生成式物理 AI NIM 微服務以及 NVIDIA Metropolis 參考工作流旨在協(xié)助創(chuàng)建智能的沉浸式工作環(huán)境。

已有數(shù)以百萬的用戶在借助生成式 AI 進行寫作和學習。現(xiàn)在，這項技術還可以幫助他們更有效地探索物理世界。

NVIDIA 在 SIGGRAPH 上宣布了生成式物理 AI方面的進展，包括NVIDIA Metropolis參考工作流和全新的NVIDIA NIM微服務，前者用于打造交互式視覺 AI 智能體，后者能夠協(xié)助開發(fā)者訓練物理機器，并可讓它們更好地處理復雜任務。

具體包括三個fVDB NIM微服務，這些微服務支持 NVIDIA 針對 3D 世界開發(fā)的全新深度學習框架，此外還包括能夠與通用場景描述 (也就是 OpenUSD)配合使用的USD Code、USD Search和USD Validate NIM微服務。

NVIDIA OpenUSD NIM 微服務能夠與全球首個用于 OpenUSD 開發(fā)的生成式 AI 模型（同樣由 NVIDIA 開發(fā)）搭配使用，使開發(fā)者能夠?qū)⑸墒?AI copilot 和智能體納入到 USD 工作流程，并拓寬 3D 世界的可能性。

NVIDIA NIM 微服務

將改變物理 AI 的格局

物理 AI 使用先進的仿真和學習方法，能夠幫助機器人和其他工業(yè)自動化設備更有效地感知、推理和探索周圍環(huán)境。該技術正在改變著制造、醫(yī)療健康等行業(yè)，并通過能夠更自主、更精確運作的機器人、工廠和倉庫技術、手術 AI 智能體和汽車推動智能空間的發(fā)展。

NVIDIA 提供廣泛的 NIM 微服務，這些微服務是針對特定模型和行業(yè)領域定制的。NVIDIA 面向物理 AI 量身定制的 NIM 微服務套件支持語音和翻譯、視覺和智能，以及逼真的動畫和行為方面的功能。

借助 NVIDIA NIM，

將視覺 AI 智能體轉(zhuǎn)變?yōu)檫h見者

視覺 AI 智能體使用計算機視覺功能來感知物理世界、與物理世界交互并執(zhí)行推理任務。

具有高度感知和交互能力的視覺 AI 智能體由一種被稱為視覺語言模型 (VLM)的新型生成式 AI 模型提供支持，這些模型能夠在物理 AI 工作負載中連通數(shù)字感知和現(xiàn)實交互，從而可增強決策能力、準確性、交互性和性能。借助 VLM，開發(fā)者可以打造視覺 AI 智能體，即使在非常復雜的環(huán)境中，這些智能體也能更有效地處理極具挑戰(zhàn)性的任務。

由生成式 AI 賦能的視覺 AI 智能體正在迅速部署到醫(yī)院、工廠、倉庫、零售店、機場、交通路口等場所。

為了幫助物理 AI 開發(fā)者更輕松地打造高性能的自定義視覺 AI 智能體，NVIDIA 提供了一些用于打造物理 AI 的 NIM 微服務和參考工作流。NVIDIA Metropolis 參考工作流可讓用戶通過簡單的結構化方法來定制、打造和部署視覺 AI 智能體，詳見博客內(nèi)容：

K2K 借助 NVIDIA NIM，

使巴勒莫變得更高效、更安全

意大利巴勒莫的城市交通管理人員部署了采用 NVIDIA NIM 的視覺 AI 智能體，以便獲得有助于他們更好地管理路況的物理數(shù)據(jù)分析結果。

NVIDIA Metropolis 合作伙伴 K2K 正在主導開展這項工作，將 NVIDIA NIM 微服務和 VLM 集成到實時分析城市交通攝像頭內(nèi)容的 AI 智能體中。市政官員可以用自然語言向智能體提問，并快速獲得準確的街道活動數(shù)據(jù)分析結果，以及關于如何改善城市運營的建議，例如調(diào)整交通信號燈時間。

全球電子行業(yè)領先者 Foxconn 與和碩采用了物理 AI、NIM 微服務和 Metropolis 參考工作流，以便更高效地設計和開展批量制造運營。

這些公司正在仿真環(huán)境中建設虛擬工廠，來節(jié)省大量時間和成本。他們還會在實際部署之前在數(shù)字孿生中對其物理 AI（包括 AI 多攝像頭和視覺 AI 智能體）進行更全面的測試和優(yōu)化，以便提高工人安全性和運營效率。

通過合成數(shù)據(jù)生成

縮小仿真與現(xiàn)實之間的差距

許多已部署 AI 的企業(yè)現(xiàn)在都采用“仿真優(yōu)先”的方法，來開展涉及現(xiàn)實世界工業(yè)自動化的生成式物理 AI 項目。

制造公司、工廠物流公司和機器人公司需要管理復雜的工作人員互動、先進的設施和昂貴的設備。NVIDIA 物理 AI 軟件、工具和平臺（包括物理 AI 以及 VLM NIM 微服務、參考工作流和 fVDB）可以幫助他們簡化高度復雜的工程，讓他們更輕松地創(chuàng)建準確模擬現(xiàn)實世界條件的數(shù)字表示或虛擬環(huán)境。

VLM 能夠生成高度逼真的圖像，因此在各行各業(yè)得到廣泛應用。不過，創(chuàng)建準確的物理 AI 模型需要大量的數(shù)據(jù)，因此訓練這些模型可能非常困難。

使用計算機仿真從數(shù)字孿生生成的合成數(shù)據(jù)能夠有效替代現(xiàn)實世界數(shù)據(jù)集。獲取現(xiàn)實世界數(shù)據(jù)集進行模型訓練可能成本非常高昂，有時甚至不可能獲得此類數(shù)據(jù)集，具體取決于用例。

借助 NVIDIA NIM 微服務和Omniverse Replicator等工具，開發(fā)者能夠構建生成式 AI 賦能的合成數(shù)據(jù)管線，加速創(chuàng)建可靠、多樣化的數(shù)據(jù)集來訓練物理 AI。這有助于增強 VLM 等模型的適應能力和性能，使它們能夠更有效地針對各行各業(yè)和用例進行泛化。