NvidiaOmniverse，物理生成式AI入口，下一代“软核”.docx

投资案件

结论和投资分析意见

英伟达将Omniverse布局为下一代“软核心”，验证在GPU快速发展背景下，工业端未来的3D设计、模拟仿真将成为科技发展重点。从泛娱乐发展到制造业使用的核心在于仿真能力的提升。

AI的下一步是走向物理AI，既包括在符合物理规律软件中对机器人、智能驾驶做算法验证，也包括通过生成式AI将符合物理规律的数据提供给端侧模型进行训练。

核心关注具备3D图形学能力、物理求解能力的厂商，未来有望发展成为机器人、智能驾驶领域的核心平台软件，主要包括CAE、CAD厂商及具备核心图像算法的公司。

原因与逻辑

Omniverse或是Nvidia的下一代“软核心”。英伟达2019年推出Omniverse作为3D的实时协作平台，核心是将传统的流程式3D制作转变成跨应用、跨设备的协同设计，将RTX硬件能力充分应用。后续元宇宙、工业协作、人形机器人等领域均在该平台实现相关应用。

模拟仿真能力提升是接近真实世界的关键。Omniverse前期在动画、影视、游戏等创作过程中被广泛应用，此后Omniverse逐渐成为工业、元宇宙构建的重要平台，其核心变化就是模拟仿真，以更加真实的数据实现工业级应用。

AI正在走向物理AI。物理AI现阶段主要涵盖两个层次：1）模拟仿真的工具：将物理AI模型集成在机器人、自动驾驶等自主机器中，感知、理解并在现实世界中执行复杂的操作；2）生成符合物理规律的数据供模型训练：创造输出更多的数据（构成物理体、物理场等）供模型进行大量的训练，解决目前真实数据过少的瓶颈。

机器人、智能汽车等领域的核心工具。智能驾驶、机器人对于物理AI需求相似：1）在仿真环境中验证机器人、智能驾驶程序逻辑；2）获取真实世界中不易得到的数据来进程持续训练。

有别于大众的认识

市场部分认为，人形机器人等发展尚不成熟，相关企业进展较慢。我们认为人形机器人是实现AGI的重要体现，在此之前机器狗、家居机器人等实际也会用到众多真实需求的仿真环境，因此作为支持类工具，具备物理AI能力的仿真环境将优先快速发展。

市场部分认为，英伟达作为GPU核心厂商，其具备重要的研发优势，已建立的Omniverse平台对于现有CAE厂商等形成市场的挤压。我们认为，平台方更多是链接及底层硬件的调用，与传统CAE厂商是合作关系，核心的物理求解器依然是CAE厂商的核心壁垒。

目录

Omniverse“软核心”，进入3D协同时代 5

GPU支持下的实时模拟协同平台 5

模拟仿真能力是关键 9

AI走向物理化，人形机器人实现的重要工具 11

AI走向真实物理世界的两个层次 11

物理AI是人形机器人的核心工具 14

图形学+AI+物理求解，全球厂商多角度布局 15

Altair：历史数据快速预测仿真结果 15

Ansys：接入Omniverse加速智能驾驶仿真 16

索辰科技：生成式AI实时模拟 18

风险提示 19

图表目录

图1：Omniverse平台集成多类型软件 5

图2：RTX在3D游戏中的光影对比（右侧为RTX开启状态） 6

图3：Ada延续Hopper架构的第四代TensorCore 7

图4：Omniverse主要包含Platform及基于Kit的应用程序 8

图5：Omniverse的应用通过Nucleus与外部3D软件协作 9

图6：Omniverse在汽车设计方向的应用 9

图7：有限元法（FEM）模拟超弹性材料的可变模型 10

图8：更换轮毂类型后实时反馈其风阻影响 11

图9：具备物理AI模型能力的设备完成实时动作调整 12

图10：通过生成式数据提升VLM能力 13

图11：Gazebo对GPU整合有限导致难以仿真复杂场景 14

图12：Omniverse验证机器人步态 15

图13：PhysicsAI通过历史数据快速预测仿真结果 16

图14：PhysicsAI实现快速筛选和生成 16

图15：AnsysAVxcelerateSensors在Omniverse中实现实时仿真 17

图16：Ansys借助Omniverse实现3D-IC的物理场可视化 17

图17：索辰产品已经集成自然语言处理建模工具 18

图18：生成式环境模拟以完成实时仿真 18

表1：GPU可以显著缩短运行时间（以Altair数据为例） 10

表2：重点公司估值表 20

Omniverse“软核心”，进入3D协同时代

英伟达2019