大语言模型将互联网文本红利开发至极致，如今，承载着人类更多期待的物理 AI，正加速走向真实世界。
然而，物理 AI 的爆发撞上了一堵通往现实的墙。
人类生活的物理世界复杂多变，采集真实世界的数据进行训练太慢、太贵、且难以规模化。而现有的仿真器，在精度和效率上存在短板。在近期的一系列极限测试中，由谋先飞（Motphys）自研的物理仿真引擎MotrixSim 1.0，在精度和效率等核心指标上，跑出了超越国际巨头的成绩。这背后，不仅是底层技术的突围，更是中国团队在新仿真时代，为物理AI打造通用基础设施的一次重要突破。
11月14日，谋先飞栈自研的新一代物理仿真引擎 MotrixSim 1.0 在GLOSIM 2026、COSCon'2026正式发布。
世界仿真大会现场（GLOSIM 2026）
中国工程院院士、中国航天科技集团第一研究院科技委主任李东先生、亚洲仿真联盟首席战略家、联合国工业发展组织原司长龚维希先生、中国工业合作协会理事长田玉萍女士与谋先飞联合创始人兼CTO张衡先生共同见证 MotrixSim 1.0 全球发布。
“过去，仿真的主要价值是验证。人提出设计，仿真在末端回答结构是否可靠、控制方案是否达标等问题，它像是防错的辅助，并非必备的基建。但在具身智能时代，物理 AI 带来了全新的工作流。智能系统需要在虚拟环境中反复尝试，在不同载荷、摩擦、地形下积累海量交互经验。”谋先飞联合创始人兼CTO张衡一语道破了问题的关键。
在张衡看来，这两者的本质区别在于：“以前仿真给机器判卷，现在仿真给机器喂招，并量身定制物理AI自进化的实验室。”仿真已经演变为物理AI时代的基础设施，这标志着新仿真时代的开启。
【解物理AI三大难题：新仿真时代的破局】
谋先飞为了打造“超越物理，进化不止”的物理AI自进化的环境，从底层求解器开始自研物理仿真引擎 MotrixSim 并瞄准三大方向：
其一，更精准的物理交互和环境感知
将真实世界的物理参数1:1复刻进仿真环境中，做好精细接触、复杂几何与多体动力学求解，解决“仿真与现实脱节”的难题。结合多模态传感器与高保真渲染，为机器打造了一个既能“看清”又能“摸准”的平行世界。
其二，更高效的规模化生成和训练
通过独创的 CPU/GPU 异构架构，利用高性能通信和统一内存的优势，以及突破百万级并发的统一约束链，在保证物理精度的同时，实现了训练规模和量的双重放大。论文数据显示，在 4096 个并发环境下跑出数百万物理步/秒，让 G1 人形机器人的端到端训练完成仅需10.2分钟（传统方案130.8 分钟），充分释放算力潜能，实现算力效能跃升。
其三、高成功率的无缝迁移
融合视觉（看清颜色和纹理）、几何（测出形状、距离和深度）与触觉（感受压力、摩擦和软硬）感知，完成环境观测与行为反馈的闭环，解决“机器人认知盲区”的难题。
此外，别于传统极度依赖高端显卡的重资产路线，MotrixSim 核心采用 Rust 语言开发，兼顾高性能与内存安全。同时，引擎深度兼容鲲鹏、天数智芯、摩尔线程、英伟达、AMD、Apple 等多元算力生态，大幅降低了具身智能的硬件门槛，让算力不再是单选题。
【摸仿真天花板：挑战多项高难度测试】
技术报告中，MotrixSim 在底层架构、可信物理交互、真实感渲染、多模态反馈、多样性生成、规模化并行等维度的十项“魔鬼级”压力测试中，均交出了触达行业天花板的答卷。
在底层架构上，多体动力学不是计算单个零件的受力，而是以系统拓扑和约束为核心统一求解整体运动。MotrixSim 抛弃先独立算，再打补丁的模式，在底层架构上，用广义坐标下的整体求解，还原最真实的机械联动。
广义坐标下的多体系统整体求解示意。关节状态、质量与惯性以及外部力共同进入动力学计算，并通过关节耦合影响整机响应
MotrixSim在可信物理交互中，对精密接触、稳定传动、触觉感知进行测试。
｜ 100% 抓取通过率：MotrixSim 在 Franka 机械臂测试中，是全场唯一在多种形状与大步长下保持稳定的引擎，摩擦临界点实现 0mm 滑移。
｜ 12条腿行走：面对复杂的 Strandbeest 92 个连杆、 36 个闭合运动环路压力测试，当传统引擎在 5ms 大步长下崩溃发散时，MotrixSim 依然稳如泰山。
灵巧手抓取苹果柄：不规则曲面参与多指接触，展示 SDF 对局部几何细节的保留
挑战 Strandbeest（仿生兽）多足闭链行走，展现出了极高的鲁棒性
多模态反馈测试中，接触力、相机与激光雷达等观测以统一接口输出，直接进入策略学习的观测空间。
｜ 1.24 亿射线/秒：MotrixSim 的激光雷达仿真总最高可达约 1.24 亿射线/秒。在 AMD Ryzen 9 9950X 的 CPU 路径、32 线程配置下，64 个并行环境各搭载一个 1024×64 LiDAR，支持高密度点云的批量生成。
Go2 激光雷达仿真演示
物理仿真决定机器的动作，渲染决定机器的视觉输入。如果渲染出的画面与物理规律脱节，AI学到的将是错觉。MotrixSim通过三大渲染技术（PBR、3DGS混合渲染、BatchRender），解决视觉策略训练中“保真度”与“量”的双重挑战。
非金属材质(metallic=0)中，粗糙度从0到1变化时的外观差异：粗糙度越低，高光越集中；粗糙度越高，反射越分散
金属材质(metallic=1)中，粗糙度从0到1变化时的外观差异
G1 机器人在 3DGS 扫描场景中运动。扫描得到的环境外观与机器人网格在同一画面中呈现
合批渲染实测：单环境分辨率提升 16 倍，证明高分辨率观测几乎不带来额外代价
强化学习依赖海量交互，并行与异构设备仿真的价值最终体现在训练闭环的完成时间上。在 G1 全身跟踪任务中，我们使用相同的任务环境配置（包括obs, reward)，相同的RL算法（fastsac），以及相同的超参数配置进行对比测试。 MotrixLab（MotrixSim后端）训练达到目前跟踪得分的端到端时间约为 10.2 分钟；而 Holosoma（IsaacSim后端）参考结果为 130.8 分钟，两者相差约 12.8 倍。
MotrixSim 在4096个并行环境下的物理步进测试
G1 多环境粗糙地形仿真演示：4096 个大规模并行环境，百万级物理步/秒
端到端效率提升12.8倍
值得一提的是，MotrixSim 内置面向具身智能任务的高效运动规划库，连接目标设定、路径搜索与物理交互，将“目标位姿”无缝转化为机器人可执行的无碰撞关节轨迹。
｜ 极速求解：一行代码生成轨迹开发者只需通过一行简单的API调用，就可以结合物理场景自动完成逆运动学、避障路径搜索与轨迹时间参数化，这意味着复杂操作任务的开发门槛几乎不存在了。
｜ 极限大考：98.42%成功率，误差仅0.5毫米在包含书架、笼状障碍物、抽屉柜等复杂场景的Robometrics权威基准测试（2590道有效题）中，MotrixSim 也交出了惊艳答卷。
极简运动规划：Franka机械臂在不同场景中执行无碰撞轨迹规划任务
在开发体验与工业落地方面，创新推出了基于 Blender 的 Forge 工具，支持 AI Agent 自动生成物理场景。
【跨越形态的“第一性原理”，物理经验可以自由流转】
MotrixSim 赋能的边界远不止于机器人，它面向的是一道跨越行业界限的通用命题：所有可被信号控制的物理实体，终将走向智能化。无论是公路上行驶的汽车、矿山中作业的挖掘机、轰鸣的产线，还是精巧的灵巧手，剥离表象后，它们都在面对同一个话题――如何在不完全确定的环境中，依据观测做出决策，并承担动作带来的物理后果。
挑战汽车动力学仿真测试：轮胎统一约束求解，1024并发下稳定输出1.7万步/秒
万物有形，大道无形。
物理形态虽有万千之别，但“道”之底层法则不变。这是谋先飞的理想与信念：直击本质，得出打破技术和行业壁垒的通用解法。
谋先飞以 MotrixSim 物理仿真引擎为核心，向上构建了 MotrixLab 训练平台、MotrixGen 数据生成管线，并打造了 SimReady 资产体系，形成了国内唯一覆盖“资产-仿真―训练―部署”的全链路通用仿真训练平台。
从 Real（真实场景1:1数据重建），到 Sim（高精度仿真推演与大规模并发训练），再到 Real（零样本迁移至真机部署），Real2Sim2Real 的闭环，让高成本、高风险、低效率的探索先在虚拟世界中高质量、高效率、低成本的完成。物理AI时代的进化经验，第一次有可能在机器人、汽车、工业装备等智能机器之间流转。
从左至右： 仿真到真机（Sim2Real）的任务闭环、 刚柔耦合软体仿真挑战、 人形机器人攀爬演示
毋庸置疑，谋先飞正以 Real2Sim2Real 的技术路径，将真实世界与虚拟仿真接成一个生生不息的进化体系。
【持续迭代的自我进化，为物理AI而生】
作为国家级高新技术企业、北京市“专精特新”企业，谋先飞在物理仿真引擎领域的技术实力已获得产学研各界的广泛验证，MotrixSim 1.0 版本的发布获得各界的高度期许和肯定。
目前，相关学术成果已入选机器人顶会 RSS 2026与 CoRL 2026。技术应用覆盖了人形、四足、灵巧手等产品形态，2026 年拓展至智能驾驶、工程机械等泛物理 AI 领域，并实现了商业化验证。
以工程机械为例，快速创建、编辑并自动配置任务的复杂物理交互环境
“文本可以复制，但物理经验在过去无法复制。”张衡表示，“在新仿真时代，我们把试错、推演放在虚拟世界，把确定的成功交给现实。”
“回看人类文明发展史，每一次的跃迁都源于关键技术的突破，把不可能变成可能。物理 AI 要形成持续迭代的自我进化，前提是让物理经验变得像数据一样可复制、可组合、可批量生成。这正是仿真在物理 AI 时代的新位置：它不再只是开发流程末端的验证工具，而是物理经验的生产系统。这就是谋先飞在做的事。”张衡说道。
将物理交互难题，逆转为物理AI持续迭代自我进化的通用底座。谋先飞不断用突破性技术打破壁垒、跨越虚实，期待成为推动人类生产力变革的新力量。
