NVIDIA 以 nanousd-labs 將 AI agents 定位為通往輕量 OpenUSD runtime 的更快路徑

NVIDIA 正透過一個新的 Omniverse Labs 專案主張，AI agents 能幫助開發者建立更小、針對工作負載的 OpenUSD runtime，而不必從大型既有 legacy 實作開始。在 NVIDIA Developer Blog 的一篇文章中，該公司介紹了 nanousd-labs，這是一項實驗性計畫，會直接根據正式的 USD Core Specification 生成輕量 USD runtime。

眼前的消息並不是一項重大商業產品發布。這是一項方法論上的主張，並由一個可運作的原型支撐，說明 AI coding 系統如何把標準轉化為軟體。NVIDIA 表示，這種方法對於正在打造 physical AI 系統、需要 USD 支援但不想承受完整既有堆疊所帶來的記憶體占用、ABI 選擇或效能取捨的團隊，可能相當重要。若在實務上可行，這將為機器人、模擬與工業軟體團隊提供另一條進入 OpenUSD 的路徑，而不必只依賴採用大型預建 codebase 或手動實作標準。

NVIDIA 實際推出的是什麼

根據 NVIDIA 的說法，nanousd-labs 是 NVIDIA Omniverse Labs 的一部分，後者是該公司一系列開放的實驗性專案。這個專案源自內部 hackathon，其定位較不像一個完成的 runtime 平台，更像是證明 AI agents 能把 Alliance for OpenUSD 規格轉譯為能通過由規格衍生測試的程式碼。

這個名為 nanousd 的實作，被描述為 USD 資料模型的獨立 runtime，而非渲染器。NVIDIA 表示，它可以解析、組合、查詢並寫入 USD 場景資料，但不包含圖形輸出。公司也表示，nanousd 以 C++ 實作，卻提供穩定的 C ABI，因此客戶端應用可以鎖定固定介面，同時替換底層後端。

這個區別很重要。NVIDIA 並不是在宣稱要取代完整 OpenUSD 環境的所有部分。相反地，它聚焦在資料層：決定 USD 場景如何載入、解析與跨 layer 表現的規則。對只需要這個子集的團隊來說，更輕量的 runtime 可能更容易嵌入客製工具、無頭服務、機器人堆疊或受限的 edge 環境。

公司表示，開發者可以直接建置並使用 nanousd，也可以把同樣的 agent-driven 流程套用到自己的堆疊上。NVIDIA 也提到 nanousd-python，作為想要以 Python 存取生成 runtime、又不需要 GPU 的團隊的更簡單入口。

為什麼 USD Core Specification 是這項主張的核心

更大的論點建立在 OpenUSD 本身日益正式化的基礎上。NVIDIA 表示，由 Alliance for OpenUSD 維護的 USD Core Specification 具備足夠的機器可讀性與精確度，可作為人類與 AI agents 都能依循實作的契約。

這是一個微妙但重要的轉變：把標準從「文件」看待，轉向把它當成可直接用於產生與驗證程式碼的規格。在 NVIDIA 的詮釋中，標準不只是工程師閱讀和解釋的東西，而是程式碼生成與驗證的直接輸入。agents 會讀入規格中的章節，為所需行為產生程式碼，並反覆迭代，直到輸出通過同一份標準衍生出的測試。

NVIDIA 表示，這讓開發者能在不同限制條件下重建 runtime，例如語言、記憶體預算或效能目標，同時仍朝向符合規格前進。公司把這視為另一種選擇：當產品團隊需要不同的 footprint 或 ABI 時，不必每次都修改大型 upstream 實作。

對 AI 建構者而言，這個意義不只在 USD。若形式化規格能被轉化為可重複的 spec-to-code 流程，基於標準的基礎設施可能會更容易客製化，而且不會那麼快碎片化。這正是 NVIDIA 想用 OpenUSD 來展示的願景。

AI agents 的角色在哪裡，以及不在哪裡

NVIDIA Developer Blog 明確指出，這不是完全自動化的軟體生成。公司表示，工程師仍然做出了關鍵的架構與效能決策，而 agents 則處理較機械性的工作，例如解析、場景組合，以及跨 layer 的值解析。

這個限制很重要，因為它讓這項主張站得住腳。NVIDIA 並不是說 agents 能夠從零開始自主設計並最佳化 production runtime。它的意思是，當正式規格已經清楚定義正確行為時，agents 可以加速實作中的那一部分工作。

換句話說，更困難的系統問題仍然由人主導。要公開哪個 ABI、記憶體如何管理、哪些取捨對特定產品是可接受的，以及如何針對部署目標調校 runtime 行為，這些依然是工程選擇。agents 的幫助在於更快產生符合規格的積木；它們無法取代系統設計的需要。

這種分工大概是這次公告中最可信的部分。AI coding 工具通常在重複性的轉譯、搭建骨架與 test-driven 反覆改進上，比在做穩定的平台架構決策上更強。NVIDIA 對 nanousd-labs 的描述正符合這個模式。

這對 OpenUSD 與 physical AI 工作流程可能意味著什麼

NVIDIA 直接把這個專案與 physical AI 連結起來。在這個領域中，OpenUSD 越來越被定位為一個場景描述層，用來結合 CAD 資料、模擬資產與真實世界遙測。在這類工作流程中，團隊可能需要在模擬服務、機器人軟體、數位孿生系統或資產管線中支援 USD，而不想載入完整、以圖形為主的 runtime。

穩定的 C ABI 是這個故事的核心。NVIDIA 表示，客戶端程式碼可以先對共同 API 編譯一次，之後在執行時載入不同的後端。原則上，這代表團隊可以在一個部署中對 OpenUSD 測試某個介面、在另一個部署中對 nanousd 測試，或比較多個實作，而不用重寫應用程式邏輯。

對企業買家與產品團隊來說，實際問題是這是否能降低整合成本並提高部署適配性。如果輕量 runtime 能被重新生成以符合更嚴格的記憶體或封裝限制，它就可能對嵌入式系統、類 serverless 的資料服務，或需要 USD 語意但不需要完整 upstream 相依鏈的內部工具更具吸引力。

對建構者而言，這也暗示了一種新工作流程：不只是用 AI agents 寫應用程式碼，而是從標準生成基礎設施元件並持續驗證。這比 autocomplete 更進一步，也更符合那些想要組裝專門 AI 管線，而非一般網頁軟體的公司需求。

不過，這仍然是一個透過 NVIDIA Omniverse Labs 發布的早期專案，而不是具有公開企業參考案例、廣泛採用的 production runtime。

證據、界線與供應商主張

這則報導中最強的主張都來自 NVIDIA 自身的素材。本組兩個來源都由供應商控制，而最詳盡的證據就是 NVIDIA Developer Blog 的文章。現有提供的證據中沒有獨立 benchmark、客戶案例研究或第三方驗證資料。

不過 NVIDIA 也提供了有用的界線。公司表示，目前還沒有涵蓋整份規格；同時，記憶體與效能細節仍在探索中。這些保留很重要，因為它們顯示 nanousd-labs 是一個真正的工程實驗，而不是已完成的 OpenUSD 既有實作替代品。

對相容性的敘事，也最好理解為方法論上的說法，而不是已在整個生態系統層級被徹底證實。NVIDIA 表示，nanousd 是用從 USD Core Specification 衍生的測試套件進行驗證，且相容性已內建於流程之中。這是合理的工程方法，但對於評估互通性、邊緣案例與長期維護的買家來說，外部驗證仍然很重要。

同樣地，NVIDIA 關於在固定介面下可交換後端的說法，是一項有意義的架構主張，但這裡的證據並未量化效能差異、相容性廣度或 production hardening。公司也明確表示，重點不是要宣稱某個實作比另一個更快。

對建構者與企業團隊的意涵

對使用 OpenUSD 的開發者來說，短期價值與其說是取代既有 runtime，不如說是降低實驗成本。如果 nanousd-labs 能快速產生更小、與規格一致的元件，團隊就能在不立刻承諾沉重整合路徑的情況下，原型化客製 importer、資料服務或無頭場景處理器。

對企業 AI 團隊，特別是從事機器人、模擬與工業數位孿生的團隊而言，吸引力在於可控性。一個以已知 ABI 與較窄功能集為中心的 runtime，可能更容易被認證、封裝或嵌入既有軟體資產。NVIDIA 將 nanousd 定位為資料層而非渲染堆疊，讓這種定位更清楚。

對 AI 工具建構者來說，更廣泛的含意是：形式化標準可能成為比大型、未文檔化 codebase 更好的 AI 輔助開發基礎。當標準是明確、版本化且可測試時，agents 擁有更清楚的目標。這可能推動更多基礎設施專案走向 spec-first 開發，而非 implementation-first 的鎖定。

但也存在競爭意味。NVIDIA 一直重金投資 Omniverse 與 OpenUSD，將其視為 physical AI 的基礎層。透過展示 AI agents 能夠協助生成圍繞該標準的合規基礎設施，NVIDIA 強化了這個觀點：OpenUSD 不只是檔案格式或 scene graph，而是面向更廣泛 AI 與模擬系統的可程式化介面層。

接下來要觀察什麼

下一個值得觀察的訊號，是 nanousd-labs 隨時間能覆蓋多少 USD Core Specification。NVIDIA 已經表示覆蓋並不完整，因此擴大有測試支持的範圍，會比最初原型本身更具意義。

第二個訊號是外部開發者是否透過 NVIDIA Omniverse Labs 參與，或是經由 Alliance for OpenUSD 及其 Core Spec Working Group 的工作，帶來更廣泛的社群驗證。對互通性的獨立回饋，會比供應商的熱情更重要。

第三，值得注意 NVIDIA 是否會公布關於 footprint、封裝或部署彈性的具體比較，而不只是原始速度。對輕量 runtime 而言，這些因素可能比 benchmark 更重要。

最後，更大的策略問題是這種模式是否會擴散：不只是 OpenUSD，還有其他由標準驅動、並由 AI agents 生成與維護的基礎設施。如果這真的發生，圍繞規格、測試合成與合規自動化的工具，可能會成為企業 AI 工程中更重要的一個類別。

Creati.ai 觀點

這則公告最有趣的地方不是 nanousd 本身，而是 NVIDIA 試圖把 AI agents 重新定位為標準實作工具，而不只是 coding assistants。這比許多自動化編碼的炒作更狹窄、也更有紀律，因此也可能更耐久。

對建構者而言，這個教訓很實際：當目標行為是明確、可測試且有邊界時，AI agents 才最有用。OpenUSD 為 NVIDIA 提供了一個很好的展示舞台，因為 USD Core Specification 夠正式，可以充當契約。如果這個模式成立，我們可能會看到更多基礎設施團隊使用 agents，來圍繞成熟標準生成適配器、runtime 與合規層，而不是把開放式架構完全交給它們。這不會消除人類工程的必要性，但可以在 physical AI、OpenUSD 與 NVIDIA Omniverse 等領域，大幅壓縮從規格到可部署軟體的路徑。