现的数字孪生精确复制了仓库、所有机器人系统及其交互 机器人协调层将此数字孪生与车队管理和仓库管理系统连接 实现了集中式车队协调、预测性布局仿真及高峰期的流程优化[1] 行业趋势与活动 - NVIDIA GTC大会被视为AI开发者、研究人员和决策者最重要的国际会议 2026年大会预计有来自超过190个国家的超过30,000名参与者[1] 公司财务表现 - Reply集团2025年合并营业额为24.836亿欧元 较2024年的23.005亿欧元增长8.0%[1] - 2025年合并EBITDA为4.676亿欧元[1] 行业研究报告 - 一项由Forrester Consulting进行的研究调查了欧美536名IT高管 强调行业正从简单的AI编码助手逐步转向能够编排整个软件开发生命周期的自主智能体[2] 公司战略合作 - Reply集团旗下专注于AI驱动软件开发的Ki Reply和专注于数据驱动解决方案的Data Reply 与西门子医疗的“CRM Excellence”部门合作 开发了名为“Cerebra”的高级AI平台 旨在为营销和销售提供快速、相关的洞察[2] - 该概念非常成功 “Cerebra”已演变为一个智能体工厂 用于标准化相关流程[2]

合作进展与模拟环境 - 公司宣布在与英伟达的合作中取得进展，开发了一个基于英伟达Isaac Sim开源机器人仿真框架的仿真环境，旨在加速其自动驾驶车辆解决方案的商业化部署 [1][2] - 该仿真环境允许公司在持久、高保真的数字仓库中运行其自动驾驶和车队管理软件，该仓库能映射真实操作流程，从而加速能力的验证与完善，这些能力在实体设施中难以大规模复现 [1] - 基于Isaac Sim的环境能够执行公司的自动驾驶技术栈、任务创建工具和远程信息处理系统，如同车辆在真实设施中运行，此能力支持更大的模拟车队、更复杂的环境和更广泛的操作场景 [3] 技术优势与开发加速 - 该仿真能力使公司能够加速质量保证周期、扩展回归测试，并在开发早期评估新功能 [3] - 公司工程服务副总裁表示，仿真已成为将新自动驾驶产品推向市场的关键杠杆，通过在逼真、全尺寸环境中运行软件，公司可以更快地验证新的叉车用例、降低开发风险，并缩短从概念到商业部署的时间线 [4] - 该能力直接支持公司扩展到更复杂的应用场景并加速创收项目的能力 [4] 合作贡献与长期战略 - 作为合作的一部分，公司向Isaac Sim框架贡献了一个详细的工业车辆动力学模型，该模型捕捉了重型物料搬运车辆的物理特性，旨在提高仿真对现实世界性能的准确性 [4] - 此次整合预计将支持公司的长期战略，即将其自动驾驶技术扩展到更广泛的车辆平台 [4] 应用场景与市场定位 - 公司计划将新环境用于开发、客户演示和早期培训工作流程，同时也在与现有合作伙伴探索机会，这些合作伙伴的设施已被复现在仿真环境中 [5] - 公司为制造商和物流公司等工业组织开发和部署自动驾驶车辆技术，旨在解决当前工业组织面临的重大挑战，如劳动力短缺和高成本的安全事故 [6] - 公司的DriveMod技术使客户能够无缝地将自动驾驶技术引入其运营，而无需高昂的前期成本或基础设施安装，该技术目前适用于Motrec MT-160牵引车和比亚迪叉车 [7] 产品性能与商业化 - DriveMod牵引车可拖运高达12,000磅的货物，可在室内外运行，目标典型投资回收期少于2年 [8] - DriveMod叉车可提升使用非标准托盘的重型负载，目前可供特定客户使用 [8]

核心观点 - 智元机器人在CES 2024上发布了其最新的大语言模型驱动的开源机器人仿真平台Genie Sim 3.0 [2][4] - 公司同时开源了规模庞大的真实机器人作业仿真数据集，旨在为机器人模型研发提供关键的数据基础设施 [2][4] 产品发布详情 - 发布产品为Genie Sim 3.0，是一个由大语言模型驱动的开源仿真平台 [2][4] - 该平台基于NVIDIA Isaac Sim构建 [2][4] - 平台融合了三维重建与视觉生成技术，能够打造数字孪生级的高保真环境 [2][4] - 核心功能是允许开发者通过输入自然语言指令，驱动平台在“分钟级”时间内自动生成并泛化“成千上万个”训练与测试场景 [2][4] 配套数据开源 - 智元机器人开源了包含真实机器人作业场景的仿真数据集，数据量达“上万小时” [2][4] - 该数据集涵盖“200余项”不同的任务 [2][4] - 数据集包含多传感器信息，具体有RGB-D、双目视觉、全身关节状态等 [2][4] - 数据集在多个维度上进行了泛化覆盖，包括背景、布局、光照、噪声等 [2][4] - 该数据集被定位为模型研发的“坚实的数据基石” [2][4]