如果一家科技公司举办了一场虚拟的主题演讲活动，其中台上的 CEO 是通过数字化展示出来的形象，却没有人知道? 这正是2020年四月发生的事情，在 Nvidia 的 GTC 活动中，首席执行官 Jensen Huang 以数字孪生为代表，采用 Nvidia 自己的Omniverse技术创建的。

更重要的是，因为它与物联网有关，人们可以从创建虚拟“人”到数字建筑甚至道路。 随着这项技术的不断改进，它将被用来虚拟化几乎任何东西。展示了在创建数字孪生时可以实现的巨大成本节约。以一个不同的用例为例，例如 Nvidia 使用其 Ominverse 解决方案创建的宝马生产工厂。

在现实世界中建造这条生产线将花费数亿美元，然后才能制造出一辆汽车。同时肯定面临数不清的施工挑战和错误需要纠正，增加了成本和工作量。由于物理工厂设计限制，可能会发现低效流程，但不容易解决。在这条生产线用于制造测试车之前，宝马不会知道其汽车生产的确切结果。

这就是数字孪生概念遥遥领先的地方。通过与英伟达合作，宝马能够以物理计划为模型创建虚拟生产线，包括用于制造汽车的所有机器人、所有零件和材料，甚至各个车站都有虚拟人物。

值得注意的是，在为建筑物和企业提供数字孪生方面，英伟达以外的公司正在看到发展曙光。 Protocol 本周早些时候指出，领先的 3D 游戏引擎的创造者 Unity 发现了数字孪生的市场需求。

当然，物理结构的数字孪生并不是什么新鲜事。因此，当 Nvidia 展示其虚拟高速公路时，确实引起了市场注意。该公司创建了德国实际驾驶区域的数字孪生。毕竟在模拟中训练自动驾驶汽车的 AI 比在真实道路上训练更安全。

想一想：下一代新车可能在一种模拟实际物理空间的虚拟教室中进行深度学习。当然，自动驾驶 AI 模型可能无法 100% 学习他们在数字道路上需要了解的知识。但是，如果可以在汽车上路之前减少学习模型的时间，那将节省大量时间。而且它也更安全。

通过将相机、雷达、加速度计等物理传感器连接到真正的自动驾驶系统，人们可以从高速公路的数字孪生提供输入数据。它是物理事物(在这种情况下是汽车)和模拟数字道路之间的桥梁，这些道路被复制到真实位置的严格规范。

这让人发现从未意识到的数字可能性世界。

也许有一天自己可以在汽车上试用数字轮胎，通过自家周围道路的数字孪生，选择性能最好或最舒适的轮胎。也许可以在家的数字孪生中测试不同的扫地机器人，并根据每个机器人的规格可以看到哪个在清洁地板方面做得最好。或者，可为家里的数字孪生配备虚拟太阳能电池板，并使用真实的天气输入来查看我可以通过这些电池板的各种配置和模型产生多少能量。

毫无疑问，数字孪生不再仅适用于建筑楼宇。