NVIDIA扩展适用于AI工厂数字孪生的Omniverse Blueprint

发布时间：2026-07-10 10:25:39 来源：青岛康龙物流公司 作者：娱乐

NVIDIA 宣布大幅扩展适用于 AI工厂数字孪生的扩展 Omniverse Blueprint，为工程团队提供更多 AI 工厂构建工具，适用生目前已作为预览版推出。厂数

该蓝图集成了新的字孪 AI 工厂电源、冷却和网络生态系统，扩展包括行业领导者 Delta Electronics、适用生Jacobs 和西门子以及当前合作伙伴 Cadence、厂数Schneider Electric with ETAP 和 Vertiv。字孪

AI 工厂数字孪生由数十亿个组件组成，扩展而这个不断壮大的适用生生态系统统一了这些组件的设计和仿真模拟。扩展后的厂数蓝图使工程团队将能够在物理精确的虚拟环境中设计、仿真和优化整座 AI 工厂，字孪从而提前发现问题，扩展并打造出更加智能、适用生可靠的厂数工厂。

该蓝图以 NVIDIA 驱动的 AI 工厂参考架构为基础，并连接通用场景描述（OpenUSD）资产库。因此，开发者可以将表示数据中心各个方面的详细 3D 和仿真数据汇集到一个统一的模型中，以此设计和模拟具有更高效率、吞吐量和弹性的先进AI基础设施。

适用于 AI 工厂数字孪生的 Omniverse Blueprint 将 AI 工厂的电源、冷却和网络组件整合到一个仿真中

AI 工厂生态系统与 NVIDIA 强强结合

适用于 AI 工厂数字孪生的 Omniverse Blueprint 汇集了能够优化 AI 工厂设计、仿真、部署和运营的合作伙伴和工具。NVIDIA 宣布了加入该框架的新合作伙伴。

西门子正在根据该蓝图建立 3D 模型，并参与 SimReady 标准化工作，Delta Electronics 正在添加其设备的模型。这些模型均使用 OpenUSD 构建，使用户能够准确模拟这些工厂设备。Jacobs 正在协助测试和优化端到端蓝图工作流。

此外，Schneider Electric with ETAP 和 Vertiv 等数据中心电力和冷却解决方案领域的领先企业也在贡献 SimReady 资产，为 AI 工厂数字孪生提供电力、冷却和机械系统的 3D 模型。

ETAP 首席执行官 Tanuj Khandelwal 表示：“AI 工厂的规模继续以空前的速度扩展，其所产生的能源需求正在重塑整个数字基础设施格局。通过使用 Omniverse Blueprint 和 SimReady 资产，客户可以在建造前对复杂而密集的 AI 工作负载进行测试并降低它们的能耗。”

由于该蓝图已连接到 Cadence Reality 数字孪生平台和 ETAP，工程团队能够早在开始建造前就通过热仿真和电源仿真对电源、冷却和网络进行测试和优化。这能够帮助 NVIDIA 及其合作伙伴以全新的方式构建 AI 基础设施，从而实现更加智能化的设计、避免停机并充分利用 AI 工厂。

Cadence 多物理场系统分析研发副总裁 Ben Gu 表示：“全球对 AI 工厂的需求日益增加，而数字孪生是满足这一需求的基础。集成了 Cadence Reality 数字孪生平台的 NVIDIA Omniverse Blueprint 改变了整个工程流程，使 AI 工厂的设计效率和运营效果达到了空前的水平。我们非常期待继续与 NVIDIA 开展全面的协作。”

构建适用于 AI 工厂的 SimReady 资产

该蓝图中基于 OpenUSD 的模型由于从设计之初就遵循物理学，因此本身就是 SimReady 资产。这种资产能够让工业 AI 快速、大规模地仿真电力和冷却系统、楼宇自动化系统以及整个IT运营流程，因此对于在这些 AI 工厂内开发和测试物理 AI 与代理式 AI 尤为重要。

SimReady 标准化工作流使开发者能够在数字孪生环境中看到标准化热气流仿真。

该蓝图的一个重要改进是 SimReady 标准化工作流。该工作流最初作为一项 SimReady 标准化提案开发，目的是简化 NVIDIA 的内部 OpenUSD 资产创建流程。现在，该工作流已成为公开可用的行业通用资源，为 SimReady 功能的开发提供了标准化的要求和流程。这让数据中心开发者和数据中心制造商所有者能够高效地建立、优化和严格测试自己的关键基础设施数字孪生，尤其是 AI 工厂内的电气管理和热管理。

创建更加智能的 AI 基础设施

适用于 AI 工厂数字孪生的 NVIDIA Omniverse Blueprint 经过此次扩展后，大大方便了工程师设计、模拟和构建工业 AI 所需的复杂基础设施。

通过提供一个建立在 OpenUSD 稳健基础上，并以 SimReady 标准化为指导的统一且物理精确的数字孪生，该蓝图能够帮助行业降低开发风险、提高性能并加速下一代 AI 工厂的部署。

相关文章