Omniverse的历史可以追溯到2019年，实际上是把一些传统流程式的3D制作过程变成一些跨应用和跨设备的协同设计，在工业端的应用尤为重要。
①历史沿革：Omniverse的历史可以追溯到2019年，当时英伟达提出了3D实时协作平台的概念。它的推出与英伟达在2018年推出的图灵架构密切相关，该架构首次具备了RTX基础，对实时光线追踪非常重要，为Omniverse提供了硬件基础。Omniverse的发展历程体现了英伟达在GPU快速发展背景下，对工业端3D设计和模拟仿真科技发展重点的把握。
②产品定义：Omniverse产品定义为一个模块化的API和微服务开发平台，实际上是把一些传统流程式的3D制作过程变成一些跨应用和跨设备的协同设计。在传统的3D制作流程中，如绘制孙悟空这样的角色，需要经过从基础建模到光泽度、颜色等多个阶段，涉及数十种不同的应用程序。如果需要对角色进行修改，比如调整胡须或毛发，就必须从最初的步骤重新开始，导致整个制作过程效率低下，这也是为什么像迪士尼这样的动画制作公司需要大量人员，但制作效率仍然不高的原因。
③产品核心：Omniverse的核心在于构建一个平台，实现不同软件间的无缝连接与实时协作。这个平台允许用户在不同设备和软件中同步进行设计步骤，实现实时更新和共享。其核心变化在于架构的推演和物理仿真能力的提升，特别是在2021年后，工业端开始逐步采用Omniverse，这主要是因为其能够提供符合所有物理学规律的模拟仿真环境，包括力、视觉等，这个就是模拟仿真用到了整个真实世界的一个核心关键，这对于机器人和智能驾驶等需要复杂环境交互的应用尤为重要。
物理AI的核心在于将人工智能技术与物理世界的规律相结合，实现更加精准和高效的模拟仿真与数据生成。黄文勋提到一句话，AI的下一代就是物理AI，必须要符合物理世界的规律。第一层就是做一个平台符合物理学规律，可以在上面仿真，第二层是可以生成非常多物理AI数据来供使用，目前机器人和智能驾驶的核心工具就是英伟达的Omniverse。
具体来说，物理AI的发展可以分为两个关键步骤，①首先是变成一个核心的仿真工具，物理AI作为一个核心仿真工具，使得在平台中进行的所有力的模拟和物理场景都必须符合物理学规律。这一点对于工业端的应用尤为重要，因为所有的数据和验证都必须基于物理规律，从而减少实测需求，直接在仿真环境中跑通所有场景，实现100%的场景还原，加速智能驾驶和机器人的开发流程。
②其次，物理AI的更深层次应用是通过模拟生成大量符合物理世界的数据。这对于智能驾驶领域尤为重要，因为高质量的数据是智能驾驶发展的关键瓶颈，包括特斯拉FSD等采用大量实测数据，然后反馈给自己的模型，让它变得更精确。未来的物理AI通过模型生成非常多符合物理学世界的数据，如向量和物理点，可以用于训练端侧模型，如汽车端的模型或机器人的控制算法，实现实时的感知和反馈。
英伟达的未来设想中，机器人技术的发展依赖于三台核心计算机。一台用于训练AI， 一台用于控制物理仿真环境中的测试AI，以及一台安装在机器人或智能汽车内部的模拟环境计算机，支持物理AI算法。目前正在应用的场景之一在于仿真环境中验证程序逻辑的可靠性；第二个就是获取难以从真实世界获得的数据以持续训练AI模型，目前许多大厂都在采用这种方式，从软件角度，仿真领域的优势企业Ansys，其仿真产品也可以通过英伟达的Omniverse进行访问，凭借Ansys面向摄像头、激光雷达和雷达传感器的物理求解器，增强NVIDIA DRIVE的高保真和可扩展的3D环境，这对于自动驾驶系统的开发至关重要。通过这种方式，未来行驶过程中的所有数据都可以实时反馈，用于决策制定，同时生成更多类似数据以模拟更多场景，加速训练效果的提升，突破了数据获取的瓶颈。
英伟达对Omniverse的大量投入预示着其算力未来的方向主要集中在大模型AI生成、机器人和智能驾驶领域。我们认为目前产品成熟度已经非常高，海外的车厂和机器人 厂商已经开始利用Omniverse提升工厂效率和智能化水平，行业变化趋势明确。考虑部署机器人前需要大量数据仿真和验证，Omniverse通过数字化真实物理世界，成为不可 或缺的环节。同时，智能化水平正处于关键节点，期待更多中国企业接入Omniverse平台，提升生产效率和智能化水平。
本文源自申万宏源戴文杰（SAC执证编号：A0230522100006）、樊夏沛（SAC执证编号：A0230523080004）于1月6日发布的《Nvidia下个软核心Omniverse；智能化如何变成购买力》，华尔街见闻有所删减
