NVIDIA、AIファクトリーのデジタルツイン構築を支援するAIエージェントワークフローを公開

要点

• NVIDIAは、AIデータセンター「AIファクトリー」のデジタルツインを効率的に設計するAIエージェント支援ワークフローを発表した。

• 「NVIDIA Omniverse DSX Blueprint」と3Dオープン標準規格「OpenUSD」を土台とし、施設や設備の統合モデルを構築する。

• 図面や設計基準書、地形データなどをエージェントに入力することで、外観だけでなく寸法や工学要件に忠実なモデルを生成する。

• 自社本社ビル「Voyager」の意匠を取り入れた実証例を示し、シミュレーションと設計修正を迅速に反復できる開発体制を提示した。

• 米NVIDIAは2026年10月21日、AIモデルの学習や運用を担う大規模施設「AIファクトリー」のデジタルツイン設計に向けた、AIエージェント活用ワークフローを公式技術ブログで公開した。同社の「NVIDIA Omniverse DSX Blueprint」や3Dデータ規格「OpenUSD」を土台とし、設計データとAIエージェントを連携させて編集可能な施設モデルを迅速に組み立てる手法を提示している。シミュレーションと連動した反復設計を効率化できるという。

電力制約とAIファクトリー設計の難しさ

AIファクトリーのデジタルツイン（仮想空間上に現実の施設を高精度に再現するモデル）を構築するには、敷地計画や設備アセット、工学要件を一貫したモデルへ統合する必要がある。特に実環境では利用可能な電力量が固定されているケースが多く、計算機器の構成変更が設備の数量や配置、配電系統、冷却システム全体へ影響を及ぼす。設計代替案を比較し、専門チームからのフィードバックを取り入れるには、共通の設計データに基づく編集可能なワークフローが不可欠となる。

「Omniverse DSX Blueprint」とOpenUSDの採用

NVIDIAはこの基盤として、シミュレーション製品群「NVIDIA DSX Sim」に含まれる「NVIDIA Omniverse DSX Blueprint」を提供している。デジタルツイン開発に必要なリファレンス資産やサンプルスクリプトを包括したパッケージだ。

同ブループリントは、3Dシーンを記述・共有するオープン規格「OpenUSD」および「NVIDIA Omniverse」ライブラリ上に構築されている。開発者は、物理属性を持つ3Dアセット「SimReady」を活用して建屋や設備を組み立て、工学シミュレーションツールと接続できる仕組みとなっている。

画像頼みを脱し、工学的根拠を持たせるエージェント活用

同手法では、最先端のフロンティアAIモデルをエージェントとして活用する。しかし、外観画像やレンダリングだけをエージェントに与えた場合、見た目は整っていても寸法や比率が誤ったモデルが生成される恐れがある。実用に耐える設計案を得るには、エージェントへ明確な工学的コンテキストを与える必要がある。

そこで本手法では、ブループリントのリファレンス設計を起点に、要件定義書、図面、機器情報、敷地の制約条件を入力し、寸法確認や工学的レビューに耐えうる土台を整えている。

本社「Voyager」を着想元とした実証事例と5つの入力データ

技術ブログでは、同社サンタクララ本社ビル「Voyager」を着想元にしたAIファクトリーキャンパスの事例が紹介された。エージェントには以下の5種類のデータが供給されている。

• DSX 3Dモデル: データホール、ユーティリティ棟、変電所、発電機、冷却設備、車両、植栽などの基本形状。
• 建築リファレンス: Voyagerを多様な角度から撮影した写真。屋根、外壁ファサード、ソーラーキャノピー（太陽光パネル付きの屋根構造）、造園の造形に反映。
• 敷地計画（DSXリファレンスデザイン）: キャンパス全体の配置や第1フェーズの詳細（建物、道路、設備エリアなど）を記したPDF。
• 要件定義書: 建築図面、フォームファクタ検討資料、設計基準書（Basis of Design）、部屋別配置図などの文書群。
• 地理データ: 米国地質調査所（USGS）の航空写真と標高データ。敷地周辺の地形環境を正確に再現するために利用。

設計のトレーサビリティと反復サイクルの確立

これらの入力により、編集可能なOpenUSDキャンパスモデルが生成される。情報源と設計判断が明確に紐付いているため、配置や外観の根拠を元の図面や参照資料まで遡って追跡（トレース）できる。

開発者がツールを繋いでエージェントに変更を促し、エンジニアがその結果をレビューして次のシミュレーションへ反映させる。この反復プロセスにより、設計の妥当性を迅速に検証できると説明している。