8月24日，第十七届中国IDC产业年度大典长三角论坛（IDCC2022长三角论坛）在苏州希尔顿酒店隆重召开。大会由中国IDC产业年度大典组委会主办，中国IDC圈、长三角信息智能创新研究院承办，众多行业学者、产业专家、龙头企业高管等嘉宾参会，围绕“打造算力高地，赋能千行百业”展开探讨。

会上，中国信通院规划所高级专家杨帆博士带来了《数字孪生助力算力产业升级》的分享。

中国信通院规划所高级专家杨帆博士

中国信通院规划所主要聚焦在一个重要方向，就是数字孪生城市的建设，今天非常高兴能有这样的机会，跟大家就数字孪生城市对算力的需求和产业升级的一些想法进行交流。

其实我们是属于IDC的下游产业，我们是提需求的，在具体的项目过程当中发现，很多数字孪生的项目到了最后一步方案要评审的时候，经常客户会问，这样的系统建下来对算力有什么样的要求？我们在这方面有所涉及有所探索，但是感觉还是不够专业，很多的时候是凭技术人员基于经验进行算力的评估和网络的评估，正好今天也有这样的特别好的机会能跟我们整个IDC产业相关的同仁进行交流。

下面主要是从需求的角度谈一谈数字孪生这个细分领域对算力，对我们上游的行业有什么样的需求？

数字孪生是数字化发展的必然趋势，而且是高级形态，现在的数字化发展或者叫数字化转型，最终阶段就是数字孪生。因为本身数字化的过程就是不断把物理世界各种各样的东西搬到虚拟世界，利用算法、算力的优势更好的改造世界，认识世界。

如果大家要理解“数字孪生”概念，把握住几个要素。

第一个是精准映射，把物理世界实体的模型映射到数字世界当中。

第二个就是实时感知，随着物联网的发展，有各种各样的技术和手段，把关于物理实体的属性和状态信息全方位的映射到数字世界当中。

第三，仿真模拟。在充分获取关于物理实体的信息之后，就利用各种算法和优势进行物理世界状态的预演分析和判断，实现智能操控目的，最终达到虚实共生的状态。

大家经常讨论数字孪生和元宇宙有什么区别？我们认为，数字孪生是服务于现实世界的，服务于生产生活，更多是ToB的；元宇宙是创造一个和现实世界相比可以有偏离，可以按照自己的想象打造的一个虚拟世界，而且在这个世界中可以重构生产关系社会关系，更多是ToC的。

随着技术不断升级，从属性信息、业务流程、三围设计、状态感知、机理模型、智能分析，包括英伟达提出构建地图的数字孪生，数字孪生的范围和程度是在不断深入的。

下面从数字技术体系的角度来看，数字孪生这个细分行业对上游的算力需求是怎么样的。

我们认为数字孪生的构建大概技术体系是这样的：

最底层的是各种基础的建模技术。这个从上世纪60年代开始发展，包括面向大空间大尺度的地理信息技术，还有面向各个行业的三维设计技术，包括建筑的BIM技术、工业建模CAD技术、设计建模CAID，主要是图形学的几何算法。

再往上是仿真技术。所有的仿真算法，都是和底层这些模型的数据结构以及它本身的构造原理紧密相关的，是基于现有的模型，再叠加数字模拟技术进行各种各样的仿真分析。总的来看在，现在整个领域包括5个方面：流程仿真，结构仿真、流体仿真、电磁仿真、系统仿真。再往上就是可视化的技术，各种各样的仿真结果，当需要用一种更形象直观的角度来进行展示的时候，我们就要把仿真的结果模型把数据结构导出来，进行形象的展示。但是在展示的过程当中很多最本质的，关于结构的或者是属性会消失，这个时候我们更多的是从是可视的角度进行展示。

主要是有两个大的技术路线，一个从WebGL的路线，通过浏览器接入，来了解或者是观看3D模型。第二个就是云渲染技术，对视效有更高要求的时候才用的，主要是游戏引擎。

再往上就是感知技术。基于可视化的模型，再和感知手段结合，就可以构建传统的数字孪生可视化的应用，最后可以赋能各行各业的发展。

这个是整体的技术路线，在这里涉及到了三种不同的算力：

最底层的建模是计算机图形学的，主要是涉及的是图形的算力；再往上仿真过程，很多是高性能的科学计算，涉及到的是科学技术所使用的算力，往上渲染也是图形的算力需求；同时在技术层面里面各个分层都会涉及到AI，比如说产生越来越高效越来越自动化的建模工具和方式，AI和仿真技术结合，实现了物理信息的深度学习技术和工具的产生，还有AI和渲染方式的结合，AI是贯通的，支撑各层技术体现的完善和深化，就涉及到大量AI技术的应用。

这三种算力虽然我们传统理解都是差不多的，但是在具体的要求上不一样，对应的可能是我们传统用的英伟达的芯片，但是是不同的芯片的型号和类型。

这就是一个以数据中心可视化为例，昨天跟同仁交流过程当中了解到，其实在数字中心的行业也涉及到数据中心的数字孪生的需求，在底层我们利用BIM、CAD或者是传统的简单的三维模型实现数字孪生三维模型的构造，再往上根据数据中心使用运维的需求，比如说数据中心重点关注能耗的需求，利用多种多样的算法，利用工具实现仿真模拟，再往上用三维引擎对模型和算法进行直观的可视化的展示，这个传统的我们都用webGL比较多，再往上就可以接入各种各样的感知设备，来构造一个实现监控可视化，或者是资产可视化的需求，构造一个完整的数据中心的数字孪生应用。

刚刚我们是从技术体系来看数字孪生这个行业对算力的需求，这里我再跟大家交流一下从产业生产的角度来看这个行业发展的痛点，这样我们也对这个行业进行了拆分，数字孪生行业其实是一个比较细碎的行业，每一层涉及的核心问题很多，所以企业和企业之间大家都有相互来说技术的壁垒，大多数通过数据的方式避免互通性，这样保持自己自有的优势，所以我们在建模仿真阶段很多时候不互通，这就影响到了数字孪生的整体银行的应用，我们在实践过程当中发现建模工具之间不互通，还需要一定的转换，从这个仿真到可视化渲染还需要做大量基础性的工作，所以这个生态割裂影响了数字孪生快速的发展。

另外是核心技术缺失，从GPU到建模、到仿真工具引擎都是国外的技术，我们国内大多数是做应用的，利用大家的框架做二次的开发满足行业应用的需求，这个肯定会影响到未来我们整个行业健康的发展。

我从需求和供给侧两个角度谈一下这个行业对算力需求的情况。

这两年我们看到数字孪生发展特别快，向各个行业渗透，国家从政策方面进行了各种各样政策的引导。数字孪生的创新技术、数字孪生城市、数字孪生流域，数字孪生交通等等，基本上各个行业都在探索数字孪生该怎么发展，需求特别旺盛。来自国外的市场调查公司给出的数据也显示，这两年行业增速是非常快的。

另外我们也有对数据中心的需求，我们考虑数字孪生怎么量化？传统IDC的行业没有对细分行业进行统计评估分析，后来我们就干脆找了一个数据从侧面验证的，英伟达做的GPU芯片三大产品类型的布局，基本上都是和数字孪生的技术体系一致的，而且数据孪生也不是他布局的重要的业务和方向，他的数据中心销售的收入从2020年开始到现在是增长的，即使遇到各种各样的变化和因素仍然保持增长，相比游戏的收入是巨大的，这样从侧面证明了数字孪生对上游的需求。

下面从供给侧的角度看，数字孪生的算力供给总体有一些不足。

第一个是GPU的算力配置不尽合理。我们在算力布局里是按智能计算的算力和科学计算的算力划分，但是智能计算按照图形计算是不足的。

第二，云渲染算力不足，现在在数字孪生发展特别热的方向，从数字孪生和交互提出了很多的要求，很多在终端上没有办法满足渲染的业务，就借助云端的进行渲染。我们跟一些企业交流，大家总体的感觉就是行业发展很快，但是算力供给不太充足。

第三个是数字孪生专业算力服务缺乏，怎么进行科学的分析和评估，大家没有一个系统的方案，大部分凭借经验判断项目用到多少。

我们看到一个趋势，供给侧软硬件一体化解决数字孪生应用的布局，最主要的就是英伟达的布局，刚刚谈到行业发展的痛点，一个重要的方面割裂，算力的匹配调配割裂但是现在英伟达从Omnivrse Apps平台找你，另外还实现各种数字孪生工具软件的整合和协同的作用，我们比较的话就是相当于构建在通用计算行业的苹果。

还有数字孪生也有很多新的技术出现，这些新的技术已经带动了数字孪生的需求。这里主要是3个行业内发展的最快的技术，或者是需求最旺盛大家最看好的技术。

一个是基于AI的三维重建，有一个专家150张图片就构建了悉尼歌剧院的场景，这个加速了很多场景三维的构建，提高了效率，降低了成本，我们对建模行业的影响比较大。

第二个在终端WebGPU的发展，WebGL同样的一个基准下，它的这种侦率和时间大幅度的降低，如果随着WebGPU的普及，会进一步在各种终端领域对数字孪生的需求，会带动GPU的发展。

第三个是物理信息神经网络，我们传统的仿真模拟是基于传统的科学计算，但是现在人工智能也在融合，进一步提高智能的仿真模拟算法的效率，因为我们大家知道AI是一种算法能进行预测，但是内部怎么预测我们不知道，而传统物理的仿真算法就是基于机理的，就进一步提高对客观实体的仿真效率，所以供给侧的变化也会极大推动数字孪生整个行业的发展。

最后提几个建议，也是不太成熟，因为我们也在学习，我们对上游，咱们的数据中心和算力的行业是不太熟悉的，我们也是一个学习的过程，我们就结合自己在这个行业发展中的问题：

第一、提升算力应用和服务水平。我们认为在算力应用方面可能层级还是不够高，还是需要进一步的来提升我们整个算力服务的专业化，更好的支撑数字乱僧的应用。

第二、优化数字孪生相关算力资源配置。

第三、大力推进国产GPU的发展，未来生态越来越强，我们国家现在搞芯片自己里面最缺的是GPU。

第四、推进工业软件的突破，基础的建模仿真软件当中我们是要持续的深化和做工作的。

这就是我的一些不成熟的观点，希望和大家能够进一步的交流，互相学习，谢谢大家！