2022年1月5日，在美国拉斯维加斯消费电子展上，人们试用自动驾驶船技术

如果能在100毫秒内，把记录一个人每时每刻行为的数据传输到云端并处理完毕，那么元宇宙的爆发点也就来临了。

2022年1月5日，在一年一度的美国拉斯维加斯消费电子展（CES）上，英伟达公司发布了正式版本的开源平台Omniverse。Omniverse是英伟达为科学研究、模拟仿真、内容创作等构建的云平台，用户可以在其共享的虚拟空间中实时协同工作。Omniverse也因此被称为“工程师的元宇宙”。

与2020年发布的测试版、2021年发布的付费企业版相比，如今的Omniverse将向全球数百万个人创作者免费开放。

近来，“元宇宙”的概念常常引发IT圈对于既有概念的争论：什么是数字化？什么是数字化转型？之前的信息化是不是过时了？最近几年出现数字中台、数字孪生、数据湖这些概念后，传统的ERP（企业资源计划）系统是不是该被业务中台替代了？

要想从这些纷繁芜杂的概念中跳脱出来，从更本质的角度去理解“数字化”，不妨找一个纯粹的数字化场景。

电影《黑客帝国》《西部世界》《失控玩家》展示了人类生活在数字世界里的可能形态。其中《西部世界》提供了一个走向元宇宙的技术方法——观察一个人，把他看到、听到、触摸到、感受到的一切，都用AI一遍又一遍地模拟，直到误差为零。

这样的方法，在智能汽车自动驾驶领域其实已经有了一些实践。比如有些智能汽车的开发者一开始就是把程序放在GTA（《侠盗猎车手》）游戏中去训练的，也有些智能汽车对AI的训练过程是通过摄像头不断观察周边环境，并记录人类的操作，同时不断地与AI自己的判断进行比较，直到AI最终也能通过有限的信息去驾驶汽车。

大数据的训练可以让AI迭代速度非常快，而且车也是一个相对标准的操作对象。因此，如果全世界所有驾驶员都在教AI怎样开车，自动驾驶的落地速度会非常快，哪怕只是依靠摄像头。

那么，说到元宇宙，它落地需要一些什么样的技术呢？

4G普及后，视频和短视频的普及速度非常快。今天，许多人在搜索信息时，会从文本平台转向短视频平台。因为视频提供了一个更加真实的场景，其信息损失和偏差比文字要小得多。

以视频为例，如果AI需要运用一个人的所有数据来做训练，那它需要多大的数据量？成本有多高？如果本地无法处理，是否可以在云上计算这些数据呢？这个问题要考虑如下参数：

第一个参数是分辨率。人眼的分辨率大概是5亿像素，这并不是一个高不可及的参数，现在的手机已经出现1亿像素的摄像头了，基本上能达到要求。

第二个参数是刷新率。人眼对于120赫兹以上的刷新率是几乎察觉不到变化的。电影24帧不会让人觉得卡顿，玩射击游戏的电竞屏做到144~240赫兹基本上就可以满足人的要求。人类对世界并不需要一个连续的采样，只要有限的数据就可以满足人的感官。

最后一个参数是延迟。人接收信息并做出反应需要多长时间？网上有一些简单的程序能给人做测试，比如一个红色的页面，指示人在页面变绿时按下鼠标。人类的平均反应时间大概为200~250毫秒。大脑的反应慢一点，如果是经过小脑，反应速度会快一点，那也叫下意识的动作。假设人的极限反应时间是100毫秒，如果AI能在自动驾驶时把判断和操作控制在100毫秒以内，那它的速度是快于大部分人类的。

做技术的人都非常关注成本，成本是决定一个技术能否普及的关键。成本可以通过一个简单的例子来探讨——假如用iPhone视频记录一个人的一生，成本大概是多少？

每分钟的视频文件大小为375MB，每TB的磁盘成本为750元，100年的记录成本大约是388万元——这并不是一个天文数字。如果这个成本能降到10万元以内，相信一些人会有兴趣把自己的一生记录下来。毕竟，这个数字化的人生会更容易让后人记住。

现在人们有时候会觉得AI比较弱智，很多问题它都不懂，也无法回答准确，主要还是因为AI的数据积累还不够，AI缺少完整连续的数据和偏差纠正。如果拥有一个人一生的视频记录，AI就足以读懂一个人，并在100毫秒内做出那个人该有的反应。届时，用AI来模拟人类的行为，就变得非常现实了。

不过，元宇宙的落地并不能简单地依赖视频存储和计算成本的下降。从技术的角度来讲，视频并不是元宇宙最优的数据结构，因为它不好做分析，也不适合做数据共享。跟视频比起来，类似于虚幻引擎5（EPIC公司公布的第五代游戏引擎Unreal Engine 5）这样的数字孪生模型可能会更合适。比如在公园里拍视频，一万个游客可能会制作出一万个视频，文件非常大。但如果将公园制作成虚幻引擎模型，大家就可以共用一个模型来制作自己的故事，就跟电影《西部世界》里呈现的那样，每个人都能在同一个场景里活出不同的故事。游客可以通过各种不同的虚拟摄像机机位去体验，这样就大幅降低了制作成本。视频与虚幻引擎相比，大致相当于Hadoop（一种分布式系统基础架构）跟TiDB（一种开源分布式关系型数据库）或OceanBase（一种企业级分布式关系数据库）的对比，结构化的数据更容易做分析和处理。

今天，游戏引擎打造的视频已经可以以假乱真了。2021年8月，英伟达在计算机图形学顶级会议SIGGRAPH 2021上通过一部纪录片自曝：在2021年4月英伟达发布会的视频中，有14秒的时间，“黄仁勋”不是真人，而是英伟达利用Omniverse打造的数字人。

当技术进一步提升，成本进一步下降，在虚拟场景中制造视频的成本将会低于人类拍摄并制作视频的成本。那时，记录人的一生其实也不需要那么大的数据量，因为大部分背景都是虚拟平台上公共的场景。如果能在100毫秒内，把记录一个人每时每刻行为的数据传输到云端并处理完毕，那么元宇宙的爆发点也就来临了。

（作者沈旸， 系神州数码集团副总裁、首席信息官）

来源：2022年1月12日出版的《环球》杂志 第1期