当AI芯片业务的增长神话席卷全球，英伟达在两年内完成了从“巨头”到“霸主”的跃迁——2023年前九个月275亿美元的营收，到2024年同期飙升至近1480亿美元，这样的增速在科技行业史上堪称绝无仅有。但站在业绩巅峰的黄仁勋，却选择将赌注押向了一个完全陌生的战场：机器人与制造业，而承载这一野心的核心载体，便是Omniverse平台。没人能想到，这个被寄予“下一个CUDA”厚望的战略级产品，不仅未能复刻成功，反而让一向温文尔雅的黄仁勋屡次“破防”，上演了一场从高光开局到近乎崩盘的战略溃败。
Omniverse的登场曾自带“梦幻滤镜”。2021年GTC大会上，黄仁勋亲自为其站台，将整场演讲的开篇与收尾都留给了它，反复强调其战略核心地位。在他的构想中，这个平台将成为英伟达切入50万亿美元制造业与物流业市场的“金钥匙”;即便到了今年拉斯维加斯消费电子展，他仍在向外界讲述这个“万亿美元级机会”，西门子CEO、敏捷机器人CTO等重量级嘉宾的站台，更让Omniverse的前景显得一片光明。但光鲜表象下，是难以掩盖的尴尬现实：四位现任及前任英伟达员工证实，历经四年深耕，Omniverse业务几乎毫无实质性进展。
这份“毫无进展”，藏在客户的冷漠与开发者的吐槽里。尽管英伟达对外公布了一串星光熠熠的合作名单——宝马、西门子、富士康、波士顿动力均在列，但真正签约使用Omniverse Cloud服务器进行大规模模拟的企业寥寥无几。对于开发者而言，Omniverse更像是一款“半成品”：场景构建工具难用、频繁崩溃、功能残缺成为普遍抱怨。软件开发者Valentin Forager的经历颇具代表性：他的公司用Omniverse创建虚拟零售货架时效果尚可，但当尝试在同一环境中模拟人类行为时，平台直接崩溃。“只要稍微超出常规操作，这东西就彻底失灵”，而当他在英伟达赞助的活动中向官方反馈问题时，得到的回应竟是“Omniverse尚未准备好满足此类需求”，并被建议转用竞争对手Unity的软件。
客户与开发者的失望，最终转化为黄仁勋对团队的怒火。2023年的一次全体会议上，他直接质问Omniverse负责人、副总裁Rev Lebaredian“团队是否赚到了钱”;当得知宝马与英伟达合作后，实际使用Omniverse的规模远小于预期时，更是怒不可遏。更让他爆发的是，当Omniverse团队在电话会议中请求增员开发新产品时，黄仁勋用整整一个小时训斥团队，指责他们浪费工程师时间，直言“现有人员已足够”。在多次内部会议中，他反复表达不满：团队将大量精力投入到受控环境下表现良好的演示中，却从未将任何一个演示转化为可落地的实际产品——从多人协作3D建模工具，到流媒体软件概念，再到汽车模拟程序，全都是“纸上谈兵”。
黄仁勋的愤怒背后，是Omniverse难以逾越的技术鸿沟。他对Omniverse的构想极度宏大：用一套场景模拟物理世界所有可能的运动与变化，但现实是，物理世界的复杂程度远超工程团队的掌控。从技术层面看，Omniverse的困境集中在三大核心难题上：首先是柔性物体模拟，机器人抓取衣物时，布料的每一处褶皱、扭曲都涉及复杂的非线性物理计算，Omniverse需要实时处理成千上万个网格点的变形、摩擦力与张力分布，难度呈指数级上升;其次是液体模拟，流体动力学方程本身就是物理学难题，要在毫秒级完成实时计算，对算力的要求达到惊人级别;最后是管线模拟，汽车制造中的线束等组件兼具柔性与刚性约束，运动中易弯曲、缠绕、打结，若无法精准模拟，虚拟环境中训练的机器人技能便无法迁移到真实世界。
基于Omniverse构建的开源应用Isaac Sim，更直接暴露了这些短板。多位机器人公司联合创始人直言，这款工具仅在训练机器人行走、自主移动时有用，在操纵衣物等复杂物体时几乎失效。更关键的是，Omniverse“通用模拟”的核心设想本身就存在逻辑漏洞——实际应用中，针对特定场景的定制化模拟才最高效，通用模拟反而形同虚设。不同行业的模拟需求存在本质差异：机器人模拟与汽车模拟逻辑迥异，工业设备模拟又有专属规则，每个领域都有独特的物理特性、精度要求与应用场景，想用一套框架满足所有需求，最终只会“面面俱到，面面不到”。这也解释了为何特斯拉等企业宁愿自建模拟软件，也不愿采用英伟达的产品——在机器人行业早期阶段，核心玩家都倾向于掌握技术自主权。
为了弥补短板，英伟达试图通过投资“曲线救国”。它向多家数字孪生、模拟服务初创公司注资，希望借此洞察客户需求，推动这些公司基于Omniverse构建行业专属服务;2024年12月，更是宣布向半导体设计软件巨头Synopsys投资20亿美元——后者此前以350亿美元收购Ansys，手握大量模拟真实物理行为的软件。但一位获英伟达投资的初创公司CEO直言：“外界低估了构建这些模拟所需的领域知识与资源，这需要漫长时间。Omniverse并非完整应用，只是一个面向开发者的横向开放平台”。这句话点出了Omniverse的核心困境：作为底层平台，它需要大量上层应用填充生态;但自身的不稳定性与残缺性，又无法吸引开发者投入资源，陷入“鸡生蛋还是蛋生鸡”的死循环。
竞争对手的围剿，更让Omniverse雪上加霜。曾打造《精灵宝可梦GO》的Unity Technologies，如今推出场景与物体生成工具，为客户提供虚拟环境设计、测试与机器人训练服务，凭借深厚的图形渲染积累与优质用户体验抢占市场;开源机器人模拟器Gazebo则依托OpenRobotics的非营利属性，获得社区广泛支持。英伟达高管始终将Omniverse比作早期的CUDA，认为长期投入终将收获回报——Rev Lebaredian就曾表示，“如同我们用十多年时间让CUDA革新深度学习，Omniverse正在成为开启‘物理AI’这个加速计算新蓝海的基础软件”。但两者的市场环境天差地别：CUDA推出时，深度学习的潜力已在学术界显现，只是缺乏适配的工具与硬件;而Omniverse面对的是分散、多元的市场，多数工业制造商既无专业知识，也无资金投入这项技术。行业人士坦言，英伟达或许“超前于时代”，试图创造一个尚未存在的市场，却没人知道自己需要这个市场。
Omniverse的挫折，早已超越单一产品线的得失，触及英伟达的战略根基。过去二十年，英伟达从显卡制造商蜕变为AI时代基础设施提供者，核心秘诀并非只卖硬件，而是构建了以CUDA为核心的生态系统——开发者用CUDA编写的代码仅能在英伟达GPU上高效运行，这种“锁定效应”筑起了深厚的护城河。Omniverse承载的正是复刻这一成功的野心：黄仁勋希望让所有企业在构建实体前，先通过Omniverse模拟机器人、车辆与工厂，进而推动英伟达芯片的采购，就像如今AI模型训练与运行对GPU的依赖一样。一旦成功，英伟达将在制造业、物流业、机器人产业复制AI领域的霸权，通过软件生态牢牢绑定客户;但如果失败，代价将是失去定义下一代技术范式的机会，从“生态制定者”退化为“纯粹硬件供应商”。
这个风险正在加速显现。当特斯拉等企业选择自建模拟系统，本质上是在拒绝英伟达的软件生态——它们或许仍会购买英伟达GPU，却不会被其软件栈锁定。这意味着，一旦AMD、英特尔或AI芯片初创公司推出性能相当的产品，客户的迁移成本将大幅降低。更致命的是，失去软件生态的“触角”，英伟达将丧失对技术趋势的洞察力：在AI领域，它通过CUDA深度参与模型训练、推理、部署全环节，得以提前感知趋势、调整硬件架构;但在物理AI与机器人领域，若客户都使用自建软件栈，英伟达将彻底失去这种战略主动权。
黄仁勋显然深谙其中利害。他将一双儿女都安插在Omniverse部门：女儿Madison担任营销团队高级经理，儿子Spencer出任机器人产品经理——这份“家族式布局”的背后，是难以掩饰的战略焦虑。熟悉英伟达业务的人士透露，黄仁勋对Omniverse在大企业中推广缓慢的现状愈发不耐烦，而问题的核心在于，他试图在碎片化的市场中强行建立统一标准。制造业、物流业、机器人产业各有专属技术积累、工作流程与痛点，横向平台若想满足所有需求，要么做得极度底层(抬高开发者门槛)，要么堆砌上层应用(违背CUDA“简单易用”的核心逻辑)，两者都难以行得通。
时间更不站在英伟达这边。机器人产业正处于快速发展的关键窗口期，各类技术路线不断迭代，当前主流玩家选择的软件栈，很可能成为未来十年的行业标准。若Omniverse无法在此时确立优势，后续再想突围将难上加难。更令人担忧的是，这场挫折可能动摇英伟达在新兴领域的布局信心——公司在自动驾驶、医疗影像、科学计算等多个方向均有投入，若管理层因Omniverse的失利对“软件生态战略”产生怀疑，或将影响整体战略执行。
当然，现在断言Omniverse彻底失败还为时尚早。Rev Lebaredian在声明中提到，主流云服务提供商正在为Omniverse搭建专属模拟基础设施，机器人与汽车企业也在利用其框架开发下一代自主机器。市场需求真实存在，只是爆发的时间点尚未明确。但不可否认的是，黄仁勋的焦虑并非多余——在科技行业，定义生态与标准的企业，总能收获远超硬件本身的利润，微软、谷歌、英伟达自身的崛起，都是最好的证明。而生态的建立，需要技术突破、市场时机与执行力的完美契合。Omniverse当前的困境恰恰说明，这一次，英伟达面临的挑战远比想象中更加艰巨。
本文来自微信公众号：字母AI，作者：苗正，题图来自：视觉中国