摘要：工业世界模型解析：大模型、工业小模型与物理AI如何分工？...
——南京天洑提出工业世界模型，大模型、小模型、机理模型协同，让AI从“知道”走向“做到”
在问答、知识检索和文档分析中，大模型表现出很强的能力。但在工业场景中，大模型却常常显得无能为力：锅炉如何燃烧、电池包怎样散热、泵在什么工况下效率最高、一个结构能不能承受载荷，这些问题都受到物理规律、设备机理、工艺参数和安全边界的约束，恰恰是大模型不擅长的领域。
什么是工业世界模型？南京天洑软件有限公司提出的工业世界模型，正是为解决这些工业问题而生。其核心思路是多模型配合：大模型负责理解和调度，工业小模型负责精准计算，机理模型负责规律约束，工业智能体负责组织执行。
图1 天洑工业世界模型架构
一、为什么在工业场景里，大模型常常“无能为力”？
大模型最擅长的是理解自然语言、调用知识、拆解任务、制定步骤，以及在多个工具之间进行调度。这些能力让它在文档分析、知识问答等场景中表现出色。
但工业问题需要确定的数值结果：温度多少、应力多大、设备是否异常、哪组参数能降低能耗。对这类需要“算出来”的问题，仅靠大模型的语言生成能力远远不够。
举例来说，工程师提出“分析这台锅炉近期效率下降的原因，并给出调整建议”，大模型首先需要理解“效率下降”对应哪些设备、哪些参数和哪些时间范围，然后判断应该调用哪些数据、模型和算法，最后给出分析结果——理解与调度它做得到，但最终的精准计算，必须交给专业模型。
图2 大模型典型翻车场景
因此，在工业世界模型中，大模型的定位更像“指挥员”，而不是所有工业问题的最终计算器。
二、什么是工业世界模型？大模型、小模型和机理模型如何分工？
工业世界模型是面向工业场景的多模型协同架构，由大模型、工业小模型（工业AI）和机理模型（物理AI）共同组成，并通过工业智能体组织执行。四层角色分工如下：
表1 工业世界模型四层分工一览
这三层模型不是彼此独立的模块，而是在同一个体系里协同工作，最终让AI从“知道”走向“做到”。
三、什么是工业小模型？工业AI和通用大模型有什么区别？
“小模型”并不是指参数规模更小，而是指围绕特定设备、特定工艺和特定任务训练出来的专业模型。
例如，根据电厂历史运行数据，可以训练磨煤机状态预测模型、锅炉参数预测模型、设备故障预警模型；根据产品试验和制造数据，可以训练质量预测模型；根据仿真结果，可以训练结构应力、温度场或流场的代理模型。
这类小模型的特点是任务范围窄，但在具体工业问题上可以做到更快、更精准。
在天洑的实际工业项目中，这种“小模型”已落地应用。例如珠海某电厂项目，通过数据建模和机理建模，把不同异常模式转化为模型，包括350多个工况模型、130多个指标模型、1050多个阈值模型和210多个参数模型，构建起覆盖设备的智能预警诊断体系。
图3 工业AI三维可视化系统
真正实用的工业智能，不是训练一个超级模型，而是建设一个由大量专业模型组成的“模型库”——大模型判断该找谁，小模型把具体问题算清楚。
四、物理AI是什么？机理模型如何让AI遵守物理规律？
仅有大模型和工业AI还不够，因为工业数据存在天然的局限性：很多极端工况从未真实发生过，导致部分故障数据稀缺；同时不同设备之间也存在结构和工况差异。单纯靠历史数据训练出来的模型，一旦进入训练数据之外的区域，就可能出现失真。
这时就需要物理AI，用机理模型来做约束。
所谓物理AI，就是把人类已经掌握的流体力学、传热学、固体力学、振动、材料、化学反应等规律，转化为可计算的模型。这正是天洑工业世界模型区别于单纯工业AI平台的重要基础。
天洑长期积累的AICFD、AIFEM和AIPOD，构成了工业世界模型中的物理AI能力：AICFD用于流动和传热计算；AIFEM用于结构、强度、振动等物理问题建模；AIPOD则进一步连接不同专业软件，通过优化算法对设计空间进行自动探索。
图4 天洑物理AI
物理AI的存在，让工业世界模型除了描述当前世界，还能进一步回答：如果改变一个条件，未来会发生什么？
五、工业世界模型如何落地？如何从“知道”走向“做到”？
大模型、小模型和机理模型不是彼此独立的模块。在天洑已有项目中，就用到了三者的有机组合。例如在发电厂锅炉的智能预警中，CFD数值模拟与数据建模结合，通过锅炉设计信息、运行工况参数、历史数据和实时监测数据形成全工况数据库，进一步实现炉内温度、烟气成分等状态的实时计算和展示。
今天很多AI系统已经能够回答工业知识问题，但工业智能真正困难的，也恰恰是最实用的部分，是能不能预测设备异常、能不能推演不同工艺方案、能不能进入控制系统执行、以及能不能根据新的数据继续学习。
最终，工业世界模型要形成的是这样一条完整链路：
感知状态→理解规律→预测变化→推演方案→优化决策→持续学习
这也是天洑长期积累仿真、优化与工业AI技术的意义所在。过去，流体仿真、结构仿真和优化设计主要服务于产品研发。当这些仿真优化能力与数据模型、大模型连接起来，它们就成为了AI理解物理世界、推演工业系统、优化真实生产过程的基础设施。