AI 3D建模工具： Tripo 3D | Meshy AI
建一座 AI 工厂的数字孪生，要开发者把站点图、设备资产和工程需求汇进同一个模型，让团队能检查、修改，并把它准备好去做仿真。把这些输入接成一条可编辑的工作流，团队才能在设计中探索不同方案，并随着设计演进吸收工程反馈。
NVIDIA Omniverse DSX Blueprint 是 NVIDIA DSX Sim 的一部分，为开发 AI 工厂数字孪生提供参考资产、示例脚本与工作流。它建在 OpenUSD 和 NVIDIA Omniverse 库之上，给开发者一个底座：用 SimReady 资产拼出厂房与设备模型，再把它们接上工程仿真工具。
前沿 AI 模型可以通过智能体、连通的应用程序与工具，让开发者在这套底座上干活——NVIDIA 的另一篇《Into the Omniverse：How Developers Turn Ideas Into Simulations With Frontier AI Agents》讲的就是这件事。开发者引导智能体汇集设计输入、组装与修订 OpenUSD 场景、检查结果；blueprint 提供可复用资产与工作流，智能体帮开发者把它们套用到具体的设计要求上（图 1）。
这篇演示一条智能体辅助的工作流：把参考资产、站点数据和设计需求变成一座可编辑的 OpenUSD 校区模型。开发者可以用这套办法探索总平面、改设备布置、把设计准备好去走工程评审和下游仿真。开发者负责接工具、引导改动；工程师评审结果，用来定下一轮迭代。
给智能体一个 AI 工厂建模的设计底座
先看一个实际问题：可用功率固定时，一座 AI 工厂厂房该怎么配？ 改计算配置会影响设备数量、布置、配电和制冷。要评估这些备选方案，就得让这几个专业按同一份需求和设计数据干活。
智能体在提出有用的设计方案之前，需要上下文。只给它照片或渲染图，它能做出一个看着合理、但尺寸和比例可能不对的模型。参考资产与项目文档能帮提案落地，但产出的模型仍然需要尺寸核对与工程评审。
一条有据可依的工作流从 NVIDIA Omniverse DSX Blueprint 与参考设计起步，再并入项目的需求、图纸、设备信息和场地约束。每一种来源各司其职：既有几何提供可复用的建筑与设备，建筑参考决定外观；航拍影像与高程数据提供地理上下文；项目图纸与设备信息确定尺寸与位置；需求则定义设计必须满足的条件。
举例来说，团队用 NVIDIA 圣克拉拉总部大楼 Voyager 作为设计灵感，在一处场地按 DSX 参考设计做 AI 工厂园区。输入包括：
- DSX 3D 模型：数据厅、中央公用设施建筑、变电站、发电机、制冷设备、车辆与植被。
- 建筑参考：Voyager 的多个空中与地面视角照片，用来确定屋顶、立面、太阳能顶棚和景观。
- 站点图（DSX Reference Design）：描述园区布局的 PDF，以及更详细的一期方案，含建筑、道路、公用设施区与出入口。
- 需求文档：索引化的建筑图纸、机型研究、设计基准文件、房间布局等记录集合。
- 地理数据：所选场地的 USGS 航拍影像与高程数据，用来把园区放进周边地形。
这些来源合起来，既给了智能体辅助工作流的起点，也给了评审它输出的依据。它们帮团队把设计选择追回到来源——比如把建筑位置追到站点图、把立面风格追到建筑参考。这种可追溯性支撑评审；尺寸精度仍然取决于拿模型去核对适用的图纸、规格与场地约束。
用 AI 智能体搭一座 OpenUSD 校区模型
要实现这条工作流，前沿 AI 模型跑在一个智能体外壳（agent harness）里——那是管理上下文、指令和工具调用的软件。技能（skills）把可重复的任务和 AI 工厂领域知识编码进去。开发者通过工具接口把建模与分析操作接进来，在支持的地方用模型上下文协议（MCP），并界定智能体可以提议或应用哪些改动。
在校区模型这个例子里，DSX Blueprint 里既有的参照设计建筑和设备提供了起始几何，站点图指导位置与一期细节。团队提供了照片和 NVIDIA Voyager 园区的建筑参考，用来引导建筑部分的增补。
太阳能顶棚这一步，前沿 AI 智能体用 USD Content Agents 帮它生成几何与材质，再用 Voyager 的照片细化。这样团队拿到的就是一个可编辑的建筑构件，能和既有建筑、设备一起评审。这个顶棚始终是概念设计：工程团队要检查它的尺寸、结构属性，以及是否适合拿去做仿真。
团队随后把复用资产和新建筑几何合进叠加式 USD 图层（additive USD layers），让改动与源资产分开。在 Omniverse RTX 视口里，团队能在园区上下文中检查顶棚，评审它的外观与位置，并随设计决策变化修订模型。景观与高程方案用的是 USGS 航拍数据。
把校区模型延伸到固定功率预算下的评估
这座校区模型可以支撑下一步的容量规划研究：功率预算固定时，一座 AI 工厂厂房该怎么配？ 提议的延伸会把已建模的布局与计算、配电、制冷需求接起来，用来评估不同配置。
一个起点是英伟达给的一个示意性 Vera Rubin NVL72 推理对比。它比较两套：基线用 MaxP——GPU 层面最高的静态功耗设置；另一套是 DSX MaxLPS，一个协调设施设计、动态功率分配与每瓦性能优化的 AI 工厂设计与运行框架。要把这个对比套到一座厂房上，还得评估支撑功率、制冷和网络基础设施。
按 1 MW 功率基准归一化、假设 PUE 为 1.1，这个示意场景给出的结果是：DSX MaxLPS 容量 400 块 GPU，总 token 吞吐是 MaxP 基线的 1.35 倍（图 4）。这些数字是这项拟议研究的参考假设，不是校区模型算出来的结果。
在拟议的工作流里，开发者会把智能体接到项目数据和工程工具上，让它帮着点出需要评审的设备与设计假设。参考对比会用来定容量目标。工程师则用完整机柜——含其位置、配电、制冷连接与网络资源——去评估可行的配置。
用系统建模语言（SysML），团队可以表达需求并把它们链到系统元素上。项目团队可以利用这些关系来组织来自源文档的需求。如果建模工具通过 API、MCP 或其他受支持的接口把这些关系暴露出来，智能体就能查询它们，标出受拟议改动影响的依赖。图纸与 CAD 提供尺寸和位置参照，设备目录则提供工程分析所需的参数。
交接物是一份设计修订提案，连同需求、设备与后续工程研究一起交出去。工程评审之后，智能体可以帮忙更新 OpenUSD 场景，把选定的机柜配置与布局反映进去。要把场景准备好做某项具体仿真，还需要额外的检查与配置，包括几何、设备属性、系统连接和边界条件。
用 OpenUSD 与 SimReady 组装数字孪生
团队评审完一项配置及其受影响的需求之后，下一步是把设计准备成可分析的形态。这需要的不只是几何：工程师需要设备属性和连接数据，才能评估功率与制冷。OpenUSD 把建筑几何、设备资产与相关数据带进同一个场景。USD 的属性和自定义 schema 可以保留指向工程记录与需求的链接，让改动跨应用保持可追溯。
DSX 的系统架构把资产准备、数据存储、仿真服务和数字孪生应用串起来。对固定功率这个场景来说，它提供一个框架：把修订后的布局和评估其功率与制冷影响所需的设备信息汇到一起。
SimReady Foundation 描述了特定仿真用途所需的资产数据。OpenUSD 提供共享场景，SimReady 规格则帮团队判断资产里是否含有目标分析所需的数据、挑选适合该设备与分析的必需要求和受支持的校验器，再检查它们覆盖的几何、属性与连接数据。智能体可以帮着把缺失信息暴露出来，并把它关联到受影响的设备上，供团队评审。
开发者还可以从 Hugging Face 上的 SimReady Central Library 取设备资产——一个免费、不设门槛、超过 2,000 个仿真就绪 OpenUSD 资产的库。对 AI 工厂数字孪生来说，团队可以发现并复用 OEM 提供的机柜、供电与制冷设备，省掉一部分资产准备工作。
AI 工厂流水线的样例则提供了 CAD 转换、优化、元数据和校验的示例。通过连通的工具，智能体可以帮忙触发这些准备步骤，并把它们的报告收集起来。
这里的交接物是一座组装好的场景：绑定了拟议的设计修订，连同支撑数据、已完成的检查，以及仍然可见的缺口。这给了仿真团队所需的上下文，去准备研究并评估该配置在固定功率预算下的行为。
跑电力与制冷仿真，指导设计修订
修订后的场景组装好、数据缺口也标识出来之后，就该准备评估该配置所需的研究了。在固定功率场景里，电气负载与制冷分析帮着判断拟议的设备布置在指定工况下表现如何。应用会用到几何、设备属性和系统连接，必要时还要做额外的求解器准备。
在对接受支持的求解器连接之后，智能体可以提交研究、取回结果，并把结论关联到受影响的设备与需求上。工程师评审假设与结果，判断这个设计是否支撑得了拟议配置，还是需要再改。每一条结论都应标明被测试的设计修订，并区分哪些是计算出来的结果、哪些是存下来的结果或 AI 近似。
容量这个问题这时就成了做设计决策的依据：该走哪种设备配置、它需要什么样的支撑基础设施、哪里还需要进一步分析。这些决定又回到可编辑的设计里，让团队细化提案、重跑受影响的研究。
为智能体开发、可视化与仿真选算力
像校区这个例子这样的工作流，要按任务来选硬件：开发智能体的工具连接、编辑场景，还是跑工程研究。
- NVIDIA DGX Spark，用于个人智能体开发：做智能体原型、测试兼容的本地 AI 模型、连接工程工具。再配一台 RTX 系统做 DSX 可视化与仿真。
- NVIDIA RTX PRO Blackwell 工作站版 GPU，用于交互式设计与仿真：准备 OpenUSD 资产、评审数字孪生、跑受支持的工程仿真。
- NVIDIA DGX Station，用于更大的本地 AI 负载：在本地开发并运行更大的 AI 模型与智能体。加一块 RTX PRO 6000 Blackwell 工作站版 GPU 做可视化和受支持的仿真应用。
- NVIDIA RTX PRO 服务器，用于共享的开发与仿真：按 NVIDIA RTX PRO AI Factory 参考架构来——每台服务器八块 RTX PRO 6000 Blackwell 服务器版 GPU，四台服务器组成一个可伸缩单元。部署规模按场景复杂度、求解器需求和并发用户来定，覆盖推理、可视化与受支持的仿真负载。
把应用接到工程决策上
要把校区模型延伸成一项工程研究，需要能管理需求、提供设备数据、计算物理行为的应用。应用厂商正在这条工作流上回应这些场景：
- Dassault Systèmes 用 CATIA Magic 回应「让系统需求与设计决策保持一致」这个挑战。它的 SysML 工具让工程师建模系统元素与接口、检查模型一致性、按架构评估设计。在智能体辅助的工作流里，仿真结论可以为 SysML 模型配置的拟议更新提供依据——以工程评审为前提——让需求与系统模型在整个设计迭代中保持连接。Dassault Systèmes 也支持 Agent2Agent（A2A）协议做智能体之间的集成。
- PTC 正通过 Windchill 与 NVIDIA Omniverse 库，把数字孪生研究连回它所代表的产品数据。Windchill 管理带版本控制的 Creo 及其他 CAD 数据；已宣布的集成意在把这些数据带进一个共享 3D 环境，用于工程评审与仿真。这解决的是从受管理的设备设计到 AI 工厂数字孪生的交接。
- Cadence Reality Digital Twin Platform 回答那个固定功率的问题：能跑多少块 GPU，以及能不能冷下来？它把设备模型与功率模型同计算流体力学耦合，去仿真 MaxP、MaxQ 和 DSX MaxLPS。相关方能在机柜还没装上之前就看到对功率、制冷与 token 吞吐的影响，并且一直延续到 AI 工厂的整个生命周期。Cadence Reality Digital Twin 建在 NVIDIA Omniverse 库、SimReady 资产和 OpenUSD 之上，允许对 AI 工厂性能做协作式、智能体式的优化。
- Siemens 用 Simcenter STAR-CCM+ 支持流体流动与传热的细致评估，工程师在那里计算拟议设计在指定条件下的表现。针对 AI 工厂基础设施，Siemens 也开发了对齐 DSX 的参考架构，把配电、自动化和仿真就绪资产合在一起。它们回应的是在工厂设计里把支撑基础设施与计算设备一起表达出来的需要。
从 NVIDIA Omniverse DSX Blueprint 开始
选一个工程问题，接上所需的数据与工具，用 OpenUSD 组装数字孪生，再用 SimReady 的要求把资产准备成目标分析可用的形态。先评审结果，再扩大范围。
准备开始？
- 用 NVIDIA Omniverse DSX Blueprint 构建
- 用 OpenUSD 组装你的数字孪生
- 用 DSX 资产指南与 SimReady Foundation 准备并校验资产
- 用 AI 工厂流水线样例准备你工作流所需的内容
- 在《Putting Astra to Work in Simulation With NVIDIA Omniverse Libraries》里探索相关的仿真实例
来源
- Ashley Malqui，NVIDIA Technical Blog，《Developing an AI Factory Digital Twin with an Agent-Assisted Workflow》，2026-10-21：https://developer.nvidia.com/blog/developing-an-ai-factory-digital-twin-with-an-agent-assisted-workflow/
- 本文为全文翻译：五节正文、五张配图及其图注、四家应用厂商段落、硬件选型清单与「开始使用」清单均按原文完整译出；原文末尾的订阅与社媒段、文章标签未转述
- 文中所有数字（1 MW 基准、PUE 1.1、400 块 GPU、1.35 倍吞吐、2,000+ SimReady 资产）均为原文表述；原文明确说明这些是参考假设与示意性对比，不是校区模型的结果，该边界在译文里原样保留
- 图片版权归 NVIDIA，本文按原文配图转存引用
相关阅读：自然语言搭仿真：13 个 Omniverse 项目里 agent 到底做了什么——那篇把 Omniverse 侧的项目横着扫了一遍，这篇是一次纵向的完整走查。｜SMLib 开源：英伟达的 NURBS 几何内核进了 USD——USD 里放精确几何的那条线。｜Unity Industry 2026：AI agent 直接接管 CAD 数据准备——另一家在做同一件事：把 CAD 数据准备交给 agent。
在线工具：要把导出的 glb / gltf / stl 直接拖进浏览器核对几何与层级，用 3D Viewer；工具全表在 Apps。
本文属于「数字孪生」专题。查看专题全部文章 →
