据 Gartner 指出，2024 年全球终端用户在所有 IT 产品上的支出将达五兆美元。这个产业虽然庞大，但相较于依赖原子移动的实体工业市场，仍然只是冰山一角。现今全球约有一千万间工厂、近 20 万个仓库及 4,000 万英哩高速公路，构成了实体世界的「运算」结构。然而，这些设施的设计、运营和最佳化仍然主要依赖人工，尚未迎来 IT 产业般的软体定义革命。
在仓储和配送过程中，作业人员需面对变数矩阵与设备、人员、机器人之间的相互依存关系。这些复杂的决策问题限制了效率提升的可能性。实体工业市场迫切需要一场以软体为核心的变革，以解决这些挑战。
NVIDIA 表示，先进的仓库和工厂内部，数百台自主移动机器人、机械手臂及人型机器人与人类协同工作。随著感测器和自驾系统的日益复杂，Mega 为企业提供了开发和测试这些机器人大脑的参考架构。透过 NVIDIA 的加速运算、AI 和 Omniverse 技术，企业能持续进行开发、测试、最佳化及部署作业，让实体设施具备软体定义的功能。
Mega 的数位孪生中包含一个世界模拟器，能协调所有机器人活动与感测器资料。这使企业可以更新机器人大脑的规划与执行能力，实现更高效的运作。Omniverse Cloud Sensor RTX API 提供逼真的大规模感测器模拟，让开发者能以无限情境测试机器人，并利用 NVIDIA Isaac ROS 软体进行训练。
供应链解决方案公司凯傲集团率先采用 Mega，与埃森哲及 NVIDIA 合作改善零售、消费品及包裹服务等领域的营运。NVIDIA 创办人暨执行长黄仁勋于 CES 大会展示了这项合作的未来，说明企业如何运用 Mega Omniverse Blueprint 驱动复杂的决策网路。
凯傲集团执行长 Rob Smith 表示：「我们与 NVIDIA 和埃森哲的合作，让仓储自动化进入新境界。透过智慧敏捷系统，未来的仓库将能应对几乎所有供应链挑战。」
凯傲集团运用 Mega 捕捉仓库的数位孪生，结合 NVIDIA Isaac 的虚拟训练环境，模拟并优化智慧摄影机、推高机和数位人类等设备的协作。这些模拟出的机器人能感知环境、推理任务并执行最佳化行动，循环模拟中不断进化。
埃森哲将 Mega 整合到其 AI Refinery for Simulation and Robotics 产品中，提供包括机器人模型训练、智慧人型机器人及工业制造模拟等服务。企业可透过数位孪生探索并实施最佳方案，应对如季节性需求或劳动力短缺等挑战。
埃森哲董事长暨执行长 Julie Sweet 表示：「我们正协助企业利用 AI 和模拟技术，重新设计新设施流程并最佳化现有营运。透过数位孪生，企业能快速调整策略，实现更高的价值。」
點擊閱讀下一則新聞
