MetAI
把 CAD 圖跟 2D 平面圖直接變成可以拿去訓練 AI 的 3D 數位孿生場景
訓練機器人或自駕系統有個很現實的瓶頸：真實世界的資料太貴、太慢、太危險。所以大家轉向模擬——在虛擬工廠裡讓機器人跑幾百萬次。但建一座夠逼真的虛擬工廠本身就非常耗工，通常要 3D 美術師花好幾週。MetAI 做的就是把這段壓縮掉。
功能特色與適用場景
主力產品 MetGen 能把 CAD 檔與 2D 設計圖轉成高擬真的 3D 環境，而且是「模擬就緒」（SimReady）的——意思是這些場景不只好看，還帶有物理屬性與語意標註，可以直接餵給模擬引擎訓練 AI。這是它跟一般 3D 建模工具的根本差別。
公司 2023 年成立，募得 400 萬美元種子輪，是 NVIDIA 在台灣的第一筆直接投資，並被《The Information》選入 2025 年最具前景的 50 家新創——是名單上唯一的台灣公司。它也曾發布與 NVIDIA USD Search 合作，用於智慧倉儲的 SimReady 數位孿生生成，並在 CES 2026 展出 MetGen，正式進攻美國市場。
目前鎖定三個應用領域：智慧倉儲、半導體與資料中心。這個選擇看得出策略——都是台灣有產業縱深、而且場域複雜到值得先模擬的領域。
對台灣讀者，這家公司值得關注的理由不只是「台灣之光」。物理 AI（Physical AI）是 NVIDIA 這幾年主推的方向，而台灣在製造與半導體的現場資料是真正的稀缺資源。MetAI 站的位置，正好是把台灣的產業縱深轉成 AI 訓練資產。
要提醒的是，這是企業級 B2B 產品，個人開發者接觸不到；而且數位孿生專案的成敗高度取決於原始 CAD 資料的品質與完整度。
TheAI學院 編輯建議
編輯實測後的真心話台灣新創拿到 NVIDIA 投資的新聞不少，但多數是硬體或代工延伸，MetAI 是少數走純軟體、而且切在關鍵瓶頸上的。我特別欣賞它選的三個場域——倉儲、半導體、資料中心，全是台灣有真本事的地方。講難聽一點，如果連這種題目台灣都做不起來，那我們談的產業優勢就只是口號。這家公司值得持續追蹤。
主要功能
- CAD 與 2D 設計圖自動轉高擬真 3D 場景
- 產出 SimReady 模擬就緒環境，含物理屬性與語意標註
- 合成資料生成，供 AI 模型訓練使用
- 整合 NVIDIA Omniverse 與 USD 生態
- 鎖定智慧倉儲、半導體與資料中心場域
- 加速物理 AI（Physical AI）部署
如何使用 MetAI
- 機器人或自駕團隊洽詢 MetAI 導入 MetGen。
- 上傳 CAD 檔與 2D 設計圖。
- 讓它轉成高擬真的 3D 環境。
- 產出帶物理屬性與語意標註的 SimReady 場景。
- 直接餵給模擬引擎訓練 AI。
- 省下 3D 美術師好幾週的建模。
- 依官方方案洽詢導入。
適用場景
- 智慧倉儲的機器人路徑規劃模擬訓練
- 半導體廠房的產線佈局模擬與驗證
- 資料中心的散熱與空間配置模擬
- 以合成資料補足真實訓練資料不足
MetAI 的優點與缺點
優點
- 把數位孿生建置從數週壓到可接受的時程，是真實的瓶頸解方
- NVIDIA 首筆台灣直接投資，技術路線與生態系綁定明確
- 台灣製造業縱深深，現場資料條件在國際上具稀缺性
缺點
- 企業級 B2B 產品，未公開定價且個人無法使用
- 成果高度依賴原始 CAD 與設計圖的品質
- 成立時間短，長期產品與服務穩定度仍待驗證
價格方案
企業級 SaaS，需洽詢；已獲 NVIDIA 投資並加入 Inception 計畫
MetAI 常見問題
SimReady 跟一般 3D 模型差在哪？
差在能不能拿去跑模擬。一般 3D 模型只有外觀——形狀、材質、貼圖，看起來像而已。SimReady 的場景還帶有物理屬性（重量、摩擦、碰撞）與語意標註（這是棧板、那是機械手臂），模擬引擎才知道東西碰撞後會怎麼動、AI 才知道自己看到的是什麼。做視覺呈現用前者就夠，要訓練 AI 一定要後者。
台灣公司在物理 AI 這塊有什麼優勢？
現場資料。物理 AI 訓練最缺的是真實製造場域的資料與 know-how，而台灣在半導體、電子製造、精密機械的產業縱深是真的稀缺資源。國外新創有模型、有算力，但缺乏能進去蒐集資料的工廠。MetAI 的位置就在這個交會點上，這也是 NVIDIA 願意在台灣下第一筆直接投資的原因之一。
使用者評價
還沒有足夠評價，搶先分享你的使用心得！
寫下你的評價
MetAI 的替代方案
查看相似的 AI 工具 →相關 AI 工具
猜你也想看的AI 生成3D
更多台灣的 AI 工具
同樣來自台灣的 AI 工具，一起看看，支持台灣團隊的作品。