元宇宙是人們的想像與現實技術條件之間的耦合，在不同的技術條件下，元宇宙的形態和實現方式都會不一樣。這意味著，要想了解元宇宙發展的現狀、洞悉元宇宙未來可能發展的方向，就必須對與之相關的技術有一定的認識。
與元宇宙相關的技術可謂錯綜複雜。我們可以看到各種各樣科技感十足的名詞——VR、AR、人工智能、區塊鏈、物聯網……似乎所有酷炫、充滿科技感的詞彙都能和元宇宙找到交集。各種科技詞彙都和元宇宙扯上關聯也並非譁眾取寵，因為從技術角度看，元宇宙確實關聯甚廣，很多技術的變化都會對元宇宙的建設產生影響。
由於與元宇宙相關的技術過於紛繁複雜，因此出於討論方便的考慮，我們將其中的關鍵技術分為了八大類：
（1）區塊鏈技術（Blockchain）；
（2）交互技術（Interactivity）；
（3）通信技術（Communication Technology，5G、6G）；
（4）雲和邊緣計算（Cloud and Edge Computing）；
（5）高性能計算和量子計算（High-Performance Computing and Quantum Computing）；
（6）物聯網和機器人技術（IoT and Robotics）；
（7）網絡技術（Network）；
（8）人工智能技術（Artificial Intelligence）；
由於這八類技術的首字母的縮寫正好為BIGCHINA，因此我們將其稱為支撐元宇宙發展的“BIGCHINA技術體系”或者“大中國體系”。下面，我們將逐一對這八類技術的基本狀況進行介紹。當然，介紹的順序將根據各種技術和元宇宙的關聯狀況進行調整，而不會按照“BIGCHINA”的字序。
交互技術
從技術上看，元宇宙是由計算機生成的，因此人們要進入元宇宙，計算機就是必要的途徑，而一個人在元宇宙內的所有行為，也都是通過計算機實現的。因此，在考慮元宇宙問題時，人機交互就成為首要的問題。
雖然計算機是人們發明的工具，但自它被發明以來，卻一直在某種意義上扮演著“主體”的作用。換言之，“人要圍著機器轉”，人們要根據機器的特徵去調整與它的交互方式。在這種條件下，人的創造性和能動性就是被束縛的。因此，實現人機交互的根本變革，實現從“機器是主體”到“人是主體”的轉變就十分重要了。元宇宙的一個重要意義，就是要把人們從過去通過文字、代碼等方式進行人機交流的情境中解脫出來，轉而在一個虛擬環境下，用更為自然的方式來達
成人機交互。而要做到這一點，就需要有多種技術進行支撐。
與元宇宙相關的人機交互技術主要有三類：虛擬現實（Virtual Reality，簡稱VR）、增強現實（Augmented Reality，簡稱AR），以及混合現實（Mixed Reality，簡稱MR）。在一些文獻中，有時也會把這三類技術統稱為擴展現實（Extended Reality，簡稱XR）。
VR 設備中看到的視差
所謂VR，指的是用機器模擬出一個虛擬的場景，讓人們可以產生身臨其境的感受。如果說VR的目標是用計算機憑空模擬出一個虛擬的世界，那麼AR的目標則是要將圖形、聲音、觸覺等要素添加到現實世界中；MR則是把AR和VR相結合，徹底達到虛實結合、虛實交互的境地。
嚴格地來說，AR和MR是有區別的，有兩個標準來對它們進行區分：一是虛擬物體的相對位置是不是會隨著設備的移動而移動；二是在理想條件下，虛擬物體和現實物體是不是可分。如果虛擬位置的相對位置不會隨著設備變化，並且虛擬和現實是可分的，那麼它就是AR；反之，如果虛擬位置的相對位置會隨著設備變動，並且虛實之間已經融為一體，那麼它就是MR。當然，在實踐當中，人們經常會混用這兩個詞，很多本應該被稱為MR的產品，都被稱為了AR。
人工智能
如果說，以VR、AR為代表的交互技術是人們進入元宇宙的門戶，那麼人工智能技術就是讓整個虛擬世界能夠和人互動起來的發動機。
我們將“人工智能”理解為讓智能體（agent）在復雜條件下達成目標的能力。從歷史上看，人們嘗試過很多方法來實現人工智能。例如，早期人們曾經嘗試從神經科學入手，模擬人腦的運作來達成人工智能。而在最近，機器學習（machine learning）已經成為人工智能的主流方法。
所謂機器學習，就是通過對大量數據的分析，讓計算機在沒有預先進行明確編程的前提下擁有學習的能力，找到處理問題的方法。比如，如果我們想訓練計算機具有識別出圖片中的貓的能力，就可以找來一堆動物圖片“餵”給機器，讓它“學習”。
當然，“學習”的方法可以有很多種。傳統上，我們會更多采用一種被稱為監督式學習的方法：把那些有貓的圖片找出來，然後對貓的特徵進行標識，比如，有大眼睛、圓臉、胖爪子等……等計算機學習了大量的圖片後，就會知道具有這些特徵的動物就叫做貓。
不過，這種訓練的方式顯然十分費時費力，僅僅對數據標識就要花費大量的人力物力。因此，現在一種被稱為“深度學習”（deep learning）的無監督學習方法就變得更為流行了。
所謂深度學習，是一種模仿人腦思維過程的方法，它利用多層神經網絡進行學習，通過組合低層特徵形成更加抽象的高層表示屬性類別或特徵，最後作出綜合判斷。回想一下我們學會認識貓的過程，並沒有人找很多貓來進行標註，讓我們學習，我們只是看多了，就自然而然地知道什麼是貓了。把這個“自然而然”的過程進行解剖，我們其實是通過對貓的大量觀測，在大腦中總結出了很多關於貓的特徵，然後把這些特徵結合起來，就能判斷看到的動物是不是貓。類似地，深度學習也是通過對大量樣本的學習，逐步總結出一些判斷動物是不是貓的總要特徵，然後根據這些特徵來進行判斷。
用深度學習教計算機識別一隻貓
在大數據條件下，相比於傳統的機器學習，這種學習方法的效率優勢十分明顯，在識別物體方面，它基本上可以達到和人工識別一樣的精確度。不過，有利必有弊。在可解釋性上，深度學習卻具有明顯的短板——我們雖然知道計算機能從圖中識別出一隻貓，但卻很難知道它是憑藉什麼標準來實現這一點的。
在現階段，人工智能在元宇宙的應用主要有三個方面：實時場景和數字孿生體製造、虛擬人的智能化，以及數字化身的個性化。
在元宇宙中，用戶的位置會是隨時變換的。與之對應的，虛擬場景也就要隨之變換，以保證其與用戶的互動。在這個過程中，大量的圖形、陰影變化，都需要人工智能來實時作出判斷。
所謂數字孿生，是對物理實體或系統具有高度完整性，並可以與物理世界保持交互作用的數字克隆體，它們可以在元宇宙裡用來對物理實體進行實時處理。
在元宇宙中，除了人的數字化身之外，還會有很多作為“氣氛組”存在的虛擬人NPC。就像在電影《失控玩家》裡一樣，這些NPC需要有一定和人進行交互的能力，以滿足人們與之進行互動的需要。而要實現這些NPC的智能化，就需要應用人工智能技術。
為了大幅提升虛擬人NPC的訓練效果，經常會用到強化學習。這種學習方法讓智能體在復雜的環境中不斷試錯，並根據返回結果的正誤來給予“獎勵”或“處罰”，借助這種思路，就可以在很短時間內讓它們的AI水平有很大的提升。現在，強化學習已經被廣泛運用於電腦遊戲，相信在未來的元宇宙當中，這種學習方法也會得到比較多的應用。
在元宇宙中，每一個用戶都需要通過一個化身來行走江湖。因而，為了創建更逼真的虛擬環境，豐富的化身表示是必要的。但是，在很多元宇宙項目中，創作者只提供少數幾個特定的模型或只允許玩家創建只有幾個可選子模型的完整化身，如鼻子、眼睛、嘴巴等。因此，玩家的化身形象高度雷同，這在很大程度上損害了元宇宙本身的樂趣。
高性能計算和量子計算
正當全世界都在對元宇宙表現出無限的憧憬時，英特爾公司卻跑出來給“元宇宙熱”潑了一盆冷水。不久前，美國科技媒體網站The Verge發表了一篇文章，文中援引了英特爾高級副總裁兼加速計算系統和圖形部門負責人拉賈·科杜里（Raja Koduri）對元宇宙的一段評論。科杜里認為：“元宇宙可能是繼互聯網和移動互聯網之後的下一個主要計算平台。但是，我們今天的計算、存儲和網絡基礎設施還根本不足以實現這一願景。”需要指出的是，科杜里對於算力的條件尤其表示擔憂，他說：“實現元宇宙所需要的算力將會是現在全部算力的一千倍。”如果科杜里的判斷是正確的，那麼算力的製約就會成為進入元宇宙的最大障礙。想要真正擁抱元宇宙，就必須努力突破這一瓶頸。
從目前看，突破算力瓶頸有著多種可能的技術路徑。包括高性能計算、量子計算、神經形態計算、概率計算等。限於篇幅，這裡將主要介紹高性能計算和量子計算。
所謂高性能計算，通俗來說，指的就是利用聚集起來的計算能力來處理標準工作站無法完成的數據密集型計算任務。作為一個綜合的領域，高性能計算涉及的問題十分複雜，包括軟件、硬件等各個層面。
高性能計算中，最為重要的核心技術是並行計算（Parallel Computing）。所謂並行計算，是相對於串行計算而言的。在串行計算當中，計算任務不會被拆分，一個任務的執行會固定佔有一塊計算資源。而在並行計算中，任務則會被分解並交給多個計算資源進行處理。
當然，這種任務的分解和分配可以是多樣的，可以是把計算任務分給多個處理器，讓它們協同求解，也可以是被求解的問題分解成若干個部分，各部分均由一個獨立的處理機來並行計算。並行計算系統既可以是含有多個處理器的超級計算機，也可以是以某種方式互連的若干台獨立計算機構成的集群。
從架構上看，並行計算可以分為同構並行計算（homogeneous parallel computing）和異構並行計算（heterogeneous parallel computing）。顧名思義，同構並行計算是把計算任務分配給一系列相同的計算單元；異構並行計算則是把計算任務分配給不同製程架構、不同指令集、不同功能的計算單元。比如，多核CPU的並行運算就屬於同構並行，而CPU+GPU的架構就屬於異構並行。
對比於同構並行，異構並行具有很多的優勢。用通俗的語言解釋，這種優勢來自各種計算單元之間的“術業專攻”，在異構架構之下，不同計算單元之間的優勢可以得到更好的互補。正是由於這個原因，異構並行計算正得到越來越多的重視。尤其需要說明的是，在元宇宙領域，很多大型企業給出的計算解決方案都是基於異構並行的。
如果說高性能計算是在運算資源的分配上下功夫，那麼量子計算就是試圖通過改變經典計算的整個邏輯來提昇運算效率了。
我們知道，經典計算的基本單位是比特，比特的狀態要么是0，要么是1，因此經典計算機中的所有問題都可以分解為對0和1的操作。而量子計算的基本單位則是量子比特，它的狀態則可以是一個向量。這樣一來，量子存儲器就比經典的存儲器具有很大的優勢。
打個不太恰當的比方：玩過動作遊戲的朋友大多知道，在遊戲中，我們扮演的英雄經常可以使用很多招數，有些招數只能是針對單一對象輸出的；而另一些招數則可以針對全體敵人輸出。這裡，前一類的單體輸出招數就相當於經典計算，而後一類的群體輸出招數就相當於量子計算。我們知道，在面對大量小怪圍攻的時候，一次群體輸出產生的效果可以頂得上很多次單體輸出的招數。同樣的道理，在一些特定情況下，量子計算可以比經典計算實現非常大的效率提升。
舉例來說，大數因式分解在破解公開密鑰加密的過程中有十分重要的價值。如果用計算機，採用現在常用的Shor算法來對數N進行因式分解，則其運算的時間將會隨著N對應的二進制數的長度呈現指數級增長。 1994年時，曾有人組織全球的1 600個工作站對一個二進制長度為129的數字進行了因式分解。這項工作足足用了8個月才完成。而從理論上看，如果我們要分解一個二進制長度為1 000的數，將會耗時1025年——真不知道到時候銀河系還在不在！然而，如果同樣的問題換成用量子計算來解決，那麼整個問題就可以在1秒之內解決。量子計算的威力由此可見一斑。
但是，在看到量子計算威力的同時，我們也必須認識到，至少到目前為止，量子計算的威力還只能體現對少數幾種特殊問題的處理上，其通用性還比較弱。事實上，現在見諸報導的各種量子計算機，也都只能執行專門算法，而不能執行通用計算。比如，谷歌和NASA聯合開發的D-Wave就只能執行量子退火（Quantum Annealing）算法，而我國研發的光量子計算機“九章”則是專門被用來研究“高斯玻色取樣”問題的。儘管它們在各自的專業領域表現都十分優異，但都還不能用來解決通用問題。這就好像遊戲中的群體攻擊大招，雖然攻擊範圍廣，但是對每個個體的殺傷力都比較弱。因此，如果遇上大群的小怪，群體攻擊固然厲害，但如果遇上防禦高、血條厚的Boss，這種攻擊就派不上用處了。
從這個角度看，如果我們希望在元宇宙當中用上量子計算的威力，就必須先找出適合量子計算應用的問題和場景，然後再找到相應的算法。與此同時，我們也必須認識到，雖然量子計算的研發和探索十分重要，但是它和對其他技術路徑的探索之間更應該是互補，而不是替代的關係。
雲計算和邊緣計算
如果高性能計算和量子計算都不能完全回應元宇宙帶來的算力挑戰，那麼還有一種可能的解決思路就是應用雲計算。
我們可以用一個通俗的比喻來對雲計算進行理解。在傳統上，用戶主要是通過調用自有的單一IT資源，這就好比每家每戶自己發電供自己用；而云計算則好像是建了一個大型的發電站，然後將“電力”（IT資源）輸出給所有的用戶來用。
用戶就可以根據自己的需要來選擇相應的IT資源了。比如，如果元宇宙的用戶需要更多的算力或存儲，而本地的機器無法滿足，那麼就可以通過從雲端來獲取“外援”。一個雲端CPU不夠，那就再來幾個，按需取用，豐儉由人，既方便，又不至於產生浪費。
儘管從理論上看，雲計算可以很好地承擔元宇宙產生的巨大運算和存儲需求，但是其缺陷也是很明顯的。比較重要的一點是，在執行雲計算時，有大量的數據要在本地和雲端之間進行交換，這可能會造成明顯的延遲。尤其是數據吞吐量過大時，這種延遲就更加嚴重。對於元宇宙的用戶來說，這可能會對其使用體驗產生非常負面的效果。
那麼怎麼才能克服這個問題呢？一個直觀的思路就是，在靠近用戶或設備一側安放一個能夠進行計算、存儲和傳輸的平台。這個平台一方面可以在終端和雲端之間承擔起一個中介的作用，另一方面則可以對終端的各種要求作出實時的回應。這個思想，就是所謂邊緣計算。由於邊緣平台靠近用戶，因而其與用戶的數據交換就要更加及時，延遲問題就可以得到比較好的破解。研究表明，借助邊緣計算，延遲可以降低60%以上。
邊緣計算示意
當然，邊緣計算的好處還不止於此。比如，邊緣計算的應用還可以更好地保護用戶的隱私。相比於傳統的互聯網，元宇宙將收集比以往任何時候都多的用戶數據，其產生的隱私風險也將比以往任何時候都更為嚴重。現在的雲服務大多是被一些互聯網巨頭掌握的，這些巨頭在蒐集用戶信息方面可謂是不遺餘力。這意味著，用戶在暢遊元宇宙的同時，自己的所有數據、行動軌跡，甚至生物信息都在時時刻刻遭到巨頭們的窺視。
相比之下，邊緣計算允許在邊緣設備上處理和存儲數據，就可以給用戶隱私提供更好的保護。一方面，邊緣服務不僅可以在授權過程中從應用程序中刪除高度私密的數據，以保護用戶隱私。另一方面，邊緣平台還可以更方便地使用“聯邦學習”（Federated Learning）等可以保護用戶隱私的算法。這裡說到的聯邦學習，是一種區別於傳統的集中化學習的機器學習算法。它不需要預先採集用
戶數據，進行匯總之後再進行分析，而是可以把程序派到本地，直接返回學習的結果。最後，分析者只需要將這些返回的結果匯總，就可以得到最終的分析結論。很顯然，在採用這樣的算法之後，機器學習就能夠不再和隱私發生衝突了。
通信技術
元宇宙的使用會產生巨大的數據吞吐，而與此同時，人們對VR和AR的普遍使用則會要求更低的延遲。為了同時滿足高吞吐和低延時的要求，就必須使用更高性能的通信技術。
按照通信所需要藉助的介質差異，通信可以分為有線通信和無線通信。總體來講，有線通信的速度要遠遠高於無線通信。在2021年7月，日本已經將有線通信的記錄刷新到了319 Tbps，也就是說每秒可以傳輸的數據量已經達到了39.9 TBytes。按照這種速度，傳輸一部10 G的高清電影只需要0.0003秒。應該說，以這個傳輸速度，已經完全可以滿足元宇宙的需要了。
但問題是，人們希望能在元宇宙當中自由地活動，而不願意被束縛在計算機或者某個固定的設備旁邊。這樣一來，元宇宙的通信就會更多依賴於無線通信。
在無線通信中，光波是最主要的載體。光波的傳播速度主要是由其帶寬決定的，而帶寬的大小則取決於其波動頻率。因此，無線通信技術從1G發展到5G，就是在不斷增加光波的波動頻率，藉以提升其帶寬。
或許有人認為，既然如此，那問題不就簡單了？只要不斷努力提升光的波動頻率，不就可以讓無線傳輸的速度無限提升了嗎？但問題顯然沒有這麼簡單。原因在於，光的波動頻率和波長的乘積是一個定值，也就是光速。因此，波動頻率越快，對應的波長就越短。而波長一旦短了，就會出現很多問題。例如，它的覆蓋率會很短、穿越障礙的能力會很差。
那麼，這些問題應該如何解決呢？現在的5G技術對此提出的解決方案是建造更為密集的微基站。不就是信號覆蓋小、穿越性差嗎？那我把周圍都建上基站。當然，這樣的基站不能建得很大，只能微型化。幸好，由於無線通信的電線長度需要和波長匹配，因此對於這些波長很短的信號，用的也正是很短的天線。並且，由於每一根天線都很短小，因此每個基站上都可以放上很多天線發送，很多天線接收。這種設計，就是MIMO，也就是所謂“多入多出”（Multiple-Input Multiple-Output）。
現在，5G技術已經逐漸開始普及。不過，即使如此，5G的傳輸速度依然難以和有線傳輸相比肩。如果與前面說到的有線傳輸極限速度相比，5G的傳輸速度大致上只有其1/16 000。不僅如此，由於5G需要建立大量的基站，因此其成本將是十分高昂的。因此在實踐當中，只有一些人口密集的大城市有條件普及5G，而對於一些比較偏遠的地區，5G則很難有機會得到應用。基於以上原因，我們認為，如果僅僅依靠現在的5G技術，恐怕還很難有效滿足元宇宙提出的通信要求。 6G以及更新的無線通信方案必須被引入。
網絡技術
除了通信技術之外，元宇宙對於網絡的設計也提出了很多新的要求。
讓我們想像一下這樣一個場景：有A、B兩個城市，本來彼此之間交流並不頻繁。但突然有一天，B城市的居民突然迷上了A城市出產的水果，這樣一來，兩個城市之間的貨運需求就陡然增加了幾十倍。我們知道，水果是不能舊存的，所以從A城市到B城市的貨運必須既要運得多，又要運得快。這個情況就是從傳統互聯網轉向元宇宙時的寫照。在元宇宙條件下，內容傳輸的量會比現在暴漲幾十甚至上百倍，但對於延遲的忍耐力卻更低了。
那麼，如何才能滿足這種高吞吐、低延時的挑戰呢？我們不妨還是先看一看城市貨運的那個場景。很顯然，為了滿足貨運增加的需要，我們的第一反應就是準備數量更多的、速度更快的車——這就好像我們在考慮傳輸時，先要想從通信技術層面找到突破一樣。但是，對於貨運來講，只增加車顯然是不夠的。如果不對道路進行相應的規劃、管制和改建，那麼這些飛奔的貨車就會撞在一起，造成一片混亂。同樣的，如果不對網絡加以相應的設計，那麼僅靠通信能力的提升也無法很好適應元宇宙的挑戰。
面對擁堵的交通局面，一般來說，我們會採用宏微觀兩個層面的方法來對交通進行疏導。在宏觀層面，我們會把道路進行分類，讓不同的車走不同的道。類似警車、救護車、消防車等有緊急任務的車，會給出專道通行，而一般的私家車則會安排另外的通道。在微觀層面，我們會在各個路口安排交警進行協調。一些人如果有急事，交警就會讓他先行通過，而對於其他的司機，則需要進行更多的等待。在網絡設計上，類似的思路依然有用。
交通上的分道行駛，在網絡設計上被稱為“網絡切片”。簡而言之，它就是把一個整體的網絡切分成幾個層，讓不同的應用在不同的層次進行傳輸。這樣，就可以在總傳輸能力有限的情況下，優先保證那些對網絡要求較高的需求。可以想見，當元宇宙的需求被真正激活後，傳輸總量、傳輸種類都會出現暴增。在這種情況下，要對網絡的資源進行更好地宏觀配置，勢必要對網絡進行更為科學、精細的切片。
5G的網絡切片示意圖
交警對於道路的微觀疏導對應到網絡領域，就是所謂服務質量（Quality of Service，QoS）管理。我們知道，當道路通過量有限時，就必須決定誰先行、誰等待。類似的，當網絡傳輸擁堵時，就必定會發生數據包的丟失。這時到底丟誰的數據包，就成了一個問題。 QoS管理的邏輯就是按照服務對傳輸質量的要求來決定優先級，先丟棄那些對於傳輸要求不高的服務的數據，以盡可能保住那些對傳輸要求高的服務的數據。而究竟哪些服務對於傳輸的要求更高，依靠的主要是一套技術上的客觀標準。
這個邏輯本身沒有問題。但是，在元宇宙條件下，人的主觀體驗可能會越來越重要，因此有一些學者認為，應該用基於體驗質量（Quality of Experience，QoE）管理取代QoS管理，來作為劃定傳輸的優先級的標準。舉例來說，如果從純技術的角度看，對一個機器指令的傳輸可能要比一個遊戲信號的傳輸更為重要，因此基於QoS的標準，應該先讓對機器的指令通過。但對於用戶來講，這可能並不正確。事實上，對於很多人來講，一個機器早執行、晚執行一個任務幾分鐘，並沒有什麼問題，而如果一個遊戲的信號晚了幾個毫秒，他的體驗就會大幅下降。因此基於QoE的思路，應該先讓遊戲信號通過。
當然，元宇宙的應用場景很多，既有生活場景，也有工作場景。可以想像，QoS和QoE管理都會有其市場。至於如何根據場景的變化，隨時切換兩種管理模式，這或許會成為元宇宙條件下網絡設計需要考慮的一個重要問題。
區塊鏈技術
在元宇宙當中，區塊鍊是一種十分重要的技術。我們已經看到，包括Sandbox、Decentraland、Axie Infinity在內的眾多元宇宙項目都採用區塊鏈來作為它們的經濟和治理系統的技術基礎。
嚴格地說，區塊鏈（Blockchain）並不是一種單一的技術，而是由多種技術組成的集合體，它的思想可以追溯到“中本聰”（Satoshi Nakamoto）於2008年發表的奠基性論文。最初，“區塊鏈”只是用來描述比特幣支撐技術的一種比喻說法，後來隨著比特幣架構體系的逐漸流行，這個名稱才約定俗成，逐漸流傳了開來。現在，區塊鏈通常被用來指一種去中心化的基礎架構和計算範式。它利用加密鍊式區塊結構來驗證與存儲數據、利用分佈式節點共識算法來生成和更新數據、利用自動化腳本代碼（智能合約）來對數據進行編程和操作。
在整合了鍊式結構、分佈式共識算法，以及智能合約的優點之後，區塊鏈就成為一套非常強大的工具。從性質上看，區塊鏈的運作並不依賴於一個中心化的協調者，可以實現人與人之間的點對點交互，可以在人們之間互不相熟的條件下保證交互的安全，還可以盡可能保證用戶的隱私和數據安全。所有的這些性質，都使得它非常適合元宇宙中“人與人的自由聯合”的組織方式。
物聯網和機器人技術
現在我們討論元宇宙，大多是將其視為一個與現實世界相對的虛擬世界來看待的。無論是前面討論的AR、VR，還是人工智能，都是圍繞著這個虛擬世界在討論。然而，這種虛實之間的分離敘事顯然是不能讓我們滿意的。
試想，如果我們在元宇宙當中觀看一檔美食節目，視覺VR技術已經可以將食物及其烹調過程模擬得如真實一樣。如果我們願意，還可以藉助嗅覺VR技術，模擬出這道美食的氣味。好了，現在氣氛都做足了，我們的饞虫都被釣到嗓子眼了。但是，這美食到底是假的，我們怎麼饞，都只能饞了個寂寞。那麼，怎麼才能彌補這種遺憾呢？這時候，物聯網、機器人等技術就能派上用處了。
所謂物聯網，顧名思義，就是物的互聯網。它可以通過各種信息傳感器、射頻識別等裝置與技術，實時採集關於物體的各種信息，並通過各類可能的網絡接入，達成物與物、人與物的互聯，實現對物品和過程的識別和管理。對於物聯網來說，有幾項重要的支柱技術：一是射頻識別（Radio Frequency Identification），也就是所謂RFID技術。它可以通過射頻信號來對物體實現無接觸的識別和信息採集。二是傳感器。它可以自動、實時地對物體的相關信息進行提取。三是嵌入式系統。它可以嵌入到受控物體的內部，讓物品在接收到相關指令之後，採取對應的行動。這幾樣技術，再加上通信網絡、雲等基礎設施，就可以在人與人互聯的基礎之上，進一步實現萬物互聯。
如果物聯網得到了充分的普及，那麼當我們在元宇宙裡看到了想吃的美食之後，就可以通過物聯網將烹調相應美食的指令發送到附近的機器人那裡。機器人可以根據程序，作出對應的美食，再送到我們的身邊。如果能夠達成這樣的虛實互動，那麼元宇宙對我們來講就不再是一個虛擬世界，而成了我們生活的現實世界的一部分了。
需要指出的是，除了這種對未來的想像之外，元宇宙與物聯網、機器人之間的互動事實上已經有了很多的現實應用。舉例來說，在工業企業當中，有一些大型設備（如機械臂）由於其形狀限制，對其操作十分困難。在這種情況下，如果可以利用AR，再加上物聯網，就可以更好地完成對其的操控。
結語
在每一個時代，人們都有著對元宇宙的想像和實踐，但每一個時代關於元宇宙的想像和實踐又各不相同。在這種差異的背後，是技術條件的差異。在任何時候，人們只可能用已有的技術條件去創造元宇宙，技術是什麼樣，相關的實踐只能在它給出的約束下去進行。從這個意義上講，認識當前與元宇宙相關的各類技術的現狀和趨勢，對於我們判斷元宇宙的發展方向將是至關重要的。
我們提出了一個BIGCHINA的分析框架，指出了與元宇宙發展最為相關的八類技術。在我們看來，這八類技術的發展狀況將會對元宇宙的實現形態起到決定性的作用，而這些技術的走向，也會左右元宇宙發展的方向。
所以，如果你想從根本上了解元宇宙，那麼不妨多花點時間關註一下BIGCHINA吧！
本文摘自《元宇宙漫遊指南》作者：陳永偉、呂琳媛著，36氪經授權發布。
