在不少人眼里，數字孿生可能象征著購物時的一件衣服，飲茶時的一個杯子，但數字孿生的對象遠不止這些，甚至可以大到一個工廠乃至整個地球。去年GTC21上，英偉達就宣布通過基于物理ML模型的Modulus框架和Omniverse平臺，打造地球的數字孿生。為了打造如此龐大的數字孿生，英偉達甚至搭建了一臺AI超級計算器Earth-2。

由小及大的數字孿生

打造地球數字孿生的目的很明顯，那就是通過數字孿生來研究氣象科學。去年極端的氣候對全球半導體產業造成了極其嚴重的影響，惡劣天氣的仿真與預測可以有效減免這一非人為阻礙的影響。目前AI計算已經帶來了成百上千倍的算力增長，但對氣象科學而言，要想縮短計算時間，尤其是開始發展深度學習預測的前提下，所需算力還要實現百萬級的攀升，這也是為何打造數字孿生地球需要超算系統的原因。

導入數據后對臺風山竹的四天前預測 / 英偉達

另外地球數字孿生可以隨著系統的擴展而進一步提升，目前128個GPU的系統下需要16小時的訓練時間，就能在0.25秒內做出7天的天氣預測，但輸入系統的精度還不算高，只能做到30km的空間分辨率。英偉達計劃將其擴展到16384個GPU，并接收5km精度的數據，這樣200小時的訓練時間，也只需4秒就能做出7天預測。

這種數字孿生地球是可以交互的，可以預測、具象化、監測和追蹤極端天氣，并可通過優化做到更長的預測周期，不僅是對天氣進行準確預測，而是對全球氣候進行準確預測。此類數字孿生對于經歷極端氣候較多的國家來說可以起到一定的預防作用，比如日本就把數字孿生技術加入了其“社會5.0”戰略內，在AI時代下，對于自然風險的無知不再是一種可選項。

文化數字孿生

數字孿生的應用并不僅限于解決當下的挑戰，也能做好文化的保留與保護。在疫情期間，不少博物館都處于關閉狀態，有的博物館開始掃描實體展物，制作出孿生的數字藏品，這樣參觀者足不出戶也能從各個角度細細欣賞。這類數字孿生已經有著比較完備的流程，所需步驟并不繁雜，也可以說是目前商用程度最高的數字孿生應用之一。

但數字孿生應用不僅是對現有事物的復刻，也可以用于過去事物的保留。比如去年XR內容分發公司位形空間就就對深圳最大的城中村白石洲，進行了拆遷改造前的數字孿生。這種數字孿生應用對于城市的改建規劃起到很好的參考作用，同時又能保留城市的文化舊貌。比如古建筑、老城區等等。

對3D建模提出的更高挑戰

目前看來，數字孿生最難的一環還是建模，上文提到的英偉達Omniverse只解決了物理準確的問題，但這些USD還是需要設計師、創作者和工程師自己搭建的。不僅如此，在解決現實世界問題時，數字孿生不再滿足于對虛擬情景的仿真，更關注于對真實世界對象的復制。比如自動駕駛、數字工廠等應用，都需要對現實場景的真實仿真，但3D建模的復雜程度限制了行業應用對數字孿生技術的普及，因為這涉及到了招募專業的3D建模人才，像利用英偉達Omniverse平臺制作數字孿生工廠的寶馬，耗時耗力的制作過程就花了2.5個月。

但要想實現元宇宙的愿景，非專業用戶也必須參與到創作中來，而他們參與3D建模的方式就是通過3D掃描。3D掃描的設備的定位從入門到專業，產品形態覆蓋手機到3D掃描儀。近日，被Epic收購的CapturingReality推出了手機3D掃描的App，RealityScan。利用這一App，用戶只需對對象物體進行多角度圖片拍攝，就可以借助其軟件創造出數字孿生模型，并導入到其他AR、VR和3D內容平臺。

不過這一App目前只提供iOS版，安卓版將在今年晚些時候才會推出。這可能是因為iPhone的攝影系統比較統一，更容易完成適配，而安卓手機所用傳感器型號、精度不一。但簡單歸簡單，這種3D掃描方式還是存在少數缺陷，比如手機傳感器精度不高，需要較嚴格的角度和光照條件等，以及成熟的3D重構技術，拍攝張數的要求也比較高，最終還是要云端進行處理。

要想追求更高的精度還是需要用到3D掃描儀，但即便是3D掃描儀，在大型數字孿生的構建中還是有些使不上力，比如上述提到對一整個城中村的復刻，為了追求效率還是會用到無人機等設備。顯而易見的是，物理準確的挑戰基本已經獲得了解決，但建模上還是需要在工具、傳感器上的做出突破。