導語

本月中旬，2019中國物聯網大會在南京圓滿舉辦，來自行業內各專家學者及企業代表積極參與其中，學習前沿的物聯網技術成果及應用實踐。ANSYS受邀參與本次大會主題報告環節，行業專家團隊總監袁勇博士做主題演講：虛擬照進現實――仿真技術助力物聯網世界的實現。萬物互聯的時代，如何感知設備，并且進行連接，最后通過計算來獲取想要的結果？首先要實現全面感知，而這個難度非常大，但在構建虛擬世界里可以實現...

可以預見的是，不久的將來，物聯網將在各行業都會有非常廣泛的應用，也將對我們的個人、家庭生活帶來巨大的改變。當我們把物聯網剖析來看，無非就是這三個部分：感、聯、知。充分感知各種信息，并且進行廣泛連接，最后通過強大的計算能力獲得結果、或執行復雜的功能。

讓我們來看看一代一代信息技術升級的本質是什么？其實就是用更低的能量來傳遞更大量的信息。這個世界的確也是這樣發展的，物聯網技術就是為了更好的去獲得信息、處理信息。我認為物聯網各種應用的本質就是我們如何實現數據的充分利用，這個充分利用包括我們前面的感、聯、知三個環節。所以我今天將從在場專家講到最熱的三個角度來談一談我們在物聯網實現過程中的問題：第一個，大家都談到了大數據；第二個幾乎所有專家都談到了AI人工智能；第三個就是現在大家都在談的5G，我今天就從這三個問題出發，看看我們如何更好的構建這個物聯網世界。

當我們討論物聯網的時候，首先要討論的是物與物的連接，我們首先是從身邊實際的物理世界出發。但我們都知道，物聯網更重要的是物與物連接背后的數據的生成與使用，因此才需要用各種手段構建多種多樣的數據。所以話說回來，萬物互聯后的世界之所以美好，并不是物與物連接起來有多好，而是我們看到了數據的力量。

麥肯錫的一份報告中把數據分析分成了三個層次，每個層次都解決了各自的問題，也有相應的技術點，這份報告里面重點強調了“高級的數據分析”，這是前面的基礎數據分析都達不到的，包括預測性分析、優化和仿真建模、和規范性技術等等。在這些技術背后，我們看到如果要充分發揮物聯網的價值，必須要做好數據分析，而要把數據分析給做好，首當其沖的是要把數據做大，然后把這個大數據能夠利用好。只有先感知好，才能分析好。

我們假設有這樣的一個設備——一個泵，這個泵用在真實的物理世界里很多的地方。這個泵本身是很傳統的東西，我們現在加上傳感器，這就離智能設備進一步了，因為它加上傳感器能感知了，然后它跟物聯網的分析計算平臺，也就是工業互聯網這樣的平臺來進行連接。工業互聯網平臺可以分析很多數據，里面用了機器學習等很多方法，這個泵就能夠變成一個智能化的工業設備，但是這就夠了嗎？還不夠，距離理想的狀態還有一段距離，因為在現實世界里面傳感器的數量、種類甚至成本都有非常嚴格的限制，我們可以監測里面某一個位置的溫度，但很難能監測水泵里面內部水流細微的變化；能監測電機的轉速，但很難監測到電機發熱之后形變帶來的材料屬性變化，很多物理量是很難低成本去感知的。

前面講到了物聯網的感、聯、知三個部分，但是能夠做到全面感知嗎？這個難度非常大，有一塊我覺得可以好好利用，就是構建一個虛擬世界，這跟物理世界不一樣，我們的虛擬世界是基于物理的仿真來做的，之所以叫基于物理的仿真，就是我們是基于物理各種各樣的原理，比如力學的原理、熱學的原理、電磁學的原理等等，它是符合物理的規律的，并且用計算機數值計算的方式呈現出來，因而是能夠再現真實世界運行情況的。我們在這里建立了水泵的真實的虛擬原型，我們把傳感器上感知的各種數據作為虛擬原型的輸入，在虛擬環境里面我可以做大量的分析，經過這些分析之后，就能得到普通傳統的傳感器很難監測到的一些數據。比如說流量、電壓、電流、電機轉速、內部溫度，本來是要加入很多物理傳感器才能夠獲得的，現在有了虛擬傳感器任意位置的數值都能夠獲得物理量信息。這些數據就比之前純粹的物理感知數據量大了很多，這個是虛擬傳感器的價值所在，然后再將這些數據給工業互聯網平臺去做大數據分析，因為數據變得更“大”了，所以做深度學習的效果會更好，這就是虛擬世界的力量。

我們再來看另外一個例子，這是油氣行業里面的一個設備，裝置在海下采油平臺上。同樣給它加很多傳感器，這些傳感器作為一些基礎數據，傳送到工業互聯網平臺，就能夠做數據分析了。例如，外部海洋里的一些溫度等等都可以檢測到，然后這些輸入作為一個基礎數據分析，當它檢測到特殊情況，需要再查找發生狀況的源頭是在哪兒，然后才知道這個問題該從哪兒去解決，我們不可能讓工人去海底真實查看，成本太高。所以這里構建好了這個設備的虛擬數字孿生體，也就是一個虛擬原型里面去做大量的分析，正因為有了這些輸入，可以改變我們仿真這個模型的或者叫原型的這些輸入條件，這些條件來自于真實的物理世界，經過在這個基于物理的虛擬系統中的分析，補充了傳統的互聯網平臺基礎數據分析分析不到的地方，從而能夠去檢測一些異常的情況，并能夠做更高階的數據分析，找到導致特殊情況的源頭，并可以在虛擬原型中嘗試各種解決方案。跟前面一樣，這個案例中得到了更多的數據的就是虛擬傳感器，因為能夠看到物體物理的本質，并建立了一個完整的系統仿真，經過這一系列的仿真，我們就可以做一些價值倍增的事情，這些再反饋回來告訴我們的設備該怎么去調整，這些都是在虛擬環境里做的。

國內我們也跟一些其他行業的用戶在接觸，比如說做衛星的，他們衛星在天上飛，地上需要有一個樣機，叫做伴飛系統，以前都是物理的伴飛，但現在他們在做數字的伴飛，因為他希望進行更細致的分析，所以他們把那些天上衛星的數據采集下來，在虛擬的數據模型里面進行分析，這些數據將對衛星的維護帶來非常大的好處。通過仿真能夠獲得更大量的優質的這些數據，把我們的大數據分析變得更大，使大數據分析能有更好的來源。問泉哪得清如許？為有源頭活水來。

我們再來看看人工智能，舉一個自動駕駛的例子，自動駕駛是未來我們生活里面無處不在的，從無人機到汽車到工業機器人，其實都在做自動駕駛。自動駕駛它的架構，其實不管是哪一類的設備，都無非包含傳感器、軟件、計算平臺，它的運行載體可能是車輛或者飛機，此外還有控制軟件、人機交互界面等，它解決的事情也很簡單，就是感知外部的世界，外部的物理環境是什么？這里需要搭配各種傳感器。然后去做運動規劃，一般是通過人工智能軟件來做的。第三個就是運動執行，怎么轉向、減速、加速，這是通過控制軟件來做，幾乎所有的自動駕駛架構都差不多這樣。在這個過程里面，重點要訓練我們的運動規劃軟件，這也就是人工智能在自動駕駛里面最核心的價值所在。

那依據什么訓練呢？我們來看一個數據。這個是國外真實的一個公司案例，如果一款車要真正上路運行，就要做大量的道路測試，誰道路測試做的多，看到的問題就越多，你解決的算法和邊緣情況就更好，但是道路測試的成本非常高，這是做了400萬英里的道路駕駛，花了9年的時間，每年開銷高達10億美元，可以想象這個成本投入有多高。后來他們改變了這種方式，對25億英里進行虛擬駕駛，用了一年不到，這就是虛擬世界里面構建各種虛擬場景，就像AlphaGo一天內訓練的數量的都是人類一輩子完成不了的數量一樣。然而車的算法要想訓練得好，就要構建它大量的場景。所以我們在計算機里構建了大量的虛擬場景，可以考察不同的天氣。如果想要在南京這邊做一個道路測試，你要考慮雪天，你要考慮沙漠里面的情況，這對真實路測而言就太難了，但這在軟件里面很容易就做到這類極端情況，在虛擬場景里面就很容易開到東北和大西北的路上去測試了。如果我們要做過這樣的虛擬路測。那么這個虛擬場景的構建就是要追求如何接近真實世界中的道路場景。

我們首先來看一下在虛擬自動駕駛通常會是怎樣的構成的，首先要去做傳感和感知，然后要有各種各樣虛擬環境場景，這個環境場景要接近真實，再然后要去做AI控制算法訓練，還要做整個系統的動力學的分析，此外很重要的還有系統安全性分析，今天上午也有專家談到了網絡安全的問題，對于自動駕駛來說，跟人身安全是息息相關的，是必不可少的。前面這些都是在虛擬環境里面非常重要的。我們挑幾個比較有意思的。

自動駕駛車上都會搭載很多的傳感器，其中照相機或者叫光學傳感器是其中的一個。在關于傳感器里面我們要想和真實特別接近，就得衡量物理世界里面很多的因素。左邊這個案例是攝像頭在下雨天氣中，上面會有雨滴，雨的情況會干擾我們攝像頭產生的圖像信息。然后下面這個圖是在一個攝像頭前面加了一層膜，就可以很好的改善這種情況，在仿真里面你可以很快的去嘗試不同的手段，查看改善效果。右邊案例這個圖是做的在一個道路上逆光的情況，你會看到很炫光和陰影對攝像頭的影響，而些影響在虛擬場景的建立在軟件里面很容易再現的。這里的案例不是說像好萊塢拍電影CG動畫里面做的動畫場景，這里是基于物理仿真的，光究竟強到什么程度，地面的反射是什么樣？這是跟物體的材質、光線的角度是密切相關的，它是有物理依據的，因而是“真實”的虛擬場景。

再來看另外一個案例，自動駕駛車上面還會搭載其他類型的傳感器，毫米波雷達就是重要的一類。剛才那個攝像頭的確受天氣影響太大，我們會要借助其它的傳感器來做改善，毫米波雷達是全天候的，不受天氣影響。這個案例里面我們就會從雷達本身的設計，到加載到車輛上面之后的性能，以及在車輛運行過程里面整個場景的仿真動態的全流程進行分析，覆蓋了自動駕駛雷達研究所需的所有環節。然后我們再把這些信息裝到算法當中，去訓練AI算法里面的決策依據，讓它學會判斷。這樣的話這些虛擬場景將給算法帶來大量需求的樣本，這個就是虛擬場景在自動駕駛里面的價值所在。

我們再看最后一部分，就是5G。大家都知道5G對于物聯網來說實在太重要了，沒有5G很多東西很難做到，那5G可以說是跟物聯網并駕齊驅的，也可能有人認為這是一個等同的概念。我們看看5G整個產業鏈落地所涉及的話題，物聯網的架構也類似，這些話題里面就會涉及到很多具體的技術問題，我們同樣也是從感、聯、知三個角度來講，感就是感知各種各樣的設備，聯就是連接各種各樣的設備，知就是高級計算機等等來進行運算。

這三個角度可能都需要解決天線的問題，電磁環境的問題，產品可靠性的問題，芯片的問題等等，這些其實就是我們在工業整個技術架構設施研制中避不開的問題。前面嘉賓講到了終端設備會搭載天線與傳感器，這些就是我們物聯網的基石，其實現在的傳感器也有很多，我們需要更好的去設計。我們還要考量在室內環境里面人的影響，不同設備之間的干擾影響，我們看大量的設備是不是能夠跟外部的設備很好的關聯，這個也是現實中需要有很多的優化布局。如果要考量車路協同，我們的車輛要跟基站來進行通信，那車輛是否能跟基站很好的進行連接，是不是會出現盲點？如果出現盲點會不會出現很多問題。這個是我們需要分析和挖掘的共同問題，這些共同問題也是需要我們努力去研究的。

芯片是所有這些設備里面進行運算的大腦，尤其在知的部分是必不可少的，現在越來越多傾向于3D芯片的設計，這個是芯片里面非常高難度的一塊，這一塊如果不依賴于仿真幾乎很難做到。然后芯片加上封裝，再加上電路板就形成了一個小的電子系統，每一個層級里面都會有相應的這些技術問題有待突破，我們的產品要想更好地運行，更長時間地運行，它需要更高的可靠性，而可靠性會包括了電磁兼容的問題、散熱的問題、PCB壽命、形變、跌落碰撞等等一系列可靠性問題，都是需要我們去解決的。

在新時代要想把5G做好，需要更高性能、更可靠、并且成本更低的設備和產品，因此我們更完整的研發方案，ANSYS提供從各個物理場到仿真平臺的構建，都能夠幫從業者快速進入新的行業，把各種高科技用好。我們在面向物聯網整個大產業發展的時候，有很多的問題亟待解決，如果我們真正把虛擬世界利用好，尤其是仿真的能力用好，我們就可以獲得更大的價值。

最后對前面講的內容做簡單的小結：仿真構建的虛擬世界可以為我們工業互聯網提供更優質的，更“大”的數據；借助仿真可以在“真實的”虛擬世界里面更高效地訓練AI算法；并且仿真能夠為 “萬物互聯”的未來研發出更高可靠性的產品。這一切都是仿真帶給物聯網世界的價值。ANSYS期待跟各位專家能夠進一步互動，謝謝！