公司与行业动态 - SUSE与Switch宣布达成新的合作伙伴关系里程碑 旨在加速Switch的数字孪生计划并实现下一代AI工厂的运营化 [1] - Switch是一家领先的AI、云和企业数据中心提供商 而SUSE是企业开源解决方案的全球领导者 [1] 合作目标与技术方案 - 合作核心是利用SUSE AI平台和NVIDIA Omniverse库 为Switch庞大的数据中心构建高精度数字孪生 [2] - SUSE AI平台基于SUSE Rancher Prime和SUSE Linux Enterprise Server构建 [2] - Switch采用了NVIDIA Omniverse DSX Blueprint来加速其AI工厂数字孪生的开发 [3] - 通过将SUSE AI与NVIDIA DGX系统和Omniverse平台集成 使AI、模拟和渲染等工作负载能在共享基础设施上运行 最大化利用率并简化百亿亿级计算操作 [4] 数字孪生应用与价值 - 数字孪生是一个实时模拟环境 能持续吸收运营数据以模拟性能、预测结果并在物理世界进行更改前优化基础设施 [3] - 对Switch而言 这意味着能够大规模模拟电力使用、热力学和基础设施性能 从而解锁效率、韧性和预见性的新水平 [3] - 该统一平台使Switch能够无缝编排一类新的企业工作负载 包括语言模型、模拟和渲染 全部基于单一的企业级基础设施 [2] - 传统上 运行高端3D图形和复杂AI程序需要隔离的基础设施 而新架构消除了这种分割 使Switch能在同一系统上更高效地完成两者 [5] 平台优势与特点 - 系统设计可在气隙环境中工作 意味着即使不连接公共互联网也能保持安全 [7] - 通过自动化软件更新和管理方式 系统降低了人为错误的风险 [7] - 提供了企业级基础设施 为大型语言模型在安全、可管理的环境中运行提供了必要的集成 [7] - Switch正使用该平台运行其内部AI模型 以帮助公司自动化常规任务并改善客户服务方式 [7] - SUSE提供了一个弹性的开源基础 使企业能够灵活地按自身需求集成一流技术（如NVIDIA AI Enterprise和加速计算）[4] 公司战略与定位 - SUSE致力于将社区创新转化为安全、自主且支持AI的解决方案 帮助客户摆脱供应商锁定并重获对其IT命运的控制权 [6] - SUSE提供行业领先的Linux、Kubernetes、边缘和AI基础设施解决方案 [6] - SUSE AI是一个完全受治理的、针对GPU优化的企业AI平台 旨在作为跨任何基础设施运行时部署和编排关键任务AI应用的受治理执行引擎 [6] - SUSE提供无处不在的创新灵活性 从数据中心到多云再到边缘 [8] - SUSE同时管理许多Linux和Kubernetes发行版 其战略优先考虑社区、互操作性和持续创新 [8]

公司战略与行业合作 - 公司宣布加入开放USD联盟，以推进基于NVIDIA Omniverse的可互操作、全生命周期连接的工业数字孪生[1] - 公司加入该联盟旨在帮助确保沉浸式数字孪生环境和实时仿真与贯穿产品生命周期的真实产品和流程数据保持连接[2][5] - 公司计划通过参与联盟，贡献其能力以帮助工业组织将基于OpenUSD和NVIDIA Omniverse构建的数字孪生投入运营[5] 技术背景与行业趋势 - OpenUSD已成为构建和交换复杂3D场景与环境的基础性技术，并支撑着包括NVIDIA Omniverse在内的现代工业数字孪生平台[3] - 随着数字孪生从试点项目演变为运营系统，行业越来越需要将高保真3D环境与受管理的、定义真实产品和流程的生命周期数据相连接[4] - 缺乏这种连接，仿真和可视化将面临与它们本应代表的现实系统脱节的风险[4] 公司具体能力与解决方案 - 公司致力于在受PLM管理的数字主线数据与跨工程、制造、质量和服务的、基于OpenUSD的可扩展3D环境之间架起桥梁[4] - 公司计划贡献的能力包括：动态生成大规模的数字孪生、产品配置和数字主线连接数据集的3D可视化；将3D场景直接链接至生命周期数据以实现可追溯性；支持反映运营更新和配置变化的实时数字孪生视图[5] - 公司的平台旨在为PLM和工程AI提供数字主线，并连接跨学科团队与关键产品数据及智能AI代理[7] 行业应用与客户案例 - 公司正与包括CERN、西克传感器和微软在内的组织合作，展示如何利用NVIDIA Omniverse构建的沉浸式数字孪生环境扩展数字主线和PLM业务流程[6] - 合作案例表明，贯穿工程、运营和服务的数字主线数据可以与实时仿真环境集成，以实现更精确的数字孪生和数据驱动的工业运营[6] - 客户反馈指出，结合Aras Innovator管理的生命周期数据与NVIDIA Omniverse驱动的沉浸式3D数字孪生环境，为可视化、分析和仿真复杂系统开辟了新机遇[7]

摩根士丹利研究报告《当工厂 = 机器人》关键要点总结 一、 行业与公司 * 涉及行业：**制造业、机器人、人工智能、自动化、工业软件、合同制造** [1][5][8] * 核心公司：报告围绕“工厂 = 机器人”主题，探讨了**特斯拉 (TSLA)**、**Palantir (PLTR)**、**NVIDIA (NVDA)**、**罗克韦尔自动化 (ROK)**、**伊顿 (ETN)** 等上市公司，并详细介绍了18家相关初创公司 [8][9][12] 二、 核心观点与论据 1. 制造业的根本性反思与“智能体化制造”愿景 * **核心观点**：生成式AI正在引发一场机器人“寒武纪大爆发”，旨在替代工厂中的人力任务，但现在是时候对制造业进行**从零开始的根本性反思**，而不仅仅是自动化现有流程 [1][5] * **论据**： * 特斯拉CEO埃隆·马斯克的五步设计流程中，**机器人排在最后**。自动化常被视为对不良设计流程的补救，而非首选方案 [5][13] * 自1913年福特第一条移动装配线以来，制造业并未发生真正变革。AI的出现为工程师重新评估数十年来的基本规则提供了“暂停”时刻 [5][20] * **“智能体化制造”未来愿景**：一个单一的AI系统管理从设计、采购、生产到出站物流的一切，不仅是一个工厂，而是将整个供应链作为一个统一的装置。所有机器互联为一个整体，实现自主调整与响应 [5][6][22] * 未来可能发展为**制造即服务 2.0**，AI驱动网络使公司能够动态地将需求路由到必要的产能 [23] 2. 美国制造业回流（Reshoring）的巨大机遇 * **核心观点**：美国正进入**再工业化的早期阶段**，这是一个**数十年、规模约10万亿美元**的机会，将恢复美国工业经济的增长 [38][40] * **论据**： * **历史背景**：自2000年中国加入WTO以来，美国**失去了9个百分点的全球制造业份额**（约1.5万亿美元年产值），贸易从平衡转为**每年1万亿美元的逆差** [38] * **转折点**：自2020年以来，美国吸引的外国直接投资（FDI）达到1990年代以来未见的水平，**美国制造业建设支出激增约300%**，项目开工稳定在**疫情前水平的约3倍** [38] * **成本考量**：虽然美国直接生产成本比中国高约25%，但采用更复杂的总成本方法（包括非生产性劳动力、运营资本、运费、关税等），**差距仅为高个位数百分比**。技术发展将不断收窄这一差距 [60][62][63] * **量化目标**：为实现到2050年恢复**20%全球制造业份额**的目标，美国制造业固定资产基础需要增加**超过4万亿美元**（实际值），这要求未来25年制造业资本支出以**4.4%的复合年增长率**增长，年支出**增长两倍多，达到1万亿美元以上** [54][56] 3. 中国的机器人及劳动力优势与美国的应对 * **核心观点**：中国在工业机器人和制造业劳动力方面占据主导地位，美国需要创新来应对 [5] * **论据**： * 根据国际机器人联合会数据，**2024年中国占全球工业机器人安装总量的54%** [5] * 与机器人专家的对话表明，**超过90%的关键零部件供应链**在某种程度上由中国控制 [5] * 中美制造业生态系统存在根本性差异，且几乎肯定会保持这种差异 [5] 4. 关键技术与软件赋能者 * **核心观点**：特定软件和平台是实现“智能体化制造”的关键推动者 [9][12] * **论据**： * **Palantir (PLTR) 的 Ontology**：作为企业的实时数字孪生，整合来自ERP、车间传感器等孤立数据，形成一个统一的运营模型，实现机器、工单、技术人员和生产工作流程的实时连接与自动化 [9][34][35] * **NVIDIA (NVDA) 的 Omniverse**：仿真平台允许制造商构建基于物理的工厂数字孪生并进行实时仿真，可显著缩短生产规划周期 [12] * **罗克韦尔自动化 (ROK) 的 FactoryTalk**：软件套件通过集成AI用于生产调度、预测性维护和质量控制，增加对智能体化制造的风险敞口 [12] 5. 特斯拉Cybertaxi生产线对汽车制造业的重新构想 * **核心观点**：特斯拉正在通过其Cybertaxi生产线，对传统汽车制造流程进行多项突破性变革 [32] * **论据**： * 采用模块化“开箱”架构，取代传统的白车身、涂装和顺序组装 [32] * 车辆由五个主要模块（前部、中央电池、后部货箱和两个侧模块）并行组装，然后由框架系统组合 [32] * 所有外部面板均为塑料，采用反应注射成型工艺，颜色直接注入塑料中，**取消了涂装车间** [32] * 结构框架由3个部件（前、后、中）在**6，500至9，000吨的Idra巨型压铸机**中制成，取代了数百个零件和数千个焊点 [32] * 使用先进的Etherloop架构，将线束减少到**约5-7个模块化线束**，而传统汽车有40个或更多 [32] * **目标生产节拍为每10秒生产一辆Cybertaxi**，而传统高产量人造汽车为60至90秒 [32] * 目标是将机器人出租车成本结构显著降低至**约0.30美元/英里** [32] 三、 其他重要内容 1. 初创公司生态概览 * 报告详细介绍了18家与“工厂 = 机器人”主题相关的初创公司，并将其分为几类 [8]： * **制造即服务**：如 Bright Machines、Cellares、Divergent、Hadrian、Matter、VulcanForms，设计、自动化并运营整个工厂 [84] * **工厂大脑**：如 Arda、Atoms、Intrinsic、Mind Robotics、Nominal、Project Prometheus、Tulip Interfaces、Vention，提供连接机器、数据和工人的关键软件或AI模型 [108] * **通用机器人基础模型**：如 Dyna、Genesis AI、Physical Intelligence、Skild AI，构建可控制多种类型机器人并执行广泛物理任务的AI模型 [137] * **重点初创公司融资与估值示例**： * **Project Prometheus**：截至2025年11月，据报道融资**62亿美元**。另有报道称杰夫·贝索斯正在为一只AI制造基金筹集**1000亿美元** [8][124][125] * **Mind Robotics**：据报道估值**20亿美元** [8] * **Arda**：据报道正在以**约7亿美元**的估值筹集**7000万美元** [8][109] * **Physical Intelligence**：已融资**10.7亿美元**，在2025年11月的B轮融资后估值达**56亿美元** [147] * **Skild AI**：已融资**22.1亿美元**，在2026年1月的C轮融资后估值**超过140亿美元** [151] 2. 美国合同制造商作为关键受益者 * **核心观点**：北美合同制造商是投资者接触美国制造业回流和实体AI主题的**高度相关途径** [69] * **论据**： * 多家公司已宣布在北美扩张产能，例如Jabil承诺扩大美国设施以支持云和AI硬件，Flex在德克萨斯州建设先进制造产能等 [69] * 这些电子制造服务（EMS）公司正在集成支持AI的制造平台，如数字孪生、实时生产分析等，以提高良率、减少停机时间 [69] * **主要公司**：Jabil (JBL)、Flex (FLEX)、Celestica (CLS)、Sanmina (SANM)、Plexus (PLXS)、Benchmark Electronics (BHE) [12][69] * **市场数据**：全球最大的合同制造商是台湾的**鸿海精密（富士康）和和硕联合**，2025年合计收入近**3000亿美元** [71] 3. 行业数据与趋势 * **制造业占比下降**：美国制造业占GDP比重从1950年代的**约30%** 稳步下降至今天的**不到10%**。制造业占非农就业人数的比例也呈现相似趋势，稳步下降至今天的**不到8%** [20][25][26] * **风险投资趋势**：自2023年第二季度以来，美国与制造业相关的初创企业的风险投资一直在稳步增长 [14][15] * **全球机器人收入预测**：摩根士丹利预测全球机器人收入将从2024年的**约910亿美元**增长至2050年的**超过2.5万亿美元** [27][28] 4. 关于人形机器人的思考 * **核心观点**：如果工厂不是为人类设计的，为什么还要建造模仿人类形态特征的机器人？长期仍看好人形机器人，但在工厂环境中，“人形”的定义可能会变得模糊 [24] 5. 关于“黑灯工厂”的思考 * **核心观点**：传统的黑灯工厂模式虽然令人印象深刻，但可能极其僵化，拥有数百个需要单独管理的闭环专用系统 [21]

合作核心内容 - Cadence Design Systems (CDNS) 与 NVIDIA (NVDA) 扩大合作，旨在通过结合 Cadence 基于物理的设计工具与 NVIDIA 加速计算堆栈，重新定义芯片、系统乃至复杂物理产品的构思、仿真和上市方式 [1] - 合作旨在加速实现公司的“为AI设计”和“用AI设计”愿景 [1] 技术整合与性能提升 - 合作中，智能体AI扮演关键角色，这些自主、长期运行的智能体能以最少人力干预执行复杂工作流 [2] - 为实现大规模智能体AI，Cadence 正将其设计平台与 NVIDIA Grace CPU、NVIDIA Blackwell GPU 及 CUDA-X 加速库集成 [2] - 该集成使 Cadence 工具运行速度显著加快、效率大幅提升，在某些工作负载下可实现高达 **80倍** 的吞吐量提升、高达 **20倍** 的功耗降低以及高达 **5倍** 的仿真性能提升 [2] - Cadence 的核心 EDA 工具正针对 NVIDIA GPU 进行深度优化，包括 Innovus Implementation System、Voltus Power Integrity Solution、Spectre X Simulator 和 Quantus Field Solver [3] 产品与平台扩展 - 合作推出了 Cadence Millennium M2000，这是一台专为工程设计打造的 AI 超级计算机 [3] - 合作范围异常广泛，已超越传统芯片设计，延伸至系统级工程乃至生命科学领域 [3] - Cadence 将 AI 驱动设计扩展到整个系统，包括 Allegro X Design Platform、Fidelity CFD Software 和 Celsius EC Solver，使工程师能够跨热、电和机械领域优化整个系统 [4] - 在生物学领域，ROCS X 能够筛选 **200万亿** 个分子，Target X 识别可成药靶点的成功率超过 **90%** [4] 数字孪生与客户用例 - Cadence 与 NVIDIA Omniverse 集成，实现了逼真的可视化、协同设计环境和实时仿真 [5] - Cadence 的 Reality 数字孪生平台利用这些功能来模拟整个 AI 工厂和数据中心，使企业能在物理部署前优化性能 [5] - 本田利用 Cadence 的 GPU 加速 CFD 工具来模拟完整的涡轮风扇发动机，这在以前被认为是不切实际的 [6] - 美光将 Cadence 的智能体 AI 和 GPU 加速集成到其 HBM 设计工作流程中，旨在减少仿真和验证时间，同时保持前沿工艺下的精度 [6] - Larsen & Toubro Semiconductor 利用 Cadence 的 Spectre X Simulator 与 GPU 加速，以加快 AI 和数据中心芯片的设计周期 [7] 市场动力与公司定位 - 5G、超大规模计算和自动驾驶等趋势推动了对 Cadence 的 AI 驱动解决方案的强劲需求，从而带动了活跃的设计活动 [8] - 对生成式AI、智能体AI和物理AI的关注日益增长，正在加速计算需求和半导体创新 [8] - Cadence 在“用AI设计”和“为AI设计”两方面均保持发展势头，其 ChipStack AI Super Agent 获得了高通、NVIDIA、Altera 和 Tenstorrent 的验证 [8] - 公司统一的 EDA、IP 和系统设计产品组合有助于其抓住 AI 超级周期带来的机遇 [10] 股价表现与行业对比 - 过去六个月，Cadence 公司股价下跌了 **23.1%**，而 Zacks 计算机软件行业同期下跌了 **29.9%** [11]

物理AI与世界基础模型行业趋势 - 物理AI的目标是让智能体理解真实世界运行规律，自主感知、理解并执行复杂操作以进行有效交互 [2] - 世界基础模型是理解现实世界动态（包括物理和空间属性）的生成式AI模型 [2] - 各类AI端侧硬件通过学习，在理解环境物理特性的前提下，对运动及感知数据中的空间关系进行表征和预测，实现自主交互 [2] - NVIDIA已推出多款工具类产品，用于智能驾驶、机器人训练及工业数字孪生的开发，如NVIDIA Cosmos、Omniverse、Isaac Sim等 [2] 公司核心技术能力 - 公司的3D视觉感知技术能够精准捕捉三维空间信息，结合自研算法，为各类AI智能终端赋予环境感知、智能交互、动态导航等核心能力 [3] - 公司Gemini 335、Gemini 336系列双目3D相机已入驻NVIDIA Isaac Sim机器人仿真开发平台，并与NVIDIA Isaac Perceptor集成，方便全球开发者开发、测试和仿真机器人3D视觉系统 [3] 公司与NVIDIA的生态合作 - 公司是NVIDIA全球产业数字化生态布局的合作伙伴之一，持续与NVIDIA Omniverse生态深入融合并将更多视觉生态产品融入NVIDIA平台 [3] - 公司部分产品已与NVIDIA Jetson Thor（物理AI与机器人应用终极平台）系统级模块全面适配、验证 [3] - 适配NVIDIA Jetson Thor平台能充分释放其高速处理能力，灵活选用多种平台实现方案，实现从高质量3D感知到强大AI推理的端到端优化，显著降低集成复杂度与开发周期 [3] - 近年来，公司与英伟达持续开展多维度合作，帮助下游客户便捷应对3D感知及机器人视觉算法开发中的复杂挑战 [4] - 未来公司将进一步深化与英伟达生态的融合，携手推动更多机器人及数字孪生领域创新应用的开发进程与产业化应用 [4]

核心观点 - 吉利汽车集团正与英伟达深化战略合作伙伴关系 合作范围超越传统硬件供应 扩展至物理AI 企业AI和工业AI三大核心维度 旨在构建全链条智能出行生态系统[1][5] 合作维度与具体内容 物理AI (智能汽车与自动驾驶) - 吉利与法雷奥的G-ASD系统将集成英伟达Alpamayo Cosmos和NuRec技术 以提升开发 仿真和验证效率[2] - 公司将与生态系统合作伙伴共同开发并商业化Robotaxi 采用英伟达DRIVE AGX Hyperion自动驾驶架构 以增强复杂驾驶场景下的泛化能力和安全冗余[4] - 公司将率先在行业内部署由英伟达与联发科联合开发的Dimensity Auto Cockpit C-X1座舱平台 该平台采用英伟达Blackwell GPU及第二代Transformer引擎 专为LLM和VLM推理性能优化 具有领先的令牌处理吞吐量和内存带宽效率[7] - 公司将利用英伟达DRIVE AGX平台及一系列优化的AI模型 为AI Box差异化车载应用提供支持 持续推动车内创新[7] 企业AI (云计算与基础设施) - 公司将利用英伟达AI超级计算平台 结合英伟达Nemotron开源模型 NeMo软件和英伟达AI Enterprise套件 旨在加速企业级AI演进 从研发数据处理升级至智能业务决策 推动公司运营向“AI组织”转型[5] 工业AI (制造与研发数字化) - 合作涵盖视觉AI代理 基于英伟达Omniverse库的工厂自动化以及AI驱动的工业设计与CAE工作流程 旨在通过AI干预显著缩短研发周期 实现高度柔性化和自动化的制造流程[5][8] 战略目标与行业影响 - 此次合作旨在构建全链条智能出行生态系统[5] - 随着极氪8X等全新车型的推出 公司正加速将AI能力从实验室推向真实场景 开启智能出行新时代[9]

公司战略定位 - 公司已从单一的图形处理器供应商转型为为“数万亿美元AI基建时代”提供完整技术栈的“总包工头” [2] - 公司的核心壁垒是CUDA软件生态及其庞大的安装基数，这形成了强大的“飞轮效应”，吸引了开发者、催生新市场并持续降低算力成本 [3][6] - 公司业务覆盖AI全领域，是全球唯一能运行语言、生物、图形、视觉、机器人、边缘及云端所有AI领域的平台 [18] CUDA生态与飞轮效应 - CUDA架构诞生20年，其单指令多线程（SIMT）架构和“tiles”功能降低了编程难度，并围绕其形成了包含数千种工具、编译器、框架和库的庞大生态 [4] - 公司在全球建立了数亿块运行CUDA的GPU和计算系统，服务每一朵云、每一家计算机公司和几乎每一个行业，构成了飞轮效应的基础 [6] - 飞轮效应表现为：安装基数吸引开发者，开发者创造新算法和技术突破，催生新市场并扩大生态，进而进一步扩大安装基数，同时使计算成本持续下降 [6][7] - 庞大的安装基数使得公司愿意持续优化软件，因为每项新优化都能让数百万用户受益，这延长了硬件（如六年前出货的Ampere架构）的生命周期，甚至在云上出现定价上涨 [6][7] 数据处理基础设施变革 - AI的快速发展正推动全球数据处理体系发生结构性变革，核心是结构化数据与非结构化数据的全面加速 [8] - 企业计算长期建立在结构化数据（数据框）之上，未来AI系统和智能体也将直接访问和使用这些数据库，要求数据处理基础设施获得数量级性能提升 [10] - 全球每年产生的数据中约90%是非结构化数据（如向量数据库、PDF、视频、语音），AI的多模态理解能力正将其转化为可计算的信息资源 [12] - 为支持这一转变，公司构建了两项关键基础技术：用于加速结构化数据处理的cuDF和用于处理非结构化数据及AI数据的cuVS [13] - 这些技术正逐步融入全球数据处理生态，例如IBM正利用cuDF加速其IBM watsonx.data平台 [13] AI原生行业爆发与市场前景 - 2025年风险投资对AI初创公司的投入高达1500亿美元，创历史之最，投资规模跃升至数十亿美元级，因为这些公司普遍需要海量算力和Token [15] - AI行业爆发源于三件大事：ChatGPT开启生成式AI时代、推理AI（如o1/o3）的出现以及Claude Code开启代理（Agentic）时代 [15] - AI已从“感知”进化到“生成”、“推理”，现在可以执行高效的实际工作，“推理拐点”已经到来，过去两年计算需求增长了约10,000倍，使用量增长约100倍 [17] - 公司预见通过2027年的营收将至少达到1万亿美元，2025年是公司的“推理之年” [17] - 公司业务中，60%来自顶级云服务商，40%来自区域云、主权云、企业级服务器及工业自动化 [18] AI推理性能与成本优势 - AI推理是最困难也是最关键的商业环节，它直接决定AI服务的收入来源 [22] - 衡量AI系统效率的关键指标是每瓦特生成多少token，公司从Hopper H200到Grace Blackwell NVLink 72架构，实现了每瓦特性能提升约35倍（分析师认为接近50倍），并带来更低的token成本 [22] - 通过极致的软硬件协同设计（如NVFP4计算架构、NVLink 72、Dynamo、TensorRT-LLM等），公司构建了完整的大模型推理技术体系 [20] - 仅通过更新软件栈，就能将部分AI推理平台的生成速度从约700 token/秒提升至接近5000 token/秒，性能提升约7倍 [25] - 公司的Token成本在全球范围内具有绝对优势，即便竞争对手的架构免费，其总成本（如1GW数据中心工厂15年摊销成本高达400亿美元）也不够便宜 [25] - 数据中心正从存储和计算中心转变为生产token的“AI工厂”，token成为新的数字商品 [27] Vera Rubin AI超级计算平台 - Vera Rubin是一个全新的计算平台，由七款芯片组成，涵盖计算、网络和存储，是目前最先进的POD规模AI平台 [28] - 该平台包含40个机架、1.2千万亿个晶体管、近2万个公司芯片、1152个NVIDIA Rubin GPU、60 exaflops运算能力以及10 PB/s总扩展带宽，目前已全面投产 [28] - 该平台得到了Anthropic、OpenAI、Meta、Mistral AI及所有主要云提供商的支持 [28] - 过去十年间AI计算能力实现了约4000万倍的提升，推动数据中心向“AI超级计算机”形态演进 [30] - Vera Rubin是一套从硬件到软件完全纵向整合的计算平台，专为智能体AI设计，重新设计了计算、存储和网络架构 [31] - 平台硬件包括全新的NVIDIA Vera CPU，该CPU针对高性能、大规模数据处理和能效优化，是全球首个在数据中心采用LPDDR5内存的CPU，并已开始单独销售，有望成为一项数十亿美元级业务 [33] - 系统采用100%液冷架构，通过45°C热水散热降低制冷成本，并将整机安装时间从两天缩短至约两小时 [33] - 网络互连采用第六代NVLink架构，并推出了全球首个CPO光电共封装的NVIDIA Spectrum-X以太网交换机 [35] - 通过Kyber机架架构的Rubin Ultra Compute System，可以在一个NVLink域中连接144个GPU，形成大规模统一计算机 [35] Feynman GPU架构与深度整合 - Feynman GPU架构将采用定制化HBM技术，可能基于HBM4E增强版或定制化HBM5方案，允许将部分GPU数据处理逻辑嵌入存储底层，实现超高带宽与低延迟 [41][42] - Feynman平台将搭载代号为Rosa的全新CPU，该CPU被设计为AI智能体的编排中枢，旨在高效调度GPU、存储与网络之间的Token流动 [43] - Feynman时代标志着公司将计算、存储和封装进行了深度耦合，正将数据中心演进为一台高度集成的“巨型超级计算机” [44] AI基础设施与数字孪生平台 - 公司推出NVIDIA DSX平台，这是一个面向“AI工厂”的基础设施平台，用于数据中心的数字仿真、虚拟调试和运行期动态优化 [46][47] - 数据中心建设阶段可通过工程仿真工具进行虚拟调试，大幅缩短建设周期；运行后其数字孪生系统可作为“操作系统”，由AI智能体动态调度冷却、电力和网络系统以优化效率 [46] - NVIDIA Omniverse平台被设计用于承载全球规模的数字孪生模型 [49] - 公司的AI计算基础设施正在向太空延伸，计划开发Vera Rubin Space One轨道数据中心 [49] 智能体操作系统与软件生态 - 公司高度评价并正式支持开源项目OpenClaw，其增长速度甚至超过了Linux，被视为智能体计算机的操作系统 [52][54] - OpenClaw能够连接大语言模型，管理计算资源，调用工具和服务，具备任务调度与多模态交互能力 [54] - 公司认为未来所有科技和软件公司都需要制定“OpenClaw战略”，因为企业软件正在从传统SaaS转向以智能体为核心的AaaS（Agentic as a Service） [55] - 公司与OpenClaw作者合作推出NVIDIA NemoClaw参考架构，增加了OpenShell安全组件，提供企业级安全扩展，使企业能安全部署智能体系统 [56][58] 开放模型生态与行业应用 - 公司推进开放模型生态，目前生态已包含接近300万个开放模型，覆盖语言、视觉、生物、物理和自动驾驶等多个领域 [59] - 公司已发布多条开放模型产品线（如Nemotron、Cosmos World Foundation Model、Project GR00T等），并开放训练数据和方法，策略是“纵向整合、横向开放” [59][60] - 公司宣布成立Nemotron Coalition联盟，与多家技术公司合作共同推进模型发展 [61] - 在物理AI领域，全球几乎所有机器人公司与公司合作，公司提供从训练平台、仿真到部署的完整技术体系 [62] - 自动驾驶的“ChatGPT时刻已经到来”，车辆具备推理和语音指令执行能力，公司宣布与比亚迪、现代、日产、吉利（合计年产量约1800万辆）以及Uber成为新的Robotaxi合作伙伴 [64] - AI产业正同时经历三大变革：AI推理与AI工厂、智能体系统革命，以及物理AI与机器人时代 [65]

核心合作与平台 - 台达电子在NVIDIA GTC大会上发布了一系列基于NVIDIA Omniverse平台构建的创新AI数字孪生应用 [1] - 这些应用旨在增强其楼宇自动化和智能制造解决方案，突显了AI数字孪生及其底层高保真、实时模拟和预测分析能力带来的切实效益与无限可能 [1] 楼宇自动化解决方案 - 基于NVIDIA Omniverse的物理同步模拟（涵盖暖通空调、照明和自然遮阳）使建筑节能潜力提升高达20% [2] - 公司部署的AI数字孪生融合了物理实时照明、阳光热量条件、暖通空调运行、环境传感器和楼宇自动化控制与逼真模拟 [3] - NVIDIA加速计算支持建筑边缘AI设备的高性能计算需求，例如用于暖通空调冷却器和泵的强化学习代理，以及用于变风量末端装置气流和温度控制的图神经网络代理 [3] - 基于此数字孪生的实时动态模拟与预测分析已在台达台北总部大楼运营中应用，通过模拟阳光、遮阳、照明和暖通空调系统的相互作用，在优化居住者舒适度的同时，解锁了高达20%的节能潜力 [4] - 该解决方案能帮助客户减少变更订单、缩短调试时间线、降低生命周期不确定性，支持自主建筑功能与预测性维护工作流，模拟可持续性策略与长期运营成本场景，并在破土动工前优化能源性能与系统效率 [6] 智能制造解决方案 - 在智能制造领域，NVIDIA Omniverse帮助台达的AI服务器电源生产实现了信息物理融合生产，促进了分布式制造与集中管理，加速向自主工厂转型 [2] - 公司已实施NVIDIA Omniverse和加速AI技术，以缩短构建、验证和扩展智能制造所需的时间 [5] - 台达的DIATwin系统利用基于OpenUSD模型的NVIDIA Omniverse，将产品设计、设备、机器人和流程数据集成到高保真AI数字孪生中 [5] - 该实践已在台达泰国工厂的AI服务器电源生产中实施，覆盖从产品零件组装模拟、产线设计到流程验证 [7] - NVIDIA PhysX实现了精确的产线流程模拟，DIATwin据此提供优化的机器人路径，加速了原本需要长离线工程周期的流程以实现更快产线部署 [7] - NVIDIA Cosmos和工业异常生成器工作流通过生成用于自动光学检测模型训练的合成缺陷，进一步提高了生产检测精度 [7] - AI驱动的数字孪生与台达Line Manager平台及人机协作工作站解决方案ACME协同工作，使公司能够加快产线部署、跨区域复制与扩展，支持集中管理下的分布式制造，加速向自主工厂过渡 [8]

公司与行业战略合作进展 - Synopsys与NVIDIA的战略合作伙伴关系正在加速生态系统创新，旨在彻底改变跨行业的产品设计和工程流程[1] - 双方合作将NVIDIA的AI与加速计算能力与Synopsys领先的工程解决方案相结合，帮助客户以更低的成本、更高的精度和更快的速度设计、仿真和验证智能产品[1] - 合作旨在应对研发团队面临的日益复杂的工作流程、不断上升的开发成本和上市时间压力等重大工程挑战[1] 合作的核心价值主张与技术融合 - 传统工程方法已无法跟上当今软件定义智能系统的复杂性，双方正在重新设计产品的设计和开发方式[2] - 合作通过实现电子与多物理场的协同设计、加速计算密集型工作负载以及应用数字孪生进行虚拟原型设计来帮助客户[2] - NVIDIA认为，AI和加速计算正在从根本上重塑工程，现代工程发生在仿真和数字孪生中[2] - 双方结合NVIDIA CUDA-X、Omniverse、AI与Synopsys的硅到系统平台，旨在将日益增长的复杂性转化为强大优势[2] 客户案例与性能提升 - **Astera Labs**：为AI互连性运行Synopsys PrimeSim™，在AWS上使用B200 GPU，相比多核CPU仿真实现了**3.5倍**的加速[3][4] - **本田**：使用四个GB200 GPU，在Ansys Fluent®流体仿真软件上实现了高保真CFD，相比1，920个基于云的CPU核心，计算速度**加快34倍**，成本**降低38倍**[3][7] - **应用材料**：与Synopsys合作，使用经NVIDIA cuEST优化的Synopsys QuantumATK®，将用于大规模动态材料建模的复杂量子化学仿真速度提升高达**30倍**[3][7] - 应用材料此前利用NVIDIA GPU相比多核CPU，在包含约25，000个原子的多纳米非晶系统上已实现**8倍**的仿真加速[7] 数字孪生与物理AI进展 - Synopsys通过将现实世界的物理原理融入虚拟开发过程，缩小仿真与现实之间的差距，成为物理AI开发中日益重要的组成部分[6] - 从自动驾驶汽车到人形机器人，精确的仿真减少了迭代次数并提高了合成数据的纯度[6] - **ADI**在其基于NVIDIA Omniverse构建的Isaac Sim™环境中集成了Synopsys物理引擎，用于其触觉传感原型、飞行时间视觉系统以及下一代机器人灵巧性基准的数字孪生[6] - ADI的平台将支持包括川崎重工在内的早期采用者，通过模拟机器人性能和生成预测准确性更高的合成数据，减少迭代物理测试的需求并加速开发[6] 代理AI与工程自动化 - Synopsys正在与NVIDIA合作构建一个开放、安全的硬件加速代理AI堆栈，以满足从硅到系统的用例需求[3][8] - Synopsys的AgentEngineer™多智能体工作流利用NVIDIA Agent Toolkit，并支持NVIDIA NIM推理服务和Nemotron模型，为客户提供性能和可选性[9] - 在GTC上，Synopsys展示了由AgentEngineer技术驱动的代理电子设计自动化工作流，该技术可以编排复杂的芯片设计任务，在高性能环境中扩展，并让工程师保持控制[10] - 演示包括Synopsys新的行业首个用于设计和验证的L4代理工作流[10] 行业影响与市场活动 - Synopsys拥有业界最广泛的工程应用程序组合，支持跨工程工作负载的AI和GPU加速计算[2] - AWS表示，云技术正在改变整个行业的创新方式，使公司能够即时访问最先进的计算工具，而无需管理复杂基础设施的负担[5] - Synopsys在GTC 2026设有展位（1135），展示最新的AI驱动工程解决方案，并安排多场专题会议，涵盖工业机器人、半导体制造AI、GPU量子化学加速以及用于患者护理的数字孪生等主题[11]

公司动态 - M2M Tech 于2026年3月16日宣布参加NVIDIA GTC大会，展示其构建在NVIDIA Omniverse之上并与DDN AI数据解决方案集成的统一物理AI架构 [1] - 该展示旨在演示边缘系统与机器人如何利用仿真、数据智能和确定性边缘执行，在“捕获、验证、学习、重新部署”的闭环生命周期中运行 [1] - 公司将在DDN展台体验区和DDN的“车轮上的AI工厂”Omniverse及物理AI之旅中进行现场演示 [7] 技术架构与展示 - 核心是一个可工作的参考架构，集成了M2M边缘AI平台、NVIDIA Omniverse和DDN AI数据平台，以支持端到端的物理AI [2][9] - 现场演示包括三项：1) VR至Omniverse机器人交互与回放；2) 低连接性环境下的边缘AI推理；3) 用于多站点基础设施的AI工厂架构 [3] - VR交互演示中，用户在NVIDIA Isaac Sim中通过定时、基于模式的任务与虚拟机械臂互动，展示直观的人机协同控制，VR输入驱动Omniverse仿真中机械臂的实时行为，实现低延迟交互 [9] - 边缘AI推理演示中，MEA平台在不依赖集中云连接的情况下执行本地推理，高价值事件在边缘被过滤并作为结构化证据存储，展示了在偏远站点和受限网络下的弹性运行能力 [9] - AI工厂架构演示展示了分布式边缘站点如何摄取数据、存储结构化事件、在Omniverse中仿真验证并将模型/策略重新部署到现场，阐释了从单个站点扩展到站点群的可重复模式 [9] 合作与行业意义 - 此次展示是M2M Tech与DDN及NVIDIA合作的成果，结合了DDN成熟的AI数据基础设施和M2M的边缘优先AI系统，提供从边缘实时感知到AI工厂加速训练与部署的端到端路径 [4] - 公司高管强调，从数字AI向物理AI的过渡是本十年决定性的基础设施挑战，需要边缘的确定性执行、可大规模摄取、索引和回放的AI数据层，以及模型接触真实世界前的仿真驱动验证 [5] - 该集成方法旨在帮助组织：通过部署前仿真验证提高安全性和可靠性；通过仅过滤和提升高价值事件来减少带宽和数据消耗；利用有证据支持的存储、检索和回放加速迭代周期；通过一致的治理、可观测性和操作控制实现跨站点扩展 [9] 公司及合作伙伴背景 - M2M Tech 为政府和企业环境提供确定性边缘AI平台，通过其MEA边缘AI平台和AURA/ARC软件栈，帮助组织在分布式关键任务站点安全部署和运行AI [6] - DDN 是全球领先的AI和数据智能公司，为最严苛的AI工作负载提供支持，确保海量规模下GPU的持续供给、高效和生产力 [8] - NVIDIA Omniverse 是一个用于开发和运营数字孪生及物理精确仿真的平台，支持跨工业应用的合成数据生成、策略验证和协同工作流 [10] 目标行业与应用 - 所展示的架构专为国防、医疗保健、交通、能源和先进制造等行业的大规模国家级应用而设计 [9]