具身智能仿真训练 行业研究报告

一、研究摘要 / 核心观点

1. 仿真训练已成为机器人量产的"前置基础设施"：行业共识由"真机试错"转向"仿真优先（Simulation-first）"。NVIDIA Isaac Sim 2025 年活跃企业用户超 40,000 家，Sim2Real 迁移在真实操作任务上成功率已达 85%—90%（2022 年尚不可及），域随机化使真实数据成本下降 70%—85%。
2. 全球市场高速扩张且头部高度集中：Physical AI Simulation & Digital Twin for Robotics 全球市场 2025 年约 38 亿美元，预计 2034 年达 346 亿美元（CAGR 28.5%）；前四大厂商（NVIDIA、Siemens、Dassault Systèmes、Microsoft）合计约 58% 份额，NVIDIA 凭 Isaac 生态领先。
3. 人形机器人训练是增速最快的细分：Humanoid Robot Training 子板块 CAGR 约 35.4%（2026—2034），人形机器人软件与仿真栈 2025 年约 23 亿美元、2034 年达 328 亿美元（CAGR 41.7%），由 Figure AI、Tesla Optimus、Agility 等每月数千万 GPU·小时的训练管线驱动。
4. 中国市场缺乏权威一致口径，多机构估算差异显著：国内"机器人仿真 / 具身智能仿真平台"规模在公开报告中从 4.1 亿美元到 11.7 亿美元不等（机构口径不同），与全球 38 亿美元基准不成比例，宜标【口径差异】并【待核实】，建议以全球基准 + 本土厂商进展交叉验证。
5. 国产替代窗口开启：松应科技（OrcaSim / ORCA）10 个月内完成天使 + Pre-A + Pre-A+ 三轮、累计融资数亿元，适配国产 GPU 生态，是国产物理 AI 仿真系统的代表性标的；但整体仍处早期，技术、生态、标准均待成熟。

二、研究背景与定义（含研究边界）

• 具身智能仿真训练（Embodied Simulation & Sim2Real Training）：在 GPU 加速的虚拟环境中，通过高保真物理引擎生成机器人策略训练数据，再将策略迁移（Sim2Real）至真实硬件。核心是"以合成仿真数据替代昂贵、危险、耗时的真实数据采集"。
• 关键技术与栈：①物理引擎（NVIDIA PhysX / Newton、MuJoCo、PyBullet、ORCA Engine）；②渲染（光追、NeRF / 扩散模型场景生成）；③域随机化（Domain Randomization，随机化光照 / 纹理 / 质量 / 摩擦以弥合仿真—现实差距）；④机器人基础模型（VLA，如 GR00T、Gemini Robotics）；⑤云端并行训练框架（Isaac Lab、OSMO、LeRobot）。
• 与"合成数据"报告的区别（研究边界）：本机构另有"合成数据"专题，侧重大模型文本 / 图像训练数据的生成；本报告锁定"机器人 / 具身智能"的物理仿真训练数据，即面向操作、导航、抓取、运动控制的合成交互数据，不含 LLM 预训练文本合成。二者在"域随机化""物理引擎"维度技术交叉，但下游与付费方不同。
• 边界排除：不含纯数字孪生运维（不以训练为目的的工厂镜像）、不含自动驾驶仿真（仅作对比参照）、不含通用游戏引擎（Unity / Unreal 非机器人专用，仅作渲染技术参照）。

三、研究方法与数据来源（Methodology）

• 国际行业研究：MarketIntelo《Physical AI Simulation and Digital Twin for Robotics》《Synthetic Data for Robotics》、ResearchIntelo《Embodied AI Robot Software Platform》《Humanoid Robot Software and Simulation Stack》、DataIntelo《Synthetic Data Engines for Robot Vision》。
• 国内行业研究：IIM 信息《全球及中国机器人仿真模拟平台行业》《高保真机器人仿真与训练平台》系列、恒州诚思（YH Research）《具身智能机器人仿真平台》、沙利文（Frost & Sullivan）《中国合成数据解决方案发展洞察》（宏观参照）。
• 企业公告与媒体：NVIDIA Isaac 平台发布信息（Isaac Sim 6.0 / Isaac Lab 3.0 / Newton 1.0，2026-04）、松应科技融资报道（上海证券报 / 网易财经）、企查查 / 天眼查企业档案。
• 开源与学术参照：MuJoCo、PyBullet、Google Real2Sim、HuggingFace LeRobot、OpenVLA 等公开项目作为技术生态佐证。
• 口径与合规说明：全球市场规模有多家机构独立估算，数值可交叉验证；中国市场缺乏国家统计局 / 工信部级权威统计，公开第三方报告口径差异大（4.1 亿—11.7 亿美元），一律标【口径差异】，主结论以全球基准 + 本土厂商进展交叉验证，不盲信单一国内估算。