英伟达开源工厂智能体蓝图 FOX：西门子已接入，称可省 20% 成本

在柏林 GTC 上，英伟达把面向制造业的野心落到了一个具体的代码仓库：工厂运营蓝图 FOX（Factory Operations Blueprint）已在 GitHub 上以早期访问形式开放，开发者可以据此搭建常驻的工厂管理智能体，以及视觉检测、根因分析、报告生成、设备群管理等专项智能体。

按英伟达博客的说法，这些智能体既能连接 Cosmos 与 Nemotron 等前沿模型，也能接入 CAD、PLM、仿真软件以及 IT/OT 系统这类基础性知识源，从而在真实工厂里持续监控运行、把视觉发现与设备日志对应起来排查问题，并协调响应动作。

一个关键技术细节是 Cosmos 的上下文学习：智能体可以靠示例与文档适配新场景，而不必做微调。这对工厂很实际——产线数据往往拿不出大规模标注集，产线本身也等不起一次训练周期。

西门子是第一个被点名的规模化案例。它把基于 FOX 构建的智能体接入 Intelligence Center X，用于定位根因与协调工厂运营，英伟达给出的估计是节省 20% 成本；其 Process Preparation X 智能体则用 Cosmos Data Factory 工具生成电路板检测所需的缺陷图像，在埃尔朗根电子工厂把检测流程的校准时间缩短了 40%。

设计与仿真一侧同步推进。英伟达宣布 cuDSS 正式可用，用于结构应力、流体流动、电磁场与半导体器件行为背后的密集计算；梅赛德斯-奔驰用西门子 Simcenter STAR-CCM+ 在英伟达 GPU 上比较整车气动方案，并用 Cosmos 3 与 Metropolis VSS 蓝图构建车辆检测与挡风玻璃装配验证的智能体。

芯片与航空领域的具体数字更能说明问题：imec 的 S-Litho 模型在英伟达加速计算上最高获得 40 倍加速，英飞凌用 Sentaurus Device 配合 CUDA 库把下一代功率器件的三维击穿仿真提速 12 倍，Leonardo 则与 Neural Concept 合作，用 Omniverse 库把机体几何与气动仿真结果放进同一个工作流。

数字孪生是另一半故事。奥迪用 Omniverse 库搭建电池产线数字孪生，在实体设备到位前验证生产方案，并与达索系统、Agile Robots 在 DELMIA 虚拟孪生中验证人形机器人与物流流程；舍弗勒把人形执行器数字孪生接入 Isaac 仿真框架，Wandelbots 用 NOVA 与 Isaac Sim 验证装配流程。

对制造业而言，真正的门槛不是模型能力，而是智能体能否同时获得 IT 与 OT 两套体系的信任。施耐德电气与 AVEVA 已经把同一套方法用到 AI 基础设施本身——为 Nscale 构建 AI 工厂数字孪生，让工程师在动土之前比较电力、制冷与设备配置；FOX 的开放程度与西门子案例的可复制性，将决定它是又一份蓝图，还是新的默认起点。