《2026年智能驾驶仿真与世界模型研究报告》主要围绕仿真与世界模型领域的核心技术、产业趋势与主流方案，内容涵盖仿真测试的完整体系（MIL到VIL的在环测试、场景库构建等），以及OEM/Tier世界模型方案落地的演进路径，重点分析了国内14家和国外13家主流仿真平台与世界模型方案商，梳理了仿真测试与世界模型的协同关系，并通过研究，展示了世界模型在数据降本、场景泛化、决策推理等方面的核心价值。
随着国标GB/T 47025-2026《智能网联汽车自动驾驶功能仿真试验方法及要求》于2026年1月28日发布并正式实施，该标准适用于具备自动驾驶功能的M类、N类车辆或自动驾驶系统，规定了自动驾驶功能的仿真试验方法、试验要求和总体通过要求。标准定义了 7类共48个专项试验项目。它与已发布的场地试验（GB/T 41798-2022）和道路试验（GB/T 44719-2024）标准共同构成“仿真-场地-道路”三位一体的完整验证体系。
各仿真在环测试环节定位与协同关系
来源：佐思汽研《2026年智能驾驶仿真与世界模型研究报告》
为加快L3/L4自动驾驶量产落地，一套成熟的自动驾驶算法验证通常遵循“99.9%仿真测试 + 0.09%封闭场地测试 + 0.01%公开道路测试”的黄金比例。推荐性国标GB/T 47025-2026要求传感器模型与实车误差≤5%；动力学模型与实车一致性≥95%；交通参与者行为高保真等，这意味着智能驾驶行业进入合规准入，安全优先的全新发展阶段。仿真测试不再是研发辅助手段，而是成为产品的准入、认证、安全举证的法定必需环节。
与此同时，世界模型作为一种生成式AI模型，能够通过构建内部表征理解真实世界的动态规律（涵盖物理特性与空间属性），同时借助文本、图像、视频和运动数据等输入信息生成视频内容，正加速在自动驾驶、机器人技术等领域展现出巨大应用潜力，正成为驱动智能系统向高阶感知与决策能力跃升的核心技术支柱。
世界模型“理解-生成-预测”能力
图片来源：大晓机器人
一、仿真平台向高保真度、物理一致性、动态交互的“训练环境”演进
仿真系统定位已从传统测试执行工具，升级为支撑算法训练的核心数据基础设施。仿真环境也正从追求“视觉上像”向“行为上真”演进，强调物理级传感器仿真（如光子、电信号、多回波）、精准的材料属性（如反射率、粗糙度）、符合物理规律的车辆动力学和交通流，以弥合“Sim-to-Real”鸿沟。
在高保真度方面，仿真平台企业正持续升级仿真验证能力，高置信度仿真更加细腻化。比如康谋 aiSim6，可以提供物理级传感器仿真，如摄像头（非线性响应、CMOS噪声）和LiDAR（高斯射线、多回波、天气衰减），实现ASAM OpenMATERIAL 3D标准，定义精确的材料物理属性。此外，其基于自研的 PBR Splatting 技术，对 3DGS 模型可动态调整场景光照，在同一路段动态切换白天、傍晚、夜晚等光照条件，变成了"可动态配置的训练环境"，实现“基于物理的动态神经渲染”。
值得注意的是，aiSim 6 将描述流体运动的Navier-Stokes 方程应用于环境粒子物理仿真，把物理级环境干扰引入了合成数据链路，可真实模拟车辆行驶气流带动的落叶运动、雨天路面溅起的水花、井盖蒸汽与交通参与者的动态交互效果，补齐边缘场景物理真实性短板。
aiSim6粒子仿真效果举例
图片来源：康谋
在物理一致性方面，以沛岱科技的精准物理仿真为例，沛岱自研自进化双涡轮驱动数据训练平台，在通过高物理性世界模型生成视觉或者点云等多模态数据闭环训练机器人大脑的同时，通过数据可信度测试技术（“物理判官”系统）检验生成数据的物理性，并同步完成数据筛选和世界模型的闭环再训练。基于自进化的数据双涡轮，使具身智能大脑在越来越物理的合成数据的注入下，完成全自动的迭代进化，增强算法在复杂真实场景中的适应性和泛化能力。
公司自研全物理级光学核心建模技术，高度还原数据光学物理性，并以此训练有包含动力学和光学双高物理性的多模态世界模型数据生成架构，为人工智能企业提供高保真合成数据解决方案。
图片来源：沛岱科技
在动态交互方面，以清科灵境为例，其面向高级智驾的交通流合成数据平台OASIS Traffic方案基于真实路侧数据，通过AI生成涵盖60类高交互场景的对抗交通流，利用TTC/PET量化危险度，覆盖超30%的长尾Corner Case。可生成海量动态交通场景（典型地区、典型交通场景、动态参与者、自然与对抗行为）数据集。
二、世界模型从“辅助工具”走向“核心基座”
世界模型致力于内化物理规律，如重力、碰撞、因果律，以解决长时序一致性、可解释性等传统仿真工具的痛点，理解世界的“常识”。例如，极佳视界 GigaWorld-1在物理遵循（Physics Adherence）能力卓越，能精准模拟重力、碰撞等复杂物理交互。理想 MindVLA-o1通过原生3D ViT和预测式隐世界模型，在三维空间结构中理解物体位置关系、运动规律。利用世界模型生成海量、高保真、多样化的训练数据，解决真实物理交互数据极度稀缺的瓶颈，推动“Sim2Real”迁移。
图片来源：佐思汽研
融合趋势：VLA + 世界模型 + 强化学习
在智能驾驶领域，世界模型从单一的数据生成器，升级为自动驾驶系统的核心认知与推演中枢，与VLA模型、强化学习深度融合。算法训练中，VLA负责感知与语义理解，世界模型负责未来推演与预测，强化学习负责在虚拟世界中自主优化决策，三者协同工作。例如，
•轻舟“VLA+世界模型”统一架构不仅能复用经过百万量产验证的端到端能力，还能通过语言能力精准理解环境文本、复杂场景与语音指令，实现模型决策、远程接管与人机交互的三重对齐；再借助世界预测模型，精准推演交通参与者行为、道路结构变化与动态场景演进，从而规划出最优行驶轨迹。
•小鹏X-World作为其第二代VLA的“云端母体”，是一个会“思考”驾驶场景的物理AI仿真器，通过世界模型生成海量场景用于训练评估，研发范式从“堆实车测试”转向“堆算力训练”。模型基于领先的视频生成模型WAN 2.2构建，采用定制化的DiT骨干网络。其关键创新在于引入了视角-时间自注意力机制，强制模型在生成时同时建模时间维度和7个环视摄像头视角间的空间几何关系，从而确保生成的虚拟世界在跨视角间严丝合缝，避免物体“穿模”或错位。底层采用高压缩比3D因果自编码器（VAE），大幅降低了多路视频流处理的计算开销，支持长时序建模。
图片来源：论文《X-World: Controllable Ego-Centric Multi-Camera World Models for Scalable End-to-End Driving》
世界模型核心基座案例：
智能驾驶领域，世界模型采用“云端训练+车端推理”的双引擎架构，由云端负责大规模训练和场景生成，车端负责实时决策和快速响应。 比如，2026年4月24日，华为发布乾崑智驾ADS 5，采用WEWA 2.0架构，博弈强度与学习效率提升10倍，碰撞风险降低50%；云端算力从2023年跃升至2026年目前的60 EFLOPS，实现21倍增长，支撑高阶自动驾驶研发。
华为WEWA架构，WE（World Engine）世界引擎（云端）负责梦镜训练和模型参数升级，利用扩散生成模型技术，采用“边生成、边学习、边验证”模式，高可控生成各种罕见场景，如侧前车Cut-in、鬼探头、前车急刹等，实现“从人教AI到AI教AI”；WA（World Action Model）世界行为模型（车端）负责实时路径规划与控制。
图片来源：2026华为乾崑技术大会
小马智行 PonyWorld 2.0 世界模型具备自我诊断与定向进化能力，AI能自主诊断短板、主动指导数据采集，成为研发训练范式变革的核心。具体而言，PonyWorld 2.0结合小马智行车端模型的Intention（意图）语义层，实现了对每一次驾驶决策的自动化回溯与归因分析。系统能够自动区分问题根源，并将诊断结果精准反馈至模型训练流程。
基于自我诊断结果，PonyWorld 2.0能够自动识别世界模型精度不足的具体场景，并主动生成定向数据采集任务。例如，系统可自动推送指令：“请于特定时段在指定路口重点采集逆光条件下非机动车与行人混行场景数据。”研发与测试团队由此围绕世界模型的“精度需求”高效协作，实现AI引导下的定向数据采集与模型迭代。
图片来源：佐思汽研
在具身智能领域，世界模型从“数据引擎”演变为具身智能体的“大脑”或“模拟器”，能进行物理推演、动作规划和任务决策。
例如，不同于传统的WA架构依赖低效、冗长的视频预测链路，极佳视界世界-动作模型(WAM) GigaWorld-Policy，以动作为中心的模型范式突破了跨模态耦合瓶颈，从架构层面实现推理效率的跃迁式提升。
首创 “训繁推简”混合范式策略模型：
•在训练阶段，GigaWorld-Policy 通过 Causal Mask（因果掩码） 机制实现动作 Token 与未来视觉 Token 的统一建模，使动作预测能够充分受益于未来视觉动态所带来的高密度监督信号。
•在推理阶段，模型则完全舍弃视频预测分支，仅保留轻量化的动作生成模块，无需执行长序列视觉 Token 的推理过程，根本性规避了传统 WA 模型中跨模态架构耦合带来的结构性计算冗余。
与当前主流 WA 模型（如 Motus 及 Cosmos Policy）相比，GigaWorld-Policy 在保持策略质量的同时实现10倍推理速度提升，真正匹配机器人高频闭环控制的实时性需求。GigaWorld-Policy 在真机任务中的平均成功率逼近 85% 。面对 Cosmos-Policy 等强劲对手，其成功率绝对值提升了超过30%。
图片来源：极佳视界
2026年4月29日，生数科技正式发布通用世界行动模型 Motubrain，其定位于具身智能机器人的通用大脑，具备多本体适配、多任务泛化和长程任务执行能力，实现一脑多能、一脑多型。MotuBrain 的核心突破，在于将“看到的世界”和“要执行的动作”放入同一个模型中统一建模，让机器人不仅能理解环境，也能预测变化，并生成可执行的行动策略。MotuBrain 同时在 RoboTwin 2.0 与 WorldArena 两项国际权威 Benchmark 上取得第一。其中，在 WorldArena 上，MotuBrain 以 63.77 的总体 EWM Score 位居第一，并在 Motion Quality、Flow Score、Motion Smoothness 等多个关键运动维度上全面领跑。
图片来源：生数科技
三、「仿真测试 + 世界模型」双轮驱动的测试体系，已成研发基础设施
在自动驾驶数据闭环和测试体系中，仿真测试与世界模型形成了互补格局，实现技术短板互抵、能力边界互补。
图片来源：佐思汽研《2026年智能驾驶仿真与世界模型研究报告》
在自动驾驶领域和具身智能领域，仿真测试与世界模型正从“各司其职”走向“深度融合”。行业开始建立统一标准，推动“重建+生成+仿真+训练”的一体化平台建设，使仿真能力从智能驾驶复用到具身智能，实现更广泛的物理AI生态。
当前，世界模型（尤其是生成式世界模型）成为仿真平台的核心“发电厂”，驱动仿真场景的AI自动生成，低成本、高质量地生成海量多样化场景（特别是长尾和罕见场景）及高保真传感器数据。
2026年4月24日，51Sim SimOne4.0面向物理AI时代进行了全面重构与升级，构建“4DGS重建+生成式世界模型”技术底座，从实车数据自动构建可交互、可编辑、可扩展的虚拟仿真资产，实现规模化场景生成。4.0产品覆盖数据、训练、推理、验证与交付五大核心环节，全面助力AI安全、高效地进入物理世界。同时，SimOne4.0将神经渲染技术方案NVIDIA Omniverse NuRec 进行了产品级的深度融合，构建了从真实数据采集、神经场景重建到闭环仿真执行的完整数据驱动流程。在51Sim端到端数据驱动闭环方案中，动力学、激光雷达、摄像头仿真的置信度分别高达95%、95%和90%，仿真测试与场地测试一致性达92%。
SimOne4.0同步支持多类型GPU架构，并与摩尔线程旗舰级AI训推一体全功能GPU MTT S5000完成系统性适配与深度优化，可实现大规模 4DGS与世界模型训练任务的高并发执行，使复杂动态场景能够在短时间内完成高质量重建与模型训练，让世界模型与VLA不断进化。截至目前，SimOne已赋能智能驾驶、智能装备、机器人等众多具身智能领域的超百家客户。
SimOne4.0赋能世界模型与VLA持续学习演进
图片来源：51Sim
2026年1月，智元机器人发布由其大语言模型驱动的开源仿真平台Genie Sim 3.0。该平台基于NVIDIA Isaac Sim，提供高保真仿真环境与自然语言驱动的场景生成能力，可以提供从数字资产生成、场景泛化、数据采集到自动评测的全流程闭环解决方案，显著加速模型训练与验证过程，降低对物理硬件的依赖。
Genie Sim 3.0亮点包括拥有数字孪生级高保真仿真环境，开创性地将三维重建、视觉生成技术与物理引擎深度融合，实现了视觉真实感与物理精确性的统一。其次，首创自然语言驱动的场景生成与泛化。在Genie Sim 3.0平台中，开发者输入自然语言指令即可驱动平台在分钟级内自动生成、泛化成千上万个训练与测试场景，支持大规模并行训练。此外，仿真平台还提供全量开源仿真数据集（涵盖200余项任务、总时长上万小时）与高效采集方案；构建了基于 10万+ 仿真场景的立体评估体系等。 值得注意的是，智元世界模型Genie Envisioner基于英伟达Cosmos 实现感知到行动的端到端闭环，GE 以统一的视频生成式世界模型为核心，将策略学习、评估与仿真能力整合在同一框架之中。智元机器人通过将 Cosmos Predict 2 深度集成至自研的动作条件世界模型架构中，为GE-Sim 提供强大的通用视觉与物理先验能力。
图片来源：智元机器人
仿真测试与世界模型的融合，本质上是构建了一个数据生成-算法训练-模型验证-持续进化的飞轮闭环。在自动驾驶和具身智能两大领域，该融合路径高度一致，均指向“物理AI”的终极目标：让系统在虚拟世界中完成从认知到行动的闭环学习，再无缝迁移至物理世界。
相关术语
01 仿真测试综述
1.1 仿真测试环节及协同
1.1.1 仿真场景建模技术
3DGS高保真仿真场景重建技术
仿真场景建模：3DGS案例一
仿真场景建模：3DGS案例二
仿真场景建模：3DGS案例三
仿真场景建模：3DGS案例四（1）
仿真场景建模：3DGS案例四（2）
仿真场景建模：3DGS案例四（3）
仿真场景建模：3DGS案例四（4）
3DGS 技术发展的四大方向
自动驾驶场景4D重建与动态建模常见算法
仿真场景建模：4DGS案例一
1.1.2 物理级传感器仿真
镜头模型的光学物理建模
CMOS传感器光电仿真
LiDAR建模：高斯射线与物理衰减
案例分析：LidarPainter（1）
案例分析：LidarPainter（2）
1.1.3 车辆动力学仿真方案对比
案例分析：PanoCar 2026新版本（1）
案例分析：PanoCar 2026新版本（2）
案例分析：PanoCar 2026新版本（3）
1.1.4 在环测试及协同
SIL案例一：
SIL案例二：
1.2 仿真场景库
1.2.1 场景抽象分级
1.2.2 仿真场景库分类
1.2.3 场景库数据来源（1）
1.2.3 场景库数据来源（2）
1.2.3 场景库数据来源（3）
1.3 OpenX系列标准
OpenX系列标准在仿真平台中的应用案例
交通流合成数据平台案例：
交通流合成数据集案例：
非结构化道路仿真难点
非结构化道路仿真难点突破案例：
1.4 仿真测试与世界模型的关系
1.5「仿真测试 + 世界模型」双轮驱动的测试体系
1.6 仿真测试/世界模型趋势一：
1.7 仿真测试/世界模型趋势二：
1.8 仿真测试/世界模型趋势三：
1.9 仿真测试/世界模型趋势四：
1.10 国标GB/T 47025-2026《智能网联汽车 自动驾驶功能仿真试验方法及要求》解读
1.10 仿真国标48个试验项目清单
1.11 仿真测试与世界模型产业链图
02 世界模型综述
2.1 世界模型概述
2.2 世界模型组成
2.3 世界模型技术指标
2.4 世界模型核心要素
2.5 世界模型关键技术与能力
2.6 世界模型技术路线演进
2.6 世界模型技术路线对比（1）
2.6 世界模型技术路线对比（2）
2.7 世界模型主要架构类型
2.8 世界模型发展历程
2.9 世界模型趋势
2.10 世界模型主流应用场景
2.11 主流世界模型案例一：Genie3
2.11 主流世界模型案例二：Cosmos
2.11 主流世界模型案例三：Meta V-JEPA2
2.11 主流世界模型案例四：Wayve GAIA2
2.11 主流世界模型案例五：开悟世界模型
2.12 世界模型与VLA核心差异及融合分析
VLA到VLA World Model
VLA 与世界模型融合形成 WorldVLA 模型
Action Model、World Model、 Action World Model对比
技术路线融合： VLA + 世界模型 + 强化学习
03 基于世界模型的仿真：自动驾驶
3.1 世界模型在智能驾驶中的四大价值
3.2 世界模型在自动驾驶中的降本提效分析
3.3 世界模型在自动驾驶中的生成场景
3.4 世界模型在自动驾驶中的关键能力
3.5 世界模型在自动驾驶中的部署难点
3.6 世界模型在自动驾驶中的未来方向
3.7 主要厂商 世界模型技术对比一
3.7 主要厂商 世界模型技术对比二
3.7 主要厂商 世界模型技术对比三
3.8 三大主流技术流派
3.8.1 案例一：小马智行
小马智行PonyWorld世界模型2.0
3.8.2 案例二：商汤绝影
商汤绝影开悟世界模型
3.8.3 案例三：轻舟智航
轻舟智航“VLA+世界模型”统一架构
3.8.4 案例四： Momenta
Momenta R7强化学习世界模型（1）
Momenta R7强化学习世界模型（2）
Momenta R7强化学习世界模型（3）
3.8.5 案例五： 卓驭
卓驭基于多模态端到端世界模型 VLA World Model（1）
卓驭基于多模态端到端世界模型 VLA World Model（2）
..............
卓驭基于多模态端到端世界模型 VLA World Model（5）
卓驭生态伙伴一览
卓驭交付车型一览
3.8.6 案例六：华为 WEWA 架构（1）
3.8.6 案例六：华为 WEWA 架构（2）
3.8.6 案例六：华为 WEWA 架构（3）
3.8.7 案例七：蔚来
蔚来 NWM世界模型
3.8.8 案例八：小鹏
小鹏第二代 VLA
小鹏汽车 世界模型X-World（1）
小鹏汽车 世界模型X-World（2）
小鹏汽车 世界模型X-World（3）
3.8.9 案例九：理想
理想MindVLA-o1（1）
理想MindVLA-o1（2）
理想MindVLA-o1（3）
理想MindVLA-o1（4）
理想 统一动作生成：用VLA-MoE并行解码
理想 世界模拟器进行强化学习
理想 物理AI框架
3.8.10 案例十：零跑世界模型
3.8.11 案例十一：吉利
吉利基于WAM世界行为模型构建全域AI 2.0
吉利WAM 关键特性
吉利WAM 车型落地
吉利千里浩瀚G-ASD
04 世界模型与仿真环境：具身智能
4.1 具身智能概述及技术架构
4.2 具身智能发展现状
4.3 具身智能核心痛点：物理交互数据的稀缺
4.4 世界模型在具身智能中的关键能力
4.5 具身智能领域的三大数据困境
4.6 具身智能数据突破案例一：枢途科技
4.7 具身智能数据仿真案例二：光轮智能
4.8 下一代具身大模型技术路线的思考
4.8 世界模型在具身智能中的未来方向
4.9 世界模型评测基准WorldArena
4.10 具身智能中的仿真环境概述
仿真环境的基本组成
主流仿真环境（1）
主流仿真环境（2）- Isaac Sim
主流仿真环境（3）- MUJOCO & Pybullet
4.11 具身基准测试
具身常见基准任务类型
基准测试：CALVIN
基准测试：LIBERO
新兴基准项目：ROBOVERSE
基准评测发展趋势
4.12《人形机器人与具身智能标准体系（2026版）》
4.12《人形机器人与具身智能标准体系（2026版）》解读
4.13 世界模型在具身智能应用案例一：大晓机器人
大晓机器人 “开悟世界模型 3.0”（Kairos 3.0）（1）
大晓机器人 “开悟世界模型 3.0”（Kairos 3.0）（2）
大晓机器人 “开悟世界模型 3.0”（Kairos 3.0）（3）
4.14 世界模型在具身智能应用案例二：HappyOyster
4.15 世界模型在具身智能应用案例三：LingBot-World
4.16 世界模型在具身智能应用案例四：Genie 3
4.17 世界模型在具身智能应用案例五：HY-World 2.0
4.18 世界模型在具身智能应用案例六：Magic-Mix
05 国内主流仿真平台与世界模型方案商研究
5.1 极佳视界
极佳视界核心产品总结
极佳视界通用机器人Maker H01
极佳视界产品/方案落地案例
全球首个「世界模型」驱动的最全数据体系
具身大模型GigaBrain-0
具身基模GigaBrain-0.5M*（1）
具身基模GigaBrain-0.5M*（2）
具身基模GigaBrain-0.5M*（3）
端到端具身基础模型GigaBrain-0.1
具身世界模型GigaWorld-0（1）
具身世界模型GigaWorld-0（2）
具身世界模型GigaWorld-0（3）
具身世界模型GigaWorld-0（4）
具身世界模型GigaWorld-1
世界-动作模型(WAM) GigaWorld-Policy（1）
世界-动作模型(WAM) GigaWorld-Policy（2）
世界-动作模型(WAM) GigaWorld-Policy（3）
5.2 生数科技
生数科技 融资与最新合作
生数科技 世界行动模型 MotuBrain（1）
..............
生数科技 世界行动模型 MotuBrain（4）
生数科技 统一通用基座世界模型 Motus（1）
..............
生数科技 统一通用基座世界模型 Motus（4）
5.3 智元机器人
智元机器人 开源仿真平台 Genie Sim 3.0
智元机器人 统一世界模型平台 Genie Envisioner
5.4 51Sim
SimOne仿真平台
SimOne 3.8
SimOne4.0（1）
SimOne4.0（2）
SimOne4.0（3）
SimOne客户群
51Sim驾驶员在环 (DIL) 解决方案（1）
51Sim驾驶员在环 (DIL) 解决方案（2）
51Sim驾驶员在环 (DIL) 解决方案（3）
51Sim 基于 OpenX 的端到端闭环仿真平台
51Sim自主研发的3DGS混合仿真引擎
51Sim “端到端数据驱动闭环”方案
5.5 IAE智行众维®
IAE 智行众维® 简介
DeepOcean.AI V3.0
仿真场景数据产品及服务
“空地一体”仿真平台
X-In-Loop® 全栈式仿真测试工具链
IAE X-In-Loop仿真方案：自动驾驶数字孪生仿真平台
IAE X-In-Loop仿真方案：ECU级别HIL测试
IAE X-In-Loop仿真方案：整车级别 HIL（VaHIL®)
IAE 智行众维® 模型及软件仿真测试
IAE 智行众维® 硬件在环仿真测试（1）
IAE 智行众维® 硬件在环仿真测试（2）
IAE 智行众维® 硬件在环仿真测试（3）
IAE 智行众维® 硬件在环仿真测试（4）
IAE 智行众维® 车辆在环仿真测试（1）
IAE 智行众维® 车辆在环仿真测试（2）
IAE 智行众维® 驾驶模拟器（1）
IAE 智行众维® 驾驶模拟器（2）
IAE 智行众维® 云加速海量仿真
IAE 智行众维® 场景工场
IAE 智行众维® 软件测试
IAE 智行众维® 基于场景的软件自动化测试（1）
IAE 智行众维® 基于场景的软件自动化测试（2）：代码验证自动化工具
IAE 智行众维® 基于场景的软件自动化测试（3）：模型验证自动化工具
IAE 智行众维® 基于场景的软件自动化测试（4）：系统验证自动化工具
IAE 智行众维® 基于场景的软件自动化测试（5）：软件验证服务
IAE 智行众维® 基于场景的软件自动化测试（6）
IAE 智行众维® “ 智能网联汽车气象创新研究中心”
5.6 浙江天行健
天行健 简介
天行健 关键技术
天行健 应用方案
天行健 生态伙伴
天行健 汽车智能驾驶一体化仿真测试平台PanoSim
天行健 汽车智能驾驶一体化仿真测试平台PanoSim
天行健 高精度车辆动力学仿真软件PanoCar
天行健 PanoCar最新版本（1）
天行健 PanoCar最新版本（2）
..............
天行健 PanoCar最新版本（6）
天行健 智能汽车驾驶模拟器 PanoDrive
天行健 数字孪生仿真平台 PanoTwin
天行健 数字孪生智能驾驶仿真平台 PanoTwin-E
天行健 仿真实验台 PanoPilot
天行健 实时硬件在环仿真测试平台 PanoHIL
5.7 赛目科技
赛目科技 核心产品
赛目科技 核心产品营收情况
赛目科技 Safety Pro
赛目科技 合作案例一：赛世科技 赋能“三大一致性”
赛目科技 合作案例二：高置信度HIL测试解决方案（1）
赛目科技 合作案例二：高置信度HIL测试解决方案（2）
赛目科技 合作案例二：高置信度HIL测试解决方案（3）
赛目科技 双场地协同，覆盖全链条验证
赛目科技 智能网联汽车封闭测试场
5.8 清科灵境（原深信科创）
清科灵境 核心技术优势
清科灵境 技术赋能案例一
清科灵境 技术赋能案例二
清科灵境“持续学习框架 + 世界模型”合成数据双引擎
清科灵境 一体化智驾仿真平台OASIS SIM（1）
清科灵境 一体化智驾仿真平台OASIS SIM（2）
清科灵境 一体化智驾仿真平台OASIS SIM（3）
清科灵境 一体化智驾仿真平台OASIS SIM（4）
清科灵境 OASIS ROVER 数据采集系统
清科灵境 OASIS DATA 数据平台
清科灵境 Oasis Connect
清科灵境 OASIS Traffic
清科灵境 Oasis BotStream平台
清科灵境 具身智能操作系统：Dora（1）
..............
清科灵境 具身智能操作系统：Dora（5）
5.9 沛岱科技
沛岱科技 简介
沛岱科技 自进化双涡轮驱动数据训练平台
沛岱科技 高物理性合成数据赋能案例
沛岱科技 自动驾驶仿真测试软件GaiA7
沛岱科技 PD 机器人虚拟开发验证解决方案
沛岱科技 PDUranus 智能无人低空载具虚拟优化平台
沛岱科技 On Cloud 精准仿真云计算平台（1）
沛岱科技 On Cloud 精准仿真云计算平台（2）
沛岱科技 On Cloud 精准仿真云计算平台（3）
沛岱科技 PDRHea®递归式分层场景生成器
沛岱科技 PlenRay®物理射线技术
沛岱科技 DiL 驾驶员在环解决方案
沛岱科技 Medusa高置信度仿真平台
沛岱科技 Hercules 高性价比硬件在环仿真平台
沛岱科技 模型库细化分类平台
5.10 康谋科技
aiSim端到端智驾仿真软件
aiSim解决方案：非结构化道路仿真难点突破
自动驾驶全研发周期的SiL验证方案
aiSim 6（1）
..............
aiSim 6（6）
aiSim 6（7）
康谋双模态仿真测试解决方案（1）
..............
康谋双模态仿真测试解决方案（5）
康谋高保真端到端HIL仿真解决方案（1）
康谋高保真端到端HIL仿真解决方案（2）
康谋高保真端到端HIL仿真解决方案（3）
康谋高保真端到端HIL仿真解决方案（4）：应用案例
康谋&经纬恒润智能驾驶HIL仿真测试系统
虹科构建覆盖 “感知 - 思考 - 行动” 的具身智能全栈测试解决方案
ROSI平台（Robotec.ai）
CoppeliaSim机器人仿真平台（Coppelia Robotics）（1）
CoppeliaSim机器人仿真平台（Coppelia Robotics）（2）
CoppeliaSim机器人仿真平台（Coppelia Robotics）（3）
CoppeliaSim机器人仿真平台（Coppelia Robotics）（4）
CoppeliaSim机器人仿真平台（Coppelia Robotics）（5）
5.11 清研精准
清研精准 测试服务客户
清研精准 智能驾驶测试 ADAS HIL
清研精准 CAN/LIN总线测试方案
清研精准 车载以太网测试方案
清研精准 CAN精灵和以太精灵（1）
清研精准 CAN精灵和以太精灵（2）
清研精准 CAN精灵和以太精灵合作客户
清研精准 OTA 车云一体测试方案
清研精准 转向HIL
清研精准 悬架HIL
清研精准 制动HIL
清研精准 BMS HIL
清研精准 全维度储能BMS HIL测试系统
清研精准 PACK HIL
清研精准 电池产线交钥匙工程案例：
清研精准 VCU HIL
清研精准 MCU HIL
清研精准 BCM HIL
清研精准 ZCU HIL
清研精准 三电综合仿真测试解决方案
清研精准 三电系统安全检测能力
5.12 经纬恒润
经纬恒润 INTEWORK VBA
经纬恒润 INTEWORK VBA V3.1.0R版本
经纬恒润 全新推出的软件在环SIL测试平台INTEWORK-TVM（1）
经纬恒润 全新推出的软件在环SIL测试平台INTEWORK-TVM（2）
经纬恒润 全新推出的软件在环SIL测试平台INTEWORK-TVM（3）
经纬恒润 全新推出的软件在环SIL测试平台INTEWORK-TVM（4）
经纬恒润 智能驾驶“车-云”测评数据平台
经纬恒润 TestBase VCI产品系列
经纬恒润 TestBase VCI系列产品升级
经纬恒润 DeskHIL桌面级仿真测试平台（1）：产品特点
经纬恒润 DeskHIL桌面级仿真测试平台（2）：平台构成
经纬恒润 DeskHIL桌面级仿真测试平台（3）：软件兼容性
经纬恒润新一代HIL测试平台（1）
经纬恒润新一代HIL测试平台（2）：平台构成
经纬恒润新一代HIL测试平台（3）：实时仿真机
经纬恒润 智能驾驶 HIL仿真测试解决方案
经纬恒润 智能驾驶整车在环SYNO解决方案
经纬恒润 智能座舱HIL仿真测试解决方案
经纬恒润 底盘电控系统HIL仿真测试解决方案
经纬恒润 动力传动系统HIL仿真测试解决方案
经纬恒润 TPA智慧实验室
5.13 北汇信息
北汇信息 简介
北汇信息 智能底盘 HiL测试方案（1）
北汇信息 智能底盘 HiL测试方案（2）
..............
北汇信息 智能底盘 HiL测试方案（6）
北汇信息 智能底盘 HiL测试方案（7）
北汇信息 智能底盘 HiL测试方案（8）：转向电机仿真测试
北汇信息 智能底盘 HiL测试方案（9）：总成级转向测试
北汇信息 智能底盘 HiL测试方案（10）：总成级EHB制动测试
北汇信息 智能底盘 HIL测试方案（11）：悬架测试
5.14 同星
同星仿真测试方案（1）
同星仿真测试方案（2）
同星仿真测试方案（3）
同星底盘HIL仿真测试解决方案
同星EMB自动化测试解决方案
06 国外主流仿真平台与世界模型方案商研究
6.1 NVIDIA
NVIDIA Cosmos 3（1）
NVIDIA Cosmos 3（2）
NVIDIA Cosmos 3（3）
NVIDIA Cosmos 3（4）
NVIDIA Cosmos Transfer
NVIDIA Omniverse（1）
NVIDIA Omniverse（2）
NVIDIA Omniverse（3）
NVIDIA AlpaSim
NVIDIA Alpamayo 1.5（1）
NVIDIA Alpamayo 1.5（2）
NVIDIA Alpamayo 1.5（3）
NVIDIA Alpamayo 1.5（4）
NVIDIA Alpamayo 1.5（5）
NVIDIA Isaac GR00T N1.7
Isaac Lab：面向多模态机器人学习的 GPU 加速仿真框架
NVIDIA 物理 AI 数据工厂 Blueprint
英伟达 DRIVE Hyperion 10传感器套件 L2++ to L4
英伟达 DRIVE L2++
英伟达 DRIVE L4 Roadmap
英伟达 Halos OS for L4
英伟达 AV业务历程
英伟达 赋能企业总结：
英伟达 汽车业务生态
6.2 UE（Unreal Engine）
虚幻引擎5.7
虚幻引擎赋能车型HMI创新案例总结
虚幻引擎 5 数字座舱案例总结（1）
虚幻引擎 5 数字座舱案例总结（2）
6.3 Unity (团结引擎)
Unity团结引擎技术优势
Unity中国 AI OS 3D 空间智能座舱（1）
Unity中国 AI OS 3D 空间智能座舱（2）
Unity中国 智能座舱方案客户群
客户案例一：
客户案例二：
客户案例三：
6.4 Wayve
GAIA-2世界模型（1）
GAIA-2世界模型（2）
GAIA-2世界模型（3）
Wayve LA-Pose模型
Wayve的Zero-shot实践
Wayve商业化进展与落地计划
6.5 Waymo
Waymo发布世界模型，基于谷歌Genie打造
6.6 Foretellix
Foretellix 基于数据驱动的自动驾驶开发工具链的核心技术
Foretellix Foretify 数据驱动的开发工具链
Foretellix Foretify Evaluate- 数据驱动的评估框架
Foretellix 全链路评估流程 - Foretify Evaluate（1）
Foretellix 全链路评估流程 - Foretify Evaluate（2）
Foretellix 全链路评估流程 - Foretify Evaluate（3）
Foretellix 面向自动驾驶开发的可扩展神经重建（1）
..............
Foretellix 面向自动驾驶开发的可扩展神经重建（4）
Foretellix 合作案例一
Foretellix 合作案例二
6.7 Hexagon
Hexagon自动驾驶及智能驾驶仿真测试平台VTD（1）
..............
Hexagon自动驾驶及智能驾驶仿真测试平台VTD（5）
Hexagon自动驾驶及智能驾驶仿真测试平台VTD应用
Hexagon汽车行业解决方案（1）
Hexagon汽车行业解决方案（2）
Hexagon汽车行业解决方案（3）
Hexagon汽车行业解决方案（4）
Hexagon电驱动系统工程仿真方案（1）
Hexagon电驱动系统工程仿真方案（2）
Hexagon电驱动系统工程仿真方案（3）
Hexagon电驱动系统工程仿真方案（4）
Hexagon电池仿真方案
Hexagon车身仿真方案
Hexagon零部件检测方案
6.8 IPG Automotive
IPG 简介
IPG 测试“左移”解决方案
IPG 合作伙伴
IPG 合作案例一：
IPG 合作案例二：
IPG 产品系列
IPG 产品系列：测试系统
IPG 产品系列：软件
IPG 产品系列：硬件
IPG 全新 Xpack4 混合型解决方案
IPG CarMaker系列产品功能安全与可信度能力提升
IPG CarMaker 15.0（1）
IPG CarMaker 15.0（2）
IPG CarMaker 15.0（3）
IPG 一体化HIL测试方案
IPG 紧凑型ESC HIL方案
IPG SBW-in-the-Loop测试系统
6.9 dSPACE
dSPACE 3D场景及物理传感器的高精度仿真平台AURELION
dSPACE 云仿真解决方案 SIMPHERA
dSPACE SIL 解决方案（1）
dSPACE SIL 解决方案（2）
SIL案例一：
SIL案例二：
SIL案例三：
dSPACE Power HIL
dSPACE HIL 集群管理方案
HIL案例一：
dSPACE 智能底盘测试解决方案（SIL/HIL/台架）
dSPACE VIL 车辆在环：自动泊车超声波 OTA 激励与闭环测试方案（1）
dSPACE VIL 车辆在环：自动泊车超声波 OTA 激励与闭环测试方案（2）
dSPACE VIL 车辆在环：自动泊车超声波 OTA 激励与闭环测试方案（3）
dSPACE 新型雷达解决方案DARTS ARROW
dSPACE RCP家族：高性能的一体化快速控制原型MicroAutoBox
dSPACE SCALEXIO AutoBox 耐用可靠的模块化车载实时系统
dSPACE BMS 12U HIL、SCALEXIO Rack、SCALEXIO Customized
dSPACE 新型 SCALEXIO Essential 系统
6.10 Mechanical Simulation（隶属Applied Intuition）
公司简介及客户
SuspensionSim仿真软件
TruckSim 仿真软件
BikeSim 仿真软件
CarSim 仿真软件（1）
CarSim 仿真软件（2）
CarSim 仿真软件（3）
CarSim 仿真软件（4）
CarSim基本使用方法（1）
..............
CarSim基本使用方法（5）
CarSim高级特性（1）
CarSim高级特性（2）
..............
CarSim高级特性（6）
6.11 Spirent（隶属Keysight）
思博伦车载以太网一致性测试（1）
..............
思博伦车载以太网一致性测试（4）
6.12 R&S罗德与施瓦茨
R&S罗德与施瓦茨测试解决方案（1）
R&S罗德与施瓦茨测试解决方案（2）
..............
R&S罗德与施瓦茨测试解决方案（7）
6.13 VI-grade
VI-grade 简介
客户案例总结（1）
客户案例总结（2）
..............
客户案例总结（6）
客户案例总结（7）
VI-grade 软件产品2026.1 更新版本
VI-CarRealTime（1）
VI-CarRealTime（2）优势
VI-CarRealTime（3）客户
VI-NVHSim 核心优势
VI-NVHSim 模拟器配置
VI-NVHSim 应用与客户案例
全频谱动态驾驶模拟器（1）
全频谱动态驾驶模拟器（2）
全频谱动态驾驶模拟器（3）
HEXAREV驾驶模拟器
最新驾驶模拟器HexaRev结构
全新HexaRev运动平台+HyperDock座舱技术
DiM500案例：
动态驾驶模拟器 DiM400
DiM400案例：
动态驾驶模拟器 DiM150 & DiM250
动态驾驶模拟器 DiM50
产品系列-静态NVH驾驶模拟器
产品系列-静态驾驶模拟器
产品系列-紧凑级全频谱模拟器
产品系列-紧凑级HMI驾驶模拟器
产品系列-紧凑级NVH驾驶模拟器
产品系列-紧凑级驾驶模拟器
产品系列-桌面级NVH驾驶模拟器
产品系列-桌面级驾驶模拟器