网页标题: 什么是数字孪生？| NVIDIA 术语表

网页链接: https://www.nvidia.cn/glossary/digital-twin/

1. [术语表](https://www.nvidia.cn/glossary/)
2. 数字孪生

# 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](https://www.nvidia.cn/industries/industrial-sector/)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](https://www.nvidia.cn/omniverse/usd/) 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、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。

随着数字孪生技术的发展，它们在测试和完善现实世界中的生成式物理 AI 驱动式自主系统时显得至关重要。

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。

西门子

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

## 数字孪生技术如何运作？

数字孪生通过整合最贴切描述其现实世界对应物数据而创建。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）数据组成。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和[远程实时监控](https://developer.nvidia.com/blog/connect-real-time-iot-data-to-digital-twins-for-3d-remote-monitoring/)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，可确保数字孪生保持准确和最新，从而实现物理与数字领域之间的动态交互。

## 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：

* **简化设计和规划流程：**数字孪生简化了项目利益相关者的沟通，以便团队在全面了解相关信息的情况下进行可视化并快速做出决策，并确保决策基于最新数据。例如，[宝马集团](https://www.nvidia.com/en-us/case-studies/bmw-group-develop/)利用其工厂的数字孪生来加快新建工厂规划，预计可将效率提升多达 30%。
* **模拟场景：**仿真对于充分发挥数字孪生的潜力至关重要，使团队能够在虚拟环境中安全预测、验证和优化现实世界的性能。从流程和布局更改到机器人编队和气流仿真，团队可以随时随地进行仿真。

   作为全球最大的信息和通信产品供应商之一，[纬创](https://developer.nvidia.cn/zh-cn/blog/wistron-advances-energy-efficiency-in-manufacturing-with-ai-and-nvidia-omniverse/)使用数字孪生加速气流仿真，将其团队以前需要 15 小时才能完成的流程缩短至 3.6 秒，速度提高了 15000 倍。
* **优化运营：**通过[将数字孪生连接到运营系统和生产数据](https://developer.nvidia.cn/zh-cn/blog/connect-real-time-iot-data-to-digital-twins-for-3d-remote-monitoring/)（将实时从边缘的物联网设备和传感器流式传输此类数据），团队可以远程监控运营，以识别、分析和解决问题。运营团队还将 AI 融入其数字孪生以训练计算机视觉模型，以在现实世界中用于检测缺陷。例如，[和硕](https://developer.nvidia.cn/zh-cn/blog/pegatron-simulates-and-optimizes-factory-operations-with-ai-enabled-digital-twins/)采用 AI 赋能的数字孪生检测缺陷，与人工检查员相比，捕获数量提升多达 60%，而误差减少 30%。
* **节省成本：**通过预测性维护、优化运营和减少物理原型设计，数字孪生可以在整个产品和设施生命周期中显著节约成本。
* **将工业 AI 和物理 AI 整合到设施中**：[工业 AI](https://www.nvidia.cn/glossary/industrial-ai/) 和[物理 AI](https://www.nvidia.cn/glossary/generative-physical-ai/) 将实现重工业转型，帮助工业设施提高智能、自动化水平和自主性。数字孪生是这些 AI 的关键试验场，可帮助企业在仿真环境中测试和验证高级工业 AI 模型，然后再将其部署到现实世界中。

## 哪些技术使数字孪生成为可能？

几种关键技术的融合有助于开发人员构建工业规模的数字孪生，并加速实现其工业数字化目标。其中包括：

* **OpenUSD — 通用场景描述：**开发数字孪生时面临的主要挑战之一，是整合来自各种数据源和格式的数据。就像 HTML 成为互联网的统一标准一样，借助 [OpenUSD](https://www.nvidia.cn/omniverse/usd/)，开发者能够更轻松地整合来自不同生态系统的数据以构建数字孪生。
* **生成式 AI：**生成式 AI 正在迅速成为新的软件接口，以便更轻松地以自然语言与工业数据和系统进行交互，从而快速检索知识、进行分析并获得建议。如果企业无法获取足够的现实世界数据来开发数字孪生，可以利用生成式 AI 来加速开发过程。利用 [NVIDIA NIM™ 推理微服务](https://www.nvidia.cn/ai/)（如 [USD Code](https://docs.omniverse.nvidia.com/services/latest/services/usd-code/overview.html) 和 [USD Search](https://docs.omniverse.nvidia.com/services/latest/services/usd-search/overview.html)），开发者能够[简化并加速工作流](https://docs.omniverse.nvidia.com/guide-sdg/latest/index.html)，快速开发和部署数字孪生解决方案，并生成物理精准的合成数据以训练[物理 AI](https://www.nvidia.cn/glossary/generative-physical-ai/)。
* **计算机图形学：**为了支持先进的规划、仿真和运营用例，数字孪生必须符合现实世界的物理规律。机器人或 AI 在现实世界中使用的传感器可以在数字孪生中进行模拟，以帮助 AI 在模型部署到现实世界的生产环境之前进行学习。借助 [NVIDIA RTX](https://www.nvidia.cn/technologies/rtx/)™ 和 [NVIDIA Omniverse Cloud Sensor RTX™ 微服务](https://blogs.nvidia.cn/blog/omniverse-microservices-physical-ai/)，开发者不仅能创建外观漂亮的数字孪生，还能构建符合现实世界物理规律的模型。
* **加速计算：**要实现工业规模数字孪生可视化并使用它们运行复杂的仿真来训练物理 AI，需要能够快速处理大量数据的技术基础设施。[加速计算](https://blogs.nvidia.com/blog/what-is-accelerated-computing/)非常适合为这个数字孪生和仿真新时代提供支持，因为它们对于通用计算来说过于庞大并且会占用大量计算资源。

来自 [Ansys](https://www.nvidia.cn/industries/industrial-sector/ansys/)、[Cadence](https://www.nvidia.cn/industries/industrial-sector/cadence/)、[Hexagon](https://hexagon.com/resources/resource-library/hexagon-deepens-collaboration-with-nvidia)、[Microsoft](https://www.nvidia.cn/data-center/gpu-cloud-computing/microsoft-azure/)、[Rockwell Automation](https://images.nvidia.cn/cn/youtube-replicates/gwyDj8gy2Fo.mp4)、[SAP](https://images.nvidia.cn/cn/youtube-replicates/flBI6BOvun8.mp4) 和[西门子](https://www.nvidia.cn/industries/industrial-sector/siemens/)等领先 ISV 的开发者正利用这些技术开发数字孪生解决方案，帮助客户在将下一代产品、制造流程和设施投入实体世界之前，以虚拟方式设计、模拟、构建和操作它们。

## 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：**具备 IT/OT 系统集成、数据中心网络、AI/ML、DevOps 和数据架构方面的经验。

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](https://newsroom.accenture.com/news/2024/accenture-and-nvidia-lead-enterprises-into-era-of-ai)、[SoftServe](https://developer.nvidia.com/zh-cn/blog/spotlight-continental-and-softserve-deliver-generative-ai-powered-virtual-factory-solutions-with-openusd/) 和 [T-Systems](https://www.t-systems.com/de/en/industries/automotive/solutions/industrial-metaverse-with-nvidia-omniverse)）提供支持。

探索数字孪生学习路径，为物理 AI 时代开发基于 OpenUSD 的数字孪生应用和工作流奠定基础。

## 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。

来自各个行业的用例：

### 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](https://images.nvidia.cn/cn/youtube-replicates/rrb2tPHiLRo.mp4) 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](https://blogs.nvidia.cn/blog/siemens-immersive-visualization-generative-ai/)。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)](https://www.nvidia.cn/solutions/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[用于交互式流体仿真的 NVIDIA Omniverse Blueprint](https://developer.nvidia.cn/zh-cn/blog/rapidly-create-real-time-physics-digital-twins-with-nvidia-omniverse-blueprints/)，开发者能够组合加速求解器、仿真 AI 与虚拟环境，从而创建实时数字孪生。[Ansys](https://www.nvidia.cn/industries/industrial-sector/ansys/)、[Cadence](https://www.nvidia.cn/industries/industrial-sector/cadence/) 和[西门子](https://www.nvidia.cn/industries/industrial-sector/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。作为面向初创公司的 [NVIDIA 初创加速](https://www.nvidia.cn/startups/?ncid=cont-990340-vt33)计划成员，[Luminary Cloud](https://www.luminarycloud.com/) 利用 Omniverse Blueprint 及其云原生 GPU 加速求解器，实现了实时虚拟风洞。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](https://www.nvidia.cn/use-cases/3d-product-configurator/#:~:text=A%203D%20product%20configurator%20is,render%20them%20in%20photorealistic%20quality.)，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。

CGI 工作室 [Katana](https://www.nvidia.cn/case-studies/katana-studio-streamlines-automotive-marketing-with-real-time-application/) 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 数据按需创建营销活动素材。

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](https://docs.omniverse.nvidia.com/avp/latest/index.html)构建解决方案，[将交互式数字孪生流式传输到 Apple Vision Pro](https://blogs.nvidia.cn/blog/omniverse-apple-vision-pro/)，让消费者进入沉浸式世界并在[扩展现实 (XR)](https://www.nvidia.cn/design-visualization/solutions/virtual-reality/) 中体验驾车。

借助 NVIDIA NIM 微服务 [USD Search](https://docs.omniverse.nvidia.com/services/latest/services/usd-search/overview.html) 和 [USD Code](https://docs.omniverse.nvidia.com/services/latest/services/usd-code/overview.html)，领先广告商 [WPP](https://www.nvidia.cn/industries/media-and-entertainment/wpp/) 正帮助[可口可乐公司](https://blogs.nvidia.cn/blog/coca-cola-wpp-omniverse-generative-ai/)在全球范围内加速创意活动迭代。

[Accenture Song、Collective World、GRIP、Monks 和 WPP](https://developer.nvidia.cn/zh-cn/blog/building-a-generative-ai-openusd-app-for-brand-accurate-marketing-visuals/) 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](https://www.nvidia.com/en-us/omniverse/#try-now) 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](https://developer.nvidia.cn/zh-cn/blog/optimizing-bim-workflows-using-usd-at-every-design-phase/)。借助 OpenUSD，建筑设计团队可在数字孪生中[集成其 3D 架构](https://developer.nvidia.cn/zh-cn/blog/enhancing-architectural-3d-modeling-collaboration-with-universal-scene-description/)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)](https://www.nvidia.com/en-us/case-studies/zaha-hadid-architects-with-omniverse-and-usd/) 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。

### 工业设施数字孪生

[具身 AI](https://www.nvidia.com/en-us/glossary/embodied-ai/) 与工业设施交互的[物理 AI](https://www.nvidia.cn/glossary/generative-physical-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](https://blogs.nvidia.cn/blog/virtual-factories-industrial-digitalization/)将充当智能设施、[机器人仿真](https://www.nvidia.cn/use-cases/robotics-simulation/)和多机器人机群的发源地和测试场地。

[Continental 开发者](https://developer.nvidia.cn/zh-cn/blog/spotlight-continental-and-softserve-deliver-generative-ai-powered-virtual-factory-solutions-with-openusd/)基于 OpenUSD 和 NVIDIA Omniverse 创建了工厂规划和生产运营应用 [ContiVerse](https://www.nvidia.cn/on-demand/session/gtc24-s62919/)。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%。

[全球电子产品制造商纬创正在通过将 CAD 和流程仿真数据集成到统一的物理精准虚拟环境中，创建工厂数字孪生](https://developer.nvidia.cn/zh-cn/blog/wistron-advances-energy-efficiency-in-manufacturing-with-ai-and-nvidia-omniverse/)，从而提高员工工作效率并将施工时间缩短 50%。他们的团队通过将数字孪生连接到边缘的物联网设备，从实时运营监控中受益。

[Foxconn 正在构建工厂的数字孪生](https://www.nvidia.cn/customer-stories/foxconn-develops-physical-ai-enabled-smart-factories-with-digital-twins/)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。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。

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

### 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以[监控运营](https://www.nvidia.cn/omniverse/usd/)，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](https://developer.nvidia.cn/zh-cn/blog/connect-real-time-iot-data-to-digital-twins-for-3d-remote-monitoring/)，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

[自动驾驶](https://www.nvidia.cn/self-driving-cars/)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](https://www.nvidia.cn/use-cases/synthetic-data/)来训练、测试和验证 AI 模型。例如，[Amazon Robotics](https://images.nvidia.cn/cn/youtube-replicates/LUnZXBL_lqA.mp4) 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。当这些模型部署到现实世界后，仓库机器人就可以更高效地检测物体并在设施内导航。

在汽车行业，创建用于仿真的数字孪生对于训练、测试和部署自动驾驶汽车至关重要，但实现现实世界的保真度却极具挑战。[面向自动驾驶汽车仿真的 NVIDIA Omniverse Blueprint](https://www.nvidia.cn/use-cases/autonomous-vehicle-simulation/) 通过实现大规模、高保真的[传感器仿真](https://www.nvidia.cn/glossary/sensor-simulation/)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](https://blogs.nvidia.cn/blog/mega-omniverse-blueprint/) 正利用 [Mega](https://www.nvidia.com/en-us/omniverse/#try-now) — 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。

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](https://www.nvidia.cn/case-studies/delta-electronics-industrial-innovation/)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，以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](https://developer.nvidia.cn/zh-cn/blog/pegatron-simulates-and-optimizes-factory-operations-with-ai-enabled-digital-twins/) 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](https://blogs.nvidia.cn/blog/omniverse-next-gen-data-center/)和 [AI 工厂](https://www.nvidia.com/en-us/glossary/ai-factory/)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。

借助适用于 [AI 工厂设计和仿真的 NVIDIA Omniverse Blueprint](https://blogs.nvidia.com/blog/omniverse-blueprint-ai-factories-expands)，开发者能够构建统一的数字孪生，在开始施工之前一起设计、模拟和优化 AI 数据中心的各个方面。借助 OpenUSD 库，工程师可以聚合和可视化来自所有设施组件的 3D 数据，实现物理精准的实时仿真，将传统上各自为政的团队汇集在一起。这种方法使工程师能够即时测试设计变更、验证冗余和模型故障场景，从而显著降低风险、节省时间，并使新一代数据中心设计面向未来。

为实现对 AI 工厂的逻辑模拟，[NVIDIA Air](https://www.nvidia.cn/networking/ethernet-switching/air/) 作为一款云平台，支持创建[网络数字孪生](https://images.nvidia.cn/cn/youtube-replicates/0BiPI_WeGSA.mp4)。该平台能够完整模拟 NVIDIA Spectrum-X AI 网络架构，涵盖 Spectrum 以太网交换机、BlueField DPU 和 SuperNIC 网络加速卡，以及 NetQ 网络可视化和遥测工具套件。NVIDIA Air 支持对前端用户接入网络和后端 GPU 网络进行全面建模，将第 0 天 (规划部署阶段) 和第1天 (实际部署阶段) 的部署时间缩短 70% 以上，并通过减少意外停机时间优化第 2 天 (运维阶段) 的网络运营。

### 数字手术

医疗机构在[术前准备](https://blogs.nvidia.com/blog/atlas-meditech-brain-surgery-ai-digital-twins/)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](https://blogs.nvidia.com/blog/atlas-meditech-brain-surgery-ai-digital-twins/)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](https://images.nvidia.cn/cn/youtube-replicates/EV3UonTD8FE.mp4)还使外科医生能够沉浸在逼真的环境中，获得表现反馈。

### 智慧城市和城市规划

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。通过利用摄像头、边缘计算和 AI 的强大功能，这些智慧城市系统能够深入了解城市生活的方方面面，包括停车、交通流量和犯罪模式。这些宝贵的数据使城市规划者能够做出明智决策、优化城市设计，并提高居民的整体生活质量。

标题：城市仿真，由 KPF 提供

具有实时城市交通场景的数字孪生的出现，使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规行为的合成数据集。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。

通过在数字世界中使用城市的虚拟副本，城市规划和地理空间设计公司 [Houseal Lavigne](https://www.hlplanning.com/) 能够以创纪录的速度为客户创建[身临其境又充满细节的 3D 环境供客户评审](https://www.nvidia.com/en-us/case-studies/houseal-lavigne-elevates-urban-design-planning-with-omniverse/)。数字孪生的交互特质有助于进行实时协作和沟通，便于更全面地理解设计，并提升整体规划流程。

### 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](https://developer.nvidia.com/6g-program)的独特需求。其详细的 3D 模型可准确复制电磁传播，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](https://developer.nvidia.com/aerial-omniverse-digital-twin)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。

### 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](https://blogs.nvidia.cn/blog/nvidia-announces-earth-climate-digital-twin/)，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](https://blogs.nvidia.com/blog/digital-twins-modulus-wistron/)。

例如，[纬创](https://www.wistron.com/en)利用 [NVIDIA PhysicsNeMo](https://developer.nvidia.cn/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](https://www.nvidia.cn/glossary/energy-efficiency/)提升多达 10 %，并减少了碳排放。同样，[西门子能源](https://www.siemens-energy.com/global/en/home.html)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](https://blogs.nvidia.com/blog/what-is-green-computing/)。

## 如何开始开发数字孪生？

了解[如何利用数字孪生技术](https://www.nvidia.cn/omniverse/solutions/digital-twins/)并下载[包含行业领导者见解的免费电子书](https://resources.nvidia.com/en-us-omniverse-industrial-digital-twins/omniverse-enterprise-5-steps?lx=deNrXD)。

开发者可以通过[免费的自主培训课程](https://learn.nvidia.com/courses/course-detail?course_id=course-v1:DLI+X-OV-28+V1)详细了解如何为工业数字孪生构建 OpenUSD 应用。

## 后续步骤

### 了解数字孪生用例

了解行业用例以及如何借助 OpenUSD 开发基于物理原理的 AI 驱动式数字孪生。

[浏览数字孪生用例](https://www.nvidia.cn/use-cases/?page=1&workloads=Simulation%20%2F%20Modeling%20%2F%20Design)

### 了解五个行业领导者的关键洞察

浏览现实世界的开发者用例，获取开发您自身数字孪生解决方案的见解和资源。

[阅读免费电子书](https://www.nvidia.cn/lp/omniverse/key-insights-ebook/)

### 利用 Omniverse 构建数字孪生

借助 [NVIDIA Omniverse Cloud API](https://www.nvidia.cn/omniverse/cloud/) 增强数字孪生应用和工作流。或者，使用 NVIDIA Omniverse Kit SDK 构建 OpenUSD 原生应用和扩展。

[查看开发者资源](https://developer.nvidia.cn/omniverse)