中国能凭借数字孪生在元宇宙弯道超车吗？

酷玩实验室作品

首发于微信号 酷玩实验室

微信ID：coollabs

1970年4月13日，已经飞了33万公里的阿波罗十三号飞船，即将抵达月球。

突然，舱外沉闷地撞击声惊醒了舱内的宇航员，伴随着金属的怪叫，船体产生了肉眼可见的物理弯曲。

原来是舱外一个氧气罐发生爆炸，连带另一个氧气罐发生泄漏。

这些氧气并不是仅仅用来呼吸，还要在燃料电池里与氢气反应产生电力与水，阿波罗13号生命维持系统和电力系统失去了主要的物质来源，不但飞船面临失控，宇航员也面临3摄氏度左右的持续低温。

爆炸还严重破坏了主引擎，如果不能及时发动飞船，阿波罗十三号将永远停留在距地球72000公里以外的太空轨道。

在地面指挥中心指导下，宇航员试了各种办法，最终确认飞船已经失去动力，只能按要求疏散到了登月舱，放弃登月，绕月飞行四天后，借助引力成功返回了地球。

这次太空救援背后的一系列工程设计，成为了人类数字孪生技术的源头。

1

数字孪生，直译自英文Digital Twin，是支撑元宇宙最重要的基础技术之一，而对这个概念的误解也是很多人认为元宇宙不靠谱、坑爹的根源。

因为他们觉得，以现在人类这么有限的认知能力技术水平，何德何能可以在数字世界给我们的真实世界创造一个Twin啊，在那儿妄图复制大自然的伟力或者造物主的神迹？这不是纯纯地在搞笑吗？

这其实是一个误会。

数字孪生确实是在尝试复制真实的世界，理想的数字孪生确实也应该无限接近现实，这是它跟让人无限沉浸无限爽的元宇宙的主要区别所在。

但是这个所谓复制真实的世界并不是包罗万象，全方位的复制，而是在有限的范围内特定的维度上进行复制，以便应对特定的问题。

就拿刚才说的阿波罗十三号的数字孪生为例，整套系统包含四个层面。

首先是数据搜集层，也就是遍布飞船的传感器，能让地面控制台看到当前飞船各个零部件各个子系统的状态，当外部的氧气罐爆炸之后，不需要宇航员自己去执行太空行走去飞船外面检查，直接就能根据数据，对故障情况下判断。

第二个是模型计算层，对于氧气罐爆炸会产生的影响，如果仅仅考虑氧气储备少了，那是会出大事的，事实是飞船的动力也会因此受到影响，这就是通过建立飞船各子系统之间联动的模型计算出来的，于是在氧气罐爆炸的一瞬间，地面控制台就知道最终会发生怎么样的结果。

第三个是操作层，既然知道了故障所在和计算过可能造成的影响，那相应的应对方案宇航员们也是在地面实验中心一比一的飞船模拟器上训练过的。

出现这种情况之后返回舱要跑的程序也是事先编写好的，于是乎天空、地面大家各司其职，做完规定的挽救尝试之后，就按既定的撤离计划把登月舱当成返回舱跑路。

事实上在之前的训练模拟当中，出现过全员死亡的情况，为此NASA的工程师还改写了返回舱的程序。

第四层当然整套系统需要一个直观明确的交互界面，让控制台的人可以简单地看清发生了什么。

这就有点像我们玩太空主题的游戏，飞船哪块受损了它就在屏幕变红了呗。但其实这套系统的标准是很高的。

首先你必须要能准确地检测到绝大多数的故障。

然后对于绝大多数的故障的影响都能预测，都有应对的方案，也就是虽然我们只采集和分析了少量的信息，什么飞船外壳的分子结构啊，宇航员的心情啊这些都跟我们没关系，但是在飞船运作这一个小小范围之内，这套系统可以无限接近现实。

而事实证明，只要能做到这一点，那确实就有决定性的影响。

试想一下，如果仅仅是宇航员听到一声闷响然后舱内警报大作，但不知道发生了什么，还需要自己跑去舱外检查，这套流程走下来整船人已经没了呀。

谦虚地说，数字孪生让NASA可以真正做到运筹帷幄之中，决胜千里之外。

2

我们再举个更简单的数字孪生的例子，美团送外卖。

它的数据收集层看起来就有点傻瓜了，说白了就是靠手机的GPS定位搜集商家、骑手和顾客每时每刻的位置信息，再收集一下外卖现在在谁手里的信息，最后再收集一下各方面的反馈，再结合一下天气、交通、地图这些公开的数据，齐活了。

但是一旦这些数据被长期地整合记录下来，就能用模型计算出一些很有价值的东西，比如刮风下雨对于送外卖有什么影响？严寒酷暑对送外卖有什么影响？如果把骑手的收益调高一点或者调低一点会有什么影响？如果把差评的惩罚调高一点会有什么影响？如果这个城市这个区域能多招一些骑手，对于顾客的满意度会有什么影响？

美团有接近400万个骑手，本身这套系统是极其复杂的。但是基于这些计算，我们发现各大配送平台已经把送餐的效率压榨到了极致。

就比如最近经常讨论的一个问题：那就是对于一个大城市，需要多少人才能保证它在封城期间的送餐、送菜、送药的物流呢？

后来大家纷纷发现这个问题很复杂，乃至于这个问题本身就是错的，因为有太多的影响因素了：在什么时间，怎么的条件下去做这个物流？简单的一个数字更回答不了人员分布的因素，也就是要去哪个区域做这个物流？

而且这些影响因素都是互相影响无限可分并且每时每刻都在变化的，以至于没有人能在有限的人生当中算出刚才那个问题的答案。

那谁可以提供这个答案呢？美团可以，京东可以。

领导问王总，这个物流怎么解决啊？王总说我也不知道，然后指着自己家的机房，听它的就行。

你只要把封城的情况输入进去，系统就会告诉你需要给每个区域各个时间段的快递小哥加多少钱，分别要调集多少人力，就可以完成这个物流工作，而且这些参数会自动变化。

也就是说在送外卖这个小小的范围内，美团的数字孪生可以做到无限逼近现实。

3

至此我们不妨总结一下数字孪生本质上是在干什么。

在数字孪生出现之前，当我们要去分析一个问题的时候，我们可以给飞船做一个1比1的实体模型，我们可以对一个城市需要的外卖小哥给出一个大概的数字，但这些都只是真实世界的一个静态或者一个瞬间，又或者我们可以说为了保证某某城市的物流工作要鼓足干劲，担当起责任，但这又是一个过于抽象的表述。

而有了数字孪生之后，我们终于可以在一定范围内去复制这个世界运行的规律了，我们终于可以知道在每一时刻，每种状态下对于特定问题的解了，这是人类认知和掌控世界的能力上的跨越式的提升。

再进一步探究数字孪生的本质的话，我们就需要看一下当我们试图去复制这个世界的运行规律地时候，真正面临的困难是什么。

毕达哥拉斯有句名言，世界是数学的，而不是神学的。

曾几何时，人类所有的对于问题的分析计算，都是针对恒定的不变的过程：比如速度等于距离除以时间，比如行星绕着恒星的椭圆轨道，这就是我们中学学的数学和物理。

但问题是，有谁规定速度不能忽快忽慢地变化呢？谁规定轨道不能不停地被别的行星干扰呢？于是我们就发现中学学的数学物理解决不了太多的实际问题。

在牛顿和莱布尼茨发明微积分之后，配合后续一系列的数学和科学进步，人类理论上获得了分析动态的变化的过程的能力，于是人类分析和计算这个世界的能力变得完整了，之后的工业和社会发展就明显加快了。

但是这里还是留下了一个巨大的BUG。

早在1929年，英国量子物理学家保罗·狄拉克就下过一个判断，大部分物理和化学所需要的数学理论的定律都是已知的，所有物理现象都可以模拟到量子，但这些定律的方程太复杂无法求得精确解，无法在现实的时间尺度上得到解决。

这就触及到问题的本质了：就是当一个问题太过复杂，涉及到的变量太多的时候，我们是可以把模型用数学公式描绘出来，但问题是算不出来，没有用啊。

什么意思呢，我们上中学的时候求解一元二次方程一元三次方程的时候，不是有个东西叫做求根公式嘛，如果我们实在找不到简便的解法，只要把参数带入求根公式就可以算出答案。

这就是这个方程的解析解。

但是大部分五次以上的方程是没有解析解的，不是说暂时没有聪明的人找到解析解哦，而是已经从数学上证明了它没有解析解。

同样很多描述复杂物理过程的比如结构力学、热传导过程、流体输运过程的偏微分方程，也是没有解析解的。

这意味着你没法带公式，只能通过不停试参数，试数字的方式去得到一个近似的数值解，有点类似于心算根号10，大家可以试一下，就不停的试哪个数字的平方等于根号10，效率极低。

而且精度要求越高效率就越低，也就是狄拉克所说的，无法在现实的时间尺度上得到解决。

令人悲伤的是，在我们有限的人生当中，我们用自己的脑子，永远也算不出一个大城市要怎么送餐的答案，永远也算不出发动机喷气口的气流，永远也算不出汽车碰撞后的结构变化。

而数字孪生就是通过大量采集现实中的数据带入到方程参数，用电脑芯片巨大的算力帮我们试数字，试图去逼近现实中的自然规律的过程。

所以大家可以想象，这样程度上改变世界的底层思想，它的应用范围，当然不会仅限于像登月飞船这样的工程项目管理，或者像送外卖这样的运营管理。

4

2002年，密歇根大学的Michael Grieves博士，结合生命周期管理理论，第一个完整提出了“数字孪生”这个概念，被认为是数字孪生之父。

几年之后，数字孪生就被美国国防部用来进行战斗机机身管理。

2012年，夏威夷举办的第53届美洲航空航天协会学术会议上，NASA跟美国空军论述了未来航空航天器数字孪生的理想模型，对数字孪生进行了严格的学术定义。

一年之后，德国正式发布了工业4.0这个概念，核心就是基于数字孪生和AI，对于生产线上任何变化进行预测和操作，达到所谓智能集成感控。

数字孪生也可以用来模仿逼近一些重要的物理过程。

比如有限元分析就是数字孪生的另一种应用，它是通过把一个大的复杂的问题网格化处理成每一个细分网络中的子问题来分析类似汽车的碰撞，桥梁和发动机叶片的承压之类的结构力学问题。

再比如光滑粒子流体动力学，用建立粒子集的方法来分析流体的流动，用来分析发动机的气流或者机体的气流，水流这些流体力学问题。

流体是开放的，可以任意切割，而为了计算其他类型的软体，比如衣服、果冻、懒人沙发，人们又在光滑粒子流体动力学的基础上进化出基于位置的动力学Position Based Dynamics (PBD)，在一些属性上对流体进行了约束，不能随意变化。

现在还有一种叫做物质点法（MPM）的无网格方法，结合了网格和点的两个优点，主要是在碰撞和断裂这块非常的厉害，在包括弹性体、雪、熔岩、沙子和粘弹性流体方面也有很好的应用。

比如，计算手撕面包，模拟需要1100万MPM粒子，感觉闻到了显卡的香味儿。

如此一来，不管是飞机引擎的本体，还是它喷射出的气流，还是服装面料，座椅材料，安全气囊，我们都能获得它的数字孪生，这对于制造业是革命性的进步。

比如说我们生产飞机发动机。

现在浙江大学的新材料实验室发明了一种新的能做发动机叶片的材料，原本的整合开发流程应该是把浙大的团队请过来，把材料拿过来，一起配合做实验测试，但是不知道会有什么效果。

现在我们有了数字孪生就可以先让对方把材料参数发过来，我们带进去跑一跑试一下，甚至于我们可能早就对世界上可能出现的大部分材料放在发动机叶片上会产生什么效果做过模拟预测了，就在等着它了。

5

那数字孪生为什么也是元宇宙的底层技术呢？

首先当然数字孪生在虚拟世界本来就有大量的应用。

虚拟世界里面的环境细节比如说爆炸效果，烟雾腾飞、水流效果、瀑布效果、衣服的飘动，都是非常的微妙的，要达到有真实感，让人沉浸其中，本质上就是在模拟现实世界的物理过程，是有限元技术。

而虽然在虚拟世界追求的是沉浸式代入，很多珍禽异兽，飞船枪炮、建筑载具这些交互对象我们并不追求真实，但有一个对象是例外，那就是人。

因为人类在进化当中获得了对于别的人类特别敏感的特性，这导致存在所谓“恐怖谷效应”。

就是一个人造物体从不像人到变得特别像人的过程中，在某个阶段会唤起我们内心的恐惧。现在有些明星整容就有点这个味道了，就是因为他们的皮肤已经被整的没有真人的质感和细节了。

要解决这个“恐怖谷效应”只有两个选择：把虚拟人物卡通化，或者“数字孪生”出1:1级别的虚拟人。

在最新的虚幻5引擎当中，有一个叫做META Human的编辑器，那里面就有五十多个可供选择的相当真实的虚拟人，而且你还可以捏脸调整。

如果你想要一个跟你自己一模一样的数字人的话，光普通拍个照片然后AI生成目前还不太行，会有恐怖谷效应。不过可以用Zbrush深度雕刻一个。

抖音上有位大神雕了易烊千玺，简直是一模一样啊，连脸上的伤疤都雕刻出来了，头发都是一根一根种植上的！看过的人都惊呆了！

但这种级别的建模雕刻耗费人力十分巨大。我看了一下他的其他作品，雕刻一个这种级别的人物耗费时间大概要三个月！

但这还不够，因为人的皮肤放大了看是坑坑洼洼的，是有层次的。

这就要用到重光照技术了——用360度LED强光把细致到皮肤纹理，透明度，毛发的阴影，瞳孔的细节都记录下来，突破虚拟人皮肤质感的瓶颈。

然后再通过表情动作采集，就可以把你的习惯微表情和习惯动作都集成进去，真正成为你在虚拟世界的化身。

而集成了人物、场景、物理规律这些所有虚拟世界里的数字孪生的工具当然就是3D游戏引擎了。

从92年约翰卡马克发明3D游戏引擎到今天，3D游戏产业从零增长到上万亿人民币，带动游戏引擎、3D建模、显卡芯片等等产业持续迭代，创造了“数字孪生”最好的产业生态。

随着虚拟世界越来越逼真，交互越来越深入，人们自然就不再满足于隔靴搔痒式的体验，而是希望把自己也“孪生”到逼真的虚拟世界中，于是有了“元宇宙”出现。

所以元宇宙本质上就是一个应用场景更广的更真实的VR游戏引擎，它会为数字孪生提供更加广阔的应用场景。

比如开会和电商，人的模型就要非常逼真；如果是旅游、战场，人的模型差不多就行了，景色环境是否真实，大海是否漂亮，山水是否雄奇，烟火爆炸是否震撼，就变得极为重要，对数字孪生相关技术的要求也会五花八门，会有更多的游戏引擎的开发能力朝着“数字孪生”级别一比一对还原现实的方向发展。

如果我们观察科技产业发展的历史就会发现，大规模民用场景的出现对于一项科技的发展速度至关重要。

大量的科技类目发展符合这样的一个规律：就是它最开始是为了军事，为了航天，为了环保由DARPA或者NASA或者美国环保署投资做出来的。

比如现在我们每个人的手机当中都有的CMOS图像传感器，它的前身，就是NASA为了解决在太空拍照不方便洗照片运照片的问题做出来的。

CMOS图像传感器最开始的分辨率只有1万像素，然后当它找到了民用场景也就是数码相机特别是智能手机之后，对于它的投资力度和技术迭代速度呈几何倍数增长，到现在我们小小的手机上面就有一亿像素的CMOS图像传感器，于是它又反过来成为了现在美军高分辨率间谍卫星的技术基础。

那如果说手机是CMOS图像传感器的民用场景，个人电脑是晶体管CPU、GPU的民用场景，那元宇宙就是数字孪生的民用场景。

6

通过往期的评论区，我看到很多人对元宇宙还有很多疑虑，但现在上游产业链与政策的联动已经如火如荼了。

仅仅在刚刚过去的2022年第一季度，北京、江苏、上海、浙江、山东、福建等等地方，密集发布了元宇宙相关的产业政策，布局相关产业赛道。元宇宙相关立法也在全国两会期间，成为代表委员热议的话题。

我非常理解为什么大家对于这个新产业有各种各样的担心，毕竟麻了嘛，但是我们也需要看到为什么国家一定会支持这个产业。

我们不妨回顾一下，一个非常令人难受的问题：为什么工业革命发生在西方而不是历史上技术经济更发达的中国。

有一个让我比较信服的说法是，欧亚的大陆的西边，地形比较开放，包括欧洲、中东、北非，并且中间是一片海，所以在古代的交通通信条件下，大帝国难以长期的统治那片区域，这就导致那边分裂成了很多个小国家互相经常打仗。

为什么欧洲的国王贵族非常愿意投资科技，包养科学家，就是因为他们知道掌握了新技术会增加军队的战斗力，就可以碾压隔壁国家，甚至从遥远世界地另一头抢钱。

而在欧亚大陆的东边，地形比较封闭，中国两千年前秦汉时期就扩张到了：西北是高原沙漠，南边是热带雨林，东边是海而且是季风带的海这种枯燥的局面，没有人可以打了，再往外打就变成赔本买卖了。

于是乎我们的文化就开始往内部维稳的方向发展了，自然对于新技术这种奇技淫巧，容易造成社会根本变化的东西是比较抵触。

近代以来我们的科技进步的逻辑主要是别人通过某些东西欺负了我们，我们很难受，于是一些有识之士就奋起直追。

这两种发展方向本身并没有优劣之分，只是要看谁更适合当今世界的这个局面。

7

当今世界虽然说有一些有限的国际准则——比如说你不能去随意地入侵别的国家，但这也只是让穷兵黩武的军事扩张路线变得难走了。

没有任何说法规定我们不能占领别的国家的市场对吧，也听说有任何规定说能去侵占别的国家的网络空间。

文化扩张也没有障碍，在科技供应链上互相卡脖子，利用价值链的控制权进行的剥削，苹果赚50%毛利，中国代工厂赚5%毛利这样的事儿更是比比皆是。

也就是除了在军事这个维度上相比100年前要略微谨慎了之外，在别的所有维度上的你死我活的斗争挤压每天都在发生。

这就是为什么我觉得我们面对所有新产业的态度都应该是先考虑如何统治它，统治下来之后，才能谈别的事儿，才有资格谈别的事儿。

就好像全球变暖受影响最大的是那些太平洋岛国，但是他们没有大工业，没有大消费，没有新能源，没有能够胁迫被人的媒体，也没有能够威胁别人的军队，他们只有可怜，那是没有用的。

从供给端来说，为什么西方制造业空心化半个世纪，依旧能够在材料与发动机这些领域占据王座，是因为这些领域的研究很大程度上要靠穷举实验，跟炒菜和面一样，水多了加料，料多了加水，或者把所有比例配方都搞一个样品，一个个测，直到得出理想状态和规律。

他们比我们在这些领域多了300年的积累，通过暴力穷举加实验积累了天量数据，而中国直到最近十多年才建立起不缺钱不缺人的科研体系，开始一个个慢慢去试，逐渐在中低端制造领域跟了上来，但仍旧在发动机等高端领域上被美国拉开一个量级，至少十年的差距。

数据、模型、规律的电子化视觉化，让人类研究世界的方式，从理论切面迈入全景呈现和掌控，指数级降低了工程实践的成本，甚至推动实践走在了理论前面。

在数字孪生概念完善的第二年，德国人在2013年汉诺威工业博览会上正式推出工业4.0概念 ，几乎同时，NASA与美国空军更是all in 数字孪生，不但设计研发了最新型喷气教练机原型机，还建立了一个虚拟空战平台，战斗机的数字孪生版本，让不同供应商的系统可以在线对抗，实现最佳配置。

作为美国军方与航空公司的顶级发动机供应商，通用电气公司的数字孪生模型已经把热力、机械、电气、化学、流体力学、材料、生活、经济和统计等等数据全部囊括进了产品研发流程中。

英国航空发动机巨头罗罗（就是那个劳斯莱斯）也建了一个数字孪生发动机，每个风扇叶片都有一个数字孪生数据模型，能通过上万种参数，以每秒200000个样本的速度监测出叶片所能达到的的最小振动。

面对这种数字孪生暴力穷举能力所带来的的降维打击效果，无论多少博士不吃不喝、嗑药爆肝也只能望而兴叹。

而反过来说，如果我们能在这个领域领先，那西方之前三百年的积累就打了水漂了。

而在需求端，我们这个国家还是比较特别的。

我们并不是一个纯粹的民族国家，而是有一个创造新的社会形态的愿景的。那我们就更要注意到，现在世界上最高效的分配资源的方式早已不是很多人经常吵来吵去的、通过我们的人脑去考虑的市场或者计划规则了，而是数字孪生加AI。

酷玩实验室整理编辑

首发于微信公众号：酷玩实验室（ID：coollabs）

如需转载，请后台留言。

分享给朋友或朋友圈请随意

酷玩实验室视频号

热点视频推荐↓↓↓