在制造业领域，传统的设计-建造-测试周期一直基于一个假设：真实世界测试是唯一可靠的测试环境。然而，这一假设正在发生转变。如今，高保真仿真能够生成足够精确的合成训练数据，可用于生产级人工智能。这使得感知系统、推理模型和智能工作流程能够在实际工厂环境中表现出色。OpenUSD已成为使这一切变得切实可行的连接标准，而基于它进行构建的制造商正在收获可衡量的成果。
SimReady是建立在OpenUSD之上的内容标准，定义了物理精确的3D资产必须包含的内容，以便在渲染、仿真和AI训练流水线中可靠地工作。此外，NVIDIA Omniverse库提供了物理精确、逼真的仿真层，AI模型在部署前在此进行训练和验证。
制造商正在以多种方式应用NVIDIA物理AI堆栈。ABB Robotics将NVIDIA Omniverse库直接集成到其RobotStudio HyperReality仿真平台中，该平台被全球超过60,000名工程师使用。该平台将机器人工作站表示为运行与实体对应版本相同固件的USD文件，从而能够在生产线存在之前训练机器人、测试零件公差和验证AI模型。ABB Robotics声称，他们已实现模拟版本99%的准确率，从而将产品导入周期缩短多达50%，调试时间缩短80%，设备总生命周期成本降低30-40%。
JLR将同样的仿真优先原则应用于车辆空气动力学。工程师在车辆组合上训练了超过20,000个风洞相关的计算流体动力学仿真，其中95%的空气动力学热工作负载现在运行在NVIDIA GPU上。基于Omniverse的Neural Concept Design Lab能够实时可视化空气动力学变化，将原本需要四小时的结果压缩至一分钟。
Tulip Interface的Factory Playback平台展示了如何将现有基础设施转变为智能层。该平台基于NVIDIA Metropolis VSS参考架构构建，连接摄像头流、机器传感器数据和操作上下文，形成统一的时间线。Factory Playback使用NVIDIA Cosmos Reason视觉语言模型实时解释摄像头流和操作员行为，在Terex部署后预计将提高产量3%并减少返工10%。
要开始使用，开发者可以探索SimReady资产、Omniverse库和NVIDIA物理AI堆栈。NVIDIA提供免费的自定进度课程、Isaac Sim和Omniverse库、Metropolis VSS蓝图以及GitHub上的SimReady Foundation规范框架。开发者还可以浏览NVIDIA Cosmos Cookbook，获取特定领域的物理AI应用示例。