NVIDIA：丰富数字孪生内涵，加速数字化制造进程

然而在不断发展的应用需求面前，数字孪生同样面临技术和业务层面的挑战。在依托知识机理、数字化等技术构建数字模型时，精准和实时是达成数字映射的客观要求。在业务层面，由于工业物联网等来源的数据量正在迅速增长，且新的模拟需求不断涌现，如何保证从PLM到ERP、MES等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联合，则成为了主观挑战。

从技术到场景，再到业务，层层推进，NVIDIA正致力于以Omniverse平台实现研发工具协同，到面向工程师的各项数字孪生应用拓展。通过将自身所擅长的GPU数据处理、CUDA运算、实时光线追踪RTX技术等软硬件能力，以及长期深耕的图形、AI、仿真生态系统经验与现有OT智能制造相结合，NVIDIA正在通过Omniverse平台加速释放数字孪生价值，为制造企业转型升级赋能赋智。

当下，工业物联网、大数据、人工智能等新一代信息技术迅速发展，对推动制造业数字化、网络化、智能化进程起到关键作用，尤其是信息技术对于数据的强大计算和分析能力为制造业发展开辟崭新的发展空间，IT和OT的融合越来越受到制造企业的重视。而随着相关技术的持续迭代，数字孪生的内涵也不断丰富：从简单的对一个产品、一台设备、一条生产线等的数字孪生演进到更为复杂的对一个企业组织、一座城市的数字孪生，推崇工业4.0的德国甚至提出“数字国家”这种更为宏观的概念。

在NVIDIA中国区高级技术市场经理施澄秋看来，数字孪生的外观、表现和使用方式与其对应的实体一样，不仅包括产品、设备、建筑物等“实物”，也可以是企业组织、城市等“实体”。站在NVIDIA的角度，数字孪生的本质是通过对物理对象构建数字孪生模型，实现物理对象和数字孪生模型的双向映射。正是由于实体对象的复杂性，注定了其应用过程是一个融合多技术、多学科的复杂工程。施澄秋强调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，必须满足四项基本原则：

当物理实体是汽车、飞机等复杂模型时，数字孪生应用作为一项复杂的系统工程，整合数字孪生生态系统中的所有信息系统和数据模型就非常有必要了，在各个模块共同运行过程数据时，整个系统本身的数字孪生体就可用于系统设计，同时还可以基于各个自主模块进行预测性仿真。

施澄秋强调，构建数字孪生模型不是目的，而是手段。企业本质是希望通过对数字孪生模型的分析，提升物理实体性能和运行绩效的综合性技术策略，这也是企业推进数字化转型的核心战略举措之一。

自从NVIDIA在2019年GTC大会上宣布发布Omniverse平台后，就持续进行功能更新和版本迭代。通过近3年时间NVIDIA对其的不断完善，如今Omniverse平台已成长为超过10万用户应用的成熟平台，在赋能数字孪生应用，加速企业创新流程，提升工作效率方面，可以看到其主要保持着两个维度。

◉ 一方面，施澄秋介绍基于USD（Universal Scene Description，通用场景描述）关键技术，NVIDIA将Omniverse平台打造成连接与互通各种应用，扮演充当互联客户机和应用的中心枢纽的角色。通过携手合作伙伴构建Omniverse Connector、扩展程序和素材库。可以让Omniverse与Autodesk Maya、Autodesk Revit等多款研发设计工具和数字创作平台连接，实现了各种应用间的通用实时互操作性，便于用户在不同软件平台、不同ISV应用程序下进行合并使用以加强现有的3D工作流程。

对于制造企业而言，则无需纠结自身底层研发和设计软件，就可以通过聚合和连接诸如 3D 设计与CAD等应用软件，以构建采用单一事实来源的虚拟模型并在此基础上进行迭代，同时研发团队还可以连接并扩展到其它物联网、数据系统和工业自动化工具。通过多工具流的“一站式”集成合并，Omniverse平台使用户无需进行数据准备或抽样，就能把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。

◉ 而另一方面，NVIDIA将自身在图形、AI、仿真等领域的技术实践融入到Omniverse平台中。例如为了建设更加真实的数字世界，NVIDIA提供了PhysX物理引擎和RTX实时光线追踪技术。其中PhysX可以精准的实现物理效果模拟，可为影视画面带来充满动感的真实效果和基于粒子的流体视觉呈现；而RTX中包含的边缘反锯齿和超采样处理（DLSS）等能够对图像画质进行自动修补、生成，使其拥有更高的分辨率和栩栩如生的逼真效果。

更重要的是，NVIDIA正在将AI技术与Omniverse平台深度融合，使数字孪生能够真正意义上的落地，无限接近预测“真实”情景。通过NVIDIA IsaacSIM、Metropolis、ReOpt 和Modulus等AI工具，用户可以增加AI数字孪生技术的应用，为覆盖从设计到运营的全生命周期带来沉浸式体验。

换句话说，如果将之前的AI融入数字孪生进行样本训练比喻为《盗梦空间》的“第一重梦境”，那经过Omniverse平台的全保真处理后，AI算法将“误认为”自身在真实世界中进行训练，这种“第二重梦境”下的训练结果无疑更加客观、真实，能够帮助企业更好的获得仿真数据，实现智能化决策。

例如在日前NVIDIA和西门子打成的深度合作中，可以看到通过连接NVIDIA Omniverse和西门子Xcelerator平台后，数字孪生应用大幅度提升物理实体性能和运行绩效的综合性技术策略。以整个产线的仿真为例，经过西门子Xcelerator的全方位数据采集后，将数据融入NVIDIA Omniverse平台使整个产线拥有了逼真的物理性质、材质、照明、渲染效果。这也使NVIDIA能够为各种规模的企业都将能够使用带有即时性能数据的数字孪生、创建创新的工业物联网解决方案、充分利用来自边缘或云端的分析工具的可执行洞察，并让具有丰富视觉效果的沉浸式模拟变得更容易获取以应对未来的工程挑战。

使装配线的数字孪生更加真实

如同NVIDIA最初发明GPU是为了加速图形计算一样，施澄秋表示NVIDIA希望通过Omniverse平台将制造企业产品创新、制造效率和功能性水平提升至一个新的高度。他指出制造业一直是数字孪生应用的前沿阵地，Omniverse最初试用版的第一个客户，就是宝马集团。作为宝马集团的未来2.0智能工厂，是2021年春季 GTC上公布的虚拟工厂的扩展，该工厂从设计、仿真、运营到维护完全在 NVIDIA Omniverse 中完成。该工厂拥有遵守物理定律的数字人和自主机器人，是实现工厂数字孪生的出色代表。

以物流机器人为例，该机器人由运行在NVIDIA开放Isaac机器人软件平台上的软件架构开发而成。其中导航机器人自主运输材料，操作机器人分拣整理零部件。物流机器人的所有系统都采用NVIDIA技术进行设计、训练、开发、仿真和部署。此外，机器人使用NVIDIA Omniverse虚拟环境中运行的NVIDIA Isaac Sim进行虚拟训练和测试，并且位于不同地理区域的多名宝马集团职员可在同一仿真环境中协同工作。

西门子能源公司则通过数字孪生准确高效地主动预测锈蚀情况，进而利用NVIDIA Modulus Physics-ML框架和NVIDIA Omniverse Enterprise 减少检查以及因维修产生的宕机时间。施澄秋解释由于西门子能源在热回收蒸汽发生器的某些部分，蒸汽和水的混合物会导致腐蚀，进而影响热回收蒸汽发生器部件的使用寿命。通过对进水温度、压力、 pH 值、燃气轮机功率和温度等实时数据进行预处理，计算出水和蒸汽的压力、温度和速度后导入 NVIDIA Modulus 框架创建的物理和机器学习模型中，以精确模拟蒸汽和水如何实时流经管道。

如果按照传统的方式，为每台热回收蒸汽发生器建立计算流体动力学模型，需要长达八周的时间才能估计出热回收蒸汽发生器工厂管道内的腐蚀情况，且共有600多台设备都需要经历这个流程。通过使用 NVIDIA 技术，西门子能源能够加速工作流程，将预估腐蚀情况所需的时间从几周缩短到几小时。

值得一提的是，为了支持数字孪生应用的落地，在硬件方面NVIDIA提供了包括由1-4块A5000/A6000的工作站、1-8块A6000/A40构成的服务器和面向复杂工业场景的NVIDIA OVX参考架构，在高性能GPU加速计算的同时适配高速存储访问、低延迟网络、精确计时等优势，例如新推出的下一代以太网平台NVIDIA Spectrum-4，为企业数字孪生战略落地提供全方位算力支持。

适用于不同用例的部署选项

随着数字孪生、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。在此趋势之下，NVIDIA正在将Omniverse平台能力开放给广大的生态伙伴，助力更多制造企业构建更加精准、丰富、完整的数字孪生应用，让更多企业能够源源不断驶向数字化转型的价值新蓝海。