物理 AI 领域长期存在一个问题：真实路测数据只能回放，难以进入仿真系统形成可交互的闭环。6月30日，NVIDIA 与五一视界的一场对谈，讨论了应对这一问题的思路。
NVIDIA Omniverse NuRec 的核心价值，用李博的一句话就可以概括："它解决的问题，实际上是把你真实的数据转换成可编辑的仿真场景。"这个过程既包括静态环境的重建，也包括动态障碍物的识别、提取和重新注入，还支持对象级的编辑，比如独立移除、重新定位或替换场景中的车辆、行人等动态对象。
但这只是第一步。真正让技术产生价值的，是如何把它带入客户的研发流程。鲍世强介绍，SimOne4.0 与 NuRec 的集成并非简单的功能对接，而是围绕量产需求进行了系统性的产品重构，形成了五个环环相扣的环节。
第一步是数据处理。不同客户的车载传感器配置各不相同，数据质量参差不齐。SimOne4.0 需要针对不同硬件配置进行数据质量提升和格式适配，通常一个新客户的数据对接周期在两三周左右。鲍世强坦言，"做高科技的可能是在重建算法上，但实际上你如果去落量产，很大的精力都是花在数据上。"
第二步是数据筛选。这里有一个反直觉的行业现实：主机厂的问题不是数据不够，而是"极高比例都是已经被解决了问题的数据"，真正有价值的 Corner Case "可能每千公里只有一分钟"。SimOne4.0 需要自动识别并筛选出这些高价值片段，才能进入下一步重建。
第三步是神经场景重建。调用 NuRec 引擎对动静态场景进行拆分，分别完成静态环境重建和动态车辆资产的收集。第四步是仿真前的场景准备与重组，将静态场景、动态资产、被测算法有机组合。第五步则是真正的闭环仿真执行，即接入自动驾驶算法栈，在云端大规模并行运行。
从流程上看，真实数据经过这一链条后，不再是"采集即归档"的一次性资源，而是可以反复进入仿真系统进行测试和验证。这一转变的实际效果，取决于数据处理的自动化程度、重建的成功率以及仿真系统的稳定性。鲍世强坦承，这些环节目前在不同客户那里的表现仍有差异。
