NVIDIA Omniverse NuRec和SimOne4.0构建物理AI时代的仿真基础设施

近日，丽台科技联合智猩猩策划推出的「2026 智猩猩公开课 NVIDIA 物理 AI 仿真专场」顺利完结，主题为《构建物理 AI 时代的仿真基础设施 —— NVIDIA Omniverse NuRec × SimOne4.0：重建、生成与闭环仿真的产业落地》。

NVIDIA 汽车行业开发者关系经理李博和 51Sim CEO 鲍世强以对谈形式，围绕物理 AI 时代需要怎样的仿真体系、真实数据如何进入仿真闭环、NuRec & SimOne4.0 最新功能，以及 OEM 量产落地最佳实践4大核心议题，深入探讨了从真实数据重建、仿真生成，到模型训练与量产验证的完整链路。

金句摘要

NVIDIA汽车行业开发者关系经理 李博

NVIDIA Omniverse NuRec 已不是概念演示，而是已经进入辅助驾驶开发流程的关键基础设施。

NuRec 是把真实路测数据，转换成高保真、可渲染、可扩展神经场景资产的引擎。

在端到端和世界模型时代，闭环仿真正在从“辅助工具”变成“主战场”。

中国辅助驾驶技术栈正在从两段式端到端，一段式端到端，快速走向 vision 和 reason 更强的 VLA WAM 的世界模型/因果链推理模型为基础的端到端系统。

辅助驾驶开发不只是模型本身,而是围绕真实数据重建、场景生成、闭环训练、评估和部署的一整套可执行工作流。

51Sim CEO 鲍世强

中国辅助驾驶行业更多参与者仍停留在以传统数据闭环和开环仿真为主的阶段。

端到端时代，真正决定系统表现的是闭环行为。

真实路测不会消失，但它的角色会从“主要发现问题的地方”，逐渐变成“对仿真结果做抽样验证的地方”。

神经重建的价值是它第一次让“真实”和“闭环”在同一个场景里同时成立。

端到端和更强的推理型驾驶系统会成为主流方向。

专场回顾

本次对谈围绕“数据驱动闭环仿真”展开。

两位嘉宾首先从行业发展现状出发，指出中国辅助驾驶行业在闭环仿真上呈现“方向高度一致、成熟度差异显著”的态势：少数头部团队已在自有数据池内形成高强度闭环，构建统一场景库和世界模型，将大部分版本迭代、策略优化和安全验证迁至闭环仿真中完成，仅以少量真实路测做抽样确认；而更多参与者仍停留在传统数据闭环和开环仿真为主的阶段。

51Sim CEO 鲍世强表示，通过与一线辅助驾驶团队的接触发现，行业真正匮乏的是复杂路口、特殊天气、稀有交互、极端干扰等高价值场景数据的稳定供给。团队普遍希望，车队数据能够尽快转化为可复跑、可编辑、可扩展、可比较的闭环场景资产。

针对这一需求，NVIDIA NuRec 基于神经重建（3D 高斯）技术，不仅实现了高质量的场景重建，更重要的是重建后的场景能直接嵌入企业开发流程——支持改变传感器位置、调整视角、生成场景变体、开展闭环测试和训练数据增强等操作。

这些能力已不再是实验室概念：理想汽车、千里科技、元戎启行等头部客户已规模化使用，每天可生成超过1000个重建场景和30万次渲染与仿真任务。

对谈中，两位嘉宾还明确区分了开环仿真、闭环仿真和真实路测的定义，并指出在端到端时代，真正决定系统表现的是闭环行为。因为随着 AV2.0、AV3.0 技术栈走向感知、决策、控制的高度耦合，许多问题只有在闭环中才会暴露——策略震荡、博弈失效、长尾误判被放大。在此背景下，闭环仿真正从辅助工具升级为核心基础设施，而 NuRec 恰恰提供了具有真实世界风格的神经场景这一关键输入，让“真实”与“闭环”首次在同一个场景中同时成立。

为将这套能力落地，51Sim CEO 鲍世强结合其新一代辅助驾驶仿真平台 SimOne4.0 与 NVIDIA NuRec 的产品级融合，详细描绘了一条从车队数据到闭环验证的完整流水线，包含五大步骤：第一步，SimOne 对车队新采集的数据进行筛选、聚类和价值判断；第二步，从中选出优先级高的场景，用 NuRec 批量重建成神经场景资产；第三步，SimOne 对这些场景进行管理、变体扩展、测试用例编排和闭环执行；第四步，辅助驾驶堆栈在这些场景中反复跑闭环，完成版本回归、策略优化和问题定位；最后，将表现更成熟的版本带回真实路测，做有限抽样验证。通过上述流程，辅助驾驶团队能够实现从“采集即归档”到“采集即可仿真”的升级。通过与 SimOne 的产品级深度融合，让 NuRec 从底层技术，真正融入车企研发流程，实现规模化工程落地，这也是 51Sim 与 NVIDIA 合作的核心价值所在。

同时，两位嘉宾也指出，闭环仿真目前仍面临世界模型一致性和闭环指标一致性两大挑战。不过，随着神经重建、统一渲染和工程优化的成熟，世界模型一致性问题正变得越来越可控；而闭环指标一致性才是当前真正令辅助驾驶团队头疼的难题——一旦系统进入闭环，微小的输入差异可能被不断放大，最终表现为明显不同的车辆行为。因此，当前闭环仿真的核心问题已不再是“世界像不像”，而是“在相同前提下，系统跑出的行为是否足够稳定、差异是否可解释”。

面向未来，两位嘉宾为中国辅助驾驶团队提出了三步建议：先选取高价值场景做 PoC 验证；再在内部建立“场景工厂” KPI （如新增可仿真场景数、场景复用率、仿真先于路测发现问题的比例等）；最后将 NuRec 接入现有数据和仿真平台，小步快跑，持续迭代。

-图片由 Agility提供。

*与 NVIDIA 产品相关的图片或视频（完整或部分）的版权均归 NVIDIA Corporation 所有。