
不久前,扎克伯格进军元宇宙的高调宣传让这片虚拟世界成为全球关注的焦点。
然而,元宇宙代表的并不只是一个连通消费群体、承载娱乐内容、呈现购物或业务协作场景的平台。它更是在全虚拟环境下建立的物理世界副本,使用者可以借助VR或AR等技术利用它反过来优化物理现实。作为元宇宙的基础技术之一,数字孪生所强调的正是这种立足数字环境访问物理现实的能力。
“数字孪生是一种对于既有对象或系统的、跨越其完整生命周期的虚拟表示,经由实时数据进行更新,并使用模拟、机器学习及推理等技术助力决策。” - IBM.
数字孪生帮助我们在数字环境下重构物理世界,并映射出其中每一个微观细节。在先进传感器、AI以及通信技术的支持下,这些数字空间中的副本能够精确模拟包括人体、设备、事物、系统乃至地点在内的各类物理对象。
而虚拟模型对于真实对象或系统的准确模拟,离不开传感器数据的持续更新。这些传感器主动将相关环境数据实时转发至数字副本端,借此实现物理对象或系统与数字副本之间的动态同步。而这些数据的存在又将催生出新的流程与服务,例如通过数据分析预测潜在故障的预测性维护,就有望帮助我们在故障实际发生前抢先加以修复。正是这种强大的能力,让数字孪生成为企业元宇宙探索之旅中的重要组成部分。
元宇宙的四层结构
如果将物理世界视为元宇宙的第零层,那么数字孪生就是第一层——大家也可以将其理解成(工业)物联网。运行在其上的一切协议都属于第二层。协议层上又则是各类实际应用,包括2D虚拟应用(例如移动应用)、虚拟现实与增强现实(VR/AR)等,这就是作为第三层的交互层。
乍听起来,这样的划分似乎有违直觉——毕竟数字孪生怎么会是协议和应用之下的第一层?但用于支持应用、达成交互所需要的原始数据正是由数字孪生传感器负责收集。没有这些数据,其上的标准、协议或者高级应用根本无从谈起。
流通于各层之间的(原始)数据由应用程序进行分析,并将结果反馈至数字孪生以获取更多见解。各层间的贯通与融合,也将同时给物理世界和数字空间创造价值。

数据——元宇宙的绝对核心
正是有了数据的加持,数字孪生才获得了动态属性。其中的协议(也就是全局标准)越多,应用程序能够创造的整体价值也就越大。例如,我们可以使用数字孪生提升城市智慧水平。只要拥有一套能够轻松访问各类数字孪生数据的通行标准,任何人都能为城市、企业乃至居民创造出有价值的应用成果。
而这些在第三层中具体创造价值的应用程序就像是一个个镜头,每个镜头分别为用户提供不同的视角、或者说现实体验。可以想见,没有数据也就不存在这种镜头,所以说没有数据也就没有什么虚拟世界可言。
这些镜头可以作为娱乐用途,为用户提供与特定物理位置相关的数字艺术体验;也可以在太阳能发电场中实施监控,帮助用户们通过加密货币交易自己手上的能源;还可以引导用户通过VR设备加入线上会议;可以对喷气式发动机提供预测性维护;甚至可以帮助市政官员从各个角度审视自己治下的城市和街区。这样的应用程序、功能或者说镜头可以有无穷多个,有些面向大众开放、有些需要付费访问、有些必须设置访问门槛。在理想情况下,这一切都应受到区块链的严格保护。
数字孪生的复杂性问题
作为元宇宙中的第一层,数字孪生有着不同级别的复杂性。复杂度越高,对应的数据与见解生成能力也就越强。最简单的数字孪生变体就是单一对象的数字表示,例如联网可穿戴设备、简单机器人或者工业设备等。此类数字孪生可用于分析产品性能、建立数字原型,进而指导新产品的设计思路。
复杂性更高一级,对应的就是模拟完整流程的数字孪生,例如由众多数字孪生对象共同构成的制造流程。这类更为复杂的数字孪生需要从一个体系(例如飞机或者车间)当中捕捉数据。
更高层级则涵盖全局系统,例如覆盖全球的供应链、或者整座城市规模的数字孪生。其中最复杂的当数为地球创建的数字孪生,欧洲航天局(ESA)就希望给我们的母亲星球打造一个动态化数字副本。
在前两个复杂性等级下,数字孪生可以通过数字空间与现实世界的同步实现流程优化。而第三层中的各类应用程序则负责监控并分析这些流程或系统,运行模拟以优化对应的物理对象,或者通过多方协作实现原型设计、创造出新的物理产品。
数字孪生可视化
无论复杂性如何,数字孪生总能给用户带来可观的价值回报,具体价值水平则取决于数字孪生的可视化效果。即使是简单的可视化——即描述性、预测性或规范性分析——用户也能从数字孪生中获取深刻洞见,据此找到准确可靠的优化方向。
这种可视化也可以通过对数字对象或系统的高级2D视觉表示来实现,建筑师或工程师们使用的AutoCAD模型就属于此类。这些先进的2D表示能让用户从不同角度观察数字孪生并开展远程协作,从而进一步改进或开发数字孪生及其现实对应物。
最先进的视觉表示自然是细节满满的3D数字副本,我们可以在通过VR或AR方式进行探索或交互。3D数字表示允许用户灵活查看数字孪生模型,深入了解其内部运作逻辑,结合实时传感器获取相关数据、把握物理层面的变更反馈,最终通过远程协作实现原型设计/创建或者解决现实问题。视觉表示越是先进,所对应的潜在价值就越是可观。
写在最后
企业级元宇宙的体量也许远超大家所期待的娱乐和社交元宇宙;毕竟企业天然追求合作与创新,而数字孪生将在其中发挥至关重要的作用。虽然我们短时间内还不可能一边在沙滩上晒太阳、一边远程操控工厂车间,但数字孪生在实现工业4.0设想方面已经展现出强大力量。未来,这股对设备、工厂乃至全局系统的数字化趋势只会愈演愈烈,最终通过VR与AR技术彻底改变我们与物理世界的交互方式。
好文章,需要你的鼓励
2025年,企业技术高管面临巨大压力,需要帮助企业从持续的AI投入中获得回报。大多数高管取得了进展,完善了项目优先级排序方法。然而,CIO仍面临AI相关问题。支离破裂的AI监管环境和宏观经济阻力将继续推动技术高管保持谨慎态度。随着AI采用增长的影响不断显现,一些CIO预期明年将带来劳动力策略变化。
这篇论文提出了CJE(因果法官评估)框架,解决了当前LLM评估中的三大致命问题:AI法官偏好倒置、置信区间失效和离线策略评估失败。通过AutoCal-R校准、SIMCal-W权重稳定和OUA不确定性推理,CJE仅用5%的专家标签就达到了99%的排名准确率,成本降低14倍,为AI评估提供了科学可靠的解决方案。
FinOps基金会周四更新了其FinOps开放成本和使用规范云成本管理工具,新版本1.3更好地支持多供应商工作流。该版本新增了合同承诺和协商协议数据集,增加了跨工作负载成本分摊跟踪列,以及云支出和使用报告时效性和完整性的元数据可见性。随着云和AI采用推动企业IT预算增长,技术供应商正在关注将成本与价值联系起来的努力。大型企业通常使用三到四家云供应商,小企业可能使用两家,同时还有数据中心、SaaS和许可等服务。
NVIDIA团队开发出Fast-FoundationStereo系统,成功解决了立体视觉AI在速度与精度之间的两难选择。通过分而治之的策略,该系统实现了超过10倍的速度提升同时保持高精度,包括知识蒸馏压缩特征提取、神经架构搜索优化成本过滤,以及结构化剪枝精简视差细化。此外,研究团队还构建了包含140万对真实图像的自动伪标注数据集,为立体视觉的实时应用开辟了新道路。