边缘计算是如何为元宇宙提供动力的?

构建元宇宙虚拟世界并不简单,也并不便宜,但是还是有许多大型公司正在转移大量资源来开发他们的元宇宙业务,当然大部分企业注意力都围绕着 VR 耳机、AR 眼镜、触觉手套和其他沉浸式虚拟现实体验所需的可穿戴硬件。虽然这种沉浸式的体验是最终结果,但一层又一层的幕后技术将构成元宇宙的基础,包括数据中心和网络基础设施。

当然,我们现在已经拥有数据中心和网络,但它们缺乏速度和容量来提供如此巨大的沉浸式体验。此外,由于几乎为零的延迟要求,元宇宙的数据中心将需要非常靠近用户,并且网络速度必须非常快。为了让世界各地的用户进行交互,一组分散的本地边缘数据中心将是必不可少的。 Facebook 创始人兼 Meta 首席执行官马克扎克伯格在世界移动通信大会开幕前的一份声明中强调了这一点:"在交付给智能眼镜和 VR 耳机的虚拟世界中创造真正的存在感需要在连接方面取得巨大进步。"

主机数据中心将包含元宇宙中的虚拟环境和对象

在元宇宙中,将以数字方式创建一个新的虚拟世界,充满物理环境的各个方面。虽然可以对办公室等简单空间进行建模,但也可以对更复杂的环境(例如城市)进行建模。在建模的物理空间内,对象的数量和虚拟人(化身)的数量在那个小办公室中可能非常有限。然而,城市街道可能有建筑物、车辆、餐饮区和许多人。软件设计人员创建这些建模环境、对象和化身,它们存储在服务器上并托管在中央数据中心。

这些主机数据中心将是超大规模的,包含元宇宙中可用的所有环境、对象和化身。容纳所有元宇宙数据将推动大量电力使用。例如,荷兰 Meta 的一个计划中的数据中心(此后已暂停)用于托管欧洲的一部分 元宇宙,预计每年的能源消耗为 1,380 吉瓦时。这个单一的数据中心消耗的能源几乎是荷兰所有数据中心总和的一半。如此规模的数据中心要获得批准,必须以最环保和可持续的方式建造。

物理学也是元宇宙的一项挑战

为了让参与者身临其境地体验虚拟世界,虚拟环境和参与者实时互动,给人一种真正"身临其境"的感觉。这些模拟图形元素必须快速更新以响应参与者的交互。支持参与者实时交互所需的往返延迟必须小于 10 毫秒,这比当今对延迟敏感的应用程序(例如视频通话和云游戏)要快得多,后者的往返效率约为 100 毫秒才能无缝运行无缝。

一个主要挑战是物理学:没有什么能比光速更快------无质量粒子每秒 3 亿米。但数据并非没有质量。当通过最快的传输介质------光缆时,它不会沿直线传播。相反,实际速度比光速慢 30% 到 40%。例如,在比光速慢 40% 的情况下,数据从纽约到洛杉矶的往返行程大约需要 50 毫秒,这对于单个参与者的元宇宙来说慢了五倍.

实际上,数据中心距离参与者的最远距离为 900 公里,大型数据中心不会位于主要城市边界内。住在大城市的参与者可以与城市外数据中心托管的所有环境和虚拟人进行交互。该模型将整个呈现的体验作为用户可以与之交互的视频流推送到用户的控制台。

这种模式也有利于参与者住在同一个城市的多方参与,他们的虚拟数字人在同一个数字世界中互动和发展。但它们都必须位于主机数据中心附近,以每秒 90 到 120 帧的速度提供视频,理想情况下具有 2K 到 4K 的清晰度,延迟小于 10 毫秒。

边缘计算提供无缝体验

向希望同时参与单一托管环境且低延迟的每个人可靠地提供这种体验具有挑战性,边缘计算是为元宇宙提供动力的关键。边缘计算是一种 IT 部署,它使应用程序和数据尽可能靠近用户------这正是无缝体验所需要的,为用户提供必要的本地计算能力,同时最大限度地减少基于网络的延迟和网络拥塞风险。

无论用户住在法国巴黎还是中国北京,如果希望使用元宇宙的虚拟环境都必须下载到靠近用户所在位置的本地边缘数据中心。这样用户就会选择一个特定的环境------整个元宇宙的一小部分。如果用户希望自己的虚拟人和其他朋友的虚拟人进行交互,拥有这些虚拟人的人也必须将该环境下载到他们的本地边缘数据中心,其他虚拟人以此类推。然后环境必须相互同步,以便这些虚拟数字人可以实时交互。 构建元宇宙需要全球性的努力,任何一家公司或行业都无法维持。相反,为数亿人部署的可靠互联网演变表明,连接行业在协同工作时可以发挥多么强大的作用。在网络边缘全球部署本地边缘数据中心的网格是一个关键的构建块。

3DCAT实时云渲染技术架构领先,通过将重度计算置于云端、将实时计算结果推流到轻量化终端的方式,可以大幅降低终端计算压力,降低终端消费成本,而且用户可以体验到更加逼真、炫酷的视觉效果。3DCAT调度策略异常灵活,可对计算节点和任务设置各种属性、要求、约束等。

​ 本文《边缘计算是如何为元宇宙提供动力的?》内容由3DCAT实时渲染云解决方案提供商整理发布,如需转载,请注明出处及链接。 ​

相关推荐
智驱力人工智能16 小时前
山区搜救无人机人员检测算法 技术攻坚与生命救援的融合演进 城市高空无人机人群密度分析 多模态融合无人机识别系统
人工智能·深度学习·算法·架构·无人机·边缘计算
xixixi7777717 小时前
系统性地解析——边缘计算(从定义与驱动力、核心架构、关键技术特征、与云计算的范式对比、典型应用场景以及挑战与趋势等方面)
安全·架构·云计算·边缘计算·信息与通信·通信·反诈
智驱力人工智能17 小时前
高速公路无人机车流密度监测 构建动态交通新维度 基于YOLOv8的无人机车辆检测算法 边缘计算无人机交通监测设备
人工智能·安全·yolo·目标检测·视觉检测·无人机·边缘计算
世岩清上17 小时前
智能算法与边缘计算融合:驱动下一代实时决策系统的技术范式革新
人工智能·边缘计算
Xの哲學1 天前
Linux MAC层实现机制深度剖析
linux·服务器·算法·架构·边缘计算
智驱力人工智能2 天前
加油站静电夹检测 视觉分析技术的安全赋能与实践 静电夹检测 加油站静电夹状态监测 静电接地报警器检测
人工智能·深度学习·算法·安全·yolo·边缘计算
MUTA️2 天前
边缘计算资源分配和任务调度优化
人工智能·边缘计算
测试人社区-千羽2 天前
提升软件质量与效率:设计评审的自动化分析与实践路径
运维·人工智能·opencv·安全·数据挖掘·自动化·边缘计算
q_30238195562 天前
香橙派赋能水稻病虫害精准识别:AI+边缘计算守护粮食安全
人工智能·边缘计算
测试人社区-千羽2 天前
生物识别系统的测试安全性与漏洞防护实践
运维·人工智能·opencv·安全·数据挖掘·自动化·边缘计算