重新定义现实：NVIDIA推出fVDB以构建更大规模的数字世界模型
内容提要
NVIDIA在SIGGRAPH上宣布了新的深度学习框架fVDB，用于生成适用于自动驾驶车辆、气候科学和智能城市的AI-ready虚拟表示。fVDB建立在OpenVDB之上，为行业带来了重大进展。fVDB使行业能够以更大规模和更高分辨率利用空间智能，使物理AI变得更加智能。该框架在NanoVDB上构建了NVIDIA加速的AI运算符，用于高性能的3D深度学习应用。fVDB的优势包括更大的空间规模、更快的速度、更强大的功能和更高的互操作性。fVDB将很快作为NVIDIA NIM推理微服务提供，并将成为OpenVDB GitHub存储库的一部分。
延伸解读
fVDB 与 OpenVDB 生态的延续性
fVDB 并非从零开始，而是建立在 OpenVDB 这一行业标准库之上。OpenVDB 过去十年在视觉特效领域屡获奥斯卡奖，并已扩展到工业和科学用途。NVIDIA 此前推出的 NanoVDB 为其添加了 GPU 支持，带来数量级的速度提升；NeuralVDB 则利用机器学习将内存占用压缩高达 100 倍。fVDB 在此基础上构建 AI 运算符，延续了开源生态的演进路径，并计划成为 OpenVDB GitHub 存储库的一部分。
空间智能的实际应用场景
文章指出，fVDB 生成的 AI-ready 虚拟表示可服务于自动驾驶车辆、气候科学和智能城市等领域。具体而言，现实规模的虚拟环境用于训练自主智能体；城市级 3D 模型可由无人机捕获，用于气候科学和灾害规划；3D 生成式 AI 甚至可用于规划城市空间和智慧城市。这些场景表明，fVDB 旨在解决将真实世界数据转化为可训练 AI 环境这一难题。
性能提升与互操作性优势
根据文章，fVDB 相比先前框架具有四项关键优势：空间规模大 4 倍、速度快 3.5 倍、运算符多 10 倍，以及更高的互操作性。它能够读取 VDB 数据集并转化为全尺寸 3D 环境，实时渲染以供构建具有空间智能的物理 AI。此外，fVDB 将多个深度学习库的功能整合在一起，简化了原本复杂的工作流程。
NIM 微服务与 OpenUSD 工作流
fVDB 将很快作为 NVIDIA NIM 推理微服务提供。其中三个微服务可帮助企业将 fVDB 融入 OpenUSD 工作流，在 NVIDIA Omniverse 中生成 AI-ready 的 OpenUSD 几何体：fVDB Mesh Generation NIM 用于生成真实世界的数字 3D 环境；fVDB NeRF-XL NIM 利用 Omniverse Cloud API 生成大规模 NeRF；fVDB Physics Super-Res NIM 则执行超分辨率以生成基于 OpenUSD 的高分辨率物理模
Q&A
fVDB的主要功能是什么？
fVDB用于生成适用于自动驾驶车辆、气候科学和智能城市的AI-ready虚拟表示。
fVDB相较于之前的框架有哪些优势？
fVDB在空间规模上大4倍，速度快3.5倍，功能强大10倍，并且具有更高的互操作性。
fVDB是基于什么技术构建的？
fVDB建立在OpenVDB之上，并在NanoVDB的基础上构建了NVIDIA加速的AI运算符。
fVDB如何支持高性能的3D深度学习应用？
fVDB包含卷积、池化、注意力和网格化等AI运算符，专为高性能3D深度学习设计。
fVDB将如何影响智能城市的建设？
fVDB能够生成城市规模的3D模型，帮助进行气候科学和灾难规划，从而促进智能城市的发展。
fVDB的推出对行业有什么重要意义？
fVDB代表了数字双胞胎技术的重大进步，使行业能够以更大规模和更高分辨率利用空间智能。
