数字孪生：万物智联时代的全新机遇

编者按：本文来自微信公众号“晨山资本”（ID：chenshancapital），36氪经授权发布。

伴随着业界对工业互联网、智慧城市等方向创新的持续关注，数字孪生的概念也重新回到了大众的焦点中。伴随着新一代ICT技术的成熟，数字孪生有望在未来几年内迎来窗口性机遇，在垂直行业和场景中创造更多价值。本文简单介绍了数字孪生的定义和潜在应用，也欢迎行业专家和创业者与我们一同探讨交流。

▲图片来源：Getty Images

译者 | 辛若豪

作者 | Adam Mussomeli, Brian Meeker, Steven Shepley, David Schatsky

原标题 | Expecting digital twins：Adoption of these versatile avatars is spreading across industries

什么是数字孪生

数字孪生的概念，最早由密歇根大学教授Dr. Michael Grieves在2002年首次提出。他认为，我们可以基于物理设备产生的数据，构建能够准确反应物理设备状态的虚拟实体。物理数字孪生间的联系应当是动态和同步的。持续的数据交互，可以帮助虚拟孪生对物理世界中的设备运行机理和状态实现更完整的掌控；依托虚拟孪生体积淀的数据和模型，使用者也可以更好模拟和测试物理环境中的多种场景，实现更精细的数据分析和优化。

自数字孪生这一概念提出至今，已有十余年的时间。在此期间，数字孪生在行业中的发展有限。对比传统意义上的数字仿真(Simulation)，数字孪生体系对物理世界数据采集反馈过程的准确性、及时性和交互性提出了更严格的要求。在数据处理能力和传感通信技术不完善的时代，这意味着高昂的部署成本和较高的技术门槛，让众多企业对数字孪生的概念望而却步。

伴随着新一代ICT技术的成熟，数字孪生有望在未来几年迎来全新的发展机遇。在Deloitte的数字孪生报告中，列举了下列几个核心的推动趋势：

数据采集和交互变得更加简单和便宜

传感设备种类的丰富以及价格的下降，使得在不同场景中实现数据采集的前置成本明显下降。物联网技术的兴起，也降低了多种传感器数据交互的成本和技术门槛。

▲ 过去20年中，传感器价格的大幅下降

 数据处理能力的不断提升

云计算的迅速发展，能够满足数字孪生应用所需要的海量数据存储和分析能力。边缘计算的普及，可以进一步提高数据处理分析的实时性。以机器学习为代表的新一代数据分析技术，也侧面推动了数字孪生的发展，为生产运维等多种场景提供准确、智能的预测。

▲ 微型芯片计算能力不断提升

▲ 数据存储、计算和传输的性价比显著提高

 丰富多元的人机交互方式

增强现实、语音识别、虚拟助手等技术的成熟，为数字孪生带来了多元化的展示和交互方式，使得协同设计、远程维修等场景能够更好的与数字孪生相结合，推动全新管理和协作模式的发展。

数字孪生的具体定义

多年来，业界对数字孪生的具体定义和能力存在着不同的看法和定义。任何数字化的设备、生产流程都可以被认为是数字孪生的一种形态。总体来看，我们可以将数字孪生简单划分为几个不同的层次：

▲ 来源：Leveraging Digital Twin Technology in Model Based Systems Engineering - MDPI

虚拟模型 Virtual Prototype 

高度仿真的虚拟模型主要应用在设计规划的初期。虚拟模型能帮助使用者更方便地完成前期设计工程，有效地缩短了设计所需时间和流程。同时，虚拟模型也可以帮助使用者尽早发现设计中的潜在缺陷和风险，并在可行性、成本等各方面提供有效的分析。

数字孪生 Digital Twins 

在虚拟模型的基础上，融合实际物理设备和系统提供的批量运行数据，搭建能够真实反映物理世界运行状况的数字孪生模型。数字孪生能有效支持管理者做出产品设计迭代、设备管理、工作流程优化等重要商业决策。此外，数字孪生也能帮助开发者对不同的极端运行情况进行模拟，提高设备与工作流程的安全性和鲁棒性。

适应性数字孪生 Adaptive Digital Twins 

传感设备的不断丰富和物联网技术的发展，使得数字孪生模型能够接收到运行的实时数据，可以支持管理者在操作、维护和支持期间及时规划和决策。在机器学习等技术的辅助下，数字孪生模型可以更好理解数据流背后的运行状态，进而实现预测性维护、智能规划等新型应用。

智能数字孪生 Intelligent Digital Twins 

智能的数字孪生，是数字孪生概念发展的最终形态。万物智联时代下，数字孪生不仅能够获取物理孪生的实时数据，也能够与其他设备和环境实现数据交互。在此基础上，数字孪生能根据不断变化的物理环境，实现及时的运行决策和优化。目前在自动驾驶领域中的虚拟仿真环境，便是对这一概念的灵活应用。伴随着产业数字化程度的提升以及AI算法的成熟，数字孪生有望在生产制造、智能运维等方向得到更广泛、深刻地应用。

数字孪生带来的行业应用

如上所述，不同等级的数字孪生都有为行业创造价值和实现效率提升的可能。众多行业参与者也积极开展了对数字孪生相关应用探索。我们简单总结了数字孪生在众多行业的一些潜在应用。

工业&制造业

设备管理和维护 

在工业场景中存在着大量的高价值设备，例如数控机床、风机、工业机器人等。数字孪生模型能够有效的帮助工厂对设备的运行状况和使用寿命有更清晰的认识，并能够做出更优化的设备检修和维护决策。

协同生产制造 

传统的计算机辅助设计和工程软件，主要集中服务于产品的设计制造环节。基于数字孪生的新一代设计软件，能够将设计、生产和运行流程中的数据和业务流程串联起来，推动跨部门、跨企业间的协同生产制造的全新模式。

智慧城市

建设全周期的协同管控 

数字孪生在城市规划 - 建设 - 管理的完整周期中都能发挥显著作用。

• 规划阶段：有效叠加市政、环境等多方规划数据和限制，在此基础上进行规划评估和多方协作。

• 建设阶段：对项目进度、质量和成本进行直观的监管，确保重大工程项目的准时、高质量的交付。

• 管理阶段：集合城市基础设施、能源系统、道路交通等维度的实时运行数据，实现快速响应，决策仿真、应急处置等功能，提高城市运维效率和防灾能力。

智慧交通管控 

依据实时交通路况，对交通系统实现灵活、主动的配置优化，提高交通网络的整体效率。在出现交通事故和突发事件时，灵活使用应急预案，保障城市运行安全和效率。

物流和供应链

精细化的货物管理 

在物流箱上加装传感设备，能够持续追踪货物在运输中的位置、温度、冲击振动等数据。在运输敏感、高价值的产品（药品、高精电子元器件）时，通过查看货物状态的实时信息，能有效避免物流过程中产生的损坏。在运输高时效性的产品（汽车零配件、生鲜食品）时，厂商可以对复杂的供应链实现更精准的管理，确保物流与生产环节的密切协同。

基础设施的效率优化 

摄像头、传感设备和机器人在物流仓库和配送中心的部署，能够收集更丰富的实时数据，帮助物流公司清晰理解仓库的使用效率和潜在建设缺陷。在此基础上，物流公司能够做出更好的仓库规划和建设决策，提高整体物流效率。

物流网络的管控 

物流网络的全局数字孪生，建立在货物和基础设施数字孪生的基础上。这将帮助物流公司满足更加多元、灵活的交付需求，并对物流业务的周期性、季节性等场景模拟，形成对应的应对方案。

医疗

远程手术和教学 

在以增强现实为代表的新型交互方式的支持下，数字孪生可以有效呈现手术/教学过程中的实时数据，为手术操作提供实时的数据反馈和辅助功能。

病情预测和诊断

通过收集分析同类病患的历史数据，医学机构可以构建疾病的数字孪生模型。将数字孪生的预测与实际病情进行对比，可以帮助医方对疾病情况有更直观的理解，做出对应的诊疗决策。

数字孪生面临的挑战

数字孪生能够帮助我们从数据驱动的全新视角，重新审视传统商业模式存在的潜在缺陷和创新空间。但我们也要清晰地认识到，现阶段的数字孪生，距离我们的愿景仍有很大差距。

创新需要尊重行业发展的自然规律。目前，中国在工业、城市等领域的数字化程度仍然较为薄弱，缺乏构建数字孪生所需要的数据基础和技术支撑。对于企业来说，循序推进企业数字化升级，打通业务和管理层面的数据流，将是当前发展阶段的主旋律。

数字孪生的发展成熟，同样需要历经时间的考验。数字孪生概念承载的多种创新应用，都需要大量实时数据和场景的支持和验证，才能不断提高应用的准确性和可靠性。这离不开产业、创新、科研机构多方面的协同和努力。