2021年,旧金山希望改善交通、空气质量和公共卫生,了解二氧化碳排放如何导致空气质量问题和公共卫生问题。该市借助数字孪生研究人和汽车的流动模式以及港口活动,从而确定了旧金山空气质量糟糕的地点,制定了系统的变革计划。
在最基本的层面上,数字孪生是现实对象的虚拟复制品,可以使用来自其物理对应物的数据不断更新。
数字孪生经常与物联网(IoT)数据结合使用,提供实时洞察,物业经理、旅行者、机场运营人员、城市官员等均有受益。
到2025年,将有309亿台物联网设备连接到数字孪生,数字孪生技术不仅仅是一种趋势;它是公司如何与客户联系并创建运营高效业务的重要部分。
2021年,埃森哲将数字孪生确定为推动企业发展的主要技术趋势之一。该公司将其称为镜像世界,并表示对数据和人工智能(AI)的投资不断增长,催生了新一代的商业和智能。
2022年,埃森哲将数字孪生与两种新技术趋势联系起来——可编程世界和虚幻(合成可信的内容)——两者都重新设定了行业的界限。可编程世界专注于让控制、定制和自动化融入我们周围的世界,让物理世界变得可编程,而虚幻则使人工智能生成的数据和合成内容能够模仿真实的事物。
Gartner在2016年就曾预测,到2022年,使用数字孪生、物联网传感器的实时反馈每年可以节省1万亿美元的维护、服务和消耗品。调研与市场公司(Research and Markets)报告称,到2027年,93%的物联网平台将包含某种形式的数字孪生功能。在广泛的垂直行业中,有超过42%的高管了解数字孪生的好处,59%的高管计划到2028年将该技术纳入企业运营之中。
Bentley Systems的工程协作副总裁Lori Hufford表示,我们所有人都迫切需要了解如何平衡我们与自然世界的关系,而基础设施在其中发挥了作用。
Hufford表示:“数字孪生、元宇宙和物理世界的交汇处是投资的理想场所,团队可以协同工作,并利用来自任何方面的人才来减少气候变化的影响。”
Hufford将数字孪生技术的技术术语归结为一种易于理解的表达——基础设施数字孪生(或称iTwin)是物理世界的数字表示,它会随着来自物理世界的信息不断更新。
Hufford表示:“它必须包含丰富的工程建筑信息建模(BIM)数据,并能够使用传感器和无人机等物联网设备,跟踪真实世界条件的变化并将其可视化。”“在基础设施数字孪生中捕获和理解这些数据是实现有益变革的关键。”
什么是有益的变化?对于Hufford来说,这种有益的变化就是气候变化。
例如,Hufford说,世界人口第二稠密的国家新加坡最近创建了其首个全国性的数字孪生,以帮助实现其可持续发展目标。该国使用Bentley Systems加速原始GIS、激光雷达和图像数据并将其转换为实景网格、建筑和交通模型。“因为这种做法可以捕获任何类型的数据——无论是来自水、天气、材料还是树木的数据。”
“另一个例子是在阿根廷的门多萨市,该市使用无人机来捕捉城市的图像以构建数字孪生,”Hufford说。“该项目帮助城市官员分析树木的健康状况,并确定它们是否患病或者是否可以挽救。”
Hufford说,公司希望也有望成为地球的好管家。“随着我们的用户处理大量复杂的基础设施数据,我们也在努力开发能够减少他们碳足迹的架构和软件设计。”
Infosys执行副总裁兼全球服务、公用事业、资源和能源部门负责人Ashiss Kumar Dash表示,数字孪生……可以用作“假设”情景的预测指南,以获得最好的可持续发展解决方案。“数字孪生的覆盖面或范围越大,影响就越大。”
Dash表示,数字孪生有助于向循环经济过渡。“想想航空公司减少机上食物浪费的可持续性需求。2017年机上餐饮服务市场估计为155亿美元,国际航空运输协会公布的数据显示,高达39亿美元的餐食被填埋或焚烧。”
Dash表示:“如果客户体验可以被虚拟化,碳足迹自然会减少。”
NNAISENSE的联合创始人兼人工智能总监Bas Steunebrink表示,数字孪生是通过人工智能对现实世界事物的规范和运作的有关数据而构建或学习的。“将数字孪生技术应用于与气候相关的‘事物’——化工厂、飞机或者酒店——的价值主张是为决策者提供可行的见解,使他们能够在‘事物’的设计或者运作方面做出改进。”
Steunebrink表示,在气候背景下,这些改进可以是减少能源消耗、减少浪费、延长使用寿命、减少排放等。
Steunebrink表示:“旅行本身,尤其是航空旅行,是全球排放的主要贡献者。”“让飞机更接近气候中性——例如,制造电动或氢动力飞机——是政府鼓励飞机制造商进行的努力。”
Steunebrink认为,数字孪生技术的下一阶段是自主寻求改进……人类在这个过程中验证并实施其建议的改进措施。他表示,在那之后,改进是自动计算和实施的,这在要控制的东西是其他机器的工厂中的效果最好。
Steunebrink举了一个现实世界中的例子,表示瑞士的卢加诺使用数字孪生技术来加深对城市中人、公司、空间和环境交织在一起的过程的理解。
Steunebrink表示:“这是一个不断迭代和增量的过程,人类数据分析师和决策者将始终置身其中,因为城市中的“主体”可不像制造工厂中的机器那样无私。”“但是城市数字孪生的潜力依然巨大,例如,在优化当地工业和交通的碳足迹方面。”
Steunebrink表示,如果卢加诺使用数字孪生技术,通过在虚拟模型中试验不同变量来减少拥堵、排放、污染和其他城市挑战,其他城市也可以这样做。
好文章,需要你的鼓励
多伦多大学研究团队提出Squeeze3D压缩框架,巧妙利用3D生成模型的隐含压缩能力,通过训练映射网络桥接编码器与生成器的潜在空间,实现了极致的3D数据压缩。该技术对纹理网格、点云和辐射场分别达到2187倍、55倍和619倍的压缩比,同时保持高视觉质量,且无需针对特定对象训练网络,为3D内容传输和存储提供了革命性解决方案。
浙江大学与腾讯联合研究团队提出MoA异构适配器混合方法,通过整合不同类型的参数高效微调技术,解决了传统同质化专家混合方法中的表征坍塌和负载不均衡问题。该方法在数学和常识推理任务上显著优于现有方法,同时大幅降低训练参数和计算成本,为大模型高效微调提供了新的技术路径。
耶鲁、哥大等四校联合研发的RKEFino1模型,通过在Fino1基础上注入XBRL、CDM、MOF三大监管框架知识,显著提升了AI在数字监管报告任务中的表现。该模型在知识问答准确率提升超过一倍,数学推理能力从56.87%提升至70.69%,并在新颖的数值实体识别任务中展现良好潜力,为金融AI合规应用开辟新路径。
加州大学圣巴巴拉分校研究团队开发出能够自我进化的AI智能体,通过《卡坦岛拓荒者》桌游测试,这些AI能在游戏过程中自主修改策略和代码。实验显示,具备自我进化能力的AI显著超越静态版本,其中Claude 3.7模型性能提升达95%。研究验证了AI从被动工具向主动伙伴转变的可能性,为复杂决策场景中的AI应用开辟新路径。