元宇宙:区块链红利吃饱后 这个巨头又想"征服"元宇宙?

据12月26日消息,百度与英伟达已达成协议,双方合作共建AI元宇宙。另外,在今日举行的百度AI开发者大会上,英伟达全球副总裁暨亚太区总裁RaymondTeh将受邀出席,并发表主题演讲。

其实今年以来,芯片巨头英伟达对元宇宙的进军势头一直都很猛,早在今年11月,英伟达就推出了布局元宇宙的核心Omniverse。不过最初引起轰动还是因为黄仁勋在英伟达GTC2021大会上曾表示:在8月发表的讲话中有14秒的黄仁勋是虚拟的。

关于元宇宙的布局,英特尔公司高级副总裁曾表示,需将计算力提升1000倍才能实现元宇宙,算力的支撑是元宇宙的重要方面,因此作为芯片巨头的英伟达,则是在这方面必不可少的重要组成。??

那么除此之外,在元宇宙浪潮下英伟达究竟还有多少王牌呢,让我们一探究竟。

汇丰:区块链债券代币化平台HSBC Orion未来或将支持跨境交易:金色财经报道,据汇丰环球银行业务亚太区主管兼总经理马智萍表示,汇丰推出的Orion平台供发行方通过区块链于卢森堡发行电子债券,并可在平台上以多种货币进行买卖,未来或将支持跨境交易。马智萍还指出,汇丰今年2月协助香港政府通过发行总值8亿港元的代币化绿色债券,糅合了数字金融、ESG,以及财富投资三大元素,充分展现了银行的未来发展。(信报)[2023/9/8 13:26:59]

元宇宙实现的关键:算力

尽管元宇宙概念被认为是互联网3.0的最终形态之一,但实际上实现元宇宙的相关技术至今仍然较为匮乏,元宇宙概念的核心是虚拟世界对现实世界的映射,而这种映射必然是完整的、形象的,映射结果的呈现必然是要让每一个进入元宇宙的人认为是“真实的”。

那么,要想达到“真实”的效果,就必须从两方面着手:一方面,是虚拟呈现现实世界的视觉效果——VR;一方面是在现实世界添加虚拟信息的——AR。但是当今的人类技术尽管能够部分实现数据对某些特定场景的虚拟现实,终归无法大规模地使用。

区块链应用程序Sweatcoin推出加密货币:金色财经报道,区块链应用程序Sweatcoin是一个向人们支付步行费用的应用程序,它将推出自己的加密代币。Sweatcoin应用程序已经有6400万的注册用户,该应用程序让用户通过记录他们的日常步数来赚取汗水币。

用户可以将这些硬币捐赠给慈善机构,也可以在购买600多个品牌合作伙伴的商品和服务时获得优惠,涵盖从iPhone到Tidal订阅以及瑜伽课程的所有内容。现在,该公司正在为用户提供选择,在今年夏天举行的代币生成活动中,允许其应用内Sweatcoin与Sweat Token进行1:1兑换。每个用户都会得到一个Sweat钱包,它将通过启用一套DeFi功能来产生费用,例如将Sweat兑换成其他加密货币,并提供流动性和抵押。Sweat将建立在以太坊上,并使用Near作为代币的区块链,Near基金会对该项目进行了投资。(finextra)[2022/4/13 14:21:01]

一个科技公司可能很容易做出一个以假乱真的虚拟形象,但绝不可能做出以假乱真的全真模拟环境。举个例子,人们现在可以做出一个类似真人的“虚拟形象”,但却无法在互联网中打造一个类似真实小镇的“虚拟范围”。

动态 | 物流公司DHL认可IOTA区块链技术:全球第三大物流公司DHL在其官方网站上发布声明表示认可IOTA区块链技术。DHL表示IOTA区块链是将来真正的关键解决方案之一,由基于区块链的智能合约支持的商业流程将大大消除现今的一些主要问题。(News Logical)[2020/2/3]

无法进行范围的虚拟和映射,构成元宇宙的布局就是水中捞月,那么实现范围虚拟映射的关键毫无疑问就是算力。算力的短缺造成VR/AR技术仍然相对粗糙,同样算力的短缺造成范围映射的困难,设备无法运行如此庞大的数据。

算力其实并非只在元宇宙实现方面是关键,在大多数互联网领域中算力都是最核心的推动力,区块链领域挖矿最需要的就是强大的算力支持,英伟达的显卡才能提供这种强有力的算力支撑。

2018年年初,GPU出现了前所未有的短缺,因为以太坊、比特币等加密货币挖掘热潮的矿工涌入,游戏玩家难求一卡,英伟达甚至实行“单用户限购2卡”,算力的重要性不言而喻。

动态 | KT SAT推出5G、区块链、量子加密卫星服务3大增长引擎:在6月18日到6月20日新加坡举行的通讯博览会中,韩国KT卫星子公司KT Satellite宣布将超越卫星转发器运营商成为卫星平台运营商。KT SAT在发表中称公司新的增长引擎中有5G卫星,基于区块链的卫星服务,卫星区间量子加密等3种。[2019/6/18]

那么,找到了问题真正的核心之后就是解决问题,提升算力的最有效的手段是什么呢?目前来看云计算的掣肘仍然很大且并不稳定。能够稳定且有效地提升算力的方法就是更加轻巧、精密、算力足够强大的芯片。而芯片,恰恰是英伟达的强项。

英伟达GTC2021大会上中,黄仁勋化身的虚拟形象可以流利地与人进行自然语言交流。这项技术使用了目前业界规模最大的预训练自然语言处理模型Megatron530B,而且还“借用”了黄仁勋自己的声音、形象和讲话姿态,并且整个人也带有光线追踪特效,连眼镜随着光线变化而产生的反光都能精准捕捉到。

声音 | 刘晓蕾:向公众募资的区块链项目是监管红线:杭州市金融办指导、巴比特主办的2019全球区块链(杭州)高峰论坛上,北京大学光华管理学院金融系主任刘晓蕾表示,国家支持联盟链、供应链金融等能够给实体经济赋能的区块链应用,但涉及向公众募资的区块链项目是监管红线,这里对“公众”的定义是明确的,指的是向不特定的个人募资这是不允许的。[2019/5/17]

在智能方面,演示时人们还向它提出了气候变化、天文学以及生物蛋白质等高难度问题,“Q版”的黄仁勋都回答得行云流水。而最重要的是,所有虚拟形象所有的动作都是实时生成的,和预先渲染是完全不同的概念,需要消耗极大的算力。

相比起Facebook更偏向办公化和娱乐的元宇宙,英伟达以Omniverse平台为核心的元宇宙更偏向于去构建一个与现实世界等比存在的虚拟世界,这个虚拟世界的建造会在建筑、工程与施工,制造业,超级计算等行业展露出前所未有的应用场景。

通过以上阐述,提升芯片性能以算力进而提升VR、AR、范围映射能力,继而完成整个元宇宙的搭建的技术逻辑已经形成,显然,在算力方面英伟达已经做好了某些准备,尽管目前对英伟达全部的元宇宙“底牌”仍未全部揭露,但仅从目前展现出的技术实力看,英伟达已经具备了角逐元宇宙未来的能力。

元宇宙布局核心——Omniverse

英伟达对元宇宙的布局核心就是OmniverseAvatar平台,目前该平台就已经与宝马、爱立信、福斯特建筑、WPP等众多大型企业建立了合作关系。

Omniverse于2019年正式提出,于2020年10月推出Omniverse测试版,超过17,000名客户进行了测试体验,包括宝马、爱立信、沃尔沃、Adobe、EpicGames在内的众多公司都正参与Omniverse合作,最初是一款基于NVIDIARTXGPU和皮克斯UniversalSceneDescription的实时图形和仿真模拟平台,推出目的是改变工程与设计行业工作流程,加快项目设计和生产效率。

根据英伟达提供的数据,?OmniverseOpenBeta公测版本上线后,截至2021年11月中旬已有约5万用户进行了下载,其中中国市场有接近1万名用户。Omniverse平台设有OmniverseAvatar和OmniverseReplicator两个系统。

其中,OmniverseAvatar集合了英伟达在语音AI、计算机视觉、自然语言理解、推荐引擎和模拟技术方面积累的技术,用于生成交互式AI化身的技术平台;OmniverseReplicator则是一种合成数据生成引擎,可以基于现有数据持续生成用于训练的合成数据。

Omniverse的应用更倾向于工程、建设方面,能够通过算力的提升和合理配比,构建出一个“虚拟现实”的数字空间,在空间中能够模拟现实世界的诸多特点。为不同领域的设计师、工程师等创造共享虚拟空间,进而改变工作流程等,背后的领域实际上代表了其技术在未来元宇宙落地的应用市场。

根据英伟达方面介绍,Omniverse能帮助解决行业的多个核心痛点:

1、数据协同市面上已有3dsMax、Maya、Substance、虚幻引擎、Blender等众多3D协同软件,但数据在这些软件中缺乏共用的数据流载体,因而Omniverse选择拥抱USD这样的轻量级语言。

2、团队协作Omniverse提供的解决方案可以协同世界各地的员工,呈现所见即所得的渲染效果,并结合推流实现即刻观看。这让很多因疫情原因无法面对面工作的团队,能够看到即时效果,并根据即时效果进行反馈和修改。

3、大数据由于Omniverse拥抱USD这样的技术,所以在打开大场景时具有天然的优势。避免很多软件在打开耦合性很高的数据时加载的时间过长。

4、数据资产的安全性以往几个不同的数据资产需要导入、导出,并利用互联网或移动媒介等载体进行传输,这面临着数字资产的加密问题。而Omniverse可以实现无论公有云、私有云还是混合云,都能够在同一个平台上工作和存取。这使得数字资产的管控变得容易,且可以引入很多端到端加密机制。

结语

对元宇宙来说,GPU平台的算力,包括各种算法的迭代在未来5年时间内将会有很大的改进和提高。而元宇宙在算力、呈现、虚拟现实技术的提升之下,也会逐渐从较小场景的映射扩散到范围场景的映射,随着虚拟世界越来越大,真正的元宇宙构想也将实现。

郑重声明: 本文版权归原作者所有, 转载文章仅为传播更多信息之目的, 如作者信息标记有误, 请第一时间联系我们修改或删除, 多谢。

链链资讯

[0:15ms0-2:840ms