NVIDIA détaille le flux de travail assisté par agent pour les jumeaux numériques d’usine IA

NVIDIA a indiqué que les développeurs peuvent utiliser un flux de travail assisté par agent pour assembler et réviser IA jumeaux numériques d’usine à partir des plans de site, des équipements et des besoins techniques, en utilisant son Omniverse DSX Blueprint et les outils basés sur OpenUSD. Le 21 octobre 2026 décrit un processus destiné à aider les équipes à inspecter les alternatives de conception, à préparer les scènes pour une révision technique et à connecter le jumeau numérique à la simulation en aval.

Preuves et contexte

Dans l’article de blog publié le 21 octobre 2026, NVIDIA a indiqué que le Blueprint Omniverse DSX, qui fait partie de NVIDIA DSX Sim, fournit des ressources de référence pour jumeaux numériques, des scripts d’exemple et des flux de travail pour développer IA jumeaux numériques d’usine. La société a indiqué que le blueprint est basé sur les bibliothèques OpenUSD et NVIDIA Omniverse et est conçu pour aider les développeurs à assembler des modèles d’installations et d’équipements avec des éléments SimReady tout en les reliant à des outils de simulation d’ingénierie.

Le post décrit un flux de travail dans lequel un modèle d’IA de pointe opère à l’intérieur d’un harnais d’agents qui gère le contexte, les instructions et les appels d’outils. NVIDIA a indiqué que les développeurs peuvent guider les agents pour rassembler les entrées de conception, assembler et réviser les scènes OpenUSD, et inspecter les résultats. L’entreprise a indiqué que cette approche vise à prendre en charge des modèles éditables de campus et de résidences pouvant être consultés avant l’approbation technique et la simulation.

NVIDIA a illustré le flux de travail avec un exemple IA campus d’usine qui combine des modèles DSX 3D, des références architecturales, des plans de site, des documents d’exigences et des données géographiques. Les entrées comprenaient des archives, des services publics et des actifs de refroidissement ; des images du bâtiment du siège NVIDIA à Santa Clara, Voyager ; des PDF décrivant l’agencement du campus ; des dessins indexés et des enregistrements de base de conception ; et des images aériennes et données d’élévation USGS pour le site sélectionné, selon le post. NVIDIA a indiqué que ces sources aident les équipes à retracer les choix de conception jusqu’à leur origine, tout en notant que la précision dimensionnelle dépend toujours de la vérification des plans, des spécifications et des contraintes du site.

Comment le flux de travail est censé fonctionner

NVIDIA a indiqué que l’exemple du campus avait été construit en combinant la géométrie existante de la conception de référence DSX avec de nouveaux éléments architecturaux dans des couches USD additives, en gardant les modifications séparées des ressources sources. L’entreprise a indiqué que son équipe a utilisé des agents de contenu USD pour aider à générer la géométrie et les matériaux d’une verrière solaire, puis a affiné le résultat en utilisant des références Voyager. La verrière a été qualifiée de conceptuelle et nécessitant encore une revue technique pour les dimensions, la structure et la compatibilité de la simulation.

Le post précise également que les développeurs peuvent utiliser Systems Modeling Language pour connecter les exigences aux éléments système, et qu’un agent peut interroger ces relations lorsque les outils les exposent via une API, un MCP ou une autre interface prise en charge. NVIDIA a indiqué que les plans et la CAO fourniraient les dimensions et références de placement, tandis que les catalogues d’équipements fourniraient des paramètres pour l’analyse. Le transfert, dans ce cadrage, est une révision de conception proposée accompagnée des exigences concernées, de l’équipement et des études de suivi.

Pour la préparation à la simulation, NVIDIA a indiqué qu’OpenUSD regroupe la géométrie des bâtiments, les équipements et les données associées dans une scène partagée, tandis que USD attributs et schémas personnalisés peuvent préserver les liens avec les enregistrements et exigences d’ingénierie. La société a également évoqué SimReady Foundation et la SimReady Central Library sur Hugging Face, qu’elle a décrites comme une bibliothèque gratuite de plus de 2,000 actifs OpenUSD prêts pour la simulation. NVIDIA a indiqué que ces ressources peuvent réduire le travail de préparation des actifs en fournissant des racks OEM ainsi que des équipements d’alimentation et de refroidissement.

Exemple de planification de capacité et limites

un extension proposée dans ce post est une étude de planification de capacité de puissance fixe pour une IA hall d’usine. NVIDIA a indiqué qu’une comparaison illustrative de Vera Rubin NVL72 inférence oppose une référence utilisant MaxP, décrite comme le réglage de puissance statique le plus élevé au niveau GPU, à DSX MaxLPS, un cadre de conception et d’exploitation d’usine IA qui coordonne la conception des installations, l’allocation dynamique de puissance et l’optimisation performance par watt.

Normalisé à une base de 1 MW en puissance et en supposant une efficacité de consommation d’énergie de 1.1, le post indique que le scénario illustratif montre une capacité DSX MaxLPS de 400 GPU et un débit agrégé de jetons de 1.35 fois le seuil de référence MaxP. NVIDIA a indiqué que ces chiffres sont des hypothèses de référence pour l’étude proposée, et non des résultats générés par le modèle campus. La société a également indiqué que les tests de Vera Rubin sont toujours en cours.

Le post indique qu’un flux de travail d’ingénierie nécessiterait toujours des revues de conception, des connexions au solveur, des propriétés des équipements, des connexions système et des conditions aux limites avant la simulation. NVIDIA a indiqué que l’objectif est d’évaluer le comportement de charge électrique et de refroidissement, puis de réintégrer les résultats dans la conception éditable pour une nouvelle itération. L’entreprise a insisté sur le fait que chaque constatation devrait identifier la révision de conception testée et distinguer les résultats calculés des résultats stockés ou des approximations IA.

Outils associés et applications partenaires

NVIDIA a également décrit les choix matériels pour différentes étapes du flux de travail, notamment DGX Spark pour le développement d’agents personnels, les GPU RTX PRO Blackwell Workstation Edition pour la conception interactive et la simulation, DGX Station pour les charges de travail locales IA plus importantes, et RTX PRO Server pour le développement et la simulation partagés. Il a cité son architecture de référence RTX PRO IA Factory, qui spécifie huit RTX PRO 6000 Blackwell Server Edition GPU par serveur et regroupe quatre serveurs en une unité évolutive.

Le post met en avant les fournisseurs d’applications travaillant dans la gestion des exigences, les données produit et la simulation. NVIDIA a mis en avant le support CATIA Magic et A2A de Dassault Systèmes, l’intégration des bibliothèques Windchill et Omniverse de PTC, la plateforme Cadence Reality Digital Twin pour les études de puissance et de refroidissement, et Simcenter STAR-CCM+ de Siemens pour l’analyse du flux de fluides et du transfert de chaleur. NVIDIA a indiqué que ces outils visent à maintenir les exigences, les données d’équipement et les études de comportement physique connectées tout au long des itérations de conception.

Des publications récentes liées à NVIDIA apportent du contexte à la campagne plus large de l’entreprise pour le DSX. Le 21 octobre 2026, NVIDIA a également annoncé avoir introduit le DSX POD IA Factories pour accélérer le déploiement de l’infrastructure en Europe, à la suite d’un article du 7 octobre 2026 sur la validation des modifications d’usine IA avec des jumeaux numériques et des agents IA, ainsi qu’une annonce 2026-03-16 du design de référence d’usine Vera Rubin DSX IA et du plan Omniverse DSX Digital Twin.