快 10 到 80 倍的引擎，被 NVIDIA 投了：仿真战争已经打完，赢家不在引擎里

十月十三日，巴黎旺多姆广场。黄仁勋念了四个法国公司的名字：做医疗预约的 Doctolib、做商业软件的 Pigment、做材料发现的 Entalpic，还有做机器人的 Genesis AI。

值得盯住的是第四家。它手上那套开源物理引擎，官方文档挂着一句很硬的话：比 Isaac Gym、Isaac Sim、Isaac Lab 和 MuJoCo MJX 快 10 到 80 倍。

英伟达投了一家公开宣称自己比英伟达快 80 倍的公司。 金额和持股比例双方都没披露——这种沉默通常不表示交易很小，只表示它不该被当成一笔财务投资来读。

一周之后，GTC 柏林在 10 月 20 日开幕，物理 AI 和工业 AI 被放进议程核心。但这次上台的不是本体公司：Agile Robots、Siemens Healthineers、Mercedes-Benz、Humanoid——是场景方和部署方。Keynote 的物理 AI 章节里坐着一群买机器人的人，而不是一群造机器人的人。

把这两件事并排放，会看到同一个结论：仿真这场战争已经打完了，只是赢下来的东西不是引擎。

一、三张牌，已经全部摊在桌上

先把牌面摆清楚，因为这一层已经没有悬念了。

英伟达这一路，是 PhysX 加 Newton。Newton 2025 年 3 月 GTC 公布，由英伟达、Google DeepMind、Disney Research 共同开发，同年 9 月 29 日捐给 Linux 基金会；2026 年 3 月 16 日宣布 1.0 正式可用（GA），8 月 11 日推到 1.5.0。它建在 Warp 和 OpenUSD 上，主力刚体后端是 DeepMind 的 MuJoCo Warp，加上 Disney 的 Kamino 处理闭环机构，VBD 与 iMPM 覆盖缆线、布料、软体、颗粒。Apache-2.0。

Genesis 这一路，2024 年 12 月开源，24 小时内 GitHub 星数破三万，被叫作「仿真界的 DeepSeek」。它的野心是把刚体、MPM、SPH、FEM、PBD 塞进同一个场景，配自研光线追踪渲染器 Nyx，跨平台编译器 Quadrants 把 Python 内核降到 CUDA、ROCm、Metal、Vulkan。2026 年年中演进为 Genesis World 1.0，星数约 2.95 万，也是 Apache-2.0。

第三张牌是 MuJoCo 自己——它没有消失，它变成了 Newton 的主力后端。这个细节比任何发布会都重要：上一代公认的参照系，选择以「求解器」的身份进入新架构，而不是以「引擎」的身份继续对抗。

三个都开源、都 GPU 并行、都能跑人形。引擎这一层在 2026 年已经没有独占性。 本专栏在 仿真里也没人及格 里画的路线图，当时判断「三条路线基本谈完了」，现在要补一句：不是谈完了，是合并了。

二、43 万倍实时，是一个 Franka 机械臂的成绩

Genesis 最出名的数字是：单张 RTX 4090，Franka 机械臂场景，4300 万帧每秒，折算约 43 万倍实时。附带还有一条：同一张卡上，一个 locomotion 策略 26 秒就迁移到了真机。

这些数字作为厂商口径是真的。但要拿它做采购决策，得先看清它测的是什么：单臂、刚体、少接触、无变形体。这是物理引擎最舒服的工况。

真实任务不是这样。机器人抓一个纸箱，箱子里半箱零件在晃；夹爪压在一叠布料上；线束插接时电缆在扭转。这时算的不是刚体积分，是多物理场耦合加接触求解，帧率会掉——掉多少取决于求解器怎么写，也取决于参数标得准不准。

Newton 的官方口径同样克制：人形仿真最高 70 倍，灵巧手内操作 100 倍，都带「最高」。第三方对 Genesis 的复测结论是「更细致的图景」——哪里快、哪里不快，跟首发宣传不完全一致。这不奇怪，所有引擎在自家 benchmark 上都最快。

还有一处更值得记：Genesis 名字里的「generative」，到今天仍然是一个承诺。 2024 年 12 月发布时，生成式数据引擎（.generate()）被明确写成「未来逐步推出」的模块，首批开源的只有物理引擎和仿真平台。到 2026 年，公开记录里没有任何一个生成模块被确认交付。

「一句话生成整套操作数据」这个演示，是它拿到 1.05 亿美元种子轮、谈到 30 亿美元投前估值的故事主干。主干至今没开源，引擎开源了。开源的是地基，没开源的是楼。 这个顺序说明了什么值钱。

三、版本说明书比发布会诚实

判断一条技术线走到哪一步，我习惯不看 keynote，看 changelog。

Newton 的版本说明有一条很清晰的转向。2025 年 8 月的 Alpha，讲的是「补齐求解器清单」：MuJoCo Warp、Featherstone、VBD、iMPM、XPBD、Style3D，统一 API、USD 导入。这是典型的「能力展示」阶段。

到 2026 年 8 月的 1.5.0，关键词全变了：批量关节控制、多 world 隔离与选择性 reset、接触稳定性与休眠、缆线拉伸/剪切/弯曲/扭转的独立建模、更可靠的 USD/MJCF 导入、初始化内存下降 10%–15%。官方给的 G1 初始化提速是 11%–24%。

没有一条是「更快」，全是「更能用」。 这是一个引擎从演示品变成生产工具的标志——它开始处理「一百个异构机器人并行训练，其中一个坏了要不要重置」这种没人愿意在发布会上讲的问题。

另一条线可以佐证：Isaac Sim 6.0 在 6 月 8 日 GA，把 Newton 作为第二物理后端与 PhysX 并列，加入浏览器流式 GUI（渲染和物理跑在云端，工程师用浏览器连），还塞进一个 MCP server，让编码助手能直接接管一个正在运行的仿真实例。6.1 在 9 月 10 日，6.2 在 10 月 14 日。Isaac Lab 3.0 的节奏是：3 月 beta、6 月 beta2、9 月 16 日 Early Access、GA 目标定在这个月底。

一个把「agent 能操作仿真器」写进主版本的平台，竞争维度已经不是帧率了。它在争的是：谁的仿真器最容易被一条自动化流水线调用。

四、它买的不是引擎，是 GPU 小时

回到那个悖论：为什么要投一个更快的对手？

因为引擎不构成护城河，GPU 小时构成。一家「仿真优先」的机器人公司，烧掉的 GPU 小时比几乎任何其他类型的创业公司都多：训练要 DGX，合成数据要 Omniverse 和 Isaac，端侧推理要 Thor。这条链上每一段都收一次钱。引擎归谁不重要，重要的是每一步都跑在谁的硅上。

时机也说明了这点：市场传 Genesis 正在谈约 5 亿美元、投前 30 亿美元的融资，英伟达在涨价前买了一个位置。

需要说清楚的是这条逻辑的争议面。批评者的说法是「循环经济」：投给客户，客户拿钱买你的卡，投资和收入之间的边界就糊了。黄仁勋的回应是这些投资相对业务规模很小，且每笔独立成立。这个争论没有定论，但提示了一件事——当基础设施供应商开始投资应用层，说明它判断应用层的赢家还没定。 如果引擎真是决定性的，英伟达没有理由去扶一个跟自己工具链竞争的引擎。

五、国产卖的从来不是引擎

这条线在国内长成了另一个样子，更接近真相。

五一视界（06651.HK）2026 年中报：营收 1.24 亿元，同比 +129.8%；其中 51Sim 收入 5123.8 万元，同比 +545.2%，占比从 14.8% 升到 41.4%，毛利率 44.78%，亏损收窄 25.5%。8 月发布的具身数据底座 AperData，上线两天订单破万套，不到一个月 Aper 系列在手订单突破 2 亿元，九成以上计划年内交付；应用平台 AperOne 的年内目标是千台级真机上岗。

光轮智能的路数是另一头：2026 年一季度订单 5.5 亿元，超过 2025 年全年营收；公开了 10 万小时的 EgoSuite-Open100K 人类第一视角数据集；同时是 Newton 项目的核心指导委员，参与 solver calibration 和 SimReady 资产标准。

松应科技的 ORCA 讲的是第三个故事：1:8:1 的数据配比（一指示教、八份仿真合成、一份真机微调），单条数据成本压到 0.2 到 0.3 元，有效率 98%，Sim2Real 迁移精度误差控制在 ±2% 以内。3 月底上线的 ORCA Lab 1.0，卖点是「一台普通笔记本就能跑完整训练流程」。

三家卖的没有一个是「引擎」。他们卖的是单位经济学：元/条、套/天、交付周期、误差带。这是采购部门听得懂的语言，而「快 80 倍」不是。

这也是我认为引擎战争已经结束的原因：客户已经不用引擎做决策了，用交付做决策。

但要泼一盆冷水。订单不是收入。2 亿元在手订单、九成年内交付，是一个很具体的承诺，具体到可以被 2027 年 3 月的年报逐条核对。这跟 上一篇深度篇 里那个「经常性收入」的门槛是同一个尺子：一次性项目订单和可复现的经营性收入，在估值上应该是两个行业。

六、没人报的那个数：摩擦系数猜错了多少

所有引擎都在报两个数：帧率，和任务成功率。没有一家在报第三个数：接触参数的标定误差。

但 sim2real 的上限由这个数决定。仿真里抓一个杯子，摩擦系数设 0.5 还是 0.75，成功率可能差二十个点。真实杯子的摩擦系数取决于材质、粗糙度、有没有一层水膜——没有一个能在产线上逐件测出来。

数据瓶颈那篇 里的结论是「墙不在数据量，在数据的物理成色」。两年过去，这堵墙没变矮，只是换了个位置：从「采不到数据」，变成「采到了也标不准」。

而制度正把这件事逼上台面。

GTC 柏林这一届被忽略的组件是 NVIDIA Halos。它不是模型也不是芯片，是一个按 ISO/IEC 17020 运行、拿到 ANAB 认可的物理 AI 功能安全检验项目，莱茵 TÜV、南德 TÜV、UL、exida、SGS 认可它出的报告。它回答的不是「机器人能不能动」，是「进工厂之前，异常环境下的行为能不能被验证」。

时间表比发布会硬得多。欧盟新版机械法规 EU 2023/1230 将在 2027 年 1 月 20 日全面适用，首次把「通过机器学习实现自演化行为的安全功能」纳入强制要求，这类系统必须接受公告机构独立评估。中国这边，首批六项人形机器人国标也已批准，2027 年 4 月 1 日实施。

两个日期卡在同一个上半年。这意味着什么？

意味着从 2026 年下半年起，一整批机器人公司要交一份从没准备过的东西：可审计的安全证据链——哪些工况测过、用了什么参数、边界在哪、失效模式是什么。唯一能低成本、可复现生产这种证据的工具，是仿真。

仿真的终局客户不是训练，是认证。

训练是消耗品，每个模型都要重来一遍；认证是资产，一张证书能卖很多台。前者按 GPU 小时计价，后者按报告计价。而报告这件事，恰好是开源引擎最不擅长、也最不愿意做的部分——因为它要求的是责任，不是速度。

七、三个判断

第一，18 个月内引擎会彻底商品化。 三个主流引擎全是 Apache-2.0，功能会互相抄平，速度差会被硬件迭代吃掉。差异化只剩两处：仿真就绪资产（SimReady 的 USD 库有多大、物理属性准不准）和标定工具链。谁攒下这两处资产，谁有定价权。这也解释了光轮为什么要挤进 Newton 指导委员会——标准席位比代码重要。

第二，2026 年底到 2027 年上半年，会出现一批「仿真即合规」的产品。 不是仿真平台的升级版，是独立的证据生成与审计工具：输入一个机器人型号和一个场景，输出一份能递给公告机构的报告。这个品类今天几乎空白，而它的需求日期已经写在法规里了。

第三，国产的窗口不在引擎，在交付速度。 谁能在六周内把客户的车间变成可训练、可评测的场景，谁就拿单。这跟引擎性能关系不大，跟资产库、标注流程、现场工程队关系很大。反过来说，如果 2027 年财报里订单转不成收入，这一轮的估值逻辑会重演一次 10 月 9 日。

最后回到那个悖论。

英伟达投了一个说自己更快的引擎，不是因为它相信速度，是因为它知道速度会被抹平，位置不会。它买的是「物理 AI 的每一步都跑在我的硅上」这个位置。

而真正还没被占住的位置，是那张证书。

信息源说明：本文的官方一手信息包括 NVIDIA 官方博客关于法国生态投资的公告（确认对 Genesis AI 的战略投资，未披露金额与持股）、NVIDIA GTC Berlin 2026 议程、Newton 项目官方 GitHub 与发布说明（1.0 GA / 1.5.0 变更日志）、Isaac Sim 与 Isaac Lab 官方发布记录、Genesis 官方文档与 readthedocs、五一视界（06651.HK）2026 年中期业绩公告、光轮智能与松应科技官方产品发布。媒体报道包括路透社与新浪财经关于证监会窗口指导及本次投资的转述、IT 之家与财联社对五一视界中报与 Aper 系列订单的报道、OFweek 与腾讯新闻对 GTC 柏林议程及 NVIDIA Halos 的解读、《科创板日报》对中信证券研报的转述。第三方与社区分析包括 AI Wiki 与 edgechat 对 Genesis 版本沿革与「生成式模块未交付」的考据、券商（华创、中信、同花顺投顾）对物理 AI 板块的梳理与盈利预测、机器人行业媒体对松应 ORCA 数据配比与单位成本的测算。文中「43 万倍实时」「70 倍/100 倍加速」「2 亿元在手订单」「±2% 迁移误差」分别为厂商口径、公司公告口径与第三方测算，均未获独立复现；欧盟机械法规与中国国标的时间表来自公开法规文本与媒体报道，具体适用范围应以监管机构解释为准。「仿真的终局客户是认证」属本专栏判断，非行业共识。