行业 综合自 4 个来源

NVIDIA工业AI生态GTC提速

要点

  • 英伟达与达索系统合作推进工业虚拟孪生
  • Lucid Motors和Bel Group采用物理AI设计工具
  • NVIDIA Warp实现AI训练可微分计算物理
  • AI Cluster Runtime提供可重现GPU基础设施方案
  • GTC 2026主题演讲定于3月16日周一
  • 达索将在三大洲部署英伟达AI工厂
参考来源 (4)
  1. [1] 英伟达与达索系统合作推进工业AI和数字孪生 — NVIDIA AI Blog
  2. [2] 如何观看黄仁勋Nvidia GTC 2026主题演讲 — TechCrunch AI
  3. [3] NVIDIA Warp:构建面向AI的可微计算物理代码 — NVIDIA Technical Blog
  4. [4] AI Cluster Runtime:面向GPU基础设施的可复现Kubernetes方案 — NVIDIA Technical Blog

NVIDIA在GTC 2026大会上全面发力工业AI

英伟达在年度GTC大会开幕前夕宣布了一系列重大消息,标志着其工业AI战略的全面提速。首席执行官黄仁勋的主题演讲将于3月16日(周一)举行,这已成为科技行业最受期待的年度盛事之一。

与达索系统合作:物理数字孪生即将落地

本次发布的核心是英伟达与达索系统的最新合作。双方将达索的虚拟孪生平台与英伟达的加速计算、AI物理模型和Omniverse库相结合,使设计师能够使用基于物理的虚拟孪生实现更快速的创新。

合作已有多个知名早期采用者。Lucid Motors正将该技术用于电动汽车研发,Bel Group将其应用于植物蛋白研究,生命科学领域则涵盖治疗药物和材料发现。

作为合作的一部分,达索将通过其OUTSCALE云服务在三大洲部署英伟达驱动的AI工厂,构建全球工业模拟和AI驱动设计网络。

NVIDIA Warp:构建可微分的计算物理

同期发布的还有NVIDIA Warp,这是一个用于构建加速、可微分计算物理代码的新框架,可用于训练AI模型。技术博客文章指出,计算机辅助工程正在经历从人工驱动工作流向AI驱动方法的根本性转变。

与大型语言模型不同,物理基础模型需要大量高保真、符合物理规律的数据。Warp通过允许开发者编写可生成训练数据的模拟代码来解决这一问题,同时保持可微分特性——这意味着模拟可以从自身输出中学习。该方法可跨不同几何形状和操作条件进行泛算,有望彻底改变制造商的产品设计和测试方式。

AI Cluster Runtime:解决Kubernetes可重现性难题

英伟达还推出了AI Cluster Runtime开源项目,旨在为跨不同云环境部署一致的GPU基础设施提供分层、可重现的方案。

核心挑战在于:运行在Kubernetes上的AI集群需要从底层驱动设置到高层运营商配置的完整软件栈协同工作。在不同环境或升级后重现一个已运行的集群极其困难。AI Cluster Runtime旨在解决这一可重现性问题,使企业更轻松地大规模部署和管理GPU基础设施。

展望未来

GTC大会周一开幕,行业观察人士预计黄仁勋将在主题演讲中进一步阐述英伟达的工业AI愿景。无法现场参会的观众可通过直播观看。

这一系列公告表明,英伟达正在构建端到端的工业AI生态系统——从硬件和基础设施(AI Cluster Runtime)到模拟工具(Warp)再到应用平台(达索合作),旨在成为下一代制造业和设计的基础层。

0:00