合作达索、西门子、新思，造词物理AI，NVIDIA英伟达进军工业具体是干啥

近两年，NVIDIA英伟达拉着西门子、达索、新思科技等工业巨头大搞合作，在工业圈猛刷了一大 波存在感。达索系统与英伟达合作构建工业 AI 平台赋能数字孪生。

虽然大家都知道NVIDIA核心的目的是卖卡，但“物理AI”、“工业操作系统”等一波波新词的提出，着实又让本就年年被新名词搞的焦头烂额的工业人又得多掉几根头发。

本着为更多工业人保住多一点点头发的初衷，本文对NVIDIA最近在工业领域的一系列布局做个方便理解的盘点和梳理。

首先，从核心逻辑来讲，NVIDIA无疑是看到了几个工业AI的潜在市场机会，然后通过一套“蓝图+工具软件+硬件+生态”组合拳来抢占用户心智和市场，从而让更多工业企业多买点卡。

组合拳中，硬件自不必多说，软件和生态不是盈利的核心，但是是构建竞争壁垒的核心。过去这么多年，英伟达市场份额如此之高，CUDA生态带来的很高的硬件迁移成本功不可没。

蓝图（Blueprint）则是NVIDIA最近频繁使用的一个概念。AI在工业领域应用形成了新场景，新名词，但是如果只是提新名词，很多开发者仍然不知如何落地，所以NVIDIA对应提供一整套可以抄的技术落地的工作流+框架+工具集（类似于开放代码的Demo），开发者跟着做可以快速上手，之后可以在此基础上个性化定制修改等。

当然，叫蓝图或者什么别的不重要，最后还是会指向到几个具体的应用方向，以及对应的具体产品，如软件、模型或工具套件等（卡是必然的后文就不提了）。

（1）AI+仿真

尽管仿真过去就是个很消耗算力的事情，也出现了用GPU加速仿真求解的方案，但是AI仿真的出现进一步拉高了算力的需求。AI+仿真 主要可以理解为AI代理模型和仿真Agent这2个方向

AI代理模型 取代或补充原有CAE仿真计算。物理AI的文章（【AI+CAE】物理AI到底在说什么，跟具身智能、数字孪生、世界模型、AI CAE啥关系？）中我们已经提到，当前很多仿真计算时间很长，影响了企业产品设计的效率，而AI代理模型可以几十倍甚至上千倍的对CAE仿真计算进行提效，因此是CAE大厂都在关注和布局的领域。NVIDIA把AI代理模型称为物理AI模型。

仿真Agent则是开发各种Agent实现仿真过程的自动化，虽然发挥作用的可能是LLM，但是也会拉高AI算力的需求。

NVIDIA对应的产品布局主要是

PhysicsNeMo 框架：拉低训练AI模型的门槛，给开发者提供的训练AI代理模型的一整套工具栈。

Apollo系列开放模型：工具之上，再提供一组标准作业，方便大家抄。Apollo系列基础物理模型开放模型以及数据集，开发者可以在此基础上进一步结合自身数据微调更垂直的模型。

光提供工具和参考答案仍然不够，还需要生态布局实现广泛覆盖

和CAE大厂合作，让CAE大厂把CAE软件里默认集成AI代理模型和训练工具集，让每个CAE用户都可以轻易使用AI仿真。如新思科技半导体仿真平台SeaScape中集成PhysicsNeMo框架用于训练AI模型。

和CAE大厂以及AI CAE创新企业合作，开发更多的物理AI模型模版以及应用案例，做出更多的标杆样板，以便降低更多企业应用和信任门槛。如联合SimScale发布的离心泵AI模型，联合Luminary发布SHIFT-SUV模型，与达索合作开发工业世界模型等。

拉着政府、CAE巨头、AI创企建设更多共享的AI算力，供更多不自建算力的广大工业企业和开发者进行租用。如联合德国电信建设的万卡的欧洲工业云，达索在达索的云上提供AI算力等。

以上这些事，合作伙伴们不仅自己要买更多的AI卡来进行模型训练，还要买更多的卡建设为用户服务的AI算力基础设施。同时，可能更重要的，工业圈的合作伙伴们给客户推广的AI的软件和解决方案，也都要客户也去买AI卡。

（2）具身智能

具身智能，如机器人和自动驾驶都是AI算力消耗大户，对应的AI应用简单来说主要3个方面

VLA模型训练：目前具身智能机器人和自动驾驶控制算法很多都采用了VLA路线，VLA模型的训练需要消耗AI算力。为了搞自动驾驶训练，很多车企每年投入上亿买AI算力。

模拟环境训练。在实际环境中进行训练效率低，且很多极端情况难以实现，在3D虚拟环境中可以并发很多训练，且可以模拟各种极端环境。

样本生成。用于训练控制模型的样本采集成本高，很多极端情况样本难以采集，因此用AI模型直接生成很多样本用于后续训练。

这个方向本身并不是直接的工业应用方向，但是因为具身智能机器人主要应用场景在工业，以及很多车企、制造企业在投资这个方向，因此也在工业领域存在感较强。

对应的NVIDIA的产品布局：

Isaac Sim机器人训练平台：机器人仿真平台，用于构建物理精确的3D虚拟环境，进行机器人仿真、测试及数据生成。

Cos mos世界基础模型：用于生成符合真实世界物理规律的训练样本。

基于以上产品，NVIDIA也联合了一大堆合作伙伴建设生态，主要是自动驾驶、机器人创企等，在此不做更多展开。

（3）工厂数字孪生

工业的数字孪生概念范围较广，其中研发领域的跟前面提到的AI CAE有较多重合。而生产领域领域的数字孪生，则指向了另一个方向

生产过程的全程数采和可视化。生产过程中全面采集各种设备、人员的状态信息，在3D虚拟环境中进行同步呈现。数采部分不太涉及AI算力需求，3D虚拟环境则对显卡有一定要求。

生产过程的智能决策。结合传统AI算法、机理模型或Agent对生产过程进行实时决策控制和优化，涉及到部署边缘AI算力设备。

产品的智能化。各类设备、装备里面可能需要运行AI应用，也需要里面有边缘AI设备。

NVIDIA对应的产品布局：

Omniverse平台：3D编辑器，可以创建3D虚拟环境，如创建3D虚拟工厂。

Nemotron Nano：参数量相对小的大语言模型，也称小语言模型，可以运行在工业现场的设备中，支持现场管控类软件的AI优化和智能决策类应用/Agent。

Mega：在工业数字孪生中大规模测试机器人集群的参考架构。

对应的生态层面的布局例如

罗克韦尔自动化宣布 FactoryTalk Design Studio 中集成NVIDIA 的 Nemotron Nano SLM

Hexagon、Omron、Rockwell Automation 和西门子正在将 Omniverse 数据互操作性和可视化技术集成到其领先的工业软件、仿真和自动化解决方案中，以加速产品开发和优化制造流程

CES上NVIDIA演示的卡特彼勒 Cat 306 CR 小型挖掘机上集成的Cat AI 助手

结合以上方向，可以看到NVIDIA对于未来AI工厂的一个框架：

设计侧，AI驱动下更快的设计仿真迭代

生产侧，智能机器人和智能化系统驱动生产的智能执行和决策

产品侧，集成了AI能力的更智能化的产品

NVIDIA和更多其它工业大厂的合作，无疑也都会围绕这这几个方向展开。

当然，以上的前提，使用NVIDIA的卡和工具。

“the more you buy，the more you save！”