尼尔·斯蒂芬森（《雪崩》作者，1992年出版）和“元宇宙”一词的发明者当时绝不会想到，30年后这个词会成为构建数十亿美元产业的基础。目前人们对元宇宙充满热情，许多零售商已经为精通科技的消费者创建了数字存在。
简单来说，元宇宙是一个融合了增强现实和嵌入式虚拟现实的空间。想象一下以数字形式存在的人、城市和国家，而不是血肉之躯或砖石结构。元宇宙汇聚了我们过去一个世纪所推崇的模拟技术的力量，并构建了虚拟世界（几乎就像电子游戏一样），让人们能够拥有沉浸式的体验。
时尚零售商纷纷涌入元宇宙。一些零售商正在创建商店，用户可以在其中为他们的化身穿衣，在虚拟商店购买产品，并将实物配送到家中。其他公司则举办了一场元宇宙时装周，品牌在T台上展示其最新作品。
杂货零售商也打算入驻元宇宙，用户可以在虚拟杂货店中漫步，装满购物车，完成支付，并将实物配送到家。如果购物后你想吃点午餐，你可能可以订购你最喜欢的汉堡和薯条。
除了使用成熟的电子商务平台外，我们还可以在元宇宙中漫步，浏览商店、挑选商品、查看广告和优惠，并享受配送服务。元宇宙正成为全渠道零售世界的另一个选择。
元宇宙也可能成为计算机视觉（CV）、自然语言处理（NLP）和强化学习（RL）等机器学习技术的熔炉。越来越多的公司看到了将语音和视觉技术结合用于决策的潜力。但是，仅靠语音和视觉技术的进步还无法让我们接近通用人工智能，除非我们能够以协同的方式利用这些感官信息来做出决策。
这意味着元宇宙可能成为一个虚拟实验场——一个大型多人游戏，在其中我们可以创建、训练和部署丰富的机器学习技术组合，以开发新的零售选项和消费者体验。
建好它，他们就会来吗？
金融机构和社交媒体巨头正加入零售商行列，争相瓜分元宇宙这块蛋糕。但关键在于，消费者真的想要元宇宙吗？请记住，我们必须投入真实的（而非虚拟的）时间、金钱和精力来与元宇宙互动。
同时，我可以看到它与玩电子游戏类似，你可以在其中与虚拟邻居建立社区，但我们是否有认知能力去过一种平行生活？我们难道没有已经信息过载了吗？
是的，大量公司会通过向风险投资家和用户展示承诺中的元宇宙土地来赚钱，但至关重要的是要问：产品是什么？“建好它，顾客就会蜂拥而至”的格言可能行不通。那么，什么可能有效呢？
在我看来，释放元宇宙潜力的第一步是能够利用它来：（a）做出决策；（b）将其作为机器学习（ML）数据生成的合成世界。需要逐步构建产品市场契合度，否则，如果行业开始在虚拟空间开设商店并使用数字货币或非同质化代币（NFTs）买卖数字资产，客户采纳的论点就会变得相当牵强。
但首先，是数字孪生
构建此类元宇宙并解决上述A点和B点的渐进式步骤是数字孪生，它是元宇宙的一个子集。选取自然世界的一小部分，比如一家零售店，并使用简化版的元宇宙（即数字孪生）来实现对所有资产（商品、店员、供应链流程等）的实时可见性。
然后使用如计算机视觉（CV）等技术来衡量店内此刻的实时供需情况。自然语言处理（NLP）可以筛选成千上万份通信内容，告诉你哪些任务需要完成。最后，在数字孪生的约束下，强化学习（RL）可以对未来的展开做出决策。
这将帮助门店经理实时查看门店运营情况，并利用新兴的数字孪生领域做出可用的决策。从技术角度来看，它使我们能够结合各种语音和视觉属性，从而做出最优决策。
迈向元宇宙的另一个渐进式步骤再次围绕数字孪生，但这次是为了生成合成数据。一些科技公司和初创企业已经在倡导这一思路。这一切背后的核心概念是域随机化。
数字孪生使我们能够创建合成世界以及同一世界的各种子集。如果我的卧室漆成红色而不是白色，或者我行走的道路是碎石铺成的而不是混凝土铺成的，会发生什么？
例如，大多数基于深度学习的计算机视觉（CV）算法需要大量的训练数据。如果数字孪生体经过严谨构建以减少来自自然环境的协方差偏移，它就能为我们提供标注好的合成数据，无论是用于自动驾驶汽车的数百万公里驾驶数据，还是针对物体在不同视角统计下的数百种排列组合——即商店中的水果和蔬菜从左侧或右侧、白天或夜晚观看时外观会有所不同。
利用计算机图形学，可以让计算机视觉算法审视你所有的水果和蔬菜的可能迭代形态。我们也看到其他行业开始转向数据增强，例如深度学习神经网络算法同行研究人员和工程师正在为机器视觉相机开发这些算法。
同样，当领域被随机化时，强化学习（RL）算法在泛化方面面临困难，例如材料（纹理、颜色）、光照方向、光照条件以及物体放置位置的随机变化。元宇宙概念可能有助于缓解其中一些数据效率问题。
总之，通过逐步推进，公司可以利用数字孪生将当前有用的虚拟体验转化为聚焦的最终产品讨论，从而使对元宇宙的热情塑造并缩小产品与市场需求之间的输入输出不匹配。无论解决方案在技术上多么出色，未经检验的错误假设都可能导致公司失败。