洞悉 Omniverse：利用合成資料與微調提升視覺 AI 智慧體精準度的三大工作流
為何重要
文章揭示了在「物理 AI」趨勢下，合成資料與微調已成為解決現實場景資料稀缺與模型泛化差的關鍵戰略，證明瞭 AI Agent 從單純推理轉向深度產業工作流整合的商業價值。這有助於開發者與企業跳脫傳統訓練範式，透過可複用藍圖加速實務落地。
視覺 AI 智慧體正將物理世界的資料轉化為營運洞察，NVIDIA 透過整合 OpenUSD 與 Metropolis 的 Skills 和藍圖，提供從合成資料生成、微調到部署的完整解決方案。
- 透過 NVIDIA 缺陷影像生成技能與 Cosmos 模型，僅以 8 張真實缺陷圖訓練的康寧模型達到 95% 平均精度，將原本需耗時數季的專案縮短為數天。
- Linker Vision 在高雄應用 VSS 藍圖與 Omniverse 數位孿生，成功將智慧城市事件的開發工時減少 85%，並將回應時間縮短 80%。
- DeepHow 在 NVIDIA Grace Blackwell Ultra 生產線使用該生態系進行 SOP 驗證，實現關鍵步驟 99% 任務級準確率，並將一次交驗合格率提升 3%。