制造业正迎来以模拟为核心的“物理人工智能”时代。传统设计制造循环依赖实物测试，如今高精度模拟生成的合成数据已能训练出适用于生产环境的感知与决策模型。OpenUSD 成为连接不同工具的标准，NVIDIA Omniverse 则提供物理精确的仿真层，使企业在部署前完成 AI 模型的训练与验证。 针对资产在 CAD 与仿真平台间传输丢失物理属性等痛点，SimReady 标准基于 OpenUSD 定义了包含完整物理信息的 3D 资产规范，确保模型在渲染、仿真及 AI 训练管道中无缝运行。 目前，多家企业已利用 NVIDIA 物理 AI 栈取得显著成效。ABB 机器人在其全球广泛使用的 RobotStudio HyperReality 平台中集成 NVIDIA Omniverse，实现了机器人与实物相同的固件运行环境。该方案不仅支持大规模生成光照与几何差异的合成数据，更将模拟准确率提升至 99%。结果是产品引入周期缩短 50%，调试时间减少 80%，设备全生命周期成本降低 30% 至 40%。 捷豹路虎将车辆空气动力学仿真时间从四小时压缩至一分钟。通过训练神经替代模型，工程师可实时可视化几何调整带来的气动变化，将 sequential 的设计仿真循环转变为连续迭代，95% 的气动热负载已运行在 NVIDIA GPU 上。 Tulip 则为特雷克斯等制造商构建了实时工厂智能系统。该系统利用 NVIDIA Cosmos 视觉语言模型解读监控画面与操作行为，将工厂记录转化为可学习的智能层。部署后预计将提升 3% 的产量并减少 10% 的返工率。 随着 SimReady 资产与 Omniverse 库的成熟，开发者可基于 NVIDIA 物理 AI 栈构建各类工业应用，推动制造业从经验驱动向数据与模拟驱动的全面转型。