在2026物理AI与世界模型大会上，南京天洑软件有限公司面向全球首次发布工业世界模型生成器（IWM Generator）。

在人工智能已经能够生成文字、图片、视频甚至逼真的三维场景时，工业世界模型生成器到底要“生成”什么？

答案不是一张设备图片，也不是一座看起来真实的虚拟工厂，而是一个能够遵循物理规律、模拟工业行为、预测未来变化，并且可以持续运行的数字世界。

更重要的是，这样的世界并非只生成一次，而是能够根据不同任务、工况和操作，不断生成新的世界，让工业企业在现实行动之前，先探索不同选择可能带来的结果。

生成可计算的世界

真实工业世界的运行受到严格的物理规律约束。流体必须遵循流动规律，结构必须满足力学条件，设备运行受到工艺和控制规则限制，任何操作都可能引起一系列连锁反应。

因此工业世界模型不仅要有形状，更要有规律；不仅要能被观察，更要能被计算。这正是天洑工业世界模型生成器与普通三维场景生成工具的核心区别。

天洑工业世界模型生成器致力于把现实工业信息转化为一个能够运行的数字世界，这个过程需要将五类关键内容组织起来。

首先是工业对象。从一颗螺栓、一台水泵，到一套发电机组、一座工厂，每个对象都拥有明确的结构、属性和工程含义。

其次是物理规律。例如流体如何流动、热量如何传递、结构如何变形、设备如何运动。这些规律决定了虚拟世界中的变化能否符合现实。

第三是运行状态。包括设备的温度、压力、流量、转速、振动等参数，以及这些状态如何随时间变化。

第四是行为逻辑。例如阀门打开后流量如何变化，控制指令发出后设备如何响应，不同设备之间如何相互影响。

第五是安全边界。包括材料强度、设备运行极限、工艺限制和控制约束，让模型不仅知道系统能够怎样运行，也知道哪些条件可能带来风险。

天洑通过工业本体，将这些对象、状态、关系和约束组织起来，再连接物理模型、工业数据和专业算法，形成可运行、可校准、可复用的工业世界模型。

持续生成和运行不同世界

工业世界模型生成器与数字孪生、工业仿真技术的最大不同，体现在“持续生成”。

传统工业建模通常围绕一次具体任务：建立模型、设置参数、完成计算、分析结果。当需要研究新的结构、工况或任务时，工程师需要重新组织模型和计算流程。

天洑提出的思路则是：先构建一个可以长期复用的工业世界模型，再从这个模型出发，持续生成大量不同的具体世界。

这些世界可以有不同的设备配置、材料属性、环境条件、运行状态，甚至不同的故障和控制方案。天洑将它们形象地称为“平行世界”。

例如，一座电厂当前正在正常运行。工程师可以从同一个运行状态出发，分别生成提高负荷、降低负荷、设备异常、改变控制策略等不同世界。

每个世界都沿着各自的物理规律持续演化，计算设备状态、系统效率和潜在风险。

工程师由此可以比较：哪种操作更节能？哪种方案更安全？某种故障如果持续发展，最终会造成什么后果？

在工业智能体和具身智能训练中，这种能力的价值更加突出。

以工业机器人为例，一只灵巧手要学会抓取不同物体，需要经历大量接触、摩擦、滑移和受力变化。如果全部依赖真实机器人训练，不仅成本高，而且存在设备损坏风险。

工业世界模型则可以生成大量具有不同物体形状、材料、摩擦系数和初始姿态的训练世界。

机器人智能体在其中不断观察、行动、获得反馈，并根据结果调整策略。生成器既能提供训练环境，也能通过持续运行生产具有物理意义的训练数据。

让工业世界“可探索”

支撑这一技术路线的，是天洑长期积累的物理AI与工业AI能力。

其中，AICFD、AIFEM和AIPOD分别提供流动传热、结构物理建模及设计优化能力；工业AI底座TFIIF和智能数据建模软件DTEmpower，则为工业数据学习、专业模型构建和持续运行提供支持。

这些能力与工业本体、物理引擎、模型运行引擎及工业智能体相结合，共同构成天洑工业世界模型框架体系及基础设施。

天洑工业世界模型生成器所“生成”的，不只是虚拟世界本身，更是工业创新可以提前验证的无数种可能。

当一个世界可以被构建、被计算、被持续运行，并由此生成更多不同的世界，工业研发、运行决策和人工智能训练，就有望从现实中的反复试错，走向虚拟世界中的充分探索。