用人话看懂索辰科技新发布的“世界物理模型”
近日，索辰科技召开发布会，介绍了其最新的“世界物理模型”技术及相关方案。鉴于该“世界物理模型”与AI界经常提到的“世界模型”相关概念有着显著区别，发布会名词满天飞把人绕晕，AIE这里用相对更简单和通俗（不一定完全准确）的方式对其进行一下介绍，方便大家更好的理解。
“世界物理模型”系列方案的核心理念
这里先介绍2个理念相似，大家更为熟悉的概念：车辆自动驾驶虚拟仿真城市和虚拟风洞。
汽车自动驾驶虚拟仿真城市：训练汽车的自动驾驶算法时，很常见的做法是构建一个3D的虚拟城市（类似于真实城市的3D虚拟数字孪生），虚拟城市中有着如真实城市般运行的车辆、行人、信号灯等，在这个虚拟环境中可以模拟各种各样的情况，用于对自动驾驶汽车控制算法进行训练和验证。
图片来源：MORAI
虚拟风洞/数字孪生风洞：在虚拟环境中，构建一个与真实风洞一样的数字风洞，虚拟风洞中的流场的物理性质与真实风洞中相同，通过虚拟风洞可代替真实风洞对产品的流体力学性能进行测试，得到与真实风洞接近或相同的测试结果。
风神NF3数字孪生风洞，图片来源：神工坊，
两种方式理念基本类似，通过在数字空间中构建一个与真实世界物理规律相同的虚拟环境，用于相关产品的虚拟试验和测试。相比在真实环境中进行实验和测试，能模拟很多极端工况，避免安全风险，大大降低了实验成本，提高实验效率。
两者不同的在于，汽车自动驾驶虚拟环境中，模拟真实物理规律的方向在车辆、行车的运动控制等，而虚拟风洞的方向则在空气动力学。
把这个理念推广到其它物理学，也就构成了其它的不同类型的虚拟仿真环境。索辰科技发布的“世界物理模型”相关方案，即是同样理念下，针对的流体、电磁、声学等几种物理学的虚拟环境。
“世界物理模型”对应的具体场景化方案
面向无人机管控的城市3D虚拟环境
构建一个与真实城市类似的3D虚拟环境，环境中的风场、电磁场、声场等运行模拟真实世界，在这个虚拟环境中，可以研究无人机运动与环境风、电磁等的影响和作用。具体落地结合到城市无人机管控场景，形成了 “飞思”及“乾盾”2个典型解决方案。
“飞思”面向无人机管控，结合实际城市风场测量数据，为无人机预测规划安全的飞行路线，号称“空中高德”。
“乾盾”则是面向反无人机场景。针对一些无人机雷达难以探测的情况，通过检测真实环境电磁和声场等的变化，反向推算出无人机的位置等信息，从而检测和处置黑飞等行为。
面向电磁产品开发的虚拟电磁暗室
一个与真实电磁暗室对应的虚拟电磁暗室，在其中可以进行无人机、电子产品的电磁特性模拟和测试。
面向产品气动噪声研发的虚拟风洞
在虚拟风洞中，预测产品，如风扇的气动噪声，从而指导结构设计。
不过不同于只创建一个虚拟风洞，这个方案构建了面向风扇从结构设计到仿真的一体化软件“智能工坊”，在同一个软件内完成创建设计变体，仿真求解、模型训练、参数寻优等工作。据称通过这种方式，使某型风扇的噪声下降了3分贝。
面向海洋装备研发的多物理场海洋虚拟仿真环境
一个融合了流体、电磁、声学、跨介质等多学科的复杂的虚拟海洋，用于研究海洋装备在海洋环境下的受到的影响等。
方案背后的算法模型构建
以上场景中的物理量都需要进行近实时的求解，背后依赖的是预先训练的AI模型（也称物理AI模型，即AI代理模型）以及GPU并行求解等技术。
AI模型的训练数据一方面来自CAE计算结果，通过大规模CAE计算数据训练出AI代理模型。另一方面则是来自真实数据采集，用真实数据指导AI模型调参，从而提升AI求解结果准确性。
针对以上各场景，索辰科技在自己公司的一片园区，搭建了对应的真实数据采集环境，合称物理AI工厂，具体包括：在园区内实地采集风场和电磁数据、与虚拟环境对应的真实的电磁暗室、与虚拟环境对应的真实的风洞、缩比的海洋模拟水池等。
索辰还搭建了真实的具身智能机器人训练场地，用于结合仿真数据，构建具身智能机器人数据集。
