“继生成式AI之后是物理AI”……合成数据崛起为全球AI核心基础设施

by Jang Hyowon

Published 22 May.2026 10:44(KST)

随着超越生成式人工智能、能够感知现实环境并进行判断和行动的“物理人工智能（Physical AI）”时代全面到来，全球人工智能产业的竞争重心正转向数据基础设施。为了在机器人、自动驾驶、智能工厂等现实世界场景中落地人工智能，必须获取与真实环境高度相似的训练数据，其中，合成数据（Synthetic Data）正作为支撑这一需求的关键基础设施备受关注。

合成数据并非通过反复采集真实数据获得，而是在基于数字孪生（Digital Twin）的虚拟环境中生成的人工智能训练数据。其核心在于，不仅仅停留在简单的三维建模层面，而是要将材料、表面质感、反射率、光照、传感器误差等现实物理要素纳入考量，从而构建与工业现场高度相似的训练环境。

业内认为，在真实现场反复让机器人学习的方式在成本、时间以及异常数据获取方面都存在明显局限，因此，先在虚拟环境中完成训练和验证，再应用到现实世界的“仿真到现实（Simulation-to-Real，Sim-to-Real）”架构将会加速普及。由此，相比单纯追求数据生成量，能够在实际机器人、自主驾驶、智能工厂环境中即时使用的“仿真就绪数据（Simulation-Ready Data）”的重要性正不断提升。

典型案例是全球工业自动化企业ABB与英伟达（NVIDIA）的合作。ABB机器人（ABB Robotics）为开发新一代自主工业机器人，与英伟达构建合作体系，并公布了将其机器人仿真平台“RobotStudio”与英伟达“Omniverse”结合，构建工业用人工智能仿真环境的计划。

ABB正通过将机器人设计、编程和仿真软件RobotStudio与英伟达Omniverse结合，在工业机器人实际投入工厂之前，进一步完善其在虚拟环境中进行作业学习与验证的架构。英伟达则依托Omniverse和Isaac Sim的物理仿真技术，集中力量开发缩小虚拟环境与真实环境差异的Sim-to-Real技术。

业内将此次合作解读为，非单纯的技术联手，而是为了在物理人工智能时代抢占合成数据与仿真生态这一核心基础设施的战略性布局。有分析指出，让在虚拟环境中完成训练的人工智能模型在制造、物流等真实工业现场同样稳定运行的技术竞争，正全面展开。

在国内，针对物理人工智能训练用合成数据市场的布局也在不断扩大。不过，工业现场的空间结构、光照、对象交互、机器人行进路径以及物理仿真等都要一并实现的工业用合成数据领域，被认为是技术门槛极高的细分赛道。

在此背景下，SKAI Intelligence作为基于英伟达Omniverse的工业合成数据企业，正受到关注。该公司近期设立了企业附属研究所（R&D中心），以提升数字孪生和合成数据技术水平，并着力强化面向现实到仿真（Real-to-Sim）及仿真到现实（Sim-to-Real）架构设计的技术能力。

SKAI Intelligence不仅生成简单的三维数据，更专注于将工业现场结构、对象交互、机器人行进路径与物理仿真相结合，推进合成数据基础设施的高阶化建设。除此之外，Xiilab、N.LIGHT、CrowdWorks等部分国内企业也正以其在数字孪生、三维CAD、人工智能数据构建方面的能力为基础，加快布局相关市场。

市场成长性同样十分迅猛。根据全球市场调研机构Grand View Research的数据，全球合成数据市场规模预计将从2023年的2.184亿美元增长至2030年的17.881亿美元。随着机器人、自主驾驶、智能工厂等物理人工智能应用产业不断扩展，对工业用合成数据的需求也有望快速攀升。