什么是数字孪生？

具身 AI 与工业设施交互的物理 AI 时代即将来临。这将提高全球工厂和仓库的智能化、自动化和自主性。基于物理原理的工业数字孪生对于实现此转型至关重要，可帮助联接物理与数字世界。这些虚拟设施既是智能设施、机器人仿真和多机器人机群的诞生地，也是测试场地。

Continental 开发者借助 OpenUSD 和 NVIDIA Omniverse 库创建了工厂规划和生产运营应用 ContiVerse。该应用可帮助 Continental 的规划和运营团队优化工厂布局并协同规划生产流程，预计可将维护工作量和宕机时间减少 10%。

Rockwell Automation 正在借助其 Emulate3D 工厂测试平台，提升工厂的设计、测试和调试效率，赋能制造商构建基于物理原理的工厂级数字孪生。这项先进的仿真能力不仅使项目的赢单率提升了 50%，更将产品上市时间从数年缩短至数月。

Foxconn 正在构建工厂的数字孪生以优化布局、配置和设备摆放，大幅降低实体环境的变更成本并提高运营效率。针对 Foxconn 位于美国德克萨斯州休斯顿的全新先进工厂项目，工程师们借助基于 NVIDIA Omniverse 库开发的西门子数字孪生技术栈，在实际施工之前先通过虚拟环境对所有机械、电气和管道系统进行组装和验证。

这种源自工厂的数字方法随后利用“Mega” NVIDIA Omniverse Blueprint 和开源的 NVIDIA Isaac Sim 框架，对 AI 赋能机器人机群进行设计、仿真、训练和验证。未来，这些机器人机群将与工厂员工并肩工作，共同制造 NVIDIA AI 基础设施系统。这种方法使该公司能够在虚拟环境中训练和测试用于完成机器人任务的 AI 应用，确保准确实施并提高现实世界的运营效率。

数字孪生正越来越多地用于产品设计和工程评审。它们可加速虚拟原型设计和迭代，使设计师和工程师能够探索不同的设计方案，而无需昂贵的实体原型。这些实体产品的数字副本用于运行复杂的仿真，以测试各种场景、预测性能和优化设计。

Siemens Teamcenter X 采用 NVIDIA Omniverse API，有助于设计师和工程师创建身临其境的逼真数字孪生。工程师可在共享虚拟模型上进行实时浏览、编辑和迭代，从而推动协作并减少错误。借助物理精准的模型和实时更新，Teamcenter X 可帮助用户验证设计，更大限度地减少工作流浪费，并为工业级项目节省时间和成本。

实时数字孪生处在计算机辅助工程 (CAE) 仿真的最前沿，在从航空航天到汽车和电子设计的整个制造业中都具有很高的需求。它们可在工程设计循环中为工程师提供即时反馈，以便他们自由开展创新，并快速探索汽车、飞机、船舶和许多其他产品的新设计。

借助 NVIDIA Omniverse 交互式流体仿真 Blueprint，开发者能够组合加速求解器、仿真 AI 与虚拟环境，从而创建数字孪生。Ansys、Cadence 和 Siemens 等行业领先的软件开发商可以使用这些 Blueprint 来开发 CAE 软件工具，在产品开发过程中对其进行实时可视化和分析。Luminary Cloud 是面向初创公司的 NVIDIA 初创加速计划成员之一。该公司利用 NVIDIA Omniverse Blueprint 及其云原生 GPU 加速求解器，成功打造了一个实时虚拟风洞。Rescale 还将该 Blueprint 整合到其物理 AI 平台中，为行业软件开发商提供实时数字孪生。

汽车公司、零售商和快消品公司正在开发 3D 产品配置器，使用完全数字化的产品和环境而非实体资产，大规模提供引人入胜的体验和内容。这些产品的数字孪生可帮助非 3D 艺术家创建和定制用于营销活动的逼真、个性化 3D 内容，同时借助生成式 AI 重复利用数据集并自动完成重复性任务，从而降低成本并缩短内容制作时间。

联合利华与 Collective World 的内容引擎，以及 Moët Hennessy 所使用的 Grip 平台，展示了全球品牌如何通过实时 3D 渲染、自动资产生成以及 AI 驱动的一致性检查来优化生产流程，确保每个视觉图像都精准契合品牌调性、具备逼真的视觉效果，并能够快速大规模推向市场。

CGI 工作室 Katana 正帮助日产的营销团队，通过其用户友好型内容创作应用，基于 3D 数据按需创建活动资产。

为了进一步提升这种体验，开发人员正利用空间串流工作流指南构建解决方案，将交互式数字孪生流式传输到 Apple Vision Pro，让消费者沉浸式进入虚拟世界，并通过扩展现实 (XR)进入车辆内部。

借助 NVIDIA NIM™ USD Search 和 USD Code，领先广告商 WPP 正帮助可口可乐公司在全球范围内加速创意活动迭代。

Accenture Song、Collective World、GRIP、Monks 和 WPP 等独立软件供应商 (ISV) 和制作服务机构的开发者正基于 OpenUSD 和面向精确视觉生成式 AI 的 3D 调节 Omniverse Blueprint，构建新一代内容创作解决方案，并融入可控生成式 AI。

建筑设计团队面临着日益增长的高效协作、加快渲染迭代的需求，并希望实现准确的仿真与逼真度。当团队分散在世界各地时，满足这些需求可能会变得更加富有挑战性。

数字孪生可在每个设计阶段实现与建筑信息建模和非 BIM 数据源的实时协作。借助 OpenUSD，建筑设计团队可在数字孪生中集成其 3D 架构数据，以便使用不同工具的用户在同一虚拟环境中进行协作。

领先的建筑公司 Zaha Hadid Architects (ZHA) 利用由 OpenUSD 提供支持的数字孪生，帮助设计团队在复杂项目设计过程中进行协作，并加快迭代周期。

工业企业正越来越多地在其运营中集成 AI，以提供更多自动化和自主运行设施。随着这些转变，运营团队正开始集中于远程运营中心。这些团队正越来越多地利用数字孪生监测运营、更深入地了解系统和设施，并加速问题识别和决策制定。

Microsoft Azure 与 NVIDIA 合作，共同开发了参考架构 Azure Arc Jumpstart 和公共 GitHub 存储库，以帮助开发者构建运营数字孪生。开发者可以利用这些资源，将工业系统和生产环境的 3D 模型连接到来自 Azure IoT Operations 和 Power BI 报告的实时数据。

智能汽车和仓库机器人等自主机器需要大量的传感器数据才能得到充分训练，并为运行环境做好准备。

数字孪生是这些物理 AI 的发源地。它们针对人工智能开发者经常遇到的数据缺口提供了解决方案，因为它们可用作安全沙盒，以生成合成数据来训练、测试和验证 AI 模型。例如，Amazon Robotics 使用其仓库的数字孪生来模拟和优化仓库设计与流程。该公司利用这些环境生成了大量逼真的合成数据集，以加速训练、提高计算机视觉模型的准确性并提升整体生产力。当模型被部署到现实世界后，仓库机器人能够更高效地进行目标检测，并在设施环境中实现精准导航。

在汽车行业，创建用于仿真的数字孪生对于训练、测试和部署辅助驾驶汽车至关重要，但实现现实世界的保真度却极具挑战。面向辅助驾驶仿真的 NVIDIA Omniverse Blueprint 通过实现大规模、高保真的传感器仿真来帮助应对这一挑战。借助这个基于 API 的参考工作流，CARLA、MathWorks 和 Foretellix 等开发商能够交付数字孪生，并为摄像头、激光雷达和雷达提供物理传感器数据，从而增强自动驾驶车辆开发。

KION Group 正利用 Mega — 用于测试多机器人机队的 NVIDIA Omniverse Blueprint，在虚拟环境中训练和测试其机器人智能体，包括智能摄像头、叉车和机器人设备，然后将其部署到现实世界中。通过模拟仓库运营，KION 可确保无缝集成，进而降低部署风险并提高运营效率。

作为电源和热管理技术的全球领先企业，台达电子利用数字孪生来训练计算机视觉和 AI 辅助自动光学检测 (AOI) 模型，可快速检测元件缺失或螺丝错位等缺陷，从而减少对人工检测的需求。

Pegatron 使用 NVIDIA Metropolis for Factories 来增强其印刷电路板 (PCB) 工厂的仿真、机器人和自动化生产检查能力，其利用小型数据集实现了 99.8% 的缺陷检测准确率。

数字孪生正在彻底改变新一代数据中心和 AI 工厂的设计和运营。利用 OpenUSD，工程师可以物理精准地集成和可视化 CAD 数据集，实现气流和冷却系统等方面的仿真。数字孪生的使用还可实现更快的数据中心部署，更加高效而准确的优化，显著改进数据中心开发的规划和执行。

借助面向 AI 工厂数字孪生的 NVIDIA Omniverse Blueprint，开发者能够构建统一的数字孪生模型，在实际施工之前，即可对 AI 数据中心的所有层面进行设计、仿真和优化。利用 OpenUSD 库，工程师能够聚合来自所有设施组件的 3D 数据并进行可视化，从而实现物理精确的实时仿真，彻底打破传统团队之间的数据孤岛。这种方法使工程师能够即时测试设计变更、验证冗余，并对故障场景进行建模，从而显著降低风险、节省时间，并为新一代数据中心的设计提供面向未来的保障。

NVIDIA 还宣布将在美国弗吉尼亚州的 Digital Realty 建设 AI 工厂研究中心。该设施由 NVIDIA Vera Rubin 平台驱动，将加速生成式 AI、科学计算和先进制造业领域的突破，并为数字孪生和大规模仿真领域的前沿研究奠定基础。

该中心为 NVIDIA Omniverse DSX 铺平道路 — 这是一个利用 NVIDIA Omniverse 库实现多代吉瓦级建设的 Blueprint，将为 AI 基础设施确立新的卓越性标准。通过深度整合虚拟系统与物理系统，NVIDIA 正在打造一个可扩展的模型，用于建设能够持续优化性能、能效和可持续性的智能设施。

在 AI 工厂的逻辑仿真方面，NVIDIA Air 作为基于云的平台，为创建网络数字孪生提供支持。NVIDIA Air 提供对 NVIDIA Spectrum-X™ AI 网络的全面仿真，包括 Spectrum 以太网交换机、NVIDIA® BlueField® DPU 和 SuperNIC™ 网络加速器，以及 NVIDIA NetQ™ 网络可视化与遥测工具集。NVIDIA Air 支持对前端用户接入网络和后端 GPU 网络进行综合建模，将 Day 0 和 Day 1 的部署时间缩短超过 70%，并通过更大限度地减少意外宕机时间，提升 Day 2 的运营效率。

医疗机构在术前准备等领域发现了引人注目的数字孪生用例。外科医生可以使用多媒体工具演练手术，然后在数字孪生的帮助下过渡到高度逼真的仿真。在神经外科中，这些数字模型经过定制，以匹配患者的大脑解剖结构，使外科医生能够在准确复制患者大脑的具体尺寸、形状和病变位置的虚拟大脑上进行练习。

这类仿真还采用 AI 算法来建议安全的手术路径，并预测脑组织在手术过程中的反应。此外，手术室数字孪生还使外科医生能够沉浸在逼真的环境中，获得表现反馈。

智慧城市正在改变我们的生活方式，利用技术解决复杂的城市挑战。通过发挥视频分析 AI 智能体和数字孪生技术的强大优势，城市能够深入洞察城市生活的方方面面，包括交通流量、行人安全以及基础设施规划。NVIDIA 智慧城市 Blueprint 赋能城市运营者做出明智决策，优化城市设计，并全面提升居民的生活质量。

数字孪生能够具象地模拟系统级行为，满足先进的 5G 和 6G 网络的独特需求。其高精度 3D 模型能够准确模拟电磁波传播，有助于对具有大量用户的众多蜂窝单元进行压力测试。

NVIDIA Aerial Omniverse 数字孪生能够准确模拟从单信号塔到覆盖整个城市的 5G 和 6G 系统，并整合软件定义 RAN、用户设备模拟器和真实的地形特征。这样，研究人员就能够利用特定于站点的数据模拟和构建基站算法，并实时训练模型以提高频谱效率。

数字孪生甚至被应用于实施气候建模和能源效率计划。

NVIDIA 的 Earth-2 是一个气候数字孪生云平台，旨在增强对全球范围内天气和气候的仿真和可视化。该平台是 NVIDIA 的更广泛计划的一部分，致力于应对极端天气条件产生的经济和安全影响 (而气候变化加剧了这种影响)。

通过利用 AI 代理，Earth-2 可以创建交互式的高分辨率仿真，涵盖从全球大气状况到台风和湍流等局部天气事件。Earth-2 能够提供更快、更准确的天气预报，这对于及时灾害响应和规划至关重要。

数字孪生通过实现更精确、更快的模拟和操作，显著提升了各行业的能源效率。

例如，Wistron 利用 NVIDIA PhysicsNeMo 和 Omniverse 创建了数字孪生，以模拟测试设施中的气流和温度。这将仿真时间从数小时缩短至数秒钟，将能源效率提升多达 10 %，并减少了碳排放。同样，西门子能源正在加速热回收蒸汽发生器的仿真，以减少潜在宕机时间并促进可持续计算。