銳碁資訊 JUI-CHI Information

PLM · INDUSTRIAL AI · VIRTUAL TWIN

達梭系統出席 NVIDIA GTC 2026：AI 驅動虛擬雙生如何推進工業 AI？

從 Industry World Models、Virtual Companions 到 agentic 3DEXPERIENCE，觀察 AI、虛擬雙生與 PLM 的下一步整合方向。

OFFICIAL EVENT · SAN JOSE · MARCH 16–19, 2026

重點不只是 AI 展示，而是工業知識如何進入可運作的虛擬世界

達梭系統官方活動資訊指出，公司於 NVIDIA GTC 2026 San Jose 場次，在 Industrial AI and Robotics Pavilion 的 1841 號展位展示 AI-powered Virtual Twins、science-validated Industry World Models 與 Virtual Companions。

EVENT

NVIDIA GTC 2026

2026 年 3 月 16日至19日，美國加州 San Jose。

DEMO

跨四類產業問題

生物、材料科學、工程與製造。

PLM VIEW

資料脈絡成為關鍵

AI 必須理解產品版本、需求、模擬及變更關係。

本文聚焦 2026 年 3 月 San Jose 場次，不與 2026 年 10 月 GTC Berlin 混用。官方現場展示及合作方向，不等同所有功能均已全面商用；實際能力、版本與供應方式應依最新產品文件確認。

01 · WHAT WAS SHOWN

從分子到工廠，六個展示方向指向同一件事

官方活動資訊列出 generative therapeutics、material optimization、physics behavior、generative production systems、AI factories at scale，以及 agentic 3DEXPERIENCE 等展示。雖然使用情境跨度很大，共同主軸都是把 AI 放進具備工業語意、科學模型與驗證條件的虛擬雙生環境。

Generative therapeuticsMaterial optimizationPhysics behaviorGenerative production systemsAI factories at scaleAgentic 3DEXPERIENCE
達梭系統與 NVIDIA 合作展示車身模擬、生物分子、虛擬工廠與 AI 基礎設施
官方圖片來源：Dassault Systèmes · NVIDIA GTC 2026 Media Alert。

02 · PARTNERSHIP ARCHITECTURE

達梭系統提供工業脈絡，NVIDIA 提供 AI 與加速運算基礎

兩家公司於 2026 年 2 月公布長期策略合作，將達梭系統的 Virtual Twin 技術，與 NVIDIA AI 基礎架構、開放模型及加速軟體函式庫結合。官方亦提到 OUTSCALE AI factories、NVIDIA Omniverse DSX Blueprint，以及 NVIDIA 採用達梭系統 MBSE 方法設計 AI factories 的方向。

PLM 資料、科學模型、NVIDIA AI 與虛擬雙生的工業 AI 架構示意
銳碁資訊依官方公開資料整理之概念示意；並非達梭系統或 NVIDIA 官方產品架構圖。

這類合作的價值不只是增加一個生成式 AI 介面，而是讓模型在工業情境中取得產品、製程與科學約束。不過，合作願景、平台整合與個別功能的正式可用性仍是不同層次，企業評估時必須逐項核對。

03 · VIRTUAL TWIN

AI 驅動虛擬雙生，不等於把一般數位分身加上聊天功能

層次主要內容需要的治理
產品與製程脈絡BOM、需求、組態、製程、變更與驗證結果。版本、權限、生命週期狀態及責任人。
科學與物理模型材料、結構、行為、模擬與生產系統的可計算表示。模型適用範圍、假設、校準與驗證證據。
AI 推論與生成探索候選方案、預測結果、協助搜尋及提出建議。資料來源、可解釋性、風險分級及人工確認。
正式工程流程核准後的產品定義、工程變更、發布及製造執行。變更控制、稽核紀錄及可回復的基線。

因此，AI 產生的結果應被視為待驗證的工程輸入，而不是自動成為正式產品定義。它能縮短探索與比較時間，但最終仍需要適用的物理驗證、品質規則與人員核准。

04 · INDUSTRY WORLD MODELS

Industry World Models 的重點是「有工業脈絡的模型」

達梭系統以 science-validated Industry World Models 描述結合科學、物理、虛擬雙生與產業知識的方向。這個說法強調模型應建立在可驗證的工業知識上，而不是只依文字機率生成答案。

對企業而言，science-validated 不應被解讀為所有輸出都天然正確。每個模型仍有資料範圍、適用條件、精度限制與驗收標準；一旦使用情境、材料、邊界條件或產品版本改變，就需要重新檢查模型是否仍適用。

05 · VIRTUAL COMPANIONS

Virtual Companions 要能行動，也要知道何時停下來

官方將 Virtual Companions 放在 agentic 3DEXPERIENCE 平台情境中，定位為能運用深度工業脈絡提供可執行資訊的協作方式。這比一般問答多了工程上下文與任務導向，但也提高權限、版本與責任邊界的重要性。

  1. 回答與建議應顯示使用的產品版本、資料來源及模型。
  2. 涉及 BOM、組態、需求或發布狀態的變更，必須進入既有核准流程。
  3. 高風險動作應設置人工確認、權限檢查與停止條件。
  4. 執行結果、使用者決策與後續修正應留下稽核紀錄。

06 · WHY PLM MATTERS

沒有可信的 PLM 資料，工業 AI 很難形成穩定閉環

大型語言模型可以整理文字，但工程決策還需要知道某份規格屬於哪個料號、哪個組態、哪個效期與哪次變更。PLM 與 Digital Thread 的價值，是將這些關係轉成可追溯的產品事實。

CONTEXT

正確的工程脈絡

把需求、BOM、模型、模擬與測試連到同一版本。

CONTROL

受控的變更流程

AI 建議先形成草稿，再依角色與風險核准。

EVIDENCE

可追溯的決策證據

保留來源、比較、驗證與最終採用理由。

這也是 AI＋PLM 工程資料治理 的核心：AI 不應繞過產品生命週期治理，而應在治理框架內協助人員探索、分析與執行。

07 · ENTERPRISE READINESS

企業導入前，先完成十項準備

  1. 盤點產品資料、BOM、需求、文件與模型的完整性。
  2. 確認版本、組態、成熟度及生命週期狀態定義一致。
  3. 建立模擬模型與實際產品、測試結果的追溯關係。
  4. 劃定 AI 可以讀取、分析及修改的資料範圍。
  5. 確認智慧財產、個資、出口管制及機密資料要求。
  6. 為 AI 建議訂定驗證、覆核與正式核准程序。
  7. 保留提示、資料來源、模型版本、操作及決策紀錄。
  8. 評估地端、雲端與混合部署的效能及治理條件。
  9. 從資料清楚、範圍有限且可量測的 PoC 開始。
  10. 設計錯誤隔離、人工接管、基線還原及停止機制。
導入評估應以實際版本的正式文件、展示環境與企業自己的資料測試為準；不要僅依活動簡報推定整合深度或商用成熟度。

08 · MARKET VIEW

從 GTC 2026 看見的，是 PLM 走向工業 AI 系統紀錄層

這次展示顯示，AI、科學模型、虛擬雙生與工業平台的界線正在重組。當 AI 開始參與設計探索、材料優化、物理預測與生產系統規劃，PLM 不只是文件庫，而是提供產品版本、工程關係與決策證據的可信資料基礎。

企業現在適合開始盤點與試點，但不代表應立即全面自動化。先建立資料治理、選定高價值情境、用實際資料驗證，再決定擴大範圍，會比單純追逐一項展示功能更有機會形成長期成果。

RELATED INSIGHTS

延伸閱讀

PLMPLM 從資料管理走向 Digital ThreadAI＋PLM工程資料治理與企業 AI 應用AI KNOWLEDGE企業 AI 知識庫與 RAGSOLUTIONPLM 解決方案MBSEMBSE 系統工程解決方案CONTACT預約顧問說明

FROM DEMO TO VALIDATED PILOT

把工業 AI 願景，轉成可驗證的 PLM 試點

從資料範圍、權限、追溯、驗證到人工核准，先建立能量測、能回復的小型情境，再逐步擴大。

預約顧問說明 ↗

OFFICIAL SOURCES

官方資料來源

資料查閱日期：2026 年 10 月 20 日。本文為產業與技術趨勢整理，不構成產品承諾、採購、法務或投資建議。