10月16日，武汉，中国光谷科技会展中心。作为“东湖论坛”的系列重磅活动之一，2026国际智能制造创新论坛在此举行。云道智能与国内外学术界、工业界代表同台交流，研判国际智能制造技术趋势，探讨工业AI的创新发展与场景应用。

工业Agent与工业物理AI双线发展

摆在工业AI面前的，仍是两个问题：如何创新，又如何落进具体场景。

不久前，《IDC Market Glance：中国工业AI及智能体，2Q26》报告出炉，云道智能入选三个细分市场：具身智能数据仿真及开发平台、设计仿真智能体、中试智能体。IDC将这一格局概括为“工业Agent与工业物理AI双线发展”，云道智能则在这两条线上均有位置。

一位来自湖北本地制造企业的工程师在这里聊了很久，问题问得很实在：“我们的料箱是混装的，几种零部件堆在一起，要按工序要求在集配区把料拣齐、摆到位；产线换型又频繁，每换一次，示教编程就得从头再来一遍。你们这个Sim-PI，能解决吗？”

这个问题背后，是制造业绕不开的一道坎：零部件品类繁杂、材质各异，装配环节仍大量依赖人工，亟待由智能模型实现自主决策；而真机采集数据、迭代模型，成本高、周期长、效率低，危险操作与极端工况更难以复现。

云道智能给出的答案，是不去现场采数据：零实采，全仿真。

Sim-PI以GPU加速的多物理场耦合仿真引擎为核心，融合了场景多样性生成、AI训练验证以及真实感渲染等技术，为具身模型训练评估、智能运维操控和工业智能制造等方向赋能——数据先在仿真引擎里长出来，策略先在虚拟里练熟。

云道智能的创新与应用

工业AI的创新与应用，是本届论坛的关键词。而Sim-PI，在这两端均有实绩。

2026年8月，在2026 IDC中国人工智能与数据峰会上，“AI加速电子散热仿真设计：基于Sim-PI的数据中心智能温控”案例摘得“2026 IDC中国人工智能创新奖（AI行业应用落地实践）”。该案例基于Sim-PI搭建数据中心数字孪生环境，通过智能化的温控方案实现机房温度的自动调控与精准预判，形成“感知—预测—决策—优化”的闭环，机房的能效比随之提升。

同一个案例，亦入选国家人工智能应用中试基地（制造领域）发布的十大标杆应用场景。两项认可指向同一结论：云道智能的物理AI创新应用，已经得到验证。

应用场景不止在机房。在产线上，云道智能与埃夫特·启智将同一套方法引入汽车线边仓——这正是那位工程师所描述的场景：零件有上千种，塑料卡扣、金属支架、橡胶密封圈，重量、重心与摩擦系数各不相同；换产频繁时，仅凭人工示教难以复用。Sim-PI的做法，是先把真实工况迁移进虚拟环境：为各类零件构建物理属性模型，让机械臂在仿真中完成训练，再迁移至真机。

更贴近日常的，是一间模拟厨房：机械臂把盘子稳稳放到指定位置。

厨房场景多样性数据生成，赋能模型泛化性

机房、产线、厨房，场景互不相干，底层走的是同一条路：先由仿真生成数据、练出策略，再回到真实世界部署与校准。这条路能否走通，取决于一件事——自研物理引擎的精度。

从工业仿真起步、走向物理AI，云道智能的创新已沉淀十余年；如今，这份创新能力正落进具体场景：一间厨房、一座机房、一条产线。回到开头的两个问题，零实采，全仿真的Sim-PI，正是云道智能在本届东湖论坛上给出的答案。