正如黄仁勋所说，Omniverse 是全球最大的数字孪生和物理仿真平台，能够协同多领域资源优化工业场景。

MetAI  （宇见智能）成立于 2023 年，公司开发了一种模型，可以使用 AI 和 3D 技术快速生成“SimReady”（可模拟）数字孪生，只要几分钟就可以将 CAD 2D 文件转换为功能性的 3D 环境，而其他方法需要大约 300 小时，其成果正也印证了黄仁勋所描绘的未来场景 —— 数字孪生将成为工业 AI 发展的核心驱动力。

英伟达同时也是 MetAI 的首轮 400 万美元种子轮投资方之一，这也是英伟达首次投资台湾初创公司，其他投资方还包括 Kenmec Mechanical Engineering、Solomon Technology、SparkLabs Taiwan、Addin Ventures 和 Upstream Ventures。

MetAI 的愿景是希望通过数字孪生、合成数据以及生成式 AI 模型，无论是针对瑕疵检测、智慧工厂还是解决方案验证，MetAI 能够有效模拟，大幅改善现有人力成本的浪费，缩短验证时间，并且通过生成式 AI 的导入，提供出更佳的解决方案。

Met AI 创始人&CEO Daniel Yu（右一）拥有超过 8 年在金融与创新产业领域的丰富经验，专注于通过 AI 和 3D 协同技术推动产业升级。他曾深耕 XR 和 Web3 相关领域，并管理国际团队，现致力于将 AI 与产业创新相结合，创造更多产业转型的机会。

联合创始人&CTO Renton Hsu（中间）是数位孪生和合成资料领域的权威专家，同时担任 NVIDIA Jetson AI 大使，专注于 AI 和 3D 领域的前沿技术开发。他致力于通过整合尖端技术，打造独特的生成式模型，以推动制造业和工业流程的数字化转型和效率提升。

另一位联合创始人&COO Dave Liu（左一）拥有 17 年投资及 7 年创业经验，专注于新趋势及产业价值挖掘。他曾任职于 T3 Trading 和 KGI 证券，后转向创新创业，尤其在 FinTech 和 AI 产品领域有深厚积累，目前专注于科技创新投资与管理。

MetAI CEO&联合创始人 Daniel Yu（余泰万）表示，2025 年下半年将扩大团队并迁移总部至美国，今年预计将从一个合作项目中获得 300 万美元的收入，主要结构包括项目收入、产品订阅以及许可费。

黄仁勋在 CES 上提到，Generative AI 正在向 Agentic AI 以及 Physical AI 演变，Physical AI 依靠物理上精确的模拟环境来训练和验证自主系统中使用的机器人，以便在部署之前构建可操作的 AI。

Daniel Yu 表示，数字孪生一直被视为 Physical AI 的进入壁垒，因为开发它需要数月甚至数年的努力。

MetAI 专注于为先进半导体工厂、智能仓库和自动化量身定制的 AI 数字孪生。MetAI 的 Blueprint 框架，充分利用了 Omniverse 的物理仿真能力，为自动化仓库和工业数字化设计了全新的解决方案。

通过将 CAD 文件快速转换为可模拟环境，MetAI 彻底改变了数字孪生的开发模式，将数月的开发时间缩短到几分钟。这种突破不仅降低了行业进入门槛，更加速了数字孪生在智能仓库和先进半导体工厂中的应用。

此外，黄仁勋在 CES 中也强调生成合成数据是 AI 模型快速迭代的关键技术，MetAI 也支持在 AI 数字孪生环境中生成合成数据。

✦ 最“新”活动 ✦

1、本周六 1 月 18 日下午，RTE 开发者社区将在深圳举行一场「Voice Agent + 硬件」专场交流活动，诚邀开发者以及创业者共同参与，活动同时也将提供线上直播以及提问交流机会。

本期活动，RTE 社区特别邀请了来自讯飞、闪极科技、MiniMax、声网、TEN 等项目的开发者和专家来分享经验和见解，主题领域覆盖 IoT、AI 眼镜、RTC、voice agent 构建框架、ESP32 等话题。

本次活动采用滚动录取的方式赠送线下门票。现开放报名，感兴趣的朋友请通过下方表格申请，审核通过后会有小助手通过微信联系，并告知具体活动地址。

Web 端也可直接访问网页报名：https://www.rtecommunity.dev/t/t_ECwAl6WsMSY79R。

2、由 Magineer 发起，本周六 18 号晚上 19 点，我们将在杭州举办一场 Meetup，欢迎有时间的朋友一起聚聚；下方扫码报名，为保证交流质量，名额有限，先到先得：

✦ 精选内容 ✦

王小川百川智能落地宁波！注册资本 1.5 亿美元，与高新区共建产业基金（最高两千万元资助，宁波 AI 产业大赛开启报名）

美国国家经济研究局：AI 普及是 PC/ 互联网同期 2 倍！将深刻改变劳动市场和生产力

a16z 合伙人预计，继续推动下一代模型，需要每个阶段增加 10 倍计算资源、10 倍电力和 10 倍数据