走进 Omniverse：NVIDIA GTC 展示赋能物理智能时代的虚拟世界

# 走进 Omniverse：NVIDIA GTC 展示赋能物理 AI 时代的虚拟世界 来源：https://blogs.nvidia.com/blog/gtc-2026-virtual-worlds-physical-ai/ *编者按：本文属于**Into the Omniverse**（https://www.nvidia.com/en-us/omniverse/news/）系列的其中一篇，该系列专注于探讨开发者、3D 从业者和企业如何利用 **OpenUSD**（https://www.nvidia.com/en-us/omniverse/usd/）与 **NVIDIA Omniverse**（https://www.nvidia.com/en-us/omniverse/usd/）的最新技术革新来重塑工作流程。* 上周的 NVIDIA GTC 大会展示了物理 AI（https://www.nvidia.com/en-us/glossary/generative-physical-ai/）发展的一个转折点：机器人、车辆和工厂正从单一应用场景和孤立部署，迈向跨行业的复杂企业级工作负载。 这一转变的核心是用于物理 AI 的新型前沿模型，包括 NVIDIA Cosmos 3、NVIDIA Isaac GR00T N1.7 和 NVIDIA Alpamayo 1.5。 NVIDIA 还发布了 **NVIDIA Physical AI Data Factory Blueprint**（https://nvidianews.nvidia.com/news/nvidia-announces-open-physical-ai-data-factory-blueprint-to-accelerate-robotics-vision-ai-agents-and-autonomous-vehicle-development），旨在推动世界建模、人形机器人技能与自动驾驶的技术极限；同时还推出了 **NVIDIA Omniverse DSX Blueprint**（https://nvidianews.nvidia.com/news/nvidia-releases-vera-rubin-dsx-ai-factory-reference-design-and-omniverse-dsx-digital-twin-blueprint-with-broad-industry-support），用于 AI 工厂的数字孪生仿真。 诸如 OpenClaw 这样的开源 Agent 框架将 AI 技术栈一直延伸至运维层——实现了可持续运行的“爪子”，通过工具调用、记忆模块和消息接口来编排工作流程、管理数据管道，并在专用机器上自主执行任务。 OpenClaw 的创始人 Peter Steinberger 在 GTC 期间接受 NVIDIA 新闻稿（https://nvidianews.nvidia.com/news/nvidia-announces-nemoclaw）采访时表示：“凭借 NVIDIA 及其广泛的生态系统，我们正在构建‘爪子’与安全护栏，让任何人都能创建强大且安全的 AI 助手。” OpenUSD（https://www.nvidia.com/en-us/omniverse/usd/）是推动物理 AI 可扩展性的核心力量——它提供了一套通用的场景描述语言，使团队能够将计算机辅助设计（CAD）数据、仿真资产和现实世界的遥测数据整合到一个共享且符合物理规律的虚拟世界中。 ## 建造前预演 AI 工厂 现代 AI 工厂结构复杂——涉及散热、电网、网络负载和机械系统等多个维度。借助仿真技术，按时、按预算交付这些项目将变得容易得多。 为解决这一挑战，NVIDIA 在 GTC 上推出了 **Omniverse DSX Blueprint**（https://nvidianews.nvidia.com/news/nvidia-releases-vera-rubin-dsx-ai-factory-reference-design-and-omniverse-dsx-digital-twin-blueprint-with-broad-industry-support）。这是一套参考架构，通过单一数字孪生体将 AI 工厂各层的仿真统一起来。这使得运营商能够在实际安装机柜之前，优化性能与运行效率。 ## 算力即数据：现实世界数据不再是护城河 过去，现实世界数据曾是物理 AI 的护城河——但它无法规模化。现实世界杂乱无章、充满变数且存在大量长尾边缘案例，而处理、仿真和评估数据的管道又十分零散。瓶颈不仅仅在于数据本身——而在于整个数据工厂。 为应对这一难题，NVIDIA 在 GTC 上发布了其 **Physical AI Data Factory Blueprint**（https://nvidianews.nvidia.com/news/nvidia-announces-open-physical-ai-data-factory-blueprint-to-accelerate-robotics-vision-ai-agents-and-autonomous-vehicle-development）。这是一款开源参考架构，可将算力转化为大规模、高质量的训练数据。该蓝图基于 **NVIDIA Cosmos 开放世界基础模型**（https://www.nvidia.com/en-us/ai/cosmos/）与 **NVIDIA OSMO**（https://developer.nvidia.com/osmo）算子构建，将数据策展、增强与评估统一至单一管道，使开发者能够仅凭有限的现实世界输入生成多样化的长尾数据集。 FieldAI（https://www.fieldai.com/news/fieldai-accelerates-industrial-customers-adoption-of-ai-in-collaboration-with-nvidia）、Hexagon Robotics（https://robotics.hexagon.com/industrial-autonomy-hexagon-robotics-nvidia-physical-ai/）、Linker Vision（https://www.prnewswire.com/news-releases/linker-vision-highlights-video-reasoning-ai-at-nvidia-gtc-2026-302714380.html）、Milestone Systems（https://www.milestonesys.com/company/news/press-releases/ai-as-a-service-at-nvidia-gtc/）、Skild AI（https://www.skild.ai/blogs/reindustrial-revolution）以及 Teradyne Robotics（https://www.universal-robots.com/news-and-media/news-center/universal-robots-scale-ai-launch-imitation-learning-system-accelerate-ai-training-lab-to-factory/）等领先的物理 AI 开发商，目前已开始利用该蓝图加速推进机器人项目、视觉 AI 智能体及自动驾驶计划。 Microsoft Azure（https://azure.microsoft.com/en-us）与 Nebius（https://nebius.com/?utm_term=nebius&utm_campaign=Search_us_all_lgen_brand_cloud&utm_source=google&utm_medium=cpc&hsa_acc=3900112445&hsa_cam=21863834149&hsa_grp=173545027150&hsa_ad=797256119441&hsa_src=g&hsa_tgt=kwd-1496427731642&hsa_kw=nebius&hsa_mt=p&hsa_net=adwords&hsa_ver=3&gad_source=1&gad_campaignid=21863834149&gclid=CjwKCAjwpcTNBhA5EiwAdO1S9mCKsrmaSvioZDA4wzAMNJkHJBWbEAeP7HMRpipjp7IGccKlvvbOOhoCaV8QAvD_BwE）成为首批提供该蓝图支持的云服务平台，将世界级算力转化为开箱即用的数据生产引擎。 NVIDIA Omniverse 与仿真技术副总裁 Rev Lebaredian 在此份新闻稿（https://nvidianews.nvidia.com/news/nvidia-announces-open-physical-ai-data-factory-blueprint-to-accelerate-robotics-vision-ai-agents-and-autonomous-vehicle-development）中表示：“我们与云服务领导者携手，提供了一种新型的 Agent 引擎，将算力转化为高质数据，从而催生下个一代自主系统与机器人。在这个新时代，算力即是数据。” ## 从 OpenUSD 到现实：无缝打通设计与部署 将 CAD 文件转换为 OpenUSD（https://docs.nvidia.com/learn-openusd/latest/glossary.html）是物理 AI 流水线中的关键一步——它将工程数据转化为适用于仿真的资产，供开发人员在符合物理规律的虚拟环境中构建、测试和验证机器人。 借助 **NVIDIA Omniverse Kit**（https://docs.omniverse.nvidia.com/kit/docs/kit-app-template/latest/docs/kit_sdk_overview.html）软件开发套件与 **NVIDIA Isaac Sim**（https://developer.nvidia.com/isaac/sim）等工具，团队可针对实时渲染、仿真和协作工作流对 3D 数据进行优化与增强。 FANUC（https://www.fanucamerica.com/news-resources/fanuc-america-press-releases/2026/03/16/fanuc-accelerates-physical-ai-in-industrial-robotics-leveraging-nvidia-technologies）与 Fauna Robotics 等企业正在利用这套无缝的 CAD 到 OpenUSD 工作流，加速机器人系统的设计与验证。 ## 通过工业数字孪生变革制造与物流业 勒巴雷迪安在 GTC 的数字孪生与仿真主题特别演讲中表示：“工厂本身就是机器人系统。” 所有工厂都诞生于仿真之中。**NVIDIA Mega Omniverse Blueprint**（https://www.nvidia.com/en-us/industries/manufacturing/mega-blueprint/）为企业提供了参考架构，使得企业在车间实际部署单台机器人之前，即可在符合物理规律的设备数字孪生体中设计、测试并优化机器人车队与 AI 智能体。 KION（https://www.kiongroup.com/en/News-Stories/Press-Releases/Press-Releases-Detail.html?id=1099696911&type=corporate&title=KION%20brings%20physical%20AI%20into%20live%20warehouse%20operations%20at%20GTC%202026%20in%20San%20Jos%C3%A9,%20California）联合埃森哲（Accenture）与西门子（Siemens）使用该蓝图构建大规模仓储数字孪生体，为全球最大的纯合同物流企业 GXO 训练和测试基于 NVIDIA Jetson 的自动驾驶叉车车队。 ## 物理 AI 从仿真走向现实 NVIDIA 正与全球机器人生态系统合作——涵盖领先的“机器人大脑”开发商、工业机器人巨头与人形机器人先驱——共同打造面向生产级的物理 AI。 ABB Robotics（https://new.abb.com/news/detail/134030/prsrl-abb-robotics-partners-with-nvidia-to-deliver-industrial-grade-physical-ai-at-scale）、FANUC（https://www.fanucamerica.com/news-resources/fanuc-america-press-releases/2026/03/16/fanuc-accelerates-physical-ai-in-industrial-robotics-leveraging-nvidia-technologies）、KUKA（https://www.kuka.com/en-de/company/press/news/2026/03/kuka-amp-nvidia-gtc）和安川电机（Yaskawa）合计在全球拥有超过 200 万台机器人的装机量。它们正使用 **NVIDIA Omniverse**（https://www.nvidia.com/en-us/omniverse/）库与 **NVIDIA Isaac**（https://developer.nvidia.com/isaac）仿真框架，通过符合物理规律的数字孪生体（https://www.nvidia.com/en-us/glossary/digital-twin/）验证复杂的机器人应用与生产线。此外，这些公司还将 **NVIDIA Jetson 模块**（https://developer.nvidia.com/embedded/jetson-modules）集成至其控制器中，以实现实时 AI 推理。 机器人开发始于“大脑”构建，正因如此，FieldAI 与 Skild AI（https://www.nvidia.com/en-us/case-studies/skild-ai/）等领先开发商正采用 **NVIDIA Cosmos**（https://www.nvidia.com/en-us/ai/cosmos/）世界模型进行数据生成（https://www.nvidia.com/en-us/use-cases/synthetic-data/），并结合 Isaac 仿真框架在仿真环境中验证策略。 与此同时，通用人工智能（Generalist AI）也在利用 NVIDIA Cosmos 探索合成数据的生成。这种结合使机器人得以以惊人的速度熟练掌握各类任务——从供应链监控到食品配送——无所不包。 *请访问此**在线媒体资料包**（https://nvidianews.nvidia.com/online-press-kit/gtc-2026-news）查阅 NVIDIA 在 GTC 发布的全部公告，并**观看大会主旨演讲回放**（https://www.youtube.com/watch?v=jw_o0xr8MWU&t=2s）。回顾 GTC 全部 **Physical AI Days**（https://www.youtube.com/playlist?list=PL3jK4xNnlCVclphegeS4R9JYbhWprKJe_）环节，并观看**开发者直播**（https://www.youtube.com/live/MplaRtIZerU?si=Vn-S0BNz4xC-fVjL&t=11130）回放。*