回顾2022年，数字孪生与各个行业的融合速度正在加快，成为企业数字化转型升级的重要助力。虽然许多大规模应用仍处于起步阶段，但融合了机器学习、多学科建模以及分布式高性能计算的“虚拟仿真”场景明显增多，价值越发明显，并且开始从数字孪生延伸到工业元宇宙，成为政产学研用等各界的重点关注领域。
由于数字孪生是一个融合多技术、多学科的复杂工程。因此在依托知识机理、数字化等技术构建数字模型时，必须满足精准和实时等客观要求。中国工程院院士李培根曾指出，数字孪生体不仅是物理实体的镜像，更要实现与物理实体在全生命周期的共生。如果只是建立了数字化样机，却没有实现数字模型与其物理对象之间的交互或共生，就不能称为数字孪生。因此在用户实际落地的过程中，如何保证信息系统之间动态数据模型更新和验证的功能性孪生，确保各个软件之间的协作和互连，则成为关乎数字孪生应用落地和价值实现的关键。
作为NVIDIA多工具流的“一站式”集成平台，Omniverse自从2019年GTC大会发布试用后，在3年时间中不断创新迭代。它可以使用户无需进行数据准备或抽样，就能将数字资产解析成在不同软件平台、不同ISV应用程序下使用，成为研发创新过程中跨越数字工具的重要桥梁。在日前举办的“走近AI数字工厂”在线研讨会上，NVIDIA带来了关于Omniverse平台在仿真生态、实时光线追踪和人工智能方面的最新进展，并总结了“五步走”方法论帮助企业落地数字孪生应用，提升研发创新质量和效率，释放数字孪生价值。图 NVIDIA Omniverse应用示例
踏浪数字化，数字孪生成为企业转型升级“新动能”
进入数字经济时代，企业传统的研发设计模式正在发生着革命性变化。产品的智能化、个性化发展趋势促使产品结构越来越复杂，研发设计环节需要处理的需求和细节也越来越多，产品的交付周期却越来越短。这就要求企业完成从3D设计、虚拟仿真、制造执行过程的闭环管理，实现实体世界与虚拟世界的融合，重塑产品创新、运营和维护的模式。
对此，身为吉利汽车中央研究院的试制中心总工程师何洪岩对此深有体会。其所属的试制中心通用化工厂采用了独立工艺单元柔性组合技术，可针对A0-C级轴距（2300~3100毫米）不同车身制造工艺组合，完成8款车型的焊装成组混线生产，被工信部评为车身工业4.0技术示范线。
伴随着汽车市场竞争加剧以及自主品牌市场份额不断提升，在以“产品为中心”到以“客户为中心”的变革下，吉利研发周期由36个月压缩到24个月，试制中心焊装调试周期从35天压缩到22天，这也直接带来了生产线多车型生产与调试串行切换过程中的业务连续性、设备安全性、工艺验证周期、协同和管理效率等一系列挑战。
为了加速产品设计，降低开发成本，提升市场响应能力，试制中心构建了以数字孪生为基础的G-iPS双向驱动的数字孪生工厂解决方案。在何洪岩看来，基于数字孪生技术的建模设计与仿真验证需要和真实世界实时交互。通过联合NVIDIA，试制中心打造了Omniverse协同设计平台，通过Connector连接器将设计和仿真工具进行了深度融合，将CAD设计类软件的CATIA、UG、SolidWorks数据和仿真软件VC、G-iPS异构数据进行整合，使设计人员在查看数据模型的过程中，不仅可以实时查看设计数据并直接在数据模型上进行修改，还可以通过高保真模型直观简单的评估设计过程，整个研发设计流程得到了明显“提速”。
图 吉利汽车中央研究院试制中心利用Omniverse平台实现协同设计
吉利汽车试制中心只是千千万万数字孪生应用的一个缩影。可以看出，在构建数字孪生的过程中，关键在于各种工业软件的应用集成和交互，首当其冲的则是仿真软件，由于数字孪生的特征就是虚实的交互融合，这种交互的一致性、实时性、可靠性背后则需要Omniverse基于USD通用语言和多GPU的高性能算力实现。日前在工信部等五部委联合印发的《虚拟现实与行业应用融合发展行动计划（2022~2026 年）》中，也指出在提升企业数字化转型过程中，要提升从多元数据获取洞察的能力与水平。
多维度协同，Omniverse引领用户迈入数字孪生“深水区”
李培根院士曾指出，在构建数字孪生的过程中，数据是物理生命体的“血液”，数据及智能技术共同赋予了物理实体以“生命”。在NVIDIA专业视觉计算行业拓展经理茅勇看来，在以数字方式为实体对象创建数字模型，并进行模拟、分析、预测等行为时，数字孪生必须满足4个要素：单一事实来源、现实物理级的准确程度、深度融合AI应用、与现实完美同步。
而这正是NVIDIA Omniverse的优势之所在。茅勇强调Omniverse并不是一个应用，而是一个可拓展的端到端平台，用于构建和应用元宇宙程序，包括工业和科学用例的3D世界和数字孪生。经过3年时间的不断功能迭代和技术创新，如今的Omniverse已覆盖世界主流3D软件，所涉及的行业覆盖建筑、施工、媒体、娱乐、制造、电信、零售等超过百万用户的成熟平台。
尤其是在工业领域上，伴随着数字化、智能化应用的进一步落地与推进，工业制造或许将会成为数字孪生的主要战场。茅勇介绍从数字孪生到工业元宇宙，Omniverse不仅在仿真、虚拟验证和可视化等方面体现其应用价值，还可针对不同的对象和需求，提供相应的功能与服务，例如通过将物理世界的设备、工艺与数字化的业务流程深度融合，企业可以在虚拟世界中对生产的全部流程和工序完成数字映射，并通过模拟运行来优化流程、降低成本、加速测试设计迭代、实现防患于未然的预测性维护，进而开启一个极为丰富的商业前景和无穷的想象空间。在这背后，则依靠的是Omniverse的4大特性：
开放标准：Omniverse基于USD（Universal Scene Description，通用场景描述）关键技术，易于拓展和互连各种应用，解锁了非标准流程和数据独立性，扮演充当互联客户机和应用的中心枢纽角色。
保持习惯：对于用户而言，Omniverse并不是最终应用，用户仍然可以继续在自己喜欢且擅长的3D软件程序中进行工作，然后通过专用的连接器将数据导入到Omniverse中，并进一步完成USD数据模拟、场景规划以及后期呈现。
高灵活性：在用户构建数字孪生的过程中，模拟仿真占有较高的比重，除了设计仿真类工业软件外，还需要更高的算力支持，NVIDIA提供了从基础工作站到面向复杂工业场景的NVIDIA OVX参考架构，为企业数字孪生战略落地提供全方位算力支持。
高连接性：通过Omniverse用户可以连接不断拓展的第三方应用程序和工具，例如NVIDIA Omniverse和西门子Xcelerator平台的深度融合应用。
升级与超越，持续创新跑出数字化进程“加速度”
对于用户而言，Omniverse平台旨在实现最高的灵活性和可扩展性。尽管国内疫情已经走向开放，但由此形成的生活习惯、工作模式、数字化觉醒仍然在继续和深化。这也意味着无论是创作者、设计师，还是企业研究人员和研发工程师都希望快速连接工具、资产和项目，并且在安全、共享的虚拟空间中展开协作。
这里不得不提到NVIDIA在SIGGRAPH 2018大会上推出的NVIDIA RTX，这种新型的GPU架构通过两种新处理单元拓展基于光栅化和可编程着色的GTX架构，分别是RT Core上的加速光线追踪和Tensor Core上的深度学习。毫不夸张的说，RTX翻开了神经图形新的篇章，成为艺术家创建3D世界以及世界动画和渲染方式不可缺少的一部分，NVIDIA RTX颇具影响力的自主独有开发之一是DLSS（深度学习超级采样），包括一系列实时深度学习图像增强和放大技术，可在不影响画质和响应速度的前提下，利用AI创造更多高质量帧。
伴随着NVIDIA在RTX领域的更新，Omniverse平台的能力的到了进一步提升，例如在2022秋季GTC推出的NVIDIA RTX 6000 Ada 架构显卡就是专门为虚拟世界模拟而设计，其具有Ada架构赋能的AI技术和可编程的着色器技术，可谓是帮助NVIDIA Omniverse为元宇宙构建内容和工具的“神助攻”。
此外，为了简化用户随时随地化灵感为现实，强化构建3D世界。茅勇介绍NVIDIA Omniverse平台一直在完善面向细分领域的组件工具，例如偏向为工程师或艺术家实现场景构图，渲染和模拟的Omniverse Creat、为项目审阅提供批注和微调的Omniverse View和用于机器人开发模拟的Omniverse Isaac Sim等。而以下五项核心组件，则构成了Omniverse的基础技术底座：
· Omniverse Nucleus：便捷的数据库和协作引擎，提供了完善的IT管理工具，例如能够处理服务器上原子检查点的扩展版本控制。日前更新的大文件传输服务使用户能够在服务器之间、本地或云端移动文件，从而使混合工作流能够受益其中。
· Omniverse Connector：用于实现各种软件应用互连的连接器，允许用户创建和使用所偏好3D应用工具，例如Adobe Substance 3D Painter、Autodesk Alias、PTC Creo以及Kitware Paraview ，此外用户还可轻松地导出在西门子数字化工业软件的NX软件中创建的数据。
· Omniverse KIT：帮助用户进行基于微服务的自定义SDK开发，其扩展程序模板包含各种扩展程序示例，例如Omniverse Create、View和Isaac Sim都是基于Omniverse KIT构建的。
· Omniverse SIMULATION：能呈现高质量、真实环境中的物理模拟效果，使数字孪生体拥有逼真的物理性质、材质、照明和渲染效果。
· Omniverse RTX RENDERER：支持Hydra架构的渲染器，能够提供可扩展且准确的光线追踪和路线追踪渲染，带来充满动感的真实效果和照片级视觉呈现。图 NVIDIA Omniverse五项核心组件
值得一提的是，NVIDIA认为基于数字孪生技术的建模与仿真不再是离线的、独立的、特定阶段存在的，而是可以与真实世界建立永久、实时、交互的链接。在具体仿真过程中,NVIDIA提供了包括NVIDIA PhysX实时物理、Import Physics Instance第三方物理模拟、NVIDIA Modulus物理仿真加速三种方式加深对模型的仿真处理。图 NVIDIA提供三种方式支持模拟和工作流需求
知行需合一，构建数字孪生实践落地“方法论”
根据Markets的预测数据显示，到2023年数字孪生市场规模将达到157亿美元，并以38%复合年增长率增长，到2025年将突破260亿美元的大关。在茅勇看来，数字孪生的落地不再是关于我们在哪里或者我们要去哪里，而是关于我们前进的速度有多快，如何为企业产生真正的价值。
实际上，全球已有多家企业加入到Omniverse的增强型3D工作流中，例如借助Omniverse打造虚拟智能工厂的宝马集团、通过Omniverse完成预测性维护的西门子能源公司等等。目前，NVIDIA正在将Omniverse平台能力开放给广大的生态伙伴，并提供了3种方式让用户免费、轻松的开启数字孪生旅程，分别是全球推广计划（NVIDIA Omniverse on LaunchPad）、30天免费试用评估版（30 Day Free eva luation）以及在合作伙伴计划中获取许可证（Staring with a Partner）。 图 NVIDIA 提供了3种方式让用户免费、轻松的开启数字孪生旅程
可以预见的是，随着人工智能、工业物联网等技术的广泛应用，将实时或准实时的动态运行数据记录叠加传统工业模型，工业技术的显性化、模型化、软件化将进一步加速，很多企业将更加积极的应用数字孪生技术。但面对千行百业尤其是know-how显著的垂直工业场景，数字孪生的构建并非是一蹴而就的，对此，NVIDIA在总结了不同行业案例和应用实践后，形成了“五步走”方法论，帮助企业推进数字孪生应用：
1.确认用例
在开启数字孪生旅程之初，首先要根据企业发展情况明确自身需求，其中第一个解决的问题是“为什么需要数字孪生？”，或者更确切地说“数字孪生可以为企业解决哪些问题？”从这个简单的练习入手，有助于企业发现值得进一步探索的机会。例如对于制造商而言，可以将目标聚焦在改善高度手动、不连贯和低效的操作流程，或者针对引起生产线宕机的重要设备进行预测性维护并创建流程备份。
2.评估数据和环境
数字孪生依赖于对正确数据的访问。因此，构建数字孪生初期需要考虑因素是从3D模型或对于激光点的云扫描开始，构建的应用是否可以轻松的采集与处理可用数据。虽然不同行业的数据需求存在着差异化，但入门所需的大部分数据本质上还是以3D形式为主。数据集可能包含体系架构、工程、产品、工艺和地理空间数据，以及重要的元数据（用于定义数据的数据）。这些数据可能源自各种软件如CAD、CAE、PLM、MRO、GIS、BIM、机器人和物联网平台。
3.组建团队
正所谓人才是企业创新发展的第一竞争力，数字孪生项目落地的一个关键要素是组建具有合适角色和技能的团队，并且数字孪生团队看起来可能与企业过去组建的任何团队相差迥异。无论企业所处哪个行业，数字孪生团队成员都需要包括来自从研发设计、工程技术、数据科学和业务一线人员，甚至包含了系统集成商、软件开发和对外合作伙伴选择。
4.从小处着手
数字孪生的顶层设计，决定了企业的未来应用的推进路径。很多企业在初期往往怀有令人心驰神往的远大愿景。但事实证明，过于雄心勃勃的计划往往会导致不切实际的期望、执行不力和项目失败。正所谓九层楼台，始于垒土。相反的，找到一个不影响业务连续性的切入点入手，并让团队专注于提供有价值的更小解决方案，可以为未来打好基础。
5.衡量和传达影响
数字孪生的真正价值，是助力企业组织实现出色的运营效率，并改进和加速组织决策。在完成第一个PoC(概念验证)项目前，企业可能考虑多个机会。衡量和传达这一初始概念验证项目的影响，将是企业将数字孪生扩展到整个企业组织中其他领域的机会。通过将结果与原始问题陈述及其达成的目标和成果关联，企业更有可能激起底层用户的兴趣以及得到高层资金的支持。
