據資訊科技研究顧問公司Gartner指出，2024年全球終端用戶在所有IT產品上的支出為五兆美元。這個產業建構在電子運算結構的基礎上，完全由軟體定義及加速，現在開始由生成式AI賦能。這個產業的規模雖然龐大，卻也只是依賴原子移動之大型實體工業市場的一小部分。
現下的一千萬間工廠、將近20萬個倉庫和4,000萬英哩長的高速公路，構成了實體世界的「運算」結構。這個由生產設施和配送中心組成的龐大網路，仍然是由人工進行設計、營運和最佳化的。
在倉儲和配送過程中，作業人員面臨著錯綜複雜的決策最佳化問題：變數矩陣還有人類工作者、機器人和代理系統及設備之間的相互依存關係。與IT產業不同的是，實體工業市場仍在等待自己的軟體定義時刻，而這個時刻即將來臨。
NVIDIA在CES大會發表「Mega」，一個用於先在數位孿生模型中大規模開發、測試和最佳化實體 AI 與機器人機隊，再部署到實際設施的Omniverse Blueprint。
先進的倉庫和工廠使用由數百個自主移動機器人、機械手臂和人型機器人組成的機隊，與人類一起工作。隨著感測器和機器人自駕系統越來越複雜，需要在模擬環境裡進行協調訓練，以最佳化營運，幫助確保安全和避免作業中斷。
Mega為企業提供NVIDIA加速運算、AI、NVIDIA Isaac及NVIDIA Omniverse技術的參考架構，以開發和測試數位孿生，用於測試驅動機器人、影片分析AI代理、設備等的AI驅動機器人大腦，以處理這些極為複雜又規模龐大的作業。新框架可為實體設施帶來軟體定義的功能，以持續進行開發、測試、最佳化與部署等作業。
透過使用由Mega驅動的數位孿生，當中包括協調所有機器人活動和感測器資料的世界模擬器，企業可以持續更新設施的機器人大腦，以聰明地規畫行進路線和執行任務，提高運作效率。
這個藍圖使用 Omniverse Cloud Sensor RTX API，使機器人開發人員能夠同時渲染來自工廠中任何類型智慧機器的感測器資料，以進行極為逼真的大規模感測器模擬。這麼一來便能使用NVIDIA Isaac ROS軟體在軟體迴路（SIL）管道中的合成資料，在數位孿生內產生不限數量的情境中進行測試機器人。
採用感測器模擬方式提高運作效率。
供應鏈解決方案公司凱傲集團（KION Group）與埃森哲（Accenture）及NVIDIA合作，率先採用Mega來改善零售、消費品、包裹服務等領域的營運。
NVIDIA創辦人暨執行長黃仁勳在CES大會的舞台上展現這項合作的未來，介紹企業如何利用Mega Omniverse Blueprint駕馭複雜的決策網路。