一、Omniverse平台架构与硬件基础

1.1 Omniverse平台集成多类型软件

Omniverse是Nvidia基于Pixar的通用场景描述（USD）及RTX技术构建的多GPU实时模拟协作平台，核心是实现3D应用之间的通用实时互操作。用户通过Omniverse可实现跨设备、跨应用的同步，传统3D设计是“流程”作业，Omniverse相当于将主流3D软件（Autodesk Maya、Revit、UE4等）平台化整合，协同过程中某用户的操作可实时在其他用户平台展现，同时凭借RTX的超强能力呈现真实物理效果。

1.2 Ada延续Hopper架构的第四代TensorCore

Ada Lovelace架构（2022）搭载第三代RT Core和第四代Tensor Core，新增Hopper FP8 Transformer Engine，可实现1.4 petaFLOPS算力，AI性能翻倍。每个SM张量核在等效数据类型上提供Ampere架构SM的2倍MMA（矩阵乘法累加）计算速率。针对深度学习领域提供稀疏神经网络硬件加速支持，为3D图形工作流及CAE桌面仿真带来显著性能提升。

1.3 Omniverse主要包含Platform及基于Kit的应用程序

Omniverse产品架构包括底层Platform技术支持部分和上层基于Kit SDK创建的Create等自研应用程序。底层Platform核心包括Nucleus（面向USD的同步服务，实现应用间互通，可存储3D内容的私有云）、Connect（各三维软件连接器，实现多人多软件共同处理同一工程）和Simulation（呈现高质量真实环境中物理模拟效果，应用于机器人、智能驾驶领域仿真）。Kit是用于开发基于简单工作流程的应用框架，是建立Omniverse APP的基础。

1.4 Omniverse的应用通过Nucleus与外部3D软件协作

Omniverse允许不同用户使用不同三维软件对同一3D工程进行编辑和仿真，Pixar 2016年发布USD并开源，主流3D应用均开放USD格式导入导出。Omniverse通过OpenUSD实现主流3D软件格式统一，同时凭借Nvidia RTX和Quadro GPU快速分析复杂流体流动，高达96GB GPU显存的NVLink技术支持超大型模型处理。CFD建模分析师可极大缩短解决问题时间，数小时缩短至数秒。

二、模拟仿真与物理AI

2.1 有限元法（FEM）模拟超弹性材料的可变模型

CAE（计算机辅助工程）进阶是RTDT（实时数字孪生），核心是设计与仿真整合。传统模式下设计与仿真是独立两阶段，RTDT核心是在工程设计循环中提供即时反馈，展示实时模拟中任何修改带来的影响，实现快速设计落地。有限元法通过网格划分和数值求解，模拟材料在受力下的变形行为，是物理仿真的基础方法论。

2.2 更换轮毂类型后实时反馈其风阻影响

在Omniverse平台中，设计人员更换轮毂类型后系统可实时反馈风阻变化。这种实时仿真能力依托Nvidia GPU加速，使CAE仿真从传统的数小时压缩至数秒。目前Ansys、Cadence、Siemens等CAE核心厂商均可借助Nvidia平台开发实时仿真软件，仿真速度实现数量级提升，在开发过程中实现实时可视化和分析，极大缩减开发时间和成本。

2.3 具备物理AI模型能力的设备完成实时动作调整

物理AI能够理解三维世界空间关系和物理行为，通过AI训练过程中提供更多物理数据实现，数据包含与现实世界空间关系和物理规则有关信息。具备物理AI能力的自主机器可在真实环境中感知、理解并执行复杂操作，当受到外部不可控干扰时能做出即时符合物理规则的反馈。Omniverse提供构建虚拟场景、整合数据的平台，开发者在DGX硬件上完成训练模拟验证，最终部署至机器人设备。

2.4 通过生成式数据提升VLM能力

创建准确的物理AI模型需要大量数据，使用计算机仿真从数字孪生生成的合成数据能有效替代现实世界数据集（获取现实世界数据成本高昂，有时甚至不可能）。借助NVIDIA NIM微服务和Omniverse Replicator等工具，开发者能加速创建可靠、多样化数据集来训练物理AI，增强VLM等模型的适应能力和性能。Replicator内置域随机化功能，允许在3D仿真过程中更改众多物理参数。

三、CAE厂商AI布局

3.1 GPU可以显著缩短运行时间（Altair数据）

以Altair数据为例，在10个结果文件处理中，笔记本电脑CPU耗时44分钟，HPC CPU耗时34分钟，GPU仅需3分钟；100个结果文件处理中，笔记本电脑CPU耗时7小时54分钟，HPC CPU耗时5小时10分钟，GPU仅需33分钟。GPU加速使仿真结果处理时间缩短90%以上，为实时仿真和快速迭代提供了硬件基础。这也是Nvidia Omniverse能够实现实时物理仿真的关键支撑。

3.2 PhysicsAI通过历史数据快速预测仿真结果

Altair PhysicsAI基于几何深度学习（Geometric Deep Learning），核心功能是基于样本数据进行训练从而对相似结构模型进行仿真结果预测。用户无需编程，可直接在网格或几何模型上进行仿真结果预测，省去有限元分析复杂的建模、前处理流程。快速筛选方案后，备选方案再进行传统精准仿真，支持Hyperworks结构、流体、碰撞、制造等各模块原生的CAE仿真文件，支持Nvidia GPU进行训练和模拟。

3.3 Ansys AVxcelerate Sensors在Omniverse中实现实时仿真

Ansys AVxcelerate Sensors可通过NVIDIA Omniverse进行访问，凭借Ansys面向摄像头、激光雷达和雷达传感器的可预测准确的物理求解器，增强用于场景生成的NVIDIA DRIVE Sim高保真3D环境。自动驾驶安全性此前需要海量实测数据验证，仅依靠实际道路测试可能需要数十亿英里。在Omniverse中使用Ansys功能需获取对应license，Nvidia提供高性能GPU功能和AI能力，助力自动驾驶汽车快速原型构建和高效算法优化。

3.4 索辰产品已经集成自然语言处理建模工具

索辰科技依靠其物理能力及大量物理数据积累，生成式AI已应用于多个环节。自然语言交互建模可通过自然语言方式调取系统中已存储的海量模板，并通过自然语言进行简单交互修改。生成式实时仿真可模拟实时变化的复杂物理场景，合理构建复杂环境的边界条件和初始条件，自动设置连续变化的温度、压力、流速等参数，为物理AI的实时环境模拟奠定基础。