2026年7月23日至24日，旧金山一场AI峰会将"AI工厂"概念推向了国家议程的高度。韩国总统李在明率领产业代表团与英伟达黄仁勋等硅谷领袖对话，核心议题之一是将Physical AI（物理AI）与国家级算力基础设施深度绑定。峰会上，NAVER宣布将其GAK Sejong数据中心AI工厂扩至200兆瓦（约10万块GPU），SK集团与英伟达宣布5000亿美元+全面合作。黄仁勋的定调很明确："AI factories are the infrastructure nations need to compete."
但AI工厂不只是堆GPU。Physical AI与传统数字AI的本质区别在于，它要让机器理解物理规律——重力、惯性、碰撞、摩擦力——并在真实世界中安全行动。这意味着AI工厂产出的不是文本或图像，而是能够部署到机器人和自动驾驶系统中的"物理智能"。而要产出这种智能，AI工厂内部需要一道关键工序：在虚拟物理世界中进行高保真训练与验证。
英伟达Omniverse和仿真技术副总裁Rev Lebaredian在今年GTC上提出的判断切中了要害："In this new era, compute is data."在Physical AI的语境下，这句话的含义是：AI工厂的算力不仅要训练模型，还要"生成世界"——通过世界基础模型和仿真引擎，从有限的真实输入中生成无限多样化的合成训练场景，覆盖那些在真实道路和工厂中极难遇到的边缘情况。
这就引出了一个关键问题：AI工厂的效率不仅取决于有多少块GPU，还取决于虚拟世界的生成质量和仿真保真度。如果仿真环境与现实世界的偏差过大，AI在虚拟工厂中习得的策略可能在现实中失效，甚至带来安全隐患。因此，仿真平台不是AI工厂的"配套设施"，而是决定Physical AI能否安全落地的"基础设施的基础设施"。
本周峰会上，现代汽车宣布与英伟达联合开发机器人参考平台，并将NVIDIA DRIVE Hyperion整合到整车平台中。其Physical AI战略的路径清晰可循：先在虚拟环境中完成机器人的任务分配、运动规划和安全验证，再将验证后的策略部署到物理实体。这套"先仿真、后部署"的方法论，正在成为产业通行做法。
当全球都在建设AI工厂时，不同市场的场景特征决定了仿真能力的差异化需求。中国城市的非机动车混行、施工路段频繁变化、极端天气多样，对仿真平台的场景泛化能力、交通行为建模精度和动力学保真度提出了独特要求。通用仿真框架可以"生成世界"，但要生成"真实可信赖的中国道路世界"，还需要本土化的工程补齐。
在2026年英伟达GTC大会上，五一视界（51WORLD）旗下仿真平台51Sim作为高阶智驾仿真领域唯一的中国公司进入英伟达合作伙伴生态。其技术路径与英伟达形成互补：英伟达提供NuRec神经重建技术解决场景数字化速度问题，五一视界则补齐了复杂交通行为建模、场景随机泛化和高精度动力学仿真能力。其SimOne 4.0平台可将路测视频一键转化为可编辑的仿真资产，摄像头仿真置信度超过92%，激光雷达仿真置信度超过95%，动力学仿真置信度超过95%。目前，该体系已覆盖智能驾驶、机器人等领域的超百家客户。
从韩国的国家级AI工厂投资，到中国的仿真底座建设，Physical AI的基础设施竞赛正在分层展开。算力层决定"能不能训练"，而仿真层决定"训练完敢不敢用"。当AI工厂成为各国竞争 intelligence era 的标配时，仿真验证这层"基础设施的基础设施"，或许才是Physical AI从概念走向量产的关键分水岭。
