如同人工智能一樣，近兩年大熱的數字孿生技術，也並非第一次出現。早在2003年時，美國密歇根大學Michael Grieces教授便在其產品生命周期管理課程上引入了“Digital Twin”。
隨后在2010年時，NASA（美國國家航空航天局）在其太空技術路線圖中正式引入了數字孿生一詞。隨后數字孿生在越來越多的國家以及地區逐漸萌芽。
直到近兩年，伴隨着雲計算、大數據、移動互聯網、人工智能、5G、物聯網等技術的不斷成熟，數字孿生的應用領域早已超出航空航天的范圍，被廣泛應用於工業、制造業、石油天然氣、電力、城市管理、船舶、醫療等多個行業。
為了詳細描述數字孿生的現狀以及未來發展，中國電子技術標准化研究院聯合樹根互聯、特斯聯、中機生產力促進中心等20余家數字孿生領域開發商、集成商、科研院所、高校聯合編寫了《數字孿生應用白皮書2020》（以下簡稱“白皮書”）。
對此，中國電子技術標准化研究院表示：希望通過梳理、分析數字孿生技術熱點、行業動態和未來趨勢，為整個數字孿生產業發展提供初始連接紐帶，以加快推動產業的發展應用。
01
數字孿生的不同定義
首先，結合白皮書簡單了解下數字孿生的定義。學術界認為，數字孿生是通過數字化的方式借助歷史數據、實時數據以及算法模型等，模擬、驗證、預測、控制物理實體全生命周期過程的技術手段創建物理實體的虛擬實體。
企業對數字孿生的定義是資產和流程的軟件表示，用於理解、預測和優化績效以實現改善的業務成果。由數據模型，一組分析或算法，以及知識三部分組成。
結合兩組定義不難看出，數字孿生不同於仿真、信息物理系統CPS、數字主線、資產管理殼等技術，其主要具備以下幾個特點：互操作性、可擴展性、實時性、保真性以及閉環性。
02
生態系統的六大模塊
白皮書重點對數字孿生生態系統做了闡述。白皮書介紹道，數字孿生生態系統由基礎支撐層、數據互動層、模型構建與仿真分析層、共性應用層和行業應用層六大模塊組成。分別對應從設備、到數據、再到行業應用的全生命過程。
其中，基礎支撐層是物聯網的終端，包括芯片、傳感器等設備，用於數據的采集以及向網絡端發送。諸如高通、英特爾、ARM、AMD、三星、英偉達、谷歌、華為與阿里等提供芯片；博世、意法半導體、德州儀器、霍尼韋爾、飛思卡爾、英飛凌、飛利浦、漢威電子、華工科技等提供傳感器。
數據互動層包括數據采集、數據傳輸和數據處理等內容。其中，數據采集一般通過分布式控制系統（DCS）、可編程邏輯控制器系統（PLC）和智能檢測儀表進行采集；數字孿生模型是動態的，建模和控制基於實時上傳的采樣數據進行，對信息傳輸和處理時延有較高的要求；交互與協同，即虛擬實體實時動態映射物理實體的狀態，在虛擬空間通過仿真驗證控制效果，根據產生的洞察反饋至物理資產和數字流程。
模型構建與仿真分析層包括數據建模、數據仿真和控制。模型構建是指為用戶提供數據獲取和建立數字化模型的服務，是數字化的核心技術，如測繪掃描、幾何建模、網格剖分、系統建模、流程建模、組織建模等，主要由國有測繪企業主導市場。
仿真業務不僅需要建立物理對象的數字化模型，還要根據當前狀態，通過物理學規律和機理來計算、分析和預測物理對象的未來狀態。其中又分為工業仿真軟件和復雜系統（交通和物流等）仿真軟件。目前，國內工業仿真軟件市場被外資產品占據，如 ANSYS、海克斯康（2017 年收購 MSC）、Altair、西門子、達索、Cadence，Comsol，Autodesk，ESI，Synosys，Midas，Livemore等。
共性應用層包括描述、診斷、預測、決策四個方面。其需要軟件定義的工具和平台提供支持，如Bentley 的 iTwin Service、ANSYS 的 TwinBuilder、微軟的 Azure、達索的3D Experience等。
行業應用層是針對行業需求的數字孿生技術在智慧城市、交通、水利、工程、工業生產、能源、自動駕駛、公共應急等領域的各種應用服務，市場規模超千億人民幣，國內外供應商超過 1000 家。
除了六大模塊外，數字孿生生態系統需要雲計算、人工智能、邊緣計算技術層的支撐，並需要安全層、其他服務的支撐。
03
數字孿生帶來的新模式新業態
當下，數字孿生已在各類型、各領域得以應用。Gartner 的研究顯示，截至 2019 年 1 月底實施物聯網的企業中，已有 13% 的企業實施了數字孿生項目，62% 的企業正在實施或者有計划實施。
白皮書也收集涵蓋了智能制造、智慧城市、智慧交通、智慧能源、智慧建築、智慧健康等六個領域共計31個數字孿生應用案例。在此可簡單看下幾個例子。如在智能制造領域由數字孿生驅動的智慧火電應用案例：某火電廠監控信息系統在數據量采集、功能分散、重要設備機理模型等方面存在問題。
數字孿生技術的應用，幫助該火電廠建立了火電機組設備模型、機理模型和管理模型，實現了數字模型與機組設備的雙向同步和實時互動，並支持安全環保、總體績效、機組優化、燃料管理等功能。
再比如數字孿生技術在智慧濱海城市數字大腦項目的運用。濱海新區在2018年提出以智慧政務、智慧經濟、智慧城管和智慧民生四大版塊 N 個智慧應用為重點，分三年推進智慧濱海建設，實現大數據一張圖支撐決策、大運營一條鏈服務產業以及大平台一張網惠及民生。
借助數字孿生技術，濱海城市大腦一方面實現了全域全量數據資源的管理和可視化展示，另一方面借助協同計算能力、模型仿真引擎，實現了濱海城市治理、民生服務、產業發展等各系統協同運轉。
最后看下數字孿生技術在智慧能源領域油氣管道上的應用。2018 年，以中俄東線天然氣管道工程建設為標志，中石油提出建設具備全方位感知、綜合性預判、一體化管控、自適應優化能力的智慧管網並開題立項，力求實現管道運行管理由精細化模式進一步朝智能化、精准化方向升級。
借助數字孿生技術，管網系統實現了全生命周期、全業務鏈數據和模型的標准化、集成化；再結合大數據、仿真、雲計算、人工智能等技術的非線性疊加，最終管道實現了全業務鏈下信息、技術和知識的融合共享，形成了新型協同運轉的業態模式。
04
走向未來需跨越多重阻礙
值得注意的是，盡管數字孿生如今發展得如火如荼，且未來形式一片大好。但當下仍存在着諸多挑戰。結合白皮書，可以看到，數字孿生存在的挑戰主要有以下幾個方面：
一是標准化方面：從2015年開始，數字孿生便吸引了 ISO、IEC 和 IEEE 等國際標准化組織的關注。目前，數字孿生在全球存在着多個標准，仍需進一步良性互動。另一方面同一領域之間的標准也需進一步融合。
二是數據相關的挑戰：這是數字孿生的核心之一。主要面臨的問題是多維度/多尺度數據采集的一致性較難實現、傳輸的穩定性不足、准確度難以保障、存儲處理能力不足、接口協議標准不統一、互聯互通互操作的挑戰等。
三是基礎數據庫相關的挑戰：表現在系統層級方面數字化、標准化、平台化的缺失; 設計，制造，銷售，物流，服務等生命周期上結構化、傳承性、規划性的缺失；價值鏈方面應用價值不足、兼容性差、盈利模式不明。
四是安全方面的挑戰：包括數據傳輸與存儲、制造系統控制安全的挑戰。
五是商業模式相關的挑戰：表現在多技術的融合、多領域應用、多場景應用方面的問題以及產業鏈仍需完善。
六是人才相關的挑戰：這是因為當下數字孿生技術的核心軟件由國外人才主導。同時，盡管多個國際性標准組正就數字孿生技術開展研究，但仍需培養數字孿生標准化研究相關專業人才，對共性標准進行制定。
七是多系統融合的挑戰：包含物理世界的多系統挑戰、數據采集及傳輸環節的挑戰、模型構建方面的挑戰以及交互協同的挑戰。
參考資料：《數字孿生白皮書》2020版