[编者按]:《元宇宙十万个为什么》是至顶网策划的一档特别栏目,我们希望做元宇宙时代的观察者、记录者、推动者。本篇为该系列第十一问,并同步更新在「QA相对论」微信公众号中,敬请关注。
Facebook改名Meta全力押注元宇宙,掀起了互联网行业的元宇宙热。有了FB作为“带头大哥”,各大企业公司都开始“跟风”元宇宙。
微软:微软推出Metaverse,允许用户将物理对象或环境数字化,这一数字化形式被称为“数字孪生兄弟”。在“数字孪生兄弟模式”中,传感器不断跟踪指标,并将数据流回云端,实现现实世界和数字世界的实时互动。
Unity Software:Unity Software是现有的两个主要的3D电子游戏引擎之一的拥有者。在全世界现有的最大的100个游戏开发工作室中,有94个使用Unity引擎。在元宇宙语境下,Unity可以帮助人们和企业建立独特的存在于元宇宙中的公司。目前,Unity已经建成了香港国际机场的模型,这一模型能实现实时互动,到目前为止能维持正常运转。
Epic Games:Epic Games是当下广受欢迎的虚拟现实游戏Fortnite游戏的制造商,在Metaverse内容制造领域走在前列。
亚马逊:自2018年以来,亚马逊一直在神秘地开发“全新的VR购物体验”,试图借助Metaverse搭建虚拟的购物空间,使购物者可以与数字产品进行互动,通过在Metaverse中建立某种形式的虚拟"亚马逊购物中心"来保持其主导地位。
Nvidia:2021年8月11日,Nvidia宣布了Nvidia Omniverse计划,建立全球首个虚拟合作和模拟平台。Nvidia Omniverse通过使元宇宙的愿景成为现实来连接世界,建立一个从个人到大型企业、每个人都可以与他人合作的革命性的虚拟世界的平台。
腾讯:早在2019年5月,腾讯与沙盒游戏平台Roblox达成战略合作,获得国内代理权。半年多后,腾讯参与投资Roblox,成为股东之一。Roblox上市即成为“元宇宙第一股”,市值已突破620亿美元。
百度:百度在苹果App Store和安卓应用商店上线了一款名为“希壤”的社交 App,发力元宇宙。百度称,将打造一个身份认同、跨越虚拟与显示、永久续存的多人互动虚拟世界。
阿里巴巴:2021年10月下旬,阿里成立XR实验室,探索下一代云网端融合架构下的未来操作系统以及着力于新一代移动计算平台的研究。该实验室主要做基于AR(增强现实)、VR相关的技术研究,和元宇宙息息相关。
京东:在2021年双十一期间,京东就在直播全程采用虚拟IP主播“VIVI子涵”在虚拟直播间中与大家实时互动,带来数字化购物体验。用户在手机、电脑端可以直接观看,如果佩戴VR眼镜,还可以走进直播间与主播零距离互动,也可以拿起虚拟商品进行试穿和360度观看。
网易:网易已有瑶台沉浸式活动系统、AI虚拟人主播、星球区块链等元宇宙概念产品落地,并投资多家虚拟人领域创新公司。
小米:2021年9月份,小米手机官方宣布了新品——小米智能眼镜探索版。该款智能眼镜将采用MicroLED光波导技术,可以让画面呈现于眼镜前端的显示屏上。
华为:华为公司日前发布了基于虚实融合技术Cyberverse(河图)的AR交互体验App“星光巨塔”。据悉,华为河图之“星光巨塔”提供了多种LBS AR玩法。参与者进入App就可以看到一个虚实融合的世界,在这里可以收集能量、搜索宝箱、寻找NPC、占领能量塔、团战打BOSS,以取得最终的胜利。
除此之外,字节跳动、快手等互联网公司也纷纷注册相关商标布局元宇宙。
元宇宙的出现恰恰提供了一种未来社会的生态图景,被认为是数字经济创新和产业链拓展的新疆域。也许这将会带来一次全球范围内经济形态、文化范式等全方位的变革浪潮。
关注公众号「QA相对论」,获取「元宇宙十万个为什么」。

好文章,需要你的鼓励
杜克大学研究团队建立了首个专门针对Web智能体攻击检测的综合评估标准WAInjectBench。研究发现,现有攻击手段极其多样化,从图片像素篡改到隐藏弹窗无所不包。虽然检测方法对明显恶意指令有中等效果,但对隐蔽攻击几乎无能为力。研究构建了包含近千个恶意样本的测试数据库,评估了十二种检测方法,揭示了文本和图像检测的互补性。这项研究为Web智能体安全防护指明了方向,提醒我们在享受AI便利时必须保持安全意识。
生成式AI的兴起让谷歌和Meta两大科技巨头受益匪浅。谷歌母公司Alphabet第三季度广告收入同比增长12%达742亿美元,云服务收入增长33%至151.5亿美元,季度总收入首次突破千亿美元大关。Meta第三季度收入512.5亿美元,同比增长26%。两家公司都将大幅增加AI基础设施投资,Meta预计2025年资本支出提升至700亿美元,Alphabet预计达910-930亿美元。
加州大学圣地亚哥分校研究团队系统研究了AI智能体多回合强化学习训练方法,通过环境、策略、奖励三大支柱的协同设计,提出了完整的训练方案。研究在文本游戏、虚拟家庭和软件工程等多个场景验证了方法有效性,发现简单环境训练能迁移到复杂任务,监督学习初始化能显著减少样本需求,密集奖励能改善学习效果。这为训练能处理复杂多步骤任务的AI智能体提供了实用指南。