一家工厂已经连接了设备、积累了数据，也拥有专业计算软件，为什么遇到“下一步怎么调”的问题，仍然需要工程师在多个系统之间反复切换？这背后，是工业数字化长期面对的难题：感知现实、计算规律和形成决策的能力，尚未充分贯通。

随着大模型发展，工业软件开始出现新的整合方向。南京天洑软件有限公司提出，以物理AI和工业AI为基础，构建能够理解工业状态、推演不同方案并支持执行的工业世界模型，探索下一代工业软件的形态。

理解工业，物理规律与智能化共同推进

回顾已有探索，可以看到两条相互交织的主线：一条让计算机掌握工业对象的物理规律，另一条让系统具备从数据中学习、辅助判断和组织行动的能力。

工业智能化发展趋势

基于数值求解的工业软件，是前一条路线的重要成果。通过求解流体、传热、结构等方程，工程师能够计算飞机受到的气动力、电池包的温度以及零部件的应力，在制造和试验之前评价设计。物理规律由此成为可以调用的计算能力。

工业互联网则推动设备、系统和数据连接起来，为状态监测、故障分析和生产优化提供基础。当现场数据持续进入数字系统，企业得以更及时地掌握设备运行情况。

数字孪生进一步连接现实对象与数字模型，将实时数据、机理计算和分析能力结合起来，支持监测、预测与优化。它已经包含对工业系统进行动态建模的探索，但跨专业模型的组织、维护和复用，仍是复杂工程中的挑战。

下一步的关键，是让数据能够持续校准模型，让专业模型相互协同，并围绕具体目标反复推演和优化。

大模型，让分散能力有机会共同工作

大模型为计算机带来了自然语言交互、知识理解和任务规划能力。工程师提出“在满足安全要求的前提下降低能耗”，系统便有机会将需求拆解为数据分析、状态预测、方案计算和结果比较等任务。

不过，工业决策还必须经过专业计算和工程验证。语言理解需要与物理规律、设备机理和安全边界结合。工业世界模型所探索的，正是将这些能力组织成一个可以运行、接受反馈并持续更新的整体。

在天洑的架构中，物理AI负责计算工业对象如何运行。AICFD、AIFEM和AIPOD分别提供热流体、结构与优化能力，构成世界模型推演物理过程、探索设计方案的计算基础。

工业AI则负责从现场数据和专家经验中学习。工业AI底座TFIIF与智能数据建模软件DTEmpower，支撑数据治理、专业模型构建和运行，使模型能够进入设备运维、生产优化等业务流程。

天洑工业世界模型架构

其中，大模型负责理解和调度，专业工业小模型负责精准计算，物理机理模型负责规律约束，工业智能体负责组织执行。

各类能力共同形成从感知、预测、诊断到推演、决策的链条，并在授权和安全约束内连接控制系统，根据执行结果持续更新。

生成器，让工业积累成为可复用的世界

这一探索建立在长期技术积累之上。成立于2011年的天洑，将流体、结构、优化算法与工业数据建模能力逐步结合，将自身定位为“工业世界模型框架体系及基础设施提供商”。其已有的物理计算与工业AI产品，为这一定位提供了技术支撑。

天洑开发的工业世界模型生成器，进一步面向“世界如何构建”的问题。按照产品定位，它以工业本体统一描述对象、属性、关系、约束、动作和行为，将工程模型、文档及运行数据组织为可复用资产，构建可执行的工业世界模型。

天洑工业世界模型生成器

模型经过校准和可信性确认后，可以通过改变工况、参数、故障或操作方案，生成不同实例并反复运行。例如在控制策略开发中，先比较不同环境和操作下的响应；在研发设计中，持续生成候选结构并评价性能。这些运行还可用于生产训练数据、开展虚拟验证。

工业世界模型能否成为下一代工业软件的核心形态，最终要看它能否降低建模与协同成本，并持续产生可信的工程结果。

天洑的探索提供了一条路径：让已有软件、数据和知识围绕可运行的工业世界协同工作，使一次工程积累能够支撑此后更多次预测、试验与决策。