物理上下文
设备、空间、系统、流程逻辑、运行历史和工程约束被组织到数字孪生中，而不是散落在不同记录和系统里。
面向工业运营的物理智能（Physical AI）
让 AI 理解设备、空间、流程和行动
Physical AI 不是把 AI 停留在问答和报表里，而是让 AI 推理进入真实运营环境。DataMesh 连接实时数据、可执行数字孪生、物理约束仿真和现场工作流，让建议在执行前先经过真实世界约束的校验。
接入
Data Fusion Services 连接 BMS、IoT、MES、CMMS、能源、设备和企业数据源。
建模
FactVerse Twin Engine 将数据映射到资产、位置、关系、流程和运行状态。
仿真
Designer、Omniverse、基于 PhysX 的流程以及领域引擎支持布局、流程和行为验证。
决策
FactVerse AI Agent 评估可选方案，解释取舍，并生成带运营上下文的行动建议。
DataMesh 所说的 Physical AI 是什么
对工业团队来说，Physical AI 不是普通 chatbot，也不是又一个 dashboard。它是一种运营能力：理解真实物理上下文，验证可能的行动，并把结果落到现场工作闭环里。
经仿真验证的决策
AI 建议可以先在孪生或物理约束仿真环境中评估，再转化为维护计划、流程调整、培训场景或现场操作。
执行闭环
经过验证的建议进入巡检、工单、培训和运营流程，执行结果、异常和证据再回到孪生体中，形成持续改进。
运营闭环
从信号到可复核行动
DataMesh 把 Physical AI 设计成运营闭环。真正的价值不是单点分析，而是把分析、验证、执行和复核连接起来。
接入
Data Fusion Services 连接 BMS、IoT、MES、CMMS、能源、设备和企业数据源。
建模
FactVerse Twin Engine 将数据映射到资产、位置、关系、流程和运行状态。
仿真
Designer、Omniverse、基于 PhysX 的流程以及领域引擎支持布局、流程和行为验证。
决策
FactVerse AI Agent 评估可选方案，解释取舍，并生成带运营上下文的行动建议。
执行
Inspector、Checklist、Director 和 Simulator 将建议带入工单、引导流程、培训和现场行动。
复核
结果、异常、证据和人员反馈回到孪生体中，让后续决策持续改善。
平台架构
支撑 Physical AI 的 DataMesh 产品栈
Physical AI 不是单个模型或单个可视化界面可以完成的。它需要能连接数据、表达物理世界、仿真验证选择并协调执行的平台栈。
平台
FactVerse
连接可执行数字孪生和 AI 决策智能的双引擎平台。
孪生上下文
FactVerse Twin Engine
面向设备、空间、关系、行为和可执行工作流的物理上下文层。
决策 AI
FactVerse AI Agent
把运营问题转化为分析、场景对比和行动建议的决策智能。
数据基础
Data Fusion Services
连接并规范化设施和工业系统中的运营数据。
仿真流程
Designer 与 Omniverse Adaptor
用于场景编辑、布局规划、流程仿真以及 USD/Omniverse 高保真验证流程。
现场执行
Inspector 与 Simulator
支撑工单、巡检、设备操作培训和真实设备行为相关的安全练习。
适用场景
DataMesh 正在支撑的 Physical AI 场景
同一套架构可以服务于设施、制造、设备培训和基础设施运营，尤其适合那些必须遵守真实世界约束的决策场景。
它不是什么
不只是 BI
Dashboard 可以展示发生了什么。Physical AI 还需要帮助团队理解下一步可能发生什么，以及哪些行动真实可行。
不只是生成式 AI
自然语言很有用，但行动建议必须有资产上下文、物理约束、证据、审批和执行路径。
不只是机器人
机器人是 Physical AI 的重要方向之一。DataMesh 也把它应用到设施、维护、培训、流程仿真和基础设施运营中。