CUDA之后，Nvidia的下一代“软核心”正在浮出水面。申万宏源最新发布的深度研究报告指出，Nvidia Omniverse自2019年推出以来，已从最初的3D实时协作平台发展为涵盖工业数字孪生、机器人仿真、自动驾驶验证的物理AI核心入口。通过整合Pixar的USD通用场景描述格式和Nvidia RTX图形技术，Omniverse将传统流程式3D制作转变为跨应用、跨设备的协同设计。本文从平台架构、硬件基础、应用生态三个维度，全面解析Omniverse作为Nvidia下一代“软核心”的战略定位与产业价值。
Omniverse——从3D协作平台到物理AI核心入口
Nvidia Omniverse是多GPU实时模拟和协作平台，2019年基于Pixar的通用场景描述（USD）及Nvidia RTX技术构建，核心目标是实现3D应用之间的通用实时互操作。与CUDA作为通用计算平台不同，Omniverse定位于物理世界的数字化入口，用户通过该平台可实现跨设备、跨应用的同步设计。传统3D设计是“流程”作业，Omniverse相当于将主流3D软件（Autodesk Maya、Revit、SketchUp、UE4等）平台化整合。在Omniverse中，某个用户的操作可以实时在其他用户平台中展现，同时凭借RTX的超强能力展现逼真的物理效果。经过多年演进，Omniverse已从动画、影视、游戏创作工具发展为工业数字孪生、元宇宙构建、机器人仿真的核心平台。据Wellsenn预测，2035年AI智能眼镜渗透率将达到70%，而Omniverse正是构建这些物理AI应用的基础设施。按照Nvidia CEO黄仁勋的设想，机器人技术需要三台计算机：一台用于训练AI，一台用于在精确物理模拟环境中测试AI，另一台安装在机器人内部，Omniverse正是中间那台“测试计算机”的核心软件平台。
Omniverse平台三大核心组件功能对比| 组件 | 核心功能 | 技术实现 | 应用场景 |
|---|
| Nucleus | 应用间通信与协作 | 面向USD的同步服务，私有云存储3D内容 | 多人多软件协同设计 |
| Connect | 端口与连接器 | 各三维软件连接器同步文件工程 | 跨平台数据交换 |
| Simulation | 物理模拟仿真 | 高质量真实环境物理效果模拟 | 机器人/智能驾驶仿真 |
硬件基础——RTX与Ada架构赋能实时仿真
Omniverse的核心能力建立在Nvidia GPU架构的持续演进之上。2018年Turing架构是首个RTX技术架构，配备用于AI推理的Tensor Core和光线追踪的RT Core，为Omniverse的诞生奠定硬件基础。2020年Ampere架构搭载第二代RT Core和第三代Tensor Core，FP32运算速度提升一倍。2022年Ada Lovelace架构搭载第三代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，为3D模型开发及CAE桌面仿真带来显著性能提升。Ada架构的核心突破在于每个SM张量核在等效数据类型上提供Ampere架构2倍MMA计算速率，并提供稀疏神经网络硬件加速支持。RTX四大核心技术包括：光线追踪（通过OptiX API实现电影级实时渲染）、AI（创建AI增强应用，优化重复作业）、光栅化（实现VR等交互应用）、模拟（通过CUDA core和PhysX/Flow/Flex API精确建模物理行为）。这些技术共同构成了Omniverse实现实时物理仿真的硬件基础，使CFD建模分析从数小时缩短至数秒。
模拟仿真能力——Omniverse进入工业应用的关键跃迁
Omniverse前期在动画、影视、游戏创作中广泛应用，初代Nucleus接口的3D软件主要包括Autodesk Maya等创作类软件。随着工业场景复杂化，Omniverse向工业、数字孪生领域拓展，核心变化是仿真能力的显著提升。与泛娱乐行业追求视觉逼真不同，工业生产需要符合物理规律的3D构建，其核心区别就是仿真。RT Core完成光线追踪等视觉追求，Tensor Core能力提升则帮助处理假设场景和数据进行开发。更进一步的物理规律模拟依赖物理求解器，这也是CAE软件的核心所在。CAE的进阶方向是RTDT（实时数字孪生），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。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。Nvidia提供的GPU加速使仿真速度实现数量级提升，从Altair数据看，100个结果文件处理中GPU仅需33分钟，而笔记本电脑CPU需7小时54分钟，时间缩短超过90%。Nvidia通过Omniverse将GPU算力、3D图形技术、物理仿真能力整合为统一的物理AI开发平台，延续了CUDA在通用计算时代的“软核心”战略，为下一代人形机器人、智能驾驶等物理AI应用提供完整基础设施。
