从技术原理看元宇宙的可能性：Omniverse如何“造”火星

前言

从元宇宙成为热词至今，外界对其的态度逐渐从好奇转向怀疑，似乎又多了一个新的泡沫，一个用来“涨估值”的概念。这背后的原因可能就在于人人都在讨论元宇宙，但好像没有人能真正说清楚什么是元宇宙。

对于这种现状，科幻作家陈楸帆认为，当下大可不必过多地探讨定义本身，“因为对于一个正处于进行时态中的概念，定义便意味着局限。当元宇宙还没有完全成型的时候，一千个人眼中会有一千个元宇宙，而置身其中的每个人都会如盲人摸象般，有全然不同的角度、诉求和观感。”

对于元宇宙的学术讨论也有很多，中央民族大学文学院副教授安静在中国中外文艺理论学会第19届年会论文中写道，“自从奥卡姆的威廉和中世纪唯名论的哲学家以来，世界的本体性就产生了至少两个分层，一个是我们可以感知的物理世界，一个是由各种符号所构造的无数个可能世界。在符号的世界中，一直以来有两个基本的分野，那就是自然科学与人文科学。”

安静认为，进入元宇宙的世界，符号指称的内外之别从此消失，它重新回到唯名论语境下的中立状况，它指向一个构造的平行世界，也指向人的观念意识，还意味着符号本身和人本身无限缩小的关系。

似乎非常抽象，简单抓住一个易理解的关键词“平行世界”，某种程度上可以将元宇宙理解为“造世界”，用符号构造出无数个与物理世界体验非常相似的虚拟现实世界。“意思就是把现实中的事物进行数字化并复制出一个平行世界，我们每个人都可以拥有一个数字化的虚拟替身——阿凡达。这个替身可以在数字化场景中做任何事情，同时又会反过来影响现实世界，俗称打破次元壁。但这只是最为粗疏的描述，其中每一个名词都能分岔出无穷无尽的细枝末节。”陈楸帆在一篇文章中写道。

本篇文章希望从技术的角度，通过具体案例认识元宇宙背后“造世界”的工作原理，以此去合理设想元宇宙的未来可能。

在开始之前，我们可以先自问一个问题——我们是如何知道火星是什么样？

从没有亲眼见过，没有天文学、天体物理学知识积累，我们是如何建立起对火星的认识的？

如何“造”火星？

一个重要的来源可能就是各种相关的科学纪录片。那么科学纪录片中如此仿真的影像是怎么来的呢？要知道，太空中的很多画面不可能全程录像拍摄。比如科学纪录片《你好！火星》，制作团队需要精确还原当时的探火过程，而这个过程是不可能被由各个角度拍摄出来的。那要如何准确构建这个过程？

“在这种情况下，每个镜头、每个点都要进行精确剖析，客观地、真实地反映科学数据。”中央广播电视总台《你好！火星》纪录片技术负责人王子健对澎湃新闻（www.thepaper.cn）表示。

据王子健介绍，这个精确还原的过程通过Omniverse完成，“我们使用了USD模型，其优点就在于完全基于科学计算，能够一比一对照真实世界的场景，比如火星车和探测器。我们从科工局拿到火星探测器的脱敏数据，当时资料只有点云数据，Omniverse基于点云数据形成带有拓扑的多边形模型，然后存储成USD变成数字资产，在纪录片制作中就很方便可以直接使用。”

Omniverse是英伟达在2019年推出的实时3D设计协作工具，黄仁勋曾在2021GTC大会上介绍道，“Omniverse可以让个人模拟制造出遵从物理规律的共享3D虚拟世界”。 USD（Universal Scene Description，通用场景描述）则是Omniverse的基础。

USD最早来自动画公司皮克斯（Pixel）。在动画的制作流程中，不同的分工会涉及不同的设计软件工具，那么在协同工作时，就需要进行格式转换等繁琐工作。后来，皮克斯提出统一场景的格式USD并在2016年对其开源，不同软件制作的3D内容由此可以统一使用USD格式，《驯龙高手3：隐秘的世界》就是用此方法制作出来。

“以PPT举例，可能5个人打开同一个PPT，公用数据流，一个人的更改另一个人可以马上看到。基于USD格式，则是在三维场景，一个人的更改另一个人可以即时看到，方便沟通和协作。”英伟达高级解决方案架构师宋毅明对澎湃新闻（www.thepaper.cn）表示。

王子健则以自己的实际工作内容举例，“最早期要拿三维软件做，做完一个模型要贴图，最后成为一个场景，渲染出来就变成照片输出，如3ds Max存储格式是3DS。但各个软件形成资产只能是自己的工程文件，资产的意思即能够交互，各家如果是自己的文件格式交互起来非常困难。这会造成什么结果呢？就是A软件模型做得挺好，B软件打开之后还得再去修改，修改之后的东西A软件再打开又需要再修改。”

USD的模式就基于标准化的数据结构，呈现的质量可以保证一致，即光照、色彩、整个模型本身材质表现都是统一的，所以在此基础上就可以实现协同创作。

“如果数字资产不能标准化，其实数字协同是没有办法实现的，所谓的协同工作就是空谈。”王子健继续说道。

怎么理解这里的“数字资产”，为什么数字协同如此重要？

数字资产、数字协同与实时光线追踪技术为什么重要？

据王子健解释，如果是以USD作为格式进行保存就可以被多个软件复用，从而这个格式的文件就被叫做数字资产。数字资产还有第二个功能即可迭代，这个迭代不被破坏。“比如我造了一个月球车，这个月球车是第一个版本，如果我造第二个版本起码得另存一个，然后就得破坏性地改。但USD可以避免这个问题，即在原有的基础上进行版本控制‘小修小改’。这样的话对数字资产的保存就会形成复用，也有了可追溯的可能性。”

那么在此基础上，才有了数字协同的可能。

在原来传统的模式下，整个线性的工作流程下，视觉导演到最后一刻才能看到完整的成片，如果有改变那么一切都要相适应调整，甚至从头改。这样损耗就非常大，造成的直接结果就是制作周期显著拉长，伴随的还有人员以及设备的开销，整个花费就会剧增。

而基于实时的迭代模式，最重要的改变就是实现了“所见即所得”。也就是说，视觉导演能够观察到每一步，看到模型、场景，包括气氛等各种各样的元素摆在一起呈现的样貌，同时针对现有实时呈现的画面反过来即时修改台本。这就不只是单纯制作上传下达的任务模式，而是一个互相依托的迭代创作模式。

更进一步说，这样的技术支持下，创作思路实时的更改和变化可以直接被相关工种实时反应、迭代和呈现，这也是数字协同的意义。

另一个重要的技术进步则是实时光线追踪。2018年，英伟达发布了实时光线技术，将实时光线追踪与AI结合起来落地应用。

“光线追踪是一个理论，基于光线追踪这套理论才能完全模拟现实世界，做到模拟现实世界的渲染。2018年英伟达推出实时光线追踪技术，某种程度上算是倒逼工业流程，以前很多做不了的事情都可以做了。”王子健说道。

具体而言，比如一束光打到瓶子上，这样一个镜头可能有五秒钟。按照央视的标准一秒钟要渲染五十张照片，五秒钟就是二百五十张照片，以一张照片渲染八个小时计算就是2000小时。如果这个时候导演发现机位错了，需要重新再来一遍，那么2000小时就没用了。

实时光线追踪技术以后，2000小时就变成实时了，一秒钟能直接渲染五十张。这又关联到之前传统的线性工作模式，“为什么之前是线性的？因为大家都关注怎么减少沟通成本。但现在有实时渲染技术可以直接在现场看，所以才敢谈实时协同，成本一下子降低了。以前做一个片子可能需要三四个工作室，苦干半年，导演在几个工作室之间跑来跑去。现在一下子把制作变成扁平化了，几十个人在一个环境下花一两个月就把片子做出来了。”王子健谈道。

“实时光线追踪技术让我们看到一个新的可能，它可能会给创意市场增加2000-3000亿美金市场，促进设计师用这样的技术做出他的作品。有了图形可视化与AI之后，后来发现还可以结合以前做的物理学引擎、XR技术，之后就进一步衍生出把这个技术打造成一个平台的想法。后来发布的Omniverse就是包含各种渲染技术提升的结果。”英伟达中国区 Omniverse 业务发展经理何展表示。

对于最新的技术进展，王子健则表示，“在此基础上现在又在进一步增强，使得实时渲染高质量照片级的结果越来越高，多个渲染器之间可以无缝衔接，一个场景一个按钮，比如把Real-time改成Penetrating。最后就是物理模拟、机械单元组的模拟，等于是可以通过虚拟的数字世界控制现实世界。”