本文来自微信公众号“电子发烧友网”，作者/周凯扬
在不少人眼里，数字孪生可能象征着购物时的一件衣服，饮茶时的一个杯子，但数字孪生的对象远不止这些，甚至可以大到一个工厂乃至整个地球。去年GTC21上，英伟达就宣布通过基于物理ML模型的Modulus框架和Omniverse平台，打造地球的数字孪生。为了打造如此庞大的数字孪生，英伟达甚至搭建了一台AI超级计算器Earth-2。
由小及大的数字孪生
打造地球数字孪生的目的很明显，那就是通过数字孪生来研究气象科学。去年极端的气候对全球半导体产业造成了极其严重的影响，恶劣天气的仿真与预测可以有效减免这一非人为阻碍的影响。目前AI计算已经带来了成百上千倍的算力增长，但对气象科学而言，要想缩短计算时间，尤其是开始发展深度学习预测的前提下，所需算力还要实现百万级的攀升，这也是为何打造数字孪生地球需要超算系统的原因。
导入数据后对台风山竹的四天前预测/英伟达
另外地球数字孪生可以随着系统的扩展而进一步提升，目前128个GPU的系统下需要16小时的训练时间，就能在0.25秒内做出7天的天气预测，但输入系统的精度还不算高，只能做到30km的空间分辨率。英伟达计划将其扩展到16384个GPU，并接收5km精度的数据，这样200小时的训练时间，也只需4秒就能做出7天预测。
这种数字孪生地球是可以交互的，可以预测、具象化、监测和追踪极端天气，并可通过优化做到更长的预测周期，不仅是对天气进行准确预测，而是对全球气候进行准确预测。此类数字孪生对于经历极端气候较多的国家来说可以起到一定的预防作用，比如日本就把数字孪生技术加入了其“社会5.0”战略内，在AI时代下，对于自然风险的无知不再是一种可选项。
文化数字孪生
数字孪生的应用并不仅限于解决当下的挑战，也能做好文化的保留与保护。在疫情期间，不少博物馆都处于关闭状态，有的博物馆开始扫描实体展物，制作出孪生的数字藏品，这样参观者足不出户也能从各个角度细细欣赏。这类数字孪生已经有着比较完备的流程，所需步骤并不繁杂，也可以说是目前商用程度最高的数字孪生应用之一。
但数字孪生应用不仅是对现有事物的复刻，也可以用于过去事物的保留。比如去年XR内容分发公司位形空间就就对深圳最大的城中村白石洲，进行了拆迁改造前的数字孪生。这种数字孪生应用对于城市的改建规划起到很好的参考作用，同时又能保留城市的文化旧貌。比如古建筑、老城区等等。
对3D建模提出的更高挑战
目前看来，数字孪生最难的一环还是建模，上文提到的英伟达Omniverse只解决了物理准确的问题，但这些USD还是需要设计师、创作者和工程师自己搭建的。不仅如此，在解决现实世界问题时，数字孪生不再满足于对虚拟情景的仿真，更关注于对真实世界对象的复制。比如自动驾驶、数字工厂等应用，都需要对现实场景的真实仿真，但3D建模的复杂程度限制了行业应用对数字孪生技术的普及，因为这涉及到了招募专业的3D建模人才，像利用英伟达Omniverse平台制作数字孪生工厂的宝马，耗时耗力的制作过程就花了2.5个月。
但要想实现元宇宙的愿景，非专业用户也必须参与到创作中来，而他们参与3D建模的方式就是通过3D扫描。3D扫描的设备的定位从入门到专业，产品形态覆盖手机到3D扫描仪。近日，被Epic收购的Capturing Reality推出了手机3D扫描的App，Reality Scan。利用这一App，用户只需对对象物体进行多角度图片拍摄，就可以借助其软件创造出数字孪生模型，并导入到其他AR、VR和3D内容平台。
不过这一App目前只提供iOS版，安卓版将在今年晚些时候才会推出。这可能是因为iPhone的摄影系统比较统一，更容易完成适配，而安卓手机所用传感器型号、精度不一。但简单归简单，这种3D扫描方式还是存在少数缺陷，比如手机传感器精度不高，需要较严格的角度和光照条件等，以及成熟的3D重构技术，拍摄张数的要求也比较高，最终还是要云端进行处理。
要想追求更高的精度还是需要用到3D扫描仪，但即便是3D扫描仪，在大型数字孪生的构建中还是有些使不上力，比如上述提到对一整个城中村的复刻，为了追求效率还是会用到无人机等设备。显而易见的是，物理准确的挑战基本已经获得了解决，但建模上还是需要在工具、传感器上的做出突破。
