行业投资评级 - 看好 [1] 报告的核心观点 - 英伟达将Omniverse布局为下一代"软核心"，验证在GPU快速发展背景下，工业端未来的3D设计、模拟仿真将成为科技发展重点 [4] - AI的下一步是走向物理AI，既包括在符合物理规律软件中对机器人、智能驾驶做算法验证，也包括通过生成式AI将符合物理规律的数据提供给端侧模型进行训练 [4] - 核心关注具备3D图形学能力、物理求解能力的厂商，未来有望发展成为机器人、智能驾驶领域的核心平台软件，主要包括CAE、CAD厂商及具备核心图像算法的公司 [4] 根据相关目录分别进行总结 1. Omniverse"软核心"，进入3D协同时代 - 英伟达2019年提出Omniverse，作为3D的实时协作平台，通过对主流3D软件的接口整合，以及RTX在图像领域的超强能力，为用户提供简单高效的3D协作环境 [16] - 在平台推出之后，元宇宙、工业协作、人形机器人等领域均在该平台实现相关应用，英伟达的提前布局，或将Omniverse作为继CUDA之后的又一个"软核心"，成为下一个阶段硬件增长的重要支撑 [16] 1.1 GPU支持下的实时模拟协同平台 - Omniverse具备鲜明特色，本节论述其实现路径两大步骤，从而介绍其实现的底层能力包括：RTX四大核心技术，历代处理器架构升级的影响，以及Omniverse的底层平台三大核心 [17] - Nvidia Omniverse是多GPU实时模拟和协作平台，可以简化理解为3D软件的连接平台 [17] - 用户通过Omniverse可实现跨设备、跨应用的同步 [17] 1.2 模拟仿真能力是关键 - Omniverse进入工业领域实践，主要是仿真能力重要提升 [37] - 仿真能力是实现工业等领域的关键 [37] 2. AI走向物理化，人形机器人实现的重要工具 - 2024年GTC大会上，Nvidia CEO黄仁勋展示了9款类人机器人，并在Computerx 2024演讲中强调AI与机器人的融合，"AI的新一波浪潮是物理AI，AI能够理解物理定律" [49] 2.1 AI走向真实物理世界的两个层次 - 本节论述AI与物理世界融合两层次，以及Nvidia构建物理AI使用流程 [51] - 目前AI与物理世界的结合有两种层次：第一层是将物理AI模型集成在机器人、自动驾驶等自主机器中，帮助自主机器感知、理解并在现实世界中执行复杂的操作；第二层是运用生成式AI能力，创造输出更多的数据（构成物理体、物理场等）供模型进行大量的训练，以提升模型能力 [52] 2.2 物理AI是人形机器人的核心工具 - 机器人的模拟仿真是落地的一大核心 [69] - 安全调试是目前机器人仿真的本质需求 [69] 3. 图形学+AI+物理求解，全球厂商多角度布局 - 目前CAE的全球核心厂商Ansys、Cadence、Siemens等，均可以借助英伟达平台开发实时仿真软件，仿真速度实现数量级提升 [46] 3.1 Altair：历史数据快速预测仿真结果 - Altair PhysicsAI是基于几何深度学习的仿真+AI工具，核心功能是基于样本数据进行训练，从而对相似结构的模型机型仿真结果预测 [74] 3.2 Ansys：接入Omniverse加速智能驾驶仿真 - Ansys AVxcelerate Sensors可以通过NVIDIA Omniverse进行访问 [81] 3.3 索辰科技：生成式AI实时模拟 - 索辰依靠其具备的物理能力及大量的物理数据积累，目前生成式AI已经应用于多个环节 [88] - 传统的仿真方法往往伴随着繁琐的参数设置、长时间的计算周期以及对专业知识的高度依赖 [89] - 生成式仿真可以轻松生成实时变化仿真条件，如自动设置连续变化的温度、压力、流速等参数，为物理AI的实时环境模拟奠定基础 [91]