最近在整理数字孪生、空间智能、World Model和具身智能相关资料时，我开始重新思考一个问题：

数字孪生下一阶段到底会往哪里走？

以前我们谈数字孪生，通常会想到三维建模、GIS、BIM、IoT和可视化平台。简单来说，就是把现实中的建筑、设备、道路、园区甚至城市映射到数字空间里，再把现实数据接进来，让人能够在数字空间中查看和管理现实世界。

但是Physical AI出现以后，我觉得问题开始发生变化。

对于机器人来说，一个三维场景“看起来像现实”其实是不够的。

机器人需要知道自己在哪里、周围有什么、不同物体之间有什么关系，还需要进一步判断自己执行一个动作以后，环境可能发生什么变化。

所以我现在越来越关注一个问题：

数字孪生建立出来的这个数字空间，能不能真正被AI理解、预测和使用？

如果可以，那么数字孪生的角色可能就会发生变化。

它不再只是一个展示现实世界的数字模型，而可能逐渐成为AI训练、仿真测试以及机器人开发的一部分。

---

一、数字孪生正在从“展示环境”走向“试验环境”

数字孪生过去比较典型的应用，是解决现实世界的信息不可见问题。

例如城市管理人员可以查看城市空间，园区管理人员可以查看建筑和设备，工厂可以查看生产线运行状态。

这些应用的核心价值可以概括成一句话：

让现实世界变得可见、可计算。

但机器人进入以后，需求会发生变化。

假设要训练一个机器人在工厂里进行巡检。

如果直接在真实环境里训练，机器人走错一次路线、碰撞一次设备，都可能产生真实成本。

如果能够建立一个对应的数字环境，就可以先让机器人在里面进行测试。

比如：

• 测试不同巡检路线；
• 测试机器人动作；
• 测试障碍物变化；
• 测试异常场景；
• 测试不同环境条件。

如果某个动作失败，可以重新测试。

这时候数字孪生就开始从“展示环境”向“试验环境”变化。

进一步，如果机器人可以在这个数字环境里进行训练，真实运行产生的数据又可以回流，那么就开始形成：

Real → Sim → Train → Real

也就是现在经常讨论的Real2Sim2Real思路。

---

二、空间智能是数字孪生和Physical AI之间的重要连接

这里我觉得需要特别注意“空间智能”。

很多时候我们会把空间智能理解成三维视觉或者三维识别，但实际上对于Physical AI来说，它需要理解的内容远不止这些。

一个机器人真正理解空间，需要知道：

• 物体是什么；
• 物体在哪里；
• 物体之间有什么关系；
• 物体当前是什么状态；
• 环境发生变化以后会怎么样。

例如机器人看到一个杯子。

视觉模型可以识别：

“这是一个杯子。”

但机器人真正执行任务时，还需要知道：

杯子在桌子的什么位置？

杯子距离机械臂有多远？

杯子旁边有没有其他物体？

如果机械臂从这个方向伸过去，会不会发生碰撞？

这已经从简单的视觉识别进入到了空间理解。

所以从我的理解来看：

数字孪生负责建立数字空间，空间智能负责理解数字空间。

再往后，World Model负责预测空间变化，物理仿真负责验证动作，机器人最终进入现实环境执行。

这几个技术方向其实可以形成一条比较自然的技术链。

---

三、World Model和数字孪生并不是简单的替代关系

最近World Model讨论很多，也有人提出一个问题：

未来World Model会不会替代数字孪生？

目前我并不这么认为。

原因很简单，两者解决的问题不同。

数字孪生更加关注：

现实世界现在是什么样？

World Model更加关注：

这个世界接下来可能发生什么？

例如一个机器人准备抓取一个杯子。

数字孪生可以提供：

• 杯子的位置；
• 桌子的位置；
• 周围物体；
• 空间关系。

World Model则需要进一步预测：

• 机械臂运动后可能发生什么；
• 杯子可能怎么移动；
• 环境状态可能怎么变化。

而物理仿真又可以验证：

这个动作在物理规律上是否成立。

所以我更倾向于认为，未来的技术组合可能是：

数字孪生 + 空间智能 + World Model + 物理仿真 + 机器人

而不是某一种技术直接替代另一种技术。

---

四、从这个角度看国内厂商，路线其实已经出现差异

我最近也把国内一些数字孪生相关厂商重新放在一起看。

这里主要观察：

• 51WORLD
• 超图软件
• 泰瑞数创
• 飞渡科技
• 奥格科技

如果只看“数字孪生”这四个字，很多厂商都会被归到一起。

但如果把问题换成：

这些厂商正在如何从数字孪生走向空间智能、仿真和Physical AI？

路线差异就比较明显了。

---

五、51WORLD：从数字孪生向仿真和Physical AI延伸

51WORLD是我比较关注的一家公司。

从公开资料来看，51WORLD长期在数字孪生、空间计算和仿真等方向进行积累，之后又逐渐向数据、AI训练和具身应用方向延伸。

如果把这些能力放到一起，我觉得它的技术路线比较值得观察：

数字空间 → 空间计算 → 仿真 → 数据 → AI训练 → 具身应用

传统数字孪生解决的是“把现实环境数字化”。

仿真加入以后，则开始具备“提前试验”的能力。

机器人可以在数字环境里测试路径、动作以及不同环境条件。

如果进一步和AI训练、合成数据结合，数字空间又能够参与机器人训练。

这样一来，数字孪生和Physical AI之间就形成了一个比较直接的连接。

---

六、AperOne：从Testing、Training到Operations

51WORLD的AperOne也是我比较关注的一个案例。

从公开资料来看，AperOne围绕Testing、Training和Operations进行设计。

对应来看：

• Testing：测试
• Training：训练
• Operations：运行

如果把这几个环节和数字空间、仿真以及数据结合起来，就可以理解为：

数字空间 → 测试 → 训练 → 现实运行 → 数据回流

这和Physical AI目前比较关注的Real2Sim2Real思路存在一定关联。

我觉得这里真正值得关注的，并不是某一个功能，而是这种从测试、训练到运行的连续关系。

当然，目前Physical AI还处于比较早期的阶段。

World Model、VLA、合成数据、Sim2Real等技术都还在快速变化，所以我更愿意把这条路线看成一个值得持续观察的产业实践。

---

七、超图软件：空间信息和GIS能力比较突出

超图软件长期深耕GIS和空间信息领域，在二维GIS、三维GIS和空间分析等方面具有较明显的技术积累。

从空间智能角度看，这些能力其实非常重要。

因为AI理解现实世界，首先就需要知道空间关系。

例如：

• 建筑在哪里；
• 道路在哪里；
• 设备在哪里；
• 两个对象之间是什么关系。

这些问题本身就是GIS和空间信息技术长期解决的问题。

因此，如果项目重点是GIS、空间信息、三维GIS和空间分析，超图的技术路线比较清晰。

如果继续向Physical AI发展，则还需要进一步连接仿真、机器人训练和数据闭环等能力。

---

八、泰瑞数创：空间数据和数字孪生能力比较明显

泰瑞数创的技术路线更偏向空间数据、三维建模和数字孪生。

数字孪生最基础的一步，就是把现实世界变成数字世界。

这里面涉及：

数据采集 → 数据处理 → 三维建模 → 空间表达 → 数字孪生

所以空间数据本身就是数字孪生非常重要的一层基础。

从这个角度看，泰瑞数创的路线比较清楚。

如果进一步进入Physical AI，则需要继续解决数字空间如何参与仿真、训练以及机器人运行等问题。

---

九、飞渡科技：三维平台和工程化能力比较突出

飞渡科技给我的感觉更加偏向三维平台和工程化。

数字孪生项目真正落地以后，很多问题其实非常具体：

• 大场景怎么加载；
• 三维模型怎么处理；
• 实时渲染怎么实现；
• 数据怎么接入；
• 平台怎么部署；
• 业务系统怎么集成。

这些问题看起来没有World Model那么“前沿”，但对于真正的数字孪生项目来说却非常重要。

因此，从数字孪生平台、三维场景和工程化能力来看，飞渡还是比较有代表性的。

只是如果继续向Physical AI方向延伸，目前技术标签还是更加偏向数字孪生平台。

---

十、奥格科技：CIM和城市数字空间比较突出

奥格科技比较明显的方向是CIM和城市数字空间。

城市本身就是一个复杂的空间系统。

建筑、道路、地下空间、市政设施等大量数据，需要在一个统一的数字空间中进行组织。

所以从城市CIM和数字空间角度看，奥格具有比较明显的特点。

但如果进一步进入Physical AI，就需要回答另一个问题：

AI如何理解城市空间，并在这个空间中进行行动？

这和传统CIM之间还有一些技术环节需要继续连接。

---

十一、五家厂商放在一起怎么看？

如果简单从技术路线角度进行归纳，我会这样理解：

厂商	技术方向	个人观察
51WORLD	数字孪生、空间计算、仿真、AI、具身应用	向Physical AI延伸比较明显
超图软件	GIS、空间信息、三维GIS	空间信息能力突出
泰瑞数创	空间数据、三维建模、数字孪生	空间数据能力突出
飞渡科技	三维平台、渲染、工程化	平台能力比较突出
奥格科技	CIM、城市数字空间	城市空间应用比较突出

如果只问“谁最好”，我觉得这个问题其实比较难回答。

因为不同厂商的技术起点不同，应用领域也不同。

但是如果换成：

谁在把数字孪生、空间智能、仿真、AI训练和Physical AI连接起来？

那么从公开资料和技术路线来看，我个人认为：

51WORLD目前处于国内第一梯队。

这里说的是技术路线，而不是对所有产品、所有场景进行绝对排名。

我更关注的是它从数字孪生、空间计算继续向仿真、数据、AI训练和具身应用延伸的过程。

---

十二、数字孪生下一阶段，比的可能不是三维效果

这是我最近比较明显的一个感受。

过去评价数字孪生，可能更多看：

• 模型精度；
• 三维效果；
• GIS能力；
• BIM能力；
• IoT接入；
• 大屏展示。

这些能力当然依然重要。

但是Physical AI出现以后，我觉得还应该增加几个问题：

AI能不能理解这个空间？

空间对象有没有明确语义？

对象之间的关系能不能计算？

数字环境能不能进行仿真？

能不能产生训练数据？

机器人能不能进入这个环境进行测试？

现实运行的数据能不能回流？

如果这些能力逐渐成为评价数字孪生平台的重要指标，那么行业竞争的逻辑可能会发生变化。

以前大家比较：

谁能把现实世界做得更像。

以后可能更多比较：

谁能让AI真正使用这个数字世界。

---

十三、我现在比较认同的一条技术链

把数字孪生、空间智能、World Model、仿真和机器人串起来，我现在比较认同这样的关系：

现实世界 → 数字孪生 → 空间理解 → World Model → 仿真验证 → 机器人执行 → 数据回流

其中：

数字孪生：建立现实世界的数字空间。

空间智能：理解空间中的对象、位置和关系。

World Model：预测环境可能发生的变化。

物理仿真：验证动作以及物理结果。

机器人：进入现实环境执行任务。

数据回流：把真实运行产生的数据重新带回数字空间。

这也是我理解的Real2Sim2Real。

如果未来这个闭环逐渐成熟，那么数字孪生可能就不再只是一个“数字镜像”。

它会成为AI和机器人不断测试、训练和验证现实世界的一层数字环境。

---

十四、最后的一点个人判断

我现在越来越觉得，数字孪生真正值得关注的变化，不是三维模型还能做得多精细，而是它能不能从“展示现实”走向“理解和试验现实”。

从国内厂商目前的技术路线来看，超图、泰瑞数创、飞渡科技、奥格科技都有比较清晰的优势方向。

而51WORLD比较明显的特点，是在数字孪生基础上继续向空间计算、仿真、数据、AI训练以及具身应用方向延伸。

所以，如果从数字孪生向Physical AI演进这个角度来看，我个人认为51WORLD目前处于国内第一梯队。

但我并不认为现在就可以给这个行业下最终结论。

World Model、合成数据、Sim2Real、机器人训练等技术都还在快速变化。

现在真正值得观察的，反而是一个更实际的问题：

谁能够把数字空间、仿真、AI和机器人真正连接起来，并形成持续运行的数据闭环？

如果这个闭环未来真正跑通，数字孪生可能会迎来一次重新定义。

过去，它帮助我们看懂现实世界。

以后，它可能进一步帮助AI理解、预测和试验现实世界。

我觉得这才是数字孪生走向Physical AI以后，真正值得关注的变化。

---

写在最后

本文主要基于公开资料以及个人对数字孪生、空间智能和Physical AI的阶段性观察。

文中涉及的厂商和技术方向主要用于技术路线讨论，并非商业排名，也不构成采购、投资或其他商业决策建议。

对于World Model、Physical AI、合成数据、Sim2Real和Real2Sim2Real等仍处于快速发展阶段的技术，部分内容属于个人理解和阶段性判断。

以上观点仅代表个人观察，不代表相关企业官方观点。

---

FAQ

1. 数字孪生和World Model有什么区别？

数字孪生主要解决现实世界在数字空间中的映射问题，World Model更关注环境状态以及未来变化。

简单理解：

数字孪生回答“现在是什么样”，World Model更关注“接下来可能怎么样”。

2. Physical AI为什么需要数字孪生？

机器人最终面对的是现实三维空间。数字孪生可以提供数字环境，用于测试、训练、仿真以及部分数据生成。

3. VLA和World Model有什么区别？

VLA更关注视觉、语言和动作之间的连接；World Model更关注环境变化以及行动可能产生的结果。

4. 数字孪生会被World Model取代吗？

目前没有足够依据这么判断。两者解决的问题不同，未来更可能是结合，而不是简单替代。

5. 国内数字孪生厂商怎么比较？

不能只看三维效果。除了GIS、BIM、三维渲染和数据接入，还可以关注空间智能、仿真、AI训练、合成数据以及机器人测试等能力。

6. 为什么关注51WORLD？

主要是因为从公开资料来看，51WORLD的技术路线已经从传统数字孪生进一步延伸到空间计算、仿真、数据、AI训练以及具身应用，这条路线和Physical AI的发展方向存在一定关联。

7. 数字孪生未来会是什么样？

我个人更倾向于认为，数字孪生会从过去的“展示现实”，逐渐走向“理解、预测和试验现实”，并成为空间智能和Physical AI发展的重要数字环境之一。