工业智能化的发展，正提出一个越来越具体的问题：企业积累的图纸、工程模型、设备数据和专业经验，如何共同构成一个能够运行、推演和持续学习的数字世界？

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“万象·天演”。

这款产品从分散的工业信息出发，通过工程资产组织、物理建模和模型校准，构建可运行、可复用的工业世界，为智能体训练、方案验证和工业决策提供基础。

让分散的工业信息进入同一个世界

工业企业拥有大量数据，但这些数据往往分布在不同软件和业务系统中。一台泵的几何结构保存在设计文件里，材料特性记录在工程文档中，运行压力来自传感器，维修经验则可能留在技术人员的工作记录里。信息各自存在，却难以直接共同参与计算。

这也是工业世界模型落地的一道门槛。模型既要知道设备“长什么样”，还要理解它由什么材料组成、与哪些部件相连、受到什么约束，以及改变操作后会产生怎样的响应。

按照天洑的产品设计，IWM Generator能够将CAD、CAE、工程文档、实验与传感器数据等工业信息组织为可复用的工程资产，也可通过照片、视频和点云等方式，将现实对象引入数字空间。

连接这些资产的关键，是工业本体。通俗地说，它为不同来源的信息建立统一的工程含义：明确对象是什么、有什么属性、彼此如何关联，以及能够发生哪些动作。由此，几何模型、运行数据和工程知识能够共同参与工业世界的构建。

“打通数据入口”的意义，也正在于让企业已有积累进入可计算、可推演的模型体系，减少每次面对新任务都重新整理信息、搭建模型的重复劳动。

让数字世界按照物理规律运行

工业世界建成之后，还要回答一个关键问题：它的运行结果是否可信？

例如，机器人抓取柔性物体时，接触力、摩擦和变形共同影响抓取结果。电厂调整负荷时，功率、温度、压力和能耗之间存在相互制约。要推演这些变化，需要将物理规律和工程约束纳入计算。

天洑长期积累的流体、结构与优化算法，以及工业数据建模能力，为生成器提供了计算基础。其技术路线将高保真物理计算、降阶模型和AI代理模型连接起来，高保真计算用于研究机理、生成样本和验证关键结果，快速模型则服务于大规模交互与批量推演。

IWM Generator的“生成”包含两层含义：先从工业信息构建世界模型，再通过改变对象、工况、环境或操作方案，生成不同的具体世界。

这些“平行世界”，对应的是同一工业系统在不同条件下的运行可能。工程师可以比较不同选择的后果，智能体也可以在其中持续观察、行动并获得反馈。

以灵巧手训练为例，改变物体材料、摩擦和初始姿态，可以形成不同的抓取环境。模型运行过程中产生的接触力、运动轨迹和成败记录，可用于策略训练与能力验证。

对于电厂，则可以从同一个运行状态出发，比较不同负荷调节方案对温度、压力和能耗的影响。无人机控制、水利工程风险推演、装备轻量化设计等，也属于这一机制面向的应用方向。

由此，工业世界模型能够同时承担训练场、试验场和数据工厂的角色。现实中昂贵、危险或难以重复的条件，可以先在虚拟环境中开展探索，并将结果用于后续工程验证。

为工业智能建立持续积累的基础

从行业意义看，生成器连接了工业世界模型的输入与输出，一端吸收现实中的工程资产、数据与知识，另一端通过运行持续产生训练经验、验证结果和新的工业数据。现场反馈再进入模型，推动下一轮校准与推演。

作为工业世界模型框架体系及基础设施提供商，天洑此次发布的产品，将其物理AI与工业AI积累进一步组织为可供工程师和开发者使用的世界构建能力。

当工程资产能够跨任务复用，物理模型能够反复调用，试验结果能够持续沉淀，工业智能便有机会减少对一次性建模和现场试错的依赖，让更多设计与决策在进入现实之前，先经过计算和验证。