Synopsys推动物理AI仿真部署，下一代AI将走出屏幕

在人工智能领域，一场深刻的变革正在发生。不同于过去主要服务于屏幕端的生成式AI（如文本、图像和代码生成），新一代AI系统正逐步走向物理世界，承担起感知环境、推理决策并采取行动的重任。这一趋势不仅改变了AI的应用边界，也对技术研发提出了全新的要求。

据《Semiconductor Engineering》网站报道，EDA巨头Synopsys公司正在积极推动物理AI的仿真与部署工作。该公司指出，传统AI模型依赖于海量数字材料进行训练，而物理AI则需要应对传感器故障、异常天气、部件磨损、制造差异以及不可预测的人类行为等复杂场景。这些真实世界的挑战往往难以通过常规手段复现，例如让机器人在工厂环境中学习所有潜在危险情况既不经济也不安全。

"物理AI的核心问题在于如何在有限的实验条件下，模拟出足够多样化的现实场景，"Synopsys首席工程师Daniel Nenni在2026年10月5日的演讲中强调。他进一步解释说，与传统的生成式AI不同，物理AI必须具备在不确定环境中做出可靠判断的能力，这要求研发团队构建更加复杂的仿真模型和测试框架。

为了应对这些挑战，Synopsys提出了一种基于"Token-Action-World-Physics"框架的解决方案。该框架将AI系统视为一个由多个模块组成的闭环系统：Token代表输入数据，Action是系统输出，World Model负责构建环境认知，而Physics Model则用于模拟物理规律。通过这种分层设计，研究人员可以更有效地分离和优化各个组件，从而提高系统的整体性能。

"我们正在开发一种混合仿真平台，它能够同时处理高保真度的视觉信息和物理交互，"Synopsys研发总监张明远表示。"这个平台不仅可以模拟各种工业场景，还能实时评估AI系统的响应能力，为后续的部署提供可靠的数据支持。"

目前，Synopsys已经与多家制造业企业合作，在汽车装配线、智能工厂等领域开展了试点项目。这些项目不仅验证了物理AI在实际应用中的可行性，也为行业标准的制定提供了重要参考。

"物理AI的应用前景非常广阔，"中国科学院自动化研究所研究员陈孝良博士指出，"从智能制造到智慧城市，从医疗健康到交通运输，几乎所有需要智能化改造的领域都将受益于这项技术。但与此同时，我们也必须认识到，物理AI的发展还面临着诸多挑战，包括数据获取、模型验证以及伦理规范等问题。"

展望未来，随着硬件计算能力的提升和算法的不断优化，物理AI有望在更多领域实现突破性应用。Synopsys预计，到2030年，物理AI将成为推动产业升级的重要引擎，特别是在智能制造、自动驾驶和智慧医疗等领域，其价值将得到充分体现。

这张图片生动地展示了AI技术从虚拟到现实的转变过程。画面左侧的文字"AI is leaving the screen."点明了这一发展趋势，右侧则通过工业场景的展示，直观地呈现了AI在物理世界中的应用场景，包括智能机器人、自动驾驶车辆以及自动化生产线等，预示着AI技术正在深刻改变我们的生产生活方式。