“以前仿真给机器判卷，现在仿真给机器喂招。”谋先飞联合创始人兼CTO张衡用这样一组对比，描述仿真工具在物理AI浪潮中发生的角色转变。在他看来，智能系统需要在虚拟环境里反复尝试，在不同载荷、摩擦、地形条件下积累海量交互经验，仿真由此从开发流程末端的防错辅助，变成了物理AI赖以自进化的基础设施。
承载这一理念的产品，是谋先飞自研的新一代物理仿真引擎MotrixSim 1.0，已在GLOSIM 2026、COSCon'2026两场会议上正式发布。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，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，中国工业合作协会理事长田玉萍，与张衡共同见证了它的全球亮相。
角色转变的背后，是物理AI落地途中绕不开的数据困境。真实世界复杂多变，实地采集训练数据太慢、太贵，且难以规模化；现有仿真器则在精度与效率之间难以两全。MotrixSim选择从底层求解器开始完全自研，并锚定三个方向：更精准的物理交互与环境感知、更高效的规模化生成与训练，以及高成功率的向真机无缝迁移。
与业内普遍重度依赖高端显卡的重资产路线不同，MotrixSim核心采用Rust语言编写，兼顾高性能与内存安全，同时设计了CPU/GPU异构架构，借助高性能通信与统一内存优势，配合突破百万级并发的统一约束链。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，显著降低了具身智能研发的硬件门槛。
在多体动力学求解上，这款引擎摒弃了先独立计算各部件受力、再打补丁修正的传统模式，转而在广义坐标下对系统进行整体求解——关节状态、质量惯性与外部力共同进入动力学运算，经关节耦合传导至整机响应，以此还原真实的机械联动。
发布同期公布的技术报告显示，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高难度压力测试中，均给出了触及行业天花板的答卷，在精度与效率等核心指标上跑出了超越国际巨头的成绩。
训练效率或许是其中最受关注的一项。在G1人形机器人全身跟踪任务中，双方使用相同的任务环境配置、相同的RL算法（fastsac）与相同的超参数进行对比：以MotrixSim为后端的MotrixLab达到目标跟踪得分的端到端耗时约10.2分钟，而采用IsaacSim后端的Holosoma参考成绩为130.8分钟，两者相差约12.8倍。在4096个大规模并行环境下，引擎的物理步进吞吐达到数百万步/秒。
物理交互的稳定性同样经受住了考验。Franka机械臂抓取测试中，MotrixSim是全场唯一在多种形状与大步长条件下保持稳定的引擎，摩擦临界点滑移量为0mm，抓取通过率达到100%。面对Strandbeest仿生兽92个连杆、36个闭合运动环路的极限压力，当传统引擎在5ms大步长下崩溃发散时，它依然运行如常。
感知层面，其激光雷达仿真总吞吐最高约每秒1.24亿条射线，在AMD Ryzen 9 9950X、32线程的CPU路径下，64个并行环境各搭载一个1024×64的LiDAR，即可批量生成高密度点云。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，与视觉、触觉信息一起，构成覆盖颜色纹理、形状深度、压力软硬的完整感知闭环。
渲染环节，引擎组合了PBR材质、3DGS混合渲染与BatchRender三项技术，以应对视觉策略训练中保真度与吞吐量的双重挑战。合批渲染实测显示，单环境分辨率提升16倍后，吞吐几乎没有额外代价。
运动规划能力被直接内置于引擎。开发者通过一行API调用，系统即可结合物理场景自动完成逆运动学求解、避障路径搜索与轨迹时间参数化，把目标位姿转化为机器人可执行的无碰撞关节轨迹。在包含书架、笼状障碍物、抽屉柜等复杂场景的Robometrics基准测试（2590道有效题目）中，这套规划库取得98.42%的成功率，误差仅0.5毫米。
配套工具方面，团队推出了基于Blender的Forge工具，支持AI Agent自动生成物理场景。围绕MotrixSim内核，谋先飞还搭建了MotrixLab训练平台、MotrixGen数据生成管线与SimReady资产体系，形成覆盖“资产—仿真—训练—部署”全链路的通用仿真训练平台。
汽车动力学同样被纳入测试范围：在轮胎统一约束求解下，1024个并发环境稳定输出每秒1.7万步。张衡认为，MotrixSim的能力边界不止于机器人——公路上行驶的汽车、矿山中作业的挖掘机、轰鸣的产线乃至精巧的灵巧手，剥离表象后面对的都是同一个命题：如何在不确定环境中依据观测做决策，并承担动作带来的物理后果。物理形态千差万别，底层法则却是相通的。
从真实场景的一比一数据重建，到高精度仿真推演与大规模并发训练，再到零样本迁移至真机部署，Real2Sim2Real闭环让高成本、高风险、低效率的探索得以在虚拟世界中高质量、低成本地完成。按照张衡的说法，文本可以复制，但物理经验在过去无法复制；在新仿真时代，试错与推演被放进虚拟世界，确定的成功交给现实。
资料显示，谋先飞是国家级高新技术企业和北京市“专精特新”企业，相关学术成果已入选机器人顶会RSS 2026与CoRL 2026。目前，其技术应用覆盖人形机器人、四足机器人、灵巧手等形态，并已延伸至智能驾驶、工程机械等泛物理AI领域，完成商业化验证。
