什么是数字孪生?

数字孪生是产品、流程和设施的虚拟表示,企业用它来设计、模拟和操作其实体对应物。

数字孪生的工作原理是什么?

数字孪生通过整合最贴切描述其现实世界对应物的数据而创建。这些数据源和格式因数字孪生类型、行业和用例而异,但通常由一维数据 (如 IT/OT 系统中的表格数据) 和二维/三维数据 (如 CAD、现实捕捉扫描、BIM) 组成。结合这些数据源创建数字孪生,将创造令人难以置信的新机遇 — 从先进的设计和规划到仿真(使用 SimReady 资产)和远程监控及运营控制。物联网 (IoT) 传感器和设备在提供实时数据方面发挥着至关重要的作用,这些数据可确保数字孪生的准确性和最新性,从而实现物理和数字领域之间的动态交互。

数字孪生技术的发展

美国国家航空航天局 (NASA) 被公认为是推行数字孪生概念的先驱,这一颠覆性的理念在阿波罗 13 号任务中得以彰显。在该任务中,NASA 利用地面模拟器通过实时数据更新与航天器建立关联,使工程师能够与宇航员一起排除故障,最终避免了一场灾难。

尽管数字孪生的概念自 21 世纪初以来已应用于工业制造领域,但最近的进步正在进一步扩展数字孪生技术的边界。数字孪生正受益于由 OpenUSD 等开放数据框架、计算机图形学、生成式 AI 和加速计算所推动的数据互操作性的提升,从而催生出一类新的基于物理并由 AI 赋能的数字孪生。

这些新一代数字孪生不仅连接了边缘端的企业数据和生产系统,还融合了物理精准的材料、光照、渲染及行为,以支持一系列高级规划、仿真和运营用例。

数字孪生支持物理 AI 系统的训练、测试和验证。前沿 AI 智能体可以通过准备 3D 场景、连接仿真工具以及运行测试,帮助开发这些仿真工作流。软件制造商可以将加速仿真能力集成到其应用中,为智能体提供工具,使其能够以物理模型精度、速度和计算效率来模拟物理行为。开发者和专家可确定测试、检查和比较结果的对象,并花更多时间探索场景。

这一技术飞跃通过汇总历史数据和运营数据,使工作流的优化更为精准、提升客户体验并改进决策。反过来,数字孪生技术还能促进预测性维护、减少宕机时间、更大限度地减少物理或材料浪费、提高产品质量并实现供应链优化。

数字孪生技术推动的数字化转型正在为产品和设施的生命周期管理和自动化设定新标准 — 确保物理对象及其数字版本在整个生命周期内实现最佳协调和高效管理。

Siemens

标题:在由 NVIDIA Omniverse™ API 提供支持的 Siemens TeamCenter X 中实现船舶数字孪生可视化

物理 AI 数字孪生

学习 OpenUSD 数字孪生应用与工作流开发的核心概念,为物理 AI 时代做好准备。

快速链接

数字孪生的优势是什么?

数字孪生作为工业数字化的基础,可为各个行业的企业带来诸多好处。其中包括:

简化的设计与规划过程

数字孪生正在改善协作、加速决策制定以及利用实时数据进行规划。宝马集团利用工厂数字孪生,在绿地规划中实现高达 30% 的效率提升。

仿真功能

仿真对于充分发挥数字孪生潜力至关重要,使团队能够在现实世界部署之前,通过仿真测试和优化流程、布局、机器人开发和气流。Wistron 将气流仿真时间从 15 小时缩短至 3.6 秒。

优化运营

通过连接实时物联网和传感器数据来监控运营,团队能够通过 AI 赋能的检查工作流,更快地解决问题并提高质量。Pegatron 将缺陷检测能力提升高达 60%。

工业 AI 和物理 AI 赋能

工业 AI 和物理 AI 将重塑重工业格局,并为工业设施注入更高水平的智能化、自动化与自主性。数字孪生提供安全的环境,以便在现实世界部署之前,训练、测试和验证 AI 和辅助驾驶系统。

节省成本

通过预测性维护、运营优化以及减少物理原型设计 — 数字孪生能够为产品生命周期和设施生命周期中的各个环节大幅节省成本。

开发数字孪生需要哪些技能?

构建拥有适当角色和技能组合的团队是成功开发数字孪生的关键。尽管技能和角色可能因行业和用例而异,但团队通常由具备以下技能的开发人员、3D 专家和技术人员组成:

  • 开发者:拥有 Python、React 和 UI/UX 设计经验。
  • 3D 专家:拥有 CAD、BIM、OpenUSD、材质、光照、物理和动画方面的经验。
  • 技术人员:在 IT/OT 系统集成、数据中心网络建设、AI/机器学习、开发运维 (DevOps) 和数据架构方面拥有丰富经验。

这些核心团队通常由系统集成商和软件开发及交付合作伙伴(如 Accenture、SoftServe 和 T-Systems)提供支持。

探索数字孪生学习路径,为开发基于 OpenUSD 的数字孪生应用和工作流奠定必要的基础,迎接物理 AI 时代。

数字孪生有哪些用例?

数字孪生正在用于支持一系列设计规划、仿真和运营用例。以下是来自各个行业的示例:

工业设施数字孪生

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。

富士康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。针对富士康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。

标题:NVIDIA Omniverse、Isaac™ 和 Metropolis 将 AI 机器人的强大功能融入富士康的工厂数字孪生。

Sight Machine 提供集成型工业 AI 解决方案,帮助制造商监控运营情况、快速解决生产问题,并缩短宕机时间。其 Operator Agent 充分利用了实时生产数据、Microsoft Azure 上由 AI 驱动的推荐技术,并以基于 OpenUSD 和 NVIDIA Omniverse 技术构建的精准数字孪生为依托。通过统一数据、简化工作流,该方案提供实时可见度和上下文,赋能企业做出更快速、更明智的决策,从而全面提升生产力、系统吞吐量及盈利水平。

NVIDIA FGX™ 和 NVIDIA 工厂运维蓝图基于这些工厂数字孪生,提供工业计算平台和参考设计,通过使用 Omniverse 库构建的运营孪生,连接工厂系统、实时生产数据和专用 AI 智能体。包括富士康、Pegatron 和 Wistron 在内的制造商正在使用这些技术构建多智能体工厂工作流,以加速根本原因分析、改善质量控制并优化机器人利用率。

产品开发

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 库,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。Cadence、Siemens 和 Synopsys 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。

产品配置器

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,让消费者进入沉浸式世界并在扩展现实 (XR) 中体验驾车。

借助 NVIDIA NIM™ 微服务 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。

建筑设计和仿真

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。

工业运营远程监控

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控运营、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。

自主系统测试和验证

辅助驾驶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。面向辅助驾驶汽车仿真的 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,从而增强辅助驾驶车辆开发。

KION Group 正在利用 NVIDIA Isaac 平台以及 Mega — 用于多机器人机队的软件在环测试,在部署到现实世界之前,在虚拟环境中模拟和验证其物理 AI 系统,包括智能摄像头和自动叉车。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。

KION Group, Accenture

NVIDIA Omniverse、Isaac 及 Metropolis 在工业仓库中引入强大的工业数字孪生功能,以大规模模拟、测试和优化机器人机队。

光学检查和缺陷检测

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。

和硕使用 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。

数据中心和 AI 工厂优化

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,工程师可以在公共 3D 环境中集成和可视化 CAD 数据集,同时,仿真就绪的资产数据和仿真工具可以实现气流和冷却系统等分析。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。

NVIDIA Omniverse DSX Blueprint 使开发者能够构建统一的数字孪生模型,在实际施工开始之前,即可对 AI 工厂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。

SimReady 中央库通过 Hugging Face 使 OEM 设备可被发现,将开发者与经过验证的 OpenUSD 资产联系起来,用于构建机器人学习环境和 AI 工厂数字孪生。

CAD-to-SimReady 技能将 CAD 数据转换为具有几何、材质和物理属性的 OpenUSD 资产。通过自动转换、属性分配和验证,3D 开发者和 AI 智能体如今可以使用物理精准的资产,构建可仿真就绪的世界。

NVIDIA 还宣布将在弗吉尼亚州的 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 Blueprint 提供了试验场,这是一个利用 NVIDIA Omniverse 库实现多代吉瓦级建设的框架,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。

AI 工厂数字孪生可以通过将计算、网络、功耗和冷却作为一个系统进行建模,帮助团队提高能效。构建者可以使用 NVIDIA DSX Sim™ 测试跨系统权衡、在构建前验证设计,并在部署后将预期行为与现实世界性能进行比较。NVIDIA DSX Exchange™ 连接设施与 IT/OT 信号,NVIDIA DSX MaxLPS™ 在固定预算内动态管理电力,NVIDIA DSX Flex 根据电网条件和可用能源资源协调工作负载。这些能力共同帮助 AI 工厂最大化每瓦 Token 生成数量,并在可用功耗范围内优化性能。

对于 AI 工厂的逻辑仿真,NVIDIA DSX Air 是一个基于云的平台,可创建完整 AI 工厂生态系统的孪生。DSX Air 模拟 NVIDIA Spectrum-X™ AI 网络,包括 Spectrum 以太网交换机、NVIDIA BlueField™ 数据处理单元 (DPU) 和 SuperNIC™ 网络加速器,以及纵向扩展的 NVIDIA NVLink™。此外,强大的合作伙伴生态系统在平台上提供经过验证的解决方案仿真。DSX 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。

数字手术

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:城市规划与运营

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。

标题:城市仿真,由 KPF 提供

实时交通场景数字孪生的出现,使得机器学习工程师能够生成准确反映现实世界交通模式和违章行为的合成数据集。这些合成数据集有助于验证 AI 模型和优化训练工作流,从而实现智慧城市交通管理系统,减少拥堵、降低排放并提高应急响应和公共服务水平。

数字孪生还是一款功能强大的交互式可视化工具,用于处理包括摄像头数据在内的各类传感器数据。通过将 AI 与数字孪生相结合,用户可以实时查询数据以获取洞察,主动应对突发事件,并显著缩短整体的应急响应时间。

借助城市的虚拟副本,Linker Vision 正在部署 NVIDIA 智慧城市 AI Blueprint,以打造端到端 AI 解决方案,包括用于构建城市级数字孪生的 Omniverse 库、用于微调 AI 模型的 NVIDIA Cosmos™ Reason,以及用于实现实时环境感知的视频分析 AI 智能体。这些前沿技术正在高雄等智慧城市中全面提升城市运营、实现智能事件响应,并促进跨部门协作。

无线网络仿真

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。

说明:使用 NVIDIA Aerial Omniverse 数字孪生设计和测试 5G 和 6G 网络

气候仿真和能源效率

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,纬创利用 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。