NVIDIA 演示智能体辅助的 AI 工厂园区数字孪生:从场地图纸到可编辑 OpenUSD 模型
NVIDIA 技术博客展示用 Omniverse DSX Blueprint 与 AI 智能体,把参考设计、场地规划、需求文档和地理数据整合成可编辑的 AI 工厂园区 OpenUSD 模型,并衔接电力与冷却仿真。
NVIDIA 技术博客 10 月 21 日发文,演示如何用智能体辅助的工作流搭建“AI 工厂”(大型 AI 数据中心)园区的数字孪生。核心工具是 NVIDIA DSX Sim 中的 Omniverse DSX Blueprint,它提供参考数字孪生资产、示例脚本和工作流,基于 OpenUSD 与 Omniverse 库。
演示团队以 NVIDIA 圣克拉拉总部大楼 Voyager 为外观参考,向智能体提供了五类输入:DSX 三维模型(数据大厅、中央公用建筑、变电站、发电机、冷却设备等)、建筑参考照片、DSX 参考设计中的场地规划 PDF、需求文档(建筑图纸、设计基础文件、房间布局等)以及 USGS 航拍影像和高程数据。智能体在 harness 中运行,通过 MCP 等接口调用建模工具,用 USD Content Agents 生成太阳能顶棚等构件,所有改动以叠加 USD 图层的方式与源资产分开保存,方便审查和回退。
flowchart LR
A[参考设计 + 场地规划] --> D[智能体组装 OpenUSD 园区模型]
B[需求文档 / 图纸] --> D
C[航拍与高程数据] --> D
D --> E[工程师审查尺寸与布置]
E --> F[电力与冷却仿真]
F --> G[设计修订]
G --> D
博客进一步设想了固定电力预算下的容量规划:按 1 兆瓦电力、PUE 1.1 归一化的示意场景中,DSX MaxLPS 方案可容纳 400 张 GPU,总 token 吞吐为 MaxP 基线的 1.35 倍。NVIDIA 明确说明这些是参考假设,并非园区模型的计算结果。Dassault Systèmes、PTC、Cadence、Siemens 等厂商正把需求管理、CAD 数据、流体力学与热仿真接入这一流程。
对工程设计与项目交付团队而言,这套做法的重点在于可追溯:每处建筑布置都能对应到场地规划,每个外观元素都能对应到参考资料。NVIDIA 也强调,智能体产出的模型仍需对照图纸、规范和场地约束做尺寸核查与工程评审。