製造業の設計・構築・試験の従来サイクルは実世界でのテストが唯一の確実な手段であるという前提に依存していましたが、高精度シミュレーションによる合成トレーニングデータの生成が可能になったことでこの前提は変わりつつあります。OpenUSD を基盤とした「SimReady」というコンテンツ標準と、NVIDIA Omniverse が提供する物理的に正確なシミュレーション層が、製造現場で実用的な物理 AI の実装を可能にしています。これにより、3D パイプライン間で幾何形状や物理特性が失われる問題が解消され、アセットの相互運用性が大幅に向上しています。具体的には、ABB ロボティクスが自社シミュレーションプラットフォームに NVIDIA Omniverse を統合し、ロボットstations を USD ファイルとして再現することで、生産ラインが存在する前にロボットの訓練や AI モデルの検証を行っています。その結果、シミュレーションと実環境の差が 99% の精度で縮小され、製品導入サイクルが最大 50% 短縮、導入開始までの時間が 80% 削減されるなどの成果を上げています。また、ジャガーランドローバーでは空力シミュレーションの適用において、ニューラルサーロゲートモデルを活用することで、従来の 4 時間かかっていた解析を 1 分間で完了させることに成功しています。設計とシミュレーションが連続的なループとなり、効率性が劇的に改善されました。さらに、Tulip Interface は既存の工場インフラを活用し、カメラ映像から構造化された知見を抽出する「Factory Playback」プラットフォームを Terex のような企業に導入しました。NVIDIA Cosmos Reason vision language モデルを活用することで、リアルタイムのカメラ映像とオペレータの行動を解釈し、歩留まりを 3% 向上、手直しの回数を 10% 削減する効果が見込まれています。これらの事例は、NVIDIA の物理 AI スタックと SimReady アセットが製造業のワークフロー変革の基盤を提供していることを示しており、開発者はこれらの技術を採用・拡張することで、あらゆる産業応用におけるシミュレーションファーストの時代をリードすることができます。