工业 AI

工业AI是将物理 AI 及其他AI技术应用于工业流程优化，通过实时工业数据和预测性分析，实现更高水平的自动化和更优决策。

NVIDIA Omniverse、Isaac 及 Metropolis 在工业仓库中引入强大的数字孪生功能，以大规模模拟、测试和优化机器人机队。

工业 AI 是实现工业自动化的关键驱动力，它提升了机器、系统和流程在极少人工干预下自主运行的能力。通过在机器人、IoT 和高级分析中集成生成式 AI 和 AI 智能体，公司可以优化运营、提高运营效率，并增强工业部门供应链的决策制定。

AI 赋能的自动化可实现实时监控、预测性维护和流程优化，在工业资产的整个生命周期中减少停机时间并提高系统性能。此外，数字孪生等技术，即物理系统的虚拟表示, 使企业能够在实时数字环境中模拟和验证工业 AI 模型和应用的性能，然后再将其部署到实际工业系统和设施中。

工业 AI 可帮助企业组织加速数字化转型，创建更智能、更具适应性的制造和物流系统，并在日益复杂的工业环境中提高作业效率和灵活性。

利用 AI 技术，公司可以增强其工业应用并优化工业流程，从而提高产品质量、盈利能力及可持续性。

工业 AI 革命的核心是物理 AI 或支持 AI 的机器人学技术, 它将在未来实现完全自主的工业设施。越来越多的 AI 赋能机器人正在工业设施的数字孪生中接受训练和测试，从而可精确高效地执行复杂任务。上述对工业设施的数字化可助力自动化转型，进一步提高生产力，并减少在危险环境中进行人工干预的需要。

工业 AI 的另一个关键优势是它能够帮助企业分析海量工业数据，并获得洞察。这种数据驱动的方法可实现预测性分析，预见潜在问题并防止计划外的停机。通过预测设备故障和维护需求，公司可以保持连续运营，并减少代价高昂的中断。

此外，工业 AI 在质量控制方面发挥着至关重要的作用。AI 可通过持续监控生产流程并实时确定缺陷，确保产品符合高标准，从而提高产品质量。这不仅可以提高客户满意度，还可减少浪费、降低返工率，提高整体盈利能力。

在可持续性方面，工业 AI 有助于各行各业更大限度地减少环境足迹。通过优化资源利用和能耗，AI 赋能解决方案可促进更具可持续性的实践。这一点尤其重要，因为各个行业均致力于满足法规要求以及社会对绿色运营的预期。

KION Group 和 Accenture 将在数字孪生环境中测试、模拟和优化多智能体机器人机队（查看演示）。

领先的工业和制造业公司正在采用工业 AI 来提高效率、降低成本并优化工作流。从 AI 赋能的仓库机器人到高级制造仿真，工业领域正在经历快速转型。

西门子将在其 Siemens Xcelerator 平台中使用 NVIDIA Omniverse^TM 云 API，首先是基于云的产品生命周期管理 (PLM) 软件Teamcenter X。这一集成将使工程团队能够创建更具沉浸感和逼真的数字孪生，有助于消除工作流浪费并减少错误。使用生成式 AI 可加速工作流，例如在基于物理的渲染中应用材质和光照环境。

Siemens Industrial Copilot for Operations 是一款基于生成式人工智能的助手，专为车间工作人员设计。它结合了 NVIDIA Metropolis 和 NIM 微服务，帮助自动化和维护工程师实时查询操作和文档数据，从而加速决策过程并减少设备停机时间。西门子电子位于德国埃尔兰根的工厂通过实施 Copilot for Operations，帮助操作员更好地理解焊接机中的机器错误代码，生产力提高了 30%。

KION Group 和 Accenture 将 AI 赋能机器人与数字孪生相整合，优化仓库运营和供应链。通过使用 Mega NVIDIA Omniverse Blueprint 构建解决方案，KION 和 Accenture 得以在不中断现实世界运营的情况下设计、测试和优化仓库布局，并对机器人机队进行仿真和测试。这些解决方案帮助其团队提高了仓库效率、安全性和适应性。自动叉车、智能摄像头和其他高级机器人系统将在仓库数字孪生中进行仿真和验证，这有助于优化设施布局、机器人机队协调和工人分配。KION 计划使用视觉语言模型，以便更好地理解搬运设备负载状态的变化和异常。

埃森哲还与 Agility Robotics 和 Schaeffler 合作，在复杂的生产环境中优化设施布局、物料流以及人类和机器人之间的协作。

全球电源和散热管理技术领导者 Delta Electronics 通过使用 NVIDIA Omniverse 和通用场景描述 (OpenUSD) 开发数字孪生平台，强化智能制造能力。该平台以虚拟方式链接特定的生产线，聚合来自不同设备的 3D 数据，以创建操作的综合数字副本。

通过在解决方案中集成 NVIDIA Isaac Sim™，Delta 开发者能够生成物理精准、逼真的合成数据，用于训练计算机视觉模型，并模拟检测摄像头的性能表现。这种方法使 Delta 能够在实际生产开始之前优化工厂流程的各个方面，从而减少停机时间并提高效率。

Delta Electronics 将利用数字孪生和合成数据重新定义生产线和工业检测。

全球技术服务提供商 Wistron 将利用工业 AI 技术加速 NVIDIA Grace Blackwell 产品线的生产。通过使用 Omniverse 构建工厂的数字孪生，Wistron 可以在虚拟环境中模拟和优化生产流程。这样可以快速迭代和改进制造工作流，从而提高生产质量，并缩短上市时间。

此外，Wistron 还开发了基于物理信息驱动 AI 的热流模拟器，能够在短短一分钟内评估近 100 种针对新产品线的厂房布局方案。

此项技术协作显著压缩了端到端工作流，使 Wistron 能够更快地响应 AI 服务器产品的快速迭代，并有助于确保新产品能够根据市场需求从开发阶段过渡到批量生产阶段。

NVIDIA Omniverse 用于 AI 工厂设计与仿真的 blueprint，使开发者能够构建统一的数字孪生体，在建设开始前就能对 AI 数据中心的各个方面进行整体设计、仿真与优化。借助 OpenUSD 库，工程师可以整合并可视化来自所有设施组件的 3D 数据，实现实时、物理精确的仿真，将传统上独立的团队协同在一起。这一方法让工程师能够即时测试设计变更、验证冗余性并模拟故障场景，从而大幅降低风险、节省时间，并为下一代数据中心设计提供前瞻性保障。

全球最大制造商 Foxconn 将加快 NVIDIA Blackwell 产品线的新生产设施部署。Foxconn可通过创建工厂的数字孪生虚拟集成设施和设备布局，优化楼面规划和摄像头的策略性布局，以简化运营。这种虚拟集成可减少成本高昂的现实世界更改，并提高效率。

在数字孪生中，Foxconn 使用基于 NVIDIA Isaac Sim 构建的解决方案模拟和测试自主机器人，确保工业机械手和自主移动机器人在现实世界部署之前有效运行。此外，Foxconn 还在其视觉 AI 解决方案中采用 NVIDIA Metropolis，通过优化摄像头放置对工厂车间进行监控，从而提升工人的安全与运营管理效能。该公司预计可实现大幅成本节约，仅其墨西哥工厂就可每年降低 30% 以上的能耗。

德国领先汽车技术公司大陆集团 开发了 AI 赋能的虚拟工厂解决方案，用于增强制造运营。他们利用 NVIDIA Omniverse 和 OpenUSD，创建了两个关键应用：

ContiVerse：沉浸式数字孪生平台，提供对工厂作业流程与机器设备的实时洞察。通过将数据聚合到基于云的数据湖中，ContiVerse 支持工程师对生产线进行模拟和优化，帮助其作出明智决策、快速识别问题。例如，其塞尔维亚 Novi Sad 工厂的等比例数字孪生支持虚拟现场巡检，从而增强了远程监控与故障排除效能。

Industrial Co-Pilot：融合生成式 AI 与三维可视化技术的虚拟助手，可协助工厂团队执行设备维护任务。与 IT 咨询公司 SoftServe 合作开发的此款工具，能够通过提供直观可视的指导来简化维护流程，起到减少停机时间、提高生产力的作用。

通过集成这些解决方案，大陆集团预计维护工作和停机时间将减少 10%，从而可提高制造运营各环节的生产力。

和硕开发了支持 AI 的数字孪生平台 PEGAVERSE，以实现制造运营转型，同时提高效能、质量和成本效益。PEGAVERSE 采用 NVIDIA Omniverse、AI 和 OpenUSD 构建，方便工程师和工厂经理协作规划、模拟和优化生产线，对设施、设备和维护任务进行实时洞察。在该平台的支持下，位于台湾、印度、印度尼西亚、中国大陆和越南的虚拟工厂均部署了预测性维护、流程优化、资源规划、远程监控和质量控制等用例。

PEGAVERSE 集成了机器学习、生成式 AI 和物联网，以增强数字孪生体验。和硕的 PEGAAi 平台简化了数据采集、标记和模型训练，而大语言模型 (LLM) 助力制造流程实现自动化，并赋予其灵活性。该公司还采用 NVIDIA Isaac Sim 解决方案进行机器人仿真，使用 NVIDIA Metropolis 进行自动光学检测，从而提高生产精度。通过采用 OpenUSD，和硕统一了不同的工具和数据，加速设计和仿真工作流。这种数字化转型使和硕能够优化工厂运营，减少停机时间，并在全球范围内提高制造效率。

和硕还正在构建视频分析 AI 智能体，以检测装配线上的异常，并进一步提升产品良率。使用用于视频搜索和总结的 NVIDIA AI Blueprint，和硕能够分析细致入微的 7 步装配流程，并在发现与标准操作流程相比存在差异时提醒员工。通过微调视觉语言模型，其模型精度达到了 90% 以上，产品缺陷率和人工成本分别降低了 67% 和 7%。