AI 智能体进仿真开发了

最近看到 NVIDIA 在推一个方向，让开发者用自然语言指挥 AI 智能体去搭仿真应用，底层靠 Omniverse 的 GPU 物理、渲染和传感器模拟能力。说白了就是把「组装资产、连物理和渲染、验证场景」这套苦活交给模型先跑一遍，人只负责审结果和调方向。

我比较在意的是它举的仓库自动化例子：现场扫描里货架和机器会把建筑结构挡得七七八八，传统做法得人工一点点补模型。现在用 real-to-sim 工具加智能体技能，能把真实扫描转成可编辑的起始环境，这个环节对做物理 AI 仿真的团队来说确实是刚需。不过我的判断是，短期内别指望一句话就出可交付场景。智能体擅长的是批量试错和重复劳动，比如补结构、跑参数、查失败原因；但场景是否「合理」仍然要靠懂业务的人把关，仿真里一个碰撞体设错，后面训练出来的策略全是歪的。另一个值得留意的点是工作流的变化。以前仿真工程师的价值在会调工具，以后可能更偏向会描述问题、会验收结果，工具链本身被模型包了一层。对中小团队是好事，门槛降了；对大厂来说，竞争点会挪到资产库和场景数据的积累上。整体看这是「AI 帮人做仿真」往「AI 替人跑仿真」过渡的一步，方向对，但落地还得看真实项目的返工率。我打算先拿一个仓库布局的小场景试试水，看看智能体补出来的结构到底能不能直接用。