经过两年的持续攻坚，Multiverse引擎全新3.0版本于近日正式发布。这标志着孪界科技全面向物理AI领域迈出关键一步。
过去数年间，孪界科技一边持续迭代WebGL版端渲染引擎，另一边在云渲染方案上不断摸索与试错。经过反复验证，于2024年初确定了最终技术路线。如今，Multiverse 3.0在构件层级上首次实现了一个模型、一套API、云+端双引擎渲染，并完成了大屏端、桌面端和XR端的全覆盖。
不同于传统的数字孪生引擎，Multiverse 3.0不仅专注于建筑数据处理和高逼真度的大体量模型渲染，更以建立物理准确的孪生世界为出发点。新版本中，用户可以为模型构件设置物理属性和动力学参数，建立刚体、柔体、液体对象。通过为模型对象设置密度、摩擦、刚度、阻尼、杨氏模量、泊松比等物理属性，模拟真实世界中每个对象的行为，使得孪生模型不仅可供观赏，更可以在虚拟世界中被操作、模拟、仿真和预测。这将数字孪生与物理AI紧密关联，为具身智能的仿真与验证、世界模型的构建以及AI理解物理世界提供了一条可被验证和实践的技术路线。
一模双擎
在3.0版本中，孪界科技正式推出了基于像素串流的云渲染引擎——Multiverse Streaming。与此前WebGL版本在用户本地设备上完成渲染不同，Multiverse Streaming将所有渲染任务在服务器端完成，再通过视频流推送到客户设备上。这种方式的优势在于能够利用服务器的强大计算能力，实现模型的高质量渲染，同时对用户设备没有任何特殊要求。
长期以来，端渲染和云渲染在数字孪生引擎中一直是一个难以调和的难题。WebGL适合高并发环境，但在大模型加载和渲染效果上面临挑战；云渲染适合低并发、高质量的可视化场景，但对服务器资源和网络带宽有较高要求。业内通常将WebGL定位于工程环境，云渲染定位于大屏等高质量可视化场景。
随着Multiverse 3.0的发布，这两种技术路线首次被统一起来。用户只需设置一个参数，即可在云渲染和端渲染之间自由切换，所有业务代码无需任何修改。云渲染和端渲染使用完全相同的开发接口。对于使用Multiverse旧版本的用户，以及那些对并发能力和高质量渲染均有要求的用户，这一特性将带来巨大的便利。
目前市面上能够提供高质量渲染的数字孪生引擎，几乎都基于Unity或UE。尽管这两个游戏引擎拥有卓越的渲染能力，但从孪界科技的实践来看，其面向游戏开发的架构和数据组织方式，在协作、更新和数据融合能力上存在较多挑战。
Multiverse 3.0采用了完全不同的技术路线。在云渲染方案中，孪界科技使用了OpenUSD格式和NVIDIA Omniverse作为基础支撑，这为物理AI应用打下了坚实的基础。借助PhysX物理引擎，Multiverse 3.0解决了数字孪生场景中的多个长期难题：
●缺乏物理仿真，只能看、不能交互
●场景及模型的局部修改与更新困难
●仅能观看，无法进行操作交互和仿真
●生产过程缺乏节拍仿真及因果关系建模
多端覆盖
长期以来，WebGL端渲染引擎因显示效果及本地资源占用等原因，在大屏端和XR端的呈现面临较大挑战。随着Multiverse 3.0的发布，孪界科技首次实现了桌面端、大屏端和XR端的全覆盖。熟悉Multiverse的用户都知道，2.0版本首次发布了数字孪生场景编辑器，用户可以通过“拖、拉、拽”的可视化编辑方式实现数字孪生场景的搭建，大大降低了三维孪生场景的构建难度。在3.0版本中，Web端编辑器搭建的三维孪生场景可以在像素流中直接加载，实现了“一次编辑，多端使用”。
WebGL场景编辑
推流场景
大屏效果展示
XR效果展示
面向物理AI的无限可能
2025年末，随着AI和具身智能的快速发展，物理AI概念被广泛热议。孪界科技开始尝试将数字孪生与物理AI结合起来，不仅关注“看得见”，更要让孪生场景“可操作、可交互、可预测”，实现“可控、可复现、可评估”的仿真。
尽管目前世界模型及物理准确的视频生成模型已经开始显现应用前景，但在严谨度和真实度上与真实世界仍有巨大差距。生成符合标准、规范的真实三维空间及世界，在可预见的一段时间内对AI而言仍是巨大挑战。数字孪生恰恰是填补这一鸿沟的重要手段。
在Multiverse 3.0版本中，孪界科技开始关注如何表达和标注物理准确的三维世界，使AI及具身智能体能够在仿真环境中理解物理规律。这成为后续发展的重点方向。
为配合这一战略性转型，孪界科技建立了开源资产平台（衍象），包含超过1.5万个1:1实物的高质量仿真资产。其中大量资产带有铰链关节——孪界科技参与建设的ArtVIP数据集已被ICLR 2026接收，并成为NVIDIA Isaac Sim官方推荐的资产库。平台还包含了结合真实建筑空间的三维模型搭建的众多三维仿真场景。
目前，孪界科技已经打通了三维重建、三维仿真资产、真实工程模型的仿真资产生成、标记及场景搭建的全流程。后续将在三维仿真，尤其是具身智能的仿真训练上持续投入和迭代，进一步拓展数字孪生应用的广度和深度。
编辑：ZXSD04
