今天工业智能方向最值得关注的进展集中在Physical AI业务系统连接、制造数字孪生公共研发平台、机器人训练数据工程以及低功耗工业物联网四个层面。SAP公开首届Embodied AI Jam成果，把客户、机器人厂商、系统集成商和SAP业务软件专家放进Swiss Smart Factory，在三天内验证仓储自动化、资产巡检和物料搬运等场景，并尝试让机器人直接读取SAP Digital Manufacturing与Asset Performance Management中的业务上下文；密歇根大学与亚利桑那州立大学在美国国家科学基金会支持下建立制造数字孪生协同研究中心，GM、Honeywell、Intel、Applied Materials等成为创始产业伙伴；Axis Robotics开源Axis Sim Dataset V1，包含5万多条人类遥操作仿真轨迹、207项操作任务和6万多个场景变体；CSEM与Miromico则把超低功耗端侧AI和LoRa/mioty连接结合，让工业IoT节点在本地先分析声音、运动和图像，再决定是否上报。工业AI的工程链条正在向“业务上下文—数字孪生—训练数据—端侧感知”连续打通。
SAP 9月4日公布首届Embodied AI Jam成果。活动在瑞士Biel的Swiss Smart Factory举行，SAP客户、机器人厂商、系统集成商和SAP Embodied AI团队在真实机器人环境中共同设计和验证业务场景。
与单纯机器人展会不同，SAP的重点是把机器人动作和企业业务系统连接起来。部分团队尝试将巡检无人机接入SAP Asset Performance Management，也有团队研究如何让人形机器人与SAP Digital Manufacturing协同。SAP强调，机器人必须理解“这个动作服务于什么业务目标”，而不仅仅是完成一段运动轨迹。
SAP表示，过去需要数周往返讨论的场景定义与架构设计，在三天集中Jam中可以快速形成具体方案。这个数据属于公司自身活动总结，但反映出Physical AI商业化的重要变化：机器人厂商越来越需要ERP、MES、资产管理和供应链上下文，而企业软件平台也在寻找把Joule与Business AI延伸到物理执行层的方法。
密歇根大学工程学院9月4日宣布，与Arizona State University共同建立面向制造业的Industry-University Cooperative Research Center，重点解决数字孪生开发和应用中跨企业、跨场景反复遇到的共性难题。
中心获得美国国家科学基金会NSF五年150万美元行政支持，产业伙伴每家每年缴纳9万美元用于研究项目。创始产业伙伴包括GM、Honeywell、Intel、Applied Dynamics、Applied Materials以及美国陆军GVSC。
研究方向包括让物理设备与仿真同步用于机械故障预测、金属增材制造缺陷检测、利用基础模型理解历史数据、机器数据和工艺数据，以及构建面向工人的数字孪生。密歇根大学的SMART 4.0测试平台和ASU Connected Manufacturing System将提供真实实验环境。
这类产学研中心的价值，在于把数字孪生从单个企业的定制项目转向共享工程方法。制造企业真正缺少的往往不是一个3D模型，而是同步机制、模型校准、数据标准、验证方法和ROI评价体系。公共研发平台可以降低各家公司重复解决同一问题的成本。
Axis Robotics 9月4日发布Axis Sim Dataset V1，包含超过5万条由人类遥操作产生的仿真轨迹，覆盖207项机器人操作任务和6万多个场景变体，使用模拟Franka Research 3机械臂生成。数据集、训练代码和Benchmark均对研究用途开放。
公司称，使用该数据持续预训练后，π0.5模型的Benchmark表现从83.9提高至88.8，并相较相同数据量的RoboCasa基线改善37.3%。这些结果来自Axis Robotics自己的测试，应结合后续第三方复现判断；其Hugging Face页面也明确当前开放访问主要面向非商业研究、教育和Benchmark用途。
值得关注的是数据结构本身。机器人数据竞争正在从“谁有更多小时”转向“谁覆盖更多任务、场景和失败模式”。207项任务和6万场景变体强调的是任务多样性与环境变化，这正是提升机器人策略泛化能力所需要的训练维度。
对Physical AI团队而言，仿真数据的作用也越来越像软件测试中的合成测试集：它不能完全取代真实工厂数据，但可以低成本扩充长尾场景，再用有限真实数据进行校准和验证。
瑞士研究机构CSEM与工业IoT公司Miromico 9月3日公布新的端侧AI联合方案，把CSEM超低功耗Fibonacci芯片与Miromico的LoRa或mioty无线连接结合，使工业传感节点可以直接在设备上分析声音、运动和图像。
传统电池IoT节点通常持续采集并上传原始数据，不仅消耗电量，也占用无线带宽。新方案的思路是先在本地判断“这段数据是否值得发送”，只有检测到异常、事件或有价值特征时才通过低功耗网络上报。
这种架构非常适合预测性维护、分布式设备监测和难以频繁更换电池的工业设施。工业AI不只有大型GPU和边缘服务器，大量真正部署在现场的节点需要的是多年续航、断网可用和低维护成本。
随着小模型、专用NPU和事件驱动计算不断进步，Physical AI的感知层会继续向更低功耗设备分散。未来工厂里的“智能”可能同时存在于中央服务器、机器人控制器、视觉终端以及最末端的无线传感节点。
今天四条动态构成了一条很完整的工业AI链路：SAP解决机器人如何理解企业业务上下文，密歇根大学与ASU解决数字孪生共性工程问题，Axis Robotics补机器人训练数据，CSEM与Miromico则把AI推到最末端传感器。工业智能的竞争正在从“做一个聪明模型”进入“让数据、仿真、企业系统和物理设备持续联动”。真正可规模化的Physical AI，需要业务系统知道机器人为什么行动，数字孪生能够验证行动，数据流水线持续训练，而边缘设备提供低成本、实时的物理世界状态。
- SAP News Center｜《SAP’s First Embodied AI Jam Brings Customers, Robots, and AI Together…》｜2026-09-04｜核验Swiss Smart Factory、业务场景与SAP系统连接。
https://news.sap.com/2026/09/embodied-ai-jam-customers-robots-ai-viable-use-cases/ - SAP｜SAP Business AI / Joule相关资料｜2026-09访问｜补充企业业务上下文与AI平台背景。
https://www.sap.com/products/artificial-intelligence.html - Michigan Engineering｜《Academic and industry center to solve digital twin challenges for manufacturing》｜2026-09-04｜核验数字孪生中心、NSF支持和产业伙伴。
https://news.engin.umich.edu/2026/09/academic-and-industry-center-to-solve-digital-twin-challenges-for-manufacturing/ - NSF IUCRC｜Industry-University Cooperative Research Centers｜2026年｜补充该类协同研发中心运作模式。
https://iucrc.nsf.gov/ - Axis Robotics / GlobeNewswire｜《Axis Robotics Open-Sources One of the Largest Franka Arm Simulation Datasets for Physical AI》｜2026-09-04｜核验轨迹数、任务数、场景变体和厂商Benchmark。
https://www.globenewswire.com/news-release/2026/09/04/3356410/0/en/axis-robotics-open-sources-one-of-the-largest-franka-arm-simulation-datasets-for-physical-ai.html - Hugging Face / Axis Robotics｜《Franka-Dataset》｜2026-09访问｜核验数据集用途、访问范围和研究许可。
https://huggingface.co/datasets/axisrobotics/Franka-Dataset - CSEM｜《On-device AI cuts industrial IoT data traffic》｜2026-09-03｜核验Fibonacci芯片与LoRa/mioty端侧AI方案。
https://www.csem.ch/en/press/csem-miromico-present-on-device-ai/ - Miromico｜工业IoT与mioty/LoRa产品资料｜2026-09访问｜补充低功耗连接与工业节点背景。
https://miromico.ch/ - CISA｜ICS Advisories｜2026-09最新更新｜背景资料，观察OPC UA、VPN、工业软件与控制系统的持续安全修复要求。
https://www.cisa.gov/news-events/ics-advisories - Express Computer｜《20 mn robot hours: Inside Instawork's expanding India mandate for physical AI》｜2026-09-04｜背景资料，补充Physical AI数据规模与多样性讨论。
https://www.expresscomputer.in/exclusives/20-mn-robot-hours-inside-instaworks-expanding-india-mandate-for-physical-ai/138420/
