数字孪生技术使工程师能够在实际实施解决方案之前测试工厂变更、训练机器人并评估基础设施性能。在接受哈萨克斯坦国家通讯社Qazinform的采访时，英伟达物理人工智能仿真副总裁雷夫·勒巴雷迪安探讨了这些技术为哈萨克斯坦带来的机遇，以及为何仅有算力还不足以将这些技术付诸实践。
您在计算机图形学领域工作了30多年，从好莱坞制片厂到英伟达。随着人工智能的兴起，计算机图形学的角色发生了怎样的变化？您认为未来最大的变革是什么？在我的职业生涯的大部分时间里，计算机图形学旨在创造人们能够相信的虚拟世界。
借助物理人工智能，这些世界成为机器可以学习的地方。这使得物理学变得至关重要：机器人需要理解当它拿起物体、穿过房间或遇到前所未见的事物时会发生什么。仿真技术让开发人员能够在那些在物理上难以重现、成本高昂或危险的条件下反复探索这些交互。
未来最大的变革是人工智能进入物理世界——帮助机器感知、推理和行动。数十年来在图形学、物理仿真和加速计算方面的进展正在为这一转型提供必要的基础模块。英伟达Omniverse平台旨在创建和仿真物理精确的虚拟世界。
我们离公司能够在真实部署之前虚拟测试工厂、机器人、汽车或整个城市还有多远？这已经在发生。宝马集团在其虚拟工厂中使用英伟达Omniverse来规划和测试生产变更。
宝马此前曾表示，此前需要近四周物理测试的生产线碰撞检查现在可以在三天内完成仿真。人工智能代理也在改变我们构建和使用这些数字孪生技术的方式。大量工程工作用于准备数据、连接软件和设置仿真。
借助英伟达Omniverse库和代理技能，开发人员可以让代理帮助完成这些工作并运行实验。工程师可以描述一个目标——比如更高效地在工厂中运输材料——并让代理帮助探索不同的布局并比较结果。
数字孪生技术为代理提供了一种方法来测试拟议变更的可能物理后果。工程师可以探索更多可能性，将结果与物理测试和真实世界测量进行对比，并利用这些反馈来优化数字孪生并决定进行哪些变更。
在接下来五年中，您期望哪些行业从生成式人工智能、Omniverse和仿真的结合中获益最多——制造业、汽车、能源、建筑、医疗保健，还是其他行业？制造业、物流和汽车是最强劲的近期机会之一。
这些行业涉及复杂的物理系统，改变生产线、引入机器人或测试车辆可能既昂贵又耗时。仿真技术让工程师能够虚拟探索这些变更。生成式人工智能可以帮助创建更多样化的训练场景，而人工智能代理可以帮助协调设计、仿真和优化，使探索更多选项变得更加容易。