文：互联网江湖

上帝按照自己的样子创造出了人类，而人类想要根据实体世界的样子创造出数字孪生。

基于工业界及学术界对数字孪生的定义，《智能制造术语解读》将数字孪生技术定义为：是充分利用物理模型、传感器更新、运行历史等数据，集成多学科、多物理量、多尺度、多概率的仿真过程，在虚拟空间中完成映射，从而反映相对应的实体装备的全生命周期过程。

相信很多人都听说过数字孪生。在过去几年，数字孪生技术的热度不断攀升，备受行业内外的关注。据天眼查专业版APP显示，数字孪生相关的企业已经有将近六百家。

但是除了一些晦涩难懂、 诘屈聱牙的概念外，大部分人对于数字孪生并没有一个清晰全面的认知，到底该如何认识并掌握它，成为企业在数字化时代的一道难题。

“疯狂”的数字孪生

数字孪生，英文名叫Digital Twin（数字双胞胎）。也被称为数字映射、数字镜像。

2002年的时候，从事产品生命周期管理PLM的Michael Grieves教授，在一次产品生命周期管理课程中提出了镜像空间模型：与物理产品等价的虚拟数字化表达。（虽然没有书面证据，但这仍被广泛认为是数字孪生最早来源）

到2010年，美国宇航局NASA首次提出了“数字孪生”的概念，通过虚拟化、仿真技术以及飞行器的实时状态、历史维护、健康管理等数据，利用数字技术对各种物理孪生对象进行替代，以适应现阶段深空探索的需要。大家以为这就是数字孪生的起源吗？

不，数字孪生的源头其实是物理孪生（Physical Twin）。

美国宇航局在上世纪六七十年代的阿波罗计划中，曾经建造有多艘相同的太空飞行器，就像“孪生多胞胎”。在飞行准备过程中，孪生体被大量用于训练；在飞行任务期间，则被用来模拟在地球模型上的备选方案，其中有效的飞行数据就被用来较为精确地反映飞行条件，从而在危急情况下协助宇航员做出正确判断。

随着ICT技术的发展，最初的“物理孪生” 实体，被越来越多的数字模型部件取代，并扩展至产品的全生命周期，直至形成与物理实体完全一致的数字孪生模型。数字孪生的出现，让物理实体有了一个超级新替身。此后，工业制造成为数字孪生的孵化器。

西门子可以说是数字孪生的忠实拥泵，用数字孪生贯穿了产品生命周期各环节间的数据模型。用数字孪生仿真模拟工厂的一些实际操作流程，从产品设计到产线设计，到设备制造方的机械设计和工厂的规划排产，到最后制成产品。比如数字自优化工具、用于减少和计划停机时间的预测性维护工具以及用于机床安全和运行的智能辅助系统，提升机床生产效率和可靠性。

基于物理实体与虚拟镜像之间的强关联，数字孪生为工业场景带来了解决问题的全新视角。通过将各种显性知识与隐性知识、结构化与非结构化知识结合，激活工业积累多年的沉默知识和数据资产，将实时以及准实时的动态运行数据记录叠加传统工业模型，构建工业数字孪生，帮助人们重新认识、管理工业制造。可以说，是工业互联网激活了数字孪生的生命。

如同蒲公英一般，数字孪生在工业制造这片沃土上逐渐长成，此后种子被风吹向了各个行业、各个领域。

比如在基建工程领域，数字孪生技术可以即时访问已经设计和建立的建筑模型并进行实时同步，这样就可以根据4D BIM模型中列出的时间表即时监控进度。也可以使用模型预测控制，核实工作量百分比并明确项目实施进程，基于建筑物正向模拟做出决策。

在智慧城市领域，不同于制造业的“产品生命周期”，城市作为一个复杂的巨系统，“生命周期”更长，而且其“生命周期”时刻都在产生着多维的海量数据。因此，城市数字孪生在数据收集、处理、运算、储存和管理上的部署难度也更大。

挑战之中也蕴含着潜在的机遇，激励先行者们去不断攀登。阿里云的城市大脑、腾讯提出的“数字政府”、百度的AI City、华为的“城市智能生命体”，以及海尔旗下海纳云的BIMCloud数字孪生平台、平安科技的智慧城市云、浪潮的智慧城市大脑……无不在智慧城市的基础上增加了针对数字孪生的内容。

就连元宇宙也和数字孪生攀上了亲戚。当然，两者本来就存在着密切联系，两者都脱胎于现实世界、又与现实世界相互影响。从最终导向来看，元宇宙更加偏向于始终在线的虚拟世界，而数字孪生更强调强调对现实世界的仿真。

元宇宙是个比数字孪生更庞大、更复杂的体系。在1992年，Metaverse作为科幻概念就已经被首次提出，如今才渐渐兴起，离成熟更加遥远。而数字孪比元宇宙晚诞生了将近十年，但已经在各个领域开花甚至结果，未来大概率也会在元宇宙之中生长。

世界是由物质、信息和能量组成，人们往往更在意物质实体和能量的价值，反而忽视信息。比如在工业领域，一台设备的估价和一套软件几乎是天壤之别，软件经常和机器捆绑销售，看上去像“免费赠送”一般。

密歇根大学Mr.Grieves教授在《虚拟完美模型：驱动创新与精益产品》一书中曾经提到：“信息是被浪费的物理资源的替代品”。

数字孪生的出现让人们真正开始认识到信息与数字的价值，提前预见物理实体的正确性，避免在现实世界做无谓的冒险与高成本的浪费。本质上来说，数字孪生是一种数字信息代替物理实体的彩排，让数字化价值真正得到体现。

数字孪生：孪生数字化过程的中间态

实际上，我们仍然不能用“数字孪生”这四个字完全代替该技术，而是应该把它看作孪生数字化技术过程的中间态，是一个过渡阶段而已。在互联网江湖看来，数字孪生大致有五个发展阶段，分别为物理孪生、复制孪生、数字孪生、决策孪生、智能孪生等。

物理孪生阶段，用实体“孪生”实体，成本高昂。除了上面提到的美国宇航局的实践外，工业领域在规模化生产之前，制作的物理样机，需要准确表达模型诉求，将生产预见性前移，这也属于物理孪生的一种。

复制孪生阶段，开始把“孪生”转移到数字虚拟层面，这时候就需要能够充分利用历史数据以及实时运行数据，对一个产品或者系统实现精准、全面的映射，并且全部转化为信息储存。这时候相当于造出来了数字化双胞胎的一个肉体，但仍然缺乏最为关键的灵魂，它不能用来控制分析，只能显示。

数字孪生阶段，也就是目前正在研究的阶段，能够根据物理本体的物理设计模型，还有本体传感器反馈的实时数据，以及本体此前运行的历史数据，做到动态仿真。比如对智慧城市进行全域感知和实时更新，形成真正的虚拟全息城市。

决策孪生阶段，需要对过往积累的数据精细化尺度感知，模拟未来不同的外界因素、不同的环境背景下的发展情景，从中学习、分析并总结出物理本体的运行规律，为决策者提供建议和参考。这时候提供的建议可能会较为理想而偏离现实，但也存在一定参考价值。

智能孪生阶段，利用AI进行精准分析与规划设计响应，并做出最有利的判断与自主控制。也可以为参与者提供新的视角，甚至可以帮助人从传统思维方式向大数据思维方式转变，不过这仍然是一个较为遥远的一个目标。

回到现实，目前的数字孪生阶段仍然处于研究和探索探索阶段，具体的应用场景大致可以分为两类：虚拟仿真和监测分析。

虚拟仿真往往是通过结合流体力学、热力学、光学、电子等原理，利用数字化计算机进行辅助设计和仿真，将现实世界中的物理本体（设备、建筑、城市等），在数字空间映射出孪生体。可以预测和验证孪生体在虚拟环境下的系统表现，进而保障设计质量和鲁棒性。这一应用主要是落地于设计，从而支持工程师进行产品创新或系统改进，代表性的有安世亚太、AspenTech、Ansys等厂商。

检测分析涉及到物理实体真实运行状态的监测和评估。需要使用大量真实环境的动态数据，在真实运行过程中，通过传感器数据采集，判断环境变化、系统状态，实现对未来运行状态的监测、分析、评估和预警。代表性的有和利时、寄云科技、PTC Thingworx、等。

本质上，虚拟仿真和检测分析代表的是两种不同的数据流向重心。虚拟仿真的重点在于物理本体向孪生体输出足够精确全面的数据，尽量减少虚拟仿真所带来的误差。而检测分析的重点在于孪生体向本体所反馈的数据信息要足够精准，然后对物理本体做出正确的干预。

未来随着数字孪生技术成熟，企业发展数字孪生的难点或许已经不再是数字孪生本身，而是数字孪生技术与本行业的结合度能够有多高。

这就需要企业拥有“倒T型”能力。一方面，横向拓展，掌握本行业的知识经验体系，打好行业地基。另一方面，掌握数字孪生技术，并寻找数字孪生和行业相结合的机会点。如果把数字孪生比作一颗钉子，落地的行业比作一块木板，关键就在于能不能找到合适的锤子，让这颗钉子深深扎进去。

写在最后：

未来几年，以数字孪生为核心的产业将如雨后春笋般出现，数字孪生也将成为企业的标配。但是技术之外，数字孪生仍然面临着制度、管理、人才等各方面的挑战，而这些因素的背后，本质上更是一种思维方式的进化，数字孪生发展需要思维先行。

同时，也需要警惕数字孪生的概念化陷阱。不能为了数字孪生而数字孪生，毕竟数字孪生本身并不会主动释放价值，也无法单独作为生产力而存在，如果只是单纯的推销数字孪生的概念，也将如梦幻泡影而随时面临破灭的风