NVIDIA 与合作伙伴在 2026 年汉诺威工博会上展示 AI 驱动制造业的未来

# NVIDIA 与合作伙伴在汉诺威工业博览 2026 展示 AI 驱动制造的未来 来源：https://blogs.nvidia.com/blog/ai-manufacturing-hannover-messe/ 制造业正处于一个关键的转折点。在所有主要工业经济体中，由于设计周期加快、运营更加精简以及熟练劳动力短缺，以较少资源实现更多产出的压力正在加速向 AI 驱动的生产模式转变。 现在的问题已不再是是否采用 AI，而是采用的速度有多快、规模有多大。 在 **2026 年汉诺威工业博览会** (https://www.nvidia.com/en-us/events/hannover-messe/)（于 4 月 20 日至 24 日在德国汉诺威举行）上，NVIDIA 及其合作伙伴将展示 AI 驱动制造的实战应用。参观者将亲身体验加速计算、AI 物理、智能体（Agents）和机器人技术的进步如何推动工业创新——从自主设计和工程到实时仿真、视觉 AI 智能体以及在工厂中运作的人形机器人。 未来的工厂不仅仅是一个概念。它正在被构建。 ## **AI 基础设施：赋能欧洲下一个工业时代** 在制造产出所依赖的工厂和供应链中大规模运行 AI，需要合适的基础底层设施。随着 AI 成为产品、流程和设施设计、构建和优化过程的基础，制造商需要一个统一、主权可控的基础，其具备安全性、可扩展性，并专为工业规模打造。 **工业 AI 云** (https://blogs.nvidia.com/blog/germany-industrial-ai-cloud-launch/) 是欧洲最大的 AI 工厂之一，由德国电信（Deutsche Telekom）基于 NVIDIA AI 基础设施在德国建成，是未来的蓝图。它为加速欧洲工业领域的 AI 和机器人技术提供了安全、主权可控的基础。 在展会上，包括 **Agile Robots**、**SAP**、**Siemens**、**PhysicsX** 和 **Wandelbots** 在内的行业领袖将分享他们如何利用这一主权 AI 平台运行 AI 加速工作负载，范围涵盖从 AI 物理驱动的实时仿真到工厂规模的数字孪生和软件定义机器人。**EDAG** 作为一家领先的独立工程服务提供商，也宣布将在工业 AI 云上运行其工业元宇宙平台 **metys**——将主权 AI 基础设施大规模引入汽车和工业工程领域。 为了支持日益增长的 AI 基础设施需求，**Dell Technologies**、**IBM**、**Lenovo** 和 **PNY** 也在展示 NVIDIA 加速系统，从边缘到数据中心，使制造商能够运行更快的仿真，并在生产中大规模开发和部署计算机视觉、AI 智能体和机器人技术。 ## **AI 驱动的工程** 随着工业系统变得更加复杂，工程师依赖的软件在设计、仿真和测试这些系统时，正通过 AI 物理和自主 AI（Agentic AI）进行转型，以保持同步。在汉诺威工业博览会上，NVIDIA 合作伙伴展示了 AI 加速设计和仿真如何解锁新的可能性。 **Cadence** (https://www.cadence.com/en_US/home/company/newsroom/press-releases/pr/2026/cadence-and-nvidia-expand-partnership-to-reinvent-engineering.html)、**Dassault Systèmes** (https://blog.3ds.com/topics/company-news/industrial-ai-with-virtual-twins)、**Siemens** (https://news.siemens.com/en-us/siemens-fuse-eda-ai-agent/) 和 **Synopsys** (https://news.synopsys.com/2026-03-16-Synopsys-Showcases-NVIDIA-Partnership-Impact-and-Ecosystem-Innovation-at-GTC-2026) 正在其软件中集成 **NVIDIA CUDA-X** (https://www.nvidia.com/en-us/technologies/cuda-x/)、AI 物理和 **NVIDIA Omniverse** (https://www.nvidia.com/en-us/omniverse/) 库，以及 **NVIDIA Nemotron** (https://www.nvidia.com/en-us/ai-data-science/foundation-models/nemotron/) 开放模型——从而实现实时、基于物理的仿真、AI 驱动的设计探索以及赋能工程师的自主工作流。 ## **实时工厂仿真** 工厂规模的数字孪生对于解锁流程仿真、实时运营以及机器人车队的测试和编排至关重要。在汉诺威工业博览会上，制造、能源和汽车领域的合作伙伴展示了基于 Omniverse 库和 **OpenUSD** (https://www.nvidia.com/en-us/glossary/openusd/) 构建的数字孪生如何帮助客户设计、压力测试并持续优化其运营。 **ABB** (https://new.abb.com/news/detail/135121/abb-genix-advances-industrial-digital-twins-through-immersive-3d-visualization-with-nvidia-omniverse-and-microsoft-azure) 将展示如何将 NVIDIA Omniverse 库和 **Microsoft Azure 云** 服务集成到其 ABB Genix 工业物联网和 AI 套件中，使运营团队能够在完整上下文中了解资产性能，并利用 AI 智能体加速根本原因分析。 **Dassault Systèmes** 将演示未来由 AI 驱动的工厂如何由虚拟孪生体验赋能。参观者将看到这些虚拟孪生如何利用 NVIDIA 物理 AI 库来实现自主、软件定义的生产以及更智能、敏捷的制造系统。 **Kongsberg Digital** (https://kongsbergdigital.com/news/kongsberg-digital-advances-with-nvidia) 将重点展示将其平台 **Kognitwin** 与 NVIDIA Omniverse 库集成，如何在关键能源基础设施中提供空间智能。数字孪生模型、实时运营数据和 AI 智能体的结合，使其客户能够分析复杂资产、在虚拟环境中测试场景，并在变更到达物理世界之前优化性能。 **Microsoft** (https://www.microsoft.com/en-us/microsoft-cloud/blog/manufacturing/2026/04/16/industrial-intelligence-unlocked-microsoft-at-hannover-messe-2026/) 正在演示 NVIDIA Omniverse 库与 **Microsoft Fabric Real-Time Intelligence** 和 **IQ** 的集成，如何为组织提供物理准确、实时的仿真，以设计、仿真和优化物理系统，同时，**Azure Physical AI Toolchain** (https://github.com/microsoft/physical-ai-toolchain)——基于 **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) 构建——正在加速物理 AI 和自主机器人进入生产部署。 **Siemens** (https://news.siemens.com/en-us/digital-twin-composer-ces-2026/) 将重点展示如何将其 **Digital Twin Composer** 解决方案与 NVIDIA Omniverse 库集成，将多域工程和运营数据转化为全面、就绪仿真的数字孪生——帮助其客户提高吞吐量，并在物理变更之前识别生产问题。 通过将 **Wandelbots NOVA Platform** 与诸如 **NVIDIA Omniverse NuRec** (https://docs.nvidia.com/nurec/) 等 Omniverse 库相结合，**Wandelbots** (https://www.wandelbots.com/news/platform-based-automation-solution-for-industrial-robotics-by-gessmann) 展示了一条强大的路径，可将现实世界的设施数字化为物理准确的仿真。对于 **Gessmann** 的 **GESSbot** 机器人等解决方案而言，这开辟了加速调试并在复杂的工业站点中降低部署风险的未来机遇。 ## **将 AI 智能体带入工厂车间** 传统 AI 在严格条件下解决问题。AI 智能体带来了一个新的主动性和适应性智能层级，提供所见内容的上下文，并在采取行动之前分析正在发生的事情。 在展会上，参观者将看到基于 **NVIDIA Metropolis** (https://www.nvidia.com/en-us/autonomous-machines/intelligent-video-analytics-platform/) 库构建的视觉 AI 智能体，结合 **Nemotron** 和 **NVIDIA Cosmos** 开放模型，如何通过与现有摄像头基础设施结合多个数据流，将工业运营推向质量控制、运营效率和工人安全的新水平。 **Invisible AI** (https://www.invisible.ai/blog/invisible-ai-launches-vision-execution-system-with-nvidia/) 正在推出其视觉执行系统（Vision Execution System），这是一个视觉 AI 系统，使用智能体实时捕获、结构化并分析工厂车间中的每个生产周期。这些自主 AI 智能体基于 **NVIDIA Metropolis VSS Blueprint** (https://build.nvidia.com/nvidia/video-search-and-summarization)、**NVIDIA Cosmos Reason 2** (https://huggingface.co/nvidia/Cosmos-Reason2-8B) 和 **Nemotron** (https://www.nvidia.com/en-us/ai-data-science/foundation-models/nemotron/) 模型构建，在问题恶化之前直接向操作员提供可操作的见解。这类生产智能已经在世界上一些最大的汽车制造工厂（如 **Toyota**）中驱动可衡量的收益。 **Tulip Interfaces** (https://tulip.co/blog/terex-factory-playback-gtc) 将展示 **Factory Playback**，它使用 VSS 蓝图和 Cosmos Reason 2 将机器遥测、操作员工作流、质量事件和视频同步到一个可搜索、具上下文的运营时间线中。**Terex** 是一家拥有 40 多家工厂的全球工业设备制造商，该平台为其提供了宝贵的见解，预计可实现 3% 的产量增长和 10% 的返工减少。 **Fogsphere** 将视觉 AI 扩展到一些最具挑战性的制造和工业环境中。其 **Vision Agent** 平台——现在支持基于 ARM 的边缘部署，并基于 NVIDIA Cosmos Reason 2 和 Metropolis VSS 蓝图构建训练工作流——使其客户能够构建和微调视觉 AI 智能体。**Saipem** 是一家能源和工业生态系统中的工程服务公司，正在利用该平台构建能够实时检测和响应高风险安全和环境事件的智能体。 ## **能够思考的机器** AI 推理打破了工业机器人单一任务约束和耗时的重新编程，赋予它们在非结构化环境中导航、学习新任务和自主行动的能力。在汉诺威工业博览会上，NVIDIA 合作伙伴展示了机器人完成真实生产任务，以及使各种规模的制造商都能触手可及的自主自动化的物理 AI 框架。 在德国埃尔兰根的一家基于 **Siemens** (https://sie.ag/4LyPvV) 蓝图的自主电子工厂中，**Humanoid** 的 **HMND 01** (https://thehumanoid.ai/siemens-and-humanoid-bring-physical-ai-to-the-factory-floor-deploying-humanoids-in-industrial-operations-with-nvidia/) 轮式人形机器人——运行 **NVIDIA Jetson Thor** (https://www.nvidia.com/en-us/autonomous-machines/embedded-systems/jetson-thor/) 边缘 AI 模块进行机器人上计算，并使用 **Isaac Sim** (https://developer.nvidia.com/isaac/sim) 和 **Isaac Lab** (https://developer.nvidia.com/isaac/lab) 开放框架进行仿真和强化学习开发——已在生产环境中完成了首次概念验证的自主物流操作。**Humanoid** 的仿真优先开发将通常需要长达两年的硬件开发时间压缩至仅七个月。 **SCHUNK** 的 **GROW** (https://schunk.com/de/en/news/physical-ai-von-der-simulation-zum-shopfloor/38528) 自动化单元以标准化、可部署的形式将物理 AI 引入生产。NVIDIA Omniverse 库和 Isaac 仿真框架使机器人行为能够在单元上线之前进行仿真、训练和验证。**Wandelbots** 的 **NOVA 平台** 将仿真连接到车间 (https://www.wandelbots.com/news/wandelbots-schunk-and-ey-join-forces-to-scale-physical-ai) 以进行持续优化，而 **EY** 则设计运营模式以将其扩展到欧洲的小中型企业。 利用 NVIDIA 的物理 AI 栈，包括 **Physical AI Data Factory Blueprint** (http://nvidianews.nvidia.com/news/nvidia-announces-open-physical-ai-data-factory-blueprint-to-accelerate-robotics-vision-ai-agents-and-autonomous-vehicle-development) 和用于工业级边缘计算并具备功能安全的 **NVIDIA IGX Thor** (https://www.nvidia.com/en-us/edge-computing/products/igx/)，**Hexagon Robotics** 正在加速机器人训练、验证和部署。结果初具雏形，**AEON** 即将在 **BMW** 莱比锡工厂执行装配操作——标志着德国生产环境中首次人形机器人部署之一。 **QNX** 扩大了与 NVIDIA 的合作，为机器人、医疗和工业应用提供安全关键型边缘 AI 系统，**QNX OS for Safety 8.0** 现已集成在 **NVIDIA IGX Thor** 和 **NVIDIA Halos** 安全栈上。 *通过加入**NVIDIA 在汉诺威工业博览会** (https://www.nvidia.com/en-us/events/hannover-messe/) 的活动，探索**用于工业和制造的 NVIDIA AI 技术** (https://www.nvidia.com/en-us/industries/industrial-sector/)*。