在製造業領域，傳統的設計-建造-測試周期一直基於一個假設：真實世界測試是唯一可靠的測試環境。然而，這一假設正在發生轉變。如今，高保真仿真能夠生成足夠精確的合成訓練數據，可用於生產級人工智能。這使得感知系統、推理模型和智能工作流程能夠在實際工廠環境中表現出色。OpenUSD已成為使這一切變得切實可行的連接標準，而基於它進行構建的製造商正在收穫可衡量的成果。
SimReady是建立在OpenUSD之上的內容標準，定義了物理精確的3D資產必須包含的內容，以便在渲染、仿真和AI訓練流水線中可靠地工作。此外，NVIDIA Omniverse庫提供了物理精確、逼真的仿真層，AI模型在部署前在此進行訓練和驗證。
製造商正在以多種方式應用NVIDIA物理AI堆棧。ABB Robotics將NVIDIA Omniverse庫直接集成到其RobotStudio HyperReality仿真平台中，該平台被全球超過60,000名工程師使用。該平台將機器人工作站表示為運行與實體對應版本相同固件的USD文件，從而能夠在生產線存在之前訓練機器人、測試零件公差和驗證AI模型。ABB Robotics聲稱，他們已實現模擬版本99%的準確率，從而將產品導入週期縮短多達50%，調試時間縮短80%，設備總生命週期成本降低30-40%。
JLR將同樣的仿真優先原則應用於車輛空氣動力學。工程師在車輛組合上訓練了超過20,000個風洞相關的計算流體動力學仿真，其中95%的空氣動力學熱工作負載現在運行在NVIDIA GPU上。基於Omniverse的Neural Concept Design Lab能夠實時可視化空氣動力學變化，將原本需要四小時的結果壓縮至一分鐘。
Tulip Interface的Factory Playback平台展示瞭如何將現有基礎設施轉變為智能層。該平台基於NVIDIA Metropolis VSS參考架構構建，連接攝像頭流、機器傳感器數據和操作上下文，形成統一的時間線。Factory Playback使用NVIDIA Cosmos Reason視覺語言模型實時解釋攝像頭流和操作員行為，在Terex部署後預計將提高產量3%並減少返工10%。
要開始使用，開發者可以探索SimReady資產、Omniverse庫和NVIDIA物理AI堆棧。NVIDIA提供免費的自定進度課程、Isaac Sim和Omniverse庫、Metropolis VSS藍圖以及GitHub上的SimReady Foundation規範框架。開發者還可以瀏覽NVIDIA Cosmos Cookbook，獲取特定領域的物理AI應用示例。