▲典型基礎支撐設備廠商

數據互動層：數字孿生的構建和應用需要軟件定義的工具和平臺提供支持，如Bentley 的 iTwin Service， ANSYS 的 TwinBuilder，微軟的 Azure，達索的3D Experience 等。但從功能性的角度出發，這些工具和平臺大多側重某 一或某些特定維度，當前還缺乏考慮數字孿生綜合功能需求的一體化綜合平臺。 經過多年發展，工業 / 工程 / 城市場景的不同工具的邊界逐漸消失。國際上 Autodesk 與 ESRI 建立戰略合作關系，企圖把 BIM 和 GIS 數據融合起來；與此同時， Bentley Systems 跟西門子、 Cesium 和 AGI 等公司力推開源數字孿生聯盟，圍繞 iModel.js，形成了數據驅動的開源體系。 國內以傳統 GIS 平臺軟件和基于開源渲染引擎二次開發的產品開始向數字孿生平臺轉型，其中以泰瑞的 SmartTwins 數字孿生底座平臺為代表。國內市場的研發和銷售市場規模達數十億人民幣，國內外有數十家企業相互競爭。技術層面， Esri 和超圖的二維 GIS 軟件技術成熟、研發實力較強；Skyline 和泰瑞在三維 GIS 研發上經驗豐富，一直處于行業領先位置。從市場需求來看，傳統 GIS 軟件發展多年，需求已趨飽和。 但是，隨著傾斜攝影技術的廣泛應用和智慧城市的迫切需求，功能涵蓋了三維 GIS 軟件的數字孿生平臺需求量呈指數級增長。這個領域中，主要包括的國際巨頭有 Esri 和 Skyline，國內的 GIS 優秀研發企業有 SuperMap（超圖）、SmartEarth（泰瑞）。其他的國外主要競爭對手包括谷歌公司、美國數字地球公司、美國環境系統研究所公司、法國信息地球公司等。 仿真分析層：仿真業務是指為數字化模型中融入物理規律和機理。不僅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。工業仿真軟件，這里主要指計算機輔助工程 CAE（ Computer Aided Engineering）軟件，包括通常意義上的 CAD，CAE， CFD， EDA， TCAD 等。 目前中國 CAE 軟件市場完全被外資產品占據，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。 國內此方面以安世亞太為代表的國產模擬仿真軟件，在多年使用和代理國外產品經驗基礎上開發出了國產化的替代方案，但目前還無法達到國外一線產品的水平。泰瑞在 2020 年推出工業仿真云產品，也以云服務模式進入這一市場。特斯聯 AIoT 體系通過將虛擬現實技術、 3D 建模技術、 GIS技術以及 VR 技術相結合，推出城市級仿真平臺。 模型構建層：建模業務是指為用戶提供數據獲取和建立數字化模型的服務，建模技術是數字化的核心技術，譬如測繪掃描、幾何建模、網格剖分、系統建模、流程建模、組織建模等技術。市場規模達數百億人民幣，主要由國有測繪企業主導市場，大約有 50 多家企業，其中，高德和百度的成功主要由于其龐大的用戶群體和廣泛的市場應用。 總體來說，主營數據業務的企業除了在硬件集成和相機飛機研發上有技術投入，軟件能力都比較弱，以采購國外軟件為主。據調研，全國有 800 家甲級測繪資質企業， 50 家航測甲級單位?，F有的數據業務在大地測量等傳統服務方面供大于求，但在傾斜航測等業務領域嚴重供不應求。測繪數據服務領域中，主要的軟件包括泰瑞的 Photomesh、 Bentley 的 ContextCapture 和街景工廠的 StreetFactory 。 共性應用層：數字孿生的構建和應用需要軟件定義的工具和平臺提供支持，如Bentley 的 iTwin Service， ANSYS 的 TwinBuilder，微軟的 Azure，達索的3D Experience 等。平臺的優勢在于，一是系統架構支持基于單一數據源實現產品全生命周期的管理，實現了數據驅動的產品管理流程。 二是實現了不同行業、應用的打通，并支持其他模型通過 API 接入平臺。但從功能性的角度出發，這些工具和平臺大多側重某一或某些特定維度，當前還缺乏考慮數字孿生綜合功能需求的一體化綜合平臺。經過多年發展，工業 / 工程 / 城市場景的不同工具的邊界將逐漸消失。典型的數字孿生平臺： 1、 達索——3D Experience 達索憑借航空業 CAD 設計軟件的沉淀以及收購策略，建立了復雜的產品線。2012 年，達索提出 3DEXPERIENCE 戰略，并于 2014 年推出 3DEXPERIENCE 平臺，通過統一的平臺架構，把旗下的產品逐步統一到一個平臺上。實現了設計、仿真、分析工具（ CATIA、 DELMIA、SIMULIA、……）、協同環境（ VPM）、產品數據管理（ ENOVIA）、社區協作（ 3DSwym）、大數據技術（ EXALEAD）等多種應用的打通。2019 年，達索與 ABB 建立全球合作伙伴關系，為數字化工業客戶提供從產品全生命周期管理到資產健康的軟件解決方案組合。 2、 ANSYS——TwinBuilder ANSYS 擁有一整套仿真解決方案，包括平臺、物理知識和系統功能，集成多款建模仿真軟件。ANSYS 的 TwinBuilder 是針對數字孿生的產品軟件包，它將多域系統建模器的強大功能與廣泛的 0D 應用程序專業庫、3D 物理求解器和降階模型 (ROM) 功能相結合。第三方工具集成功能幫助將各種來源的模型組合到完整的系統中進行協同仿真。通過嵌入式軟件開發工具，用戶可以重復使用現有組件并快速創建產品的系統模型。 ANSYS 仿真平臺可以連接到各種工業互聯網平臺進行數據訪問和協同，諸如 PTC 公司的 ThingWorx 平臺和 GE 公司的 Predix 平臺。ANSYS與 PTC 合作做運行泵的仿真模型，能夠比通常采用的試錯方法更快地診斷和解決運行故障問題。 3、 微軟——Azure 微軟是數字孿生的一個新進玩家，在 2018 年發布了 Azure DigitalTwins 平臺，可用于全面的數字模型和空間感知解決方案，可應用于任何物理環境。Azure 數字孿生可提供物理環境及相關設備、傳感器和人員的全面虛擬呈現形式，并全面支持物聯網和端點設備之間的雙向通訊，提供開放式的建模語言以及實時的執行環境，并有 Azure 強大的服務生態（ Azure AI、 Azure 存儲、 Office365）等作為支持。 4、 上海優也 —— Thingswise iDOS 優也 Thingswise iDOS 平臺把數字孿生技術作為核心無縫融入工業互聯網平臺，無論在國內還是在國際上都具有獨到之處。建基于云原生、大數據、機器學習 / 人人工智能和微服務等新一代的 IT 技術，優也Thingswise iDOS 平臺以數字孿生層作為核心功能層，下啟物聯層，上承應用層，構成具備多種圖形開發工具，功能豐富和自成體系的工業互聯網 PaaS 平臺，既可部署在各大公有云環境，也可部署在私有云的虛機或物理裸機集群上，甚至也可部署在軟硬一體化的機柜里，靈活實現可邊可云，云邊融合的架構。 在數孿層，用戶可以使用可視化設計臺定義設備等對象的數字孿生體，梳理數據，融合算法模型，定義設備上下游的關系，對下聯通設備數據，在數字空間動態地反映生產現場實際工況以及支持算法模型的計算，對上的支持數據驅動的工業智能應用。 行業應用層：行業解決方案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。其中，西門子、 GE、達索和 Bentley 因為具有基礎平臺軟件研發和推廣能力，技術實力強，對各領域有較透徹的理解，具有較強的競爭力，占有較大的市場份額。 空客、 DNV GL、 Volvo 等高端裝備制造商基于數字孿生技術提高了產品研發和資產管理能力?？湛屯ㄟ^在關鍵工裝、物料和零部件上安裝 RFID，生成了 A350XWB 總裝線的數字孿生，使工業流程更加透明化，并能夠預測車間瓶頸、優化運行績效。國內的情況，比亞迪、三一集團、 特斯聯、中船重工等企業也在積極部署數字孿生系統。 三一基于 IoT 的數字孿生技術結合售后服務系統，將服務過程的幾個關鍵指標作為競爭指標，如工程師響應時間（從接到需求電話到可以派出工程師的時間）、常用備件的滿足度、一次性修復率、設備故障率等進行評價服務的好壞。通過對每一次的設備實時運行數據、故障參數以及工程師維修的知識積累，三一集團對數據進行建模，還原設備、服務等相關參與方的數字化模型，來不斷的改進對應的服務響應與質量。 特斯聯 AIoT 產品體系，配合算法倉庫、存算一體、云邊協同等獨家邊緣網絡能力，在云平臺形成提供場景應用服務的城市組件。根據不同場景類型、規模、需求的差異， AI CITY城市組件通過組合將龐雜的產業和城市場景降維成多個垂直模塊，逐一升級為數字級的行業產品。從場景數據化到數據智能化，將人與基礎設施、生產服務管理建立緊密聯系，實現智慧社區、智慧園區、智慧消防等垂直行業的智慧管理和科技服務模式。 支撐技術層： （1）云計算：云服務和通用 PaaS 平臺將形成 IT 巨頭主導的產業格局由于需要高昂的資金投入和復雜的技術集成能力，云服務平臺和通用 PaaS 平臺成為IT 巨頭“勢力范圍”，呈現出高度集聚的特點。 一方面，云服務平臺市場馬太效應初現端倪，領軍云計算廠商成為當前市場最大贏家。亞馬遜 AWS 云和微軟 Azure 云成為國外 GEPredix、西門子 MindSphere、 PTCThingWorx 等主流平臺首選合作伙伴，國內阿里云、騰訊云、華為云也受到越來越多的企業青睞。另一方面，絕大多數通用 PaaS 平臺都是 IT 巨頭主導建設。例如亞馬遜 AWS 在其云服務平臺基礎上積極引入容器、無服務器計算等技術來構建高性能 PaaS 服務；SAP推出 CloudPlatform 平臺幫助企業集成新興技術，實現應用快速開發部署。 盡管出于滿足自身應用需求和布局關鍵技術的考慮，個別工業巨頭選擇自建通用 PaaS 平臺，例如 GE 和西門子都曾借助 CloudFoundry 開源框架構建通用 PaaS 平臺，但對于大部分企業而言，獨立建設通用 PaaS 平臺既不經濟也無必要。 未來，云服務平臺和通用 PaaS 平臺可能會被 IT 巨頭整合成為通用底座平臺，憑借技術和規模優勢提供完整的“IaaS+通用PaaS”技術服務能力。其他企業在通用底座平臺上發揮各自優勢打造專業服務平臺，形成“1+N”的平臺體系。如紫光云引擎提供紫光 UNIPower 平臺，光電纜、光伏、日化等行業龍頭企業則借助其底層技術支撐能力，結合自身業務經驗優勢打造各類行業專屬平臺。 （2）人工智能： 1. ICT、研究機構與行業協會提供算力算法支持，成為工業智能重要支撐 三類主體現階段提供通用關鍵技術能力，以“被集成”的方式為工業智能提供基礎支撐。主要包括三類，一是 ICT 企業，提供幾乎涵蓋知識圖譜、深度學習的所有通用技術研究與工程化支持，如谷歌、阿里等在知識圖譜算法研究領域開展研究； 英偉達、 AMD、英特爾、亞馬遜、微軟、賽靈思、萊迪思、美高森美等開展 GPU、 FPGA 等深度學習芯片研發； 微軟、 Facebook、英特爾、谷歌、亞馬遜等開展了深度學習編譯器研發； 谷歌、亞馬遜、微軟、 Facebook、蘋果、 Skymind、騰訊、百度等開展深度學習框架研究；谷歌、微軟等開展了可解釋性、前沿理論算法研究。 二是研究機構，主要提供算法方面的理論研究，如加州大學、華盛頓州立大學、馬克斯 - 普朗克研究所、卡耐基梅隆大學、蒙彼利埃大學、清華大學、中科院、浙江大學等在知識圖譜算法研究領域開展研究；蒙特利爾大學、加州大學伯克利分校等開展了深度學習框架研究； 斯坦福大學、麻省理工、 以色列理工學院、清華大學、南京大學、中科院自動化所等開展了深度學習可解釋性與相關前沿理論算法研究。三是行業協會，提供相關標準或通用技術支持，如 OMG 對象管理組織提供統一建模語言等企業集成標準的制定，為知識圖譜的工業化落地奠定基礎；Khronos Group 開展了深度學習編譯器研發。 各類主體以集成創新為主要模式，面向實際業務領域，整合各產業和技術要素實現工業智能創新應用，是工業智能產業的核心。 目前應用主體主要包括四類： 一是裝備 / 自動化、軟件企業及制造企業等傳統企業，面向自身業務領域或需求痛點，通過引入人工智能實現產品性能提升，如西門子、新松、 ABB、 KUKA、 Autodesk、富士康等。 二是 ICT 企業，依靠人工智能技術積累與優勢，將已有業務向工業領域拓展，如康耐視、?？低?、大恒圖像、基恩士、微軟、 KONUX、 IBM、阿里云等。 三是初創企業，憑借技術優勢為細分領域提供解決方案，如Landing.ai、創新奇智、曠視、特斯聯、 ElementAI、天澤智云、 Otosense、 Predikto、 FogHorn 等。 四是研究機構，依托理論研究優勢開展前沿技術的應用探索，如馬薩諸塞大學、加州大學伯克利分校等在設備自執行領域開展了相應探索。 （3）邊緣計算： 接入場景和需求的不同驅動連接與邊緣計算平臺劃分為商業物聯和工業物聯兩大陣營，并形成了相對集聚的市場發展特點。專注 M2M 的通信技術企業重點布局商業物聯平臺，目前市場第一梯隊已經基本形成。 Ayla 物聯平臺通過蜂窩、 Wi-Fi 和藍牙等聯網方式實現智能家居、消費電子等商業產品的接入和管理，目前全球客戶中囊括了 15 個行業排名第一的企業；通信巨頭華為和思科憑借 NB-IoT、 LTE-M 等移動網絡技術優勢打造物聯平臺，被英國咨詢機構 IHSMarkit 評為領域發展布局的冠亞軍。 而具備自有設備整合或協議轉換集成優勢的裝備及自動化企業是工業物聯平臺的主要玩家，如西門子 MindConnectNano 支持西門子 S7 系列產品通信協議及 OPC-UA，實現自家產品與 MindSphere 平臺的無縫連接；自動化軟件公司 Kepware 推出 KEPServerEX 連接平臺，基于工業 PLC 的通信協議兼容轉換，實現各類第三方工業設備的接入與管理。除此之外，還有眾多企業以系統集成的方式為平臺的部署實施提供定制化的工業連接解決方案。 當前，不斷積累工業協議數量以提供通用化連接服務成為工業物聯平臺發展重要方式，紅獅控制的數據采集平臺目前支持 300 多種工業協議，可以接入不同類型品牌的 PLC、驅動器、控制器等產品；KEPServerEX 平臺集成了 150 余種設備驅動或插件； 此外，研華科技在其新推出的 WISE 平臺中也已將長期積累的 150 多種工業協議轉化成為對外連接服務能力。樹根互聯云物聯平臺提供網關、 SDK 植入和云云對接3 種靈活連接模式，支持 400 多種工業協議和 300 多種設備私有協議，適配國際通用硬件接口。 這些企業正積極將工業協議接入服務向更多平臺企業提供，未來有望成為工業連接領域領導者，驅動工業物聯平臺市場走向集聚發展。 特斯聯下一代邊緣計算系統采用 5G 高速無線網絡作為數據承載網絡的工業級網關，支持移動、聯通、電信 5G 高速接入，融合了AI 算力和工業協議處理的高性能融合計算，支持視頻接入解析和各類工業接口協議處理，支持國密標準的數據加密，為遠程設備和站點之間的聯網提供安全高速的無線連接，支持 4 路 Socket 連接。 安全層：區別于傳統的網絡安全技術，物聯網網絡安全更加重視對設備、通信以及數據安全的保障。具體有以下幾點：（ 1）設備和遠程系統之間的通信加密和認證；（ 2）對設備的保護；（ 3）設備固件的安全升級；（ 4）對威脅行為的監測和防御；（ 5）數據存儲的安全性。這要求物聯網廠商建立從產品開發、設計到監控全周期的安全防范機制，也要求 IoT 基礎設施提供商做好基礎設施的安全防護。物聯網安全服務商有微軟 Azure、賽門鐵克、 Intel 等。 微軟的產品 Azure Sphere 提供基于云的安全服務，支持對 Azure Sphere 認證的芯片進行維護、更新和控制。它在設備和互聯網以及各種輔助云服務之間建立連接，確保安全啟動、認證設備身份、完整性和信任根，同時確保設備運行經過審核的代碼庫。國內阿里云、騰訊云從平臺的層級提供安全保障。此外，國內領先的網絡安全企業包括奇安信科技集團股份有限公司、啟明星辰信息技術集團股份有限公司、深信服科技股份有限公司等。

3、 應用發展現狀

隨著物聯網的應用更加廣泛，各個領域越來越多的企業開始計劃數字孿生的部署。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劃實施。工業互聯網是數字孿生的延伸和應用，而數字孿生則拓展。了工業互聯網應用層面的可能性。1. 產業生態與美國、德國相比，數字孿生在中國的研究和受關注相對較晚。從2016 年開始，數字孿生文獻發表數量進入快速增長期，直到 2019 年，數字孿生論文發表數量超過 600 篇，其中 2019 年占了近 10 年發文總數量的50% 以上。目前關注數字研究，并發表過相關報告的機構 / 作者主要來自學術界、企業界以及政府機構。 政府及相關機構：隨著工信部“智能制造綜合標準化與新模式應用”和“工業互聯網創新發展工程”專項，科技部“網絡化協同制造與智能工廠”等國家層面的專項實施，有力促進了數字孿生的發展。以中國電子技術標準化研究院、中國信息通信研究院、賽迪信息產業（集團）有限公司為代表的機構在數字孿生的概念、技術、標準、應用實踐等方面開展了大量工作，為數字孿生在中國的推廣與發展起到了重要作用。 高校及科研院所：高校及科研院所是進行數字孿生理論研究的主力。統計結果顯示，截止 2019 年 12 月 31 日，全球已有超過 1000 個高校、企業和科研院所開展了數字孿生研究且有相關研究成果在學術刊物公開發表，其中不乏包括德國亞琛工業大學、英國劍橋大學、美國斯坦福大學等世界一流高校。 企業：企業積極關注并開展數字孿生實踐，將數字孿生技術付諸實現的研發方，提供數字孿生相關技術咨詢的平臺方和數字孿生技術的應用方。

▲數字孿生相關實踐企業概況

數字孿生技術服務商方面，以西門子為代表的廠商為了建立更加完整的數字孿生模型體系，近年來研發和整合了質量管理、生產計劃排程、制造執行、仿真分析等各領域領先廠商和技術，支持企業進行涵蓋其整個價值鏈的整合及數字化轉型。數字孿生技術服務商主要有以下類型： 數據治理和分析服務商：這種供應商通過數字孿生提高他們的分析能力，包括 AI 和高保真物理能力。比如一些大數據分析公司 Cognite 和Sight Machine ； 應用開發商：這些供應商開發數字孿生提高他們的應用能力，為客戶提供垂直細分市場的解決方案。通過 APM、物流或 PLM 等應用開發數字孿生模型和組合。比如 GE Digital、 Oracle ； BPM：重點是BPM（業務流程管理），通過數字孿生加強這方面的能力。包括 BOXARR、 XMPro ； IoT 平臺：這種供應商通過數字孿生提高他們的 IoT 能力。比如提高資產監控和績效統計的能力。比如 IDbox 和 ThingWorx ； 服務提供商：以客戶作為基礎開發數字孿生模型，從而加強他們在垂直市場的行業知識，以及分析和應用能力。比如 Accenture 和德勤。2. 智能制造領域數字孿生應用（1）數字孿生應用概述：

▲智能制造領域數字孿生體系框架 智能制造領域的數字孿生體系框架主要分為六個層級，包括基礎支撐層、數據互動層、模型構建層、仿真分析層，功能層和應用層。 基礎支撐層：建立數字孿生是以大量相關數據作為基礎的，需要給物理過程、設備配置大量的傳感器，以檢測獲取物理過程及其環境的關鍵數據。傳感器檢測的數據大致上可分為三類：（ 1）設備數據，具體可分為行為特征數據（如振動、加工精度等），設備生產數據（如開機時長，作業時長等）和設備能耗數據（如耗電量等）；（ 2）環境數據，如溫度、大氣壓力、濕度等；（ 3）流程數據。即描述流程之間的邏輯關系的數據，如生產排程、調度等。 數據互動層：工業現場數據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。今年來，隨著深度學習、視覺識別技術的發展，各類圖像、聲音采集設備也被廣泛應用于數據采集中。 數字傳輸是實現數字孿生的一項重要技術。數字孿生模型是動態的，建模和控制基于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。因此，數字孿生需要先進可靠的數據傳輸技術，具有更高的帶寬、更低的時延、支持分布式信息匯總，并且具有更高的安全性，從而能夠實現設備、生產流程和平臺之間的無縫、實時的雙向整合 / 互聯。第五代移動通信網絡（ 5G）技術因其低延時、大帶寬、泛在網、低功耗的特點，為數字孿生技術的應用提供基礎技術支撐，包括更好的交互體驗、海量的設備通信以及高可靠低延時的實時數據交互。 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，形成數字孿生的落地閉環。數字孿生的交互包括物理 - 物理、虛擬 - 虛擬、 物理 - 虛擬、人機交互等交互方式。 a）物理物理交互：使物理設備間相互通信、協調與寫作，以完成單設備無法完成的任務。 b）虛擬 - 虛擬交互：以連接多個虛擬模型，形成信息共享網絡 c）物理 - 虛擬交互：虛擬模型與物理對象同步變化，并使物理對象可以根據虛擬模型的直接命令動態調整。 d）人機交互：即用戶和數字孿生系統之間的交互。使用者通過數字孿生系統迅速掌握物理系統的特性和實時性能，識別異常情況，獲得分析決策的數據支持，并能便捷地向數字孿生系統下達指令。比如，通過數字孿生模型對設備控制器進行操作，或在管控供應鏈和訂單行為的系統中進行更新。人機交互技術和 3R 技術是相互融合的。 數據建模與仿真層：建立數字孿生的過程包括建模與仿真。建模即建立物理實體虛擬映射的 3D 模型，這種模型真實地在虛擬空間再現物理實體的外觀、幾何、運動結構、幾何關聯等屬性，并結合實體對象的空間運動規律而建立。仿真模型則是基于構建好的 3D 模型，結合結構、熱學、電磁、流體等物理規律和機理，計算、分析和預測物理對象的未來狀態。 例如飛機研發階段，可以把飛機的真實飛行參數、表面氣流分布等數據通過傳感器反饋輸入到模型中，通過流體力學等相關模型，對這些數字進行分析，預測潛在的故障和隱患。數字孿生由一個或多個單元級數字孿生按層次逐級復合而成，比如，產線尺度的數字孿生是由多個設備耦合而成。因此，需要對實體對象進行多尺度的數字孿生建模，以適應實際生產流程中模型跨單元耦合的需要。

▲復雜產品按照系統層次解耦

建立仿真模型的基礎可以是知識、工業機理和數據，三種建模方式各有利弊。基于知識建模：要求建立專家知識庫并且有一定行業沉淀。優勢在于模型較簡單，對極端情況建模效果。但模型精度、及時性、可遷移性較差，成本較高；基于機理建模：模型覆蓋變量空間大、可脫離物理實體、具有可解釋性，但要求大量的參數，計算復雜，無法對復雜流程工業中相互耦合的實體情況進行建模；基于數據建模：模型精度較高、可動態更新，但對數據數量、數據質量和精度要求更高，并且無法解釋模型。 目前，數字孿生建模通?；诜抡婕夹g，包括離散時間仿真、基于有限元的模擬等，通?；谕ㄓ镁幊陶Z言、仿真語言或專用仿真軟件編寫相應的模型。數字孿生建模語言主要有 AutomationML、 UML、 SysML及 XML 等。工業仿真軟件，這里主要指計算機輔助工程 CAE（ ComputerAided Engineering）軟件，包括通常意義上的 CAD， CAE， CFD， EDA，TCAD 等。目前中國 CAE 軟件市場基本被外資產品壟斷，如 ANSYS，?？怂箍担?2017 年收購 MSC）， Altair，西門子，達索， Cadence， Comsol，Autodesk， ESI， Synosys， Midas， Livemore 等。 中國具有自主知識產權的 CAE 軟件僅有很少量的市場份額，國內此方面，主要是一些高校、科研院所和中小企業在進行 CAE 軟件的研發工作，包括 FEPG、 JIFEX、HAJIF、紫瑞、 LiToSim 在內的國內自主知識產權軟件系統已上市，但由于缺乏競爭力，一些軟件已退出國內 CAE 市場。以安世亞太為代表的國產模擬仿真軟件，在多年使用和代理國外產品經驗基礎上開發出了國產化的替代方案，但目前還無法達到國外一線產品的水平。泰瑞在 2020 年推出工業仿真云產品，也以云服務模式進入這一市場。

▲工業仿真軟件（CAE）主要供應商

▲ 數字孿生優化產品生命周期管理

功能實現層： 即利用數據建模得到的模型和數據分析結果實現預期的功能。這種功能是數字孿生系統最核心的功能價值的體現，能實時反映物理系統的詳細情況，并實現輔助決策等功能，提升物理系統在壽命周期內的性能表現和用戶體驗。 已經有一些軟件服務商通過提高數字孿生能力提高他們的應用能力，為客戶提供垂直細分市場的解決方案。通過 APM、物流或 PLM 等應用開發數字孿生模型和組合。比如 GE Digital、 Oracle 等。具體見下表：

▲突出數字孿生結合功能層應用的供應商

（2）典型應用場景介紹 數字孿生在智能制造領域的主要應用場景有產品研發、設備維護與故障預測以及工藝規劃。

▲數字孿生在智能制造領域的應用

數字孿生應用于產品研發：傳統的研發設計方式下，紙張、 3D CAD 是主要的產品設計工具，它建立的虛擬模型是靜態的，物理對象的變化無法實時反映在模型上，也無法與原料、銷售、市場、供應鏈等產品生命周期數據打通。對新產品進行技術驗證時，要將產品生產出來，進行重復多次的物理實驗，才能得到有限的數據。傳統的研發設計具有研發周期長，成本造價高昂的特點。 數字孿生突破物理條件的限制，幫助用戶了解產品的實際性能，以更少的成本和更快的速度迭代產品和技術。數字孿生技術不僅支持三維建模，實現無紙化的零部件設計和裝配設計，還能取代傳統通過物理實驗取得實驗數據的研發方式，用計算、仿真、分析或的方式進行虛擬實驗，從而指導、簡化、減少甚至取消物理實驗。 用戶利用結構、熱學、電磁、流體和控制等仿真軟件模擬產品的運行狀況，對產品進行測試、驗證和優化。以馬斯克的彈射分離實驗為例，火箭發射出去后扔掉的捆綁火箭，靠爆炸螺栓和主火箭連接，到一定高度后引爆螺栓爆炸釋放衛星，但貴重的金屬結構爆炸不能回收使用。馬斯克想用機械結構的強力彈簧彈射分離，回收火箭。 這項實驗用了 NASA 大量的公開數據，在計算機上做建模仿真分析強力彈簧的彈射、彈射螺栓，沒有做一次物理實驗，最后彈射螺栓分離成功，火箭外殼的回收大幅度降低了發射的價格。類似的案例還有如風洞試驗、飛機故障隱患排查、發動機性能評估等。數字孿生不僅縮短了產品的設計周期，提高了產品研發的可行性、成功率，減少危險，大大降低了試制和測試成本。 數字孿生應用于工藝規劃和生產過程管理：隨著產品制造過程越來越復雜，多品種，小批量生產的需求越來越強，企業對生產制造過程進行規劃、排期的精準性和靈活性，以及對產品質量追溯的要求也越來越高。大部分企業信息系統之間數據未打通，依賴人工進行排期和協調。 數字孿生技術可以應用于生產制造過程從設備層、產線層到車間層、工廠層等不同的層級，貫穿于生產制造的設計、工藝管理和優化、資源配置、參數調整、質量管理和追溯、能效管理、生產排程等各個環節，對生產過程進行仿真、評估和優化，系統地規劃生產工藝、設備、資源，并能利用數字孿生的技術，實時監控生產工況，及時發現和應對生產過程中的各種異常和不穩定性，日益智能化實現降本、增效、保質的目標和滿足環保的要求。 離散行業中，數字孿生在工藝規劃方面的應用著重于生產制造環節與設計環節的協同；流程行業中，要求通過數字孿生技術對流程進行機理或者數據驅動的建模。圖 X 反映了流程工業自動化的結構，在這個過程中，數字孿生通過將物理實體流程上的耦合轉化為各個數字孿生參數間的耦合，實現整個流程的協同優化。

▲流程工業自動化的總體結構

▲應用層級及生態

數字孿生應用于設備維護與故障預測： 傳統的設備運維模式下，當設備發生故障時，要經過“發現故障——致電售后服務人員——售后到場維修”一系列流程才能處理完畢。客戶對設備知識的不了解、與設備制造商之間的溝通障礙往往導致故障無法及時解決。解決這一問題的方法在于將依賴客戶呼入的“被動式服務”轉變為主機廠主動根據設備健康狀況提供服務的“主動式服務”。 數字孿生提供物理實體的實時虛擬化映射，設備傳感器將溫度、振動、碰撞、載荷等數據實時輸入數字孿生模型，并將設備使用環境數據輸入模型，使數字孿生的環境模型與實際設備工作環境的變化保持一致，通過數字孿生在設備出現狀況前提早進行預測，以便在預定停機時間內更換磨損部件，避免意外停機。通過數字孿生，可實現復雜設備的故障診斷，如風機齒輪箱故障診斷、發電渦輪機、發動機以及一些大型結構設備，如船舶的維護保養。 典型的企業如達索、 GE 聚焦于數字孿生在故障預測和維護方面的應用。GE 是全球三大航空發動機生產商之一，為了提高其核心競爭力和加強市場主導地位，在其航空發動機全生命期過程引入了增材制造和數字孿生等先進技術。2016 年， GE 與 ANSYS 合作，攜手擴展并整合 ANSYS行業領先的工程仿真、嵌入式軟件研發平臺與 GE 的 Predix 平臺。GE 的數字孿生將航空發動機實時傳感器數據與性能模型結合，隨運行環境變化和物理發動機性能的衰減，構建出自適應模型，精準監測航空發動機的部件和整機性能。并結合歷史數據和性能模型，進行故障診斷和性能預測，實現數據驅動的性能尋優。3. 智慧健康領域數字孿生應用（1）數字孿生應用概述 智慧健康是通過利用移動監測、移動診室、無線遠程會診和醫療信息云存儲等智能技術手段，以此提高診療效率，提升城市診療覆蓋面與效率，促進城市醫療資源的合理化分配。將數字孿生應用在智慧健康系統中，可以基于患者的健康檔案、就醫史、用藥史、智能可穿戴設備檢測數據等信息在云端為患者建立“醫療數字孿生體”，并在生物芯片、增強分析、邊緣計算、人工智能等技術的支撐下模擬人體運作，實現對醫療個體健康狀況的實時監控、預測分析和精準醫療診斷。 如基于醫療數字孿生體應用，可遠程和實時地監測心血管病人的健康狀態；當智能穿戴設備傳感器節點測量到任何異常信息時，救援機構可立即開展急救。同樣醫療數字孿生體還可通過在患者體內植入生物醫學傳感器來全天監控其血糖水平，以提供有關食物和運動的建議等。 將數字孿生技術應用在智慧健康中，構建其應用框架如下圖所示。該應用框架主要包含基礎支撐層、數據互動層、模型構建層和功能層。

▲數字孿生智慧健康應用框架

基礎支撐層：基礎支撐層主要是與患者相關的軟硬件資源和醫院信息系統。如：醫療設備包括 CT 機、磁共振成像和理療設備等，以及與硬件配套的專業軟件（如健康信息系統）。醫療信息包括一些可穿戴設備（血壓計、心率監測儀）以及一些其他智能系統采集到的信息?？纱┐髟O備在醫學領域的相關產品包括血糖監測儀、心電監測儀、胎心監護儀、心電儀、血壓計等。一些電子科技巨頭生產用于健康監測的智能可穿戴設備，如谷歌、三星、華為小米等都已推出消費級可穿戴醫療設備，華為、索尼、 LG、 Garmin、Razer 等廠商也推出智能手環、智能眼鏡等可穿戴產品。 數據互動層：數據將醫療資源的數據進行收集、分類、整合為平臺提供支持。在數據采集方面，通過RFID標簽、二維碼、傳感器等技術識別物體及其位置。醫療資源、信息等數據通過 4G/5G 網絡上傳到云平臺。采集的數據主要包括診斷數據、監測數據和歷史病例數據等。進入數據池的多源異構數據進行整合后，將數據進行虛擬化、服務化處理，從而實現數據的輸入輸出。 模型構建層：基于數據互動層處理的數據，建立物理對象的虛擬模型，比如患者和醫療資源的醫療資源模型，醫療能力模型和人體健康模型。這些孿生模型和物理實體進行實時數據交互，從而實現物理設備、虛擬模型、云健康系統的全要素、全服務、全流程的數據集成和聚合。 同時模型構建層的基礎功能包括服務管理、數據管理、知識管理和用戶管理。其中，服務管理主要負責醫療資源配置、醫護人員配置和在線掛號等服務。數據管理主要是負責數據存儲、分析和傳輸。知識管理平臺件主要負責隱性知識的存儲、表示、挖掘、搜索和分析等工作。用戶管理平臺提供了用戶基本信息管理、用戶信息管理和用戶遺傳信息管理功能管理等。 功能層：數字孿生智慧健康可通過手機、 PC 終端、醫療系統和專用設備進行應用。如：微信推出“服務號”功能，患者可以通過醫院的微信服務號進行診療卡辦理、預約掛號、全流程繳費等，大大減輕了醫院的接診壓力，提高了管理效率?；谖⑿牌脚_，提供在線問診功能，方便患者開藥檢查。醫療機構通過獲取患者信息，向患者發送健康建議，并進行資源分配模擬。為患者提供實時監控、危機預警、醫療指導等服務。第三方軟件使第三方醫療服務機構、政府獲取計費信息，保證醫療服務費用支付安全、快速支付等相關功能。 安全系統與信息共享標準：安全系統負責確保醫療數字孿生系統中所有層的安全。包括系統和平臺安全、網絡安全、醫療數據安全、用戶個人隱私和信息安全、應用安全和安全管理。防止來自第三方的惡意攻擊、信息和數據的盜竊和篡改至關重要。安全系統確保整個智能醫療系統具備災備、應急響應、監控和管理等安全功能。 除了上述功能，智慧健康平臺還需要標準和系統規范模塊，保證醫療信息實現跨應用、跨系統、跨平臺的共享。這是為了保證醫療保健數據收集、數據共享和交換以及應用程序服務管理的標準化。4. 智慧城市領域數字孿生應用（1）數字孿生應用概述 中國以“智慧城市”和“新基建”為代表的建設模式雖然起步較晚，但爆發速度前所未有。目前全球近 1000 個提出智慧化發展的城市中，有近 500 個中國城市，占全球數量的 48%。這為中國下一階段的城市和基礎設施發展奠定了基礎。 2019 年中國新型智慧城市規模超過 9000 億元，未來幾年將保持較快速度增長，預計到 2023 年市場規模將超過 1.3 萬億元。當前，安全綜治、智慧園區、智慧交通是智慧城市建設投入的重點，三大細分場景規模占智慧城市建設總規模的 71%，而城市級平臺、機器人等新技術和產品則在快速落地，被更多城市建設方采納和應用。

▲2018-2023 年中國新型智慧城市市場規模及預測（單位：億元）

▲中國城市智慧化細分市場占比

數字孿生城市則是數字孿生技術在城市層面的廣泛應用，通過構建城市物理世界及網絡虛擬空間一一對應、相互映射、協同交互的復雜系統，在網絡空間再造一個與之匹配、對應的孿生城市，實現城市全要素數字化和虛擬化、城市狀態實時化和可視化、城市管理決策協同化和智能化，形成物理維度上的實體世界和信息維度上的虛擬世界同生共存、虛實交融的城市發展新格局。數字孿生城市既可以理解為實體城市在虛擬空間的映射狀態，也可以視為支撐新型智慧城市建設的復雜綜合技術體系，它支撐并推進城市規劃、建設、管理，確保城市安全、有序運行。 數字孿生城市主要有新型基礎設施、智能運行中樞、智慧應用體系三大橫向的分層：

▲數字孿生城市

基礎設施層：城市新型基礎設施包括全域感知設施 ( 包括泛智能化的市政設施和城市部件 )、網絡連接設施和智能計算設施。與傳統智慧城市不同的是，數字孿生城市的基礎設施還包括激光掃描、航空攝影、移動測繪等新型測繪設施，旨在采集和更新城市地理信息和實景三維數據，確保兩個世界的實時鏡像和同步運行。 智能運行中樞：智能運行中樞是數字孿生城市的能力中臺，由五個核心平臺承載， 一是泛在感知與智能設施管理平臺，對城市感知體系和智能化設施進行統一接入、設備管理和反向操控； 二是城市大數據平臺，匯聚全域全量政務和社會數據，與城市信息模型平臺整合，展現城市全貌和運行狀態，成為數據驅動治理模式的強大基礎。 三是城市信息模型平臺，與城市大數據平臺融合，成為城市的數字底座，是數字孿生城市精準映射虛實互動的核心。 四是共性技術賦能與應用支撐平臺，匯聚人工智能、大數據、區塊鏈、AR/VR 等新技術基礎服務能力，以及數字孿生城市特有的場景服務、數據服務、仿真服務等能力，為上層應用提供技術賦能與統一開發服務支撐。 五是泛在網絡與計算資源調度平臺，主要是基于未來軟件定義網絡（ SDN）、云邊協同計算等技術，滿足數字孿生城市高效調度使用云網資源。 應用服務層：應用服務層是面向政府、行業的業務支撐和智慧應用，基于數字孿生城市的應用服務包含城市大數據畫像、人口大數據畫像、城市規劃仿真模擬、城市綜合治理模擬仿真等智能應用，社區網格化治理、道路交通治理、生態環境治理、產業優化治理等行業專題應用。 （2） 數字孿生城市的應用效果 提升城市規劃質量和水平。當前的智慧城市規劃和頂層設計，大部分都屬于概念和功能設計，缺乏與實際人流、物流、資金流的交互，也缺乏對新技術引入帶來的影響分析。數字孿生城市執行快速的“假設”分析和虛擬規劃，可迅速摸清城市“家底”，精確到一花一木、一路一橋，把握城市運行脈搏；推動城市規劃有的放矢、提前布局，在規劃前期和建設早期了解城市特性、評估規劃影響，避免在不切實際的規劃設計上浪費時間，防止在驗證階段重新進行設計，以更少的成本、更快的速度，推動創新技術支撐智慧城市頂層設計落地。 推動以人為核心的城市設計，實現智慧城市建設協同創新。城市居民是新型智慧城市服務的核心，也是城市規劃、建設需要考慮的關鍵因素。數字孿生城市將以人作為城市核心，關注城鄉居民出行軌跡、收入水準、家庭結構、日常消費等，對相關數據進行動態監測，并納入模型，實現協同計算。同時，數字孿生城市通過在“比特空間”上預測人口結構和遷徙軌跡、推演未來的設施布局、評估商業項目影響等，將對實體城市的設計、建設和實施產生巨大的影響，甚至重塑城市。搭建可感知、可判斷、快速反應的數字孿生城市，將支撐城市土地空間規劃、重大項目建設，實現隨需響應的惠民服務、觸手可及的協同指引。 優化智慧城市建設并評估其成效。數字孿生城市體系以及可視化系統以定量與定性方式，建模分析城市交通路況、人流聚集分布、空氣質量、水質指標等各維度城市數據，可讓決策者和評估者快速、直觀地了解智慧化對城市環境、城市運行等狀態的提升效果，評判智慧項目的建設效益；實現城市數據挖掘分析，輔助政府在信息化、智慧化建設中的科學決策，避免走彎路或重復、低效建設。 模擬仿真：在數字世界推演城市運行態勢 在數字城市仿真，在物理城市執行，使城市建設和發展少走彎路、不留遺憾，是數字孿生城市價值的真正體現。在數字孿生城市中，運用模擬仿真技術，可進行自然現象的仿真、物理力學規律的仿真、人群活動的仿真，自然災害的仿真等，為城市規劃、管理、 45 應急救援等制定科學決策，促進城市資源公平和快速調配，支撐建立更加高效智能的城市現代化治理體系。 就目前的發展階段來看，對整個城市進行模擬仿真的軟件產品還未出現，仿真軟件的應用范圍還是局限于部分細分領域，如用于交通仿真的SUMO、 VISSIM、 Carsim，水動力仿真的 MIKE21、 HEC、 SWIMM，景觀環境仿真的 SITES 平臺和物流固廢仿真的 Anylogic。國內仿真軟件與國外相比還有較大差距，國外廠商掌握 CAE 有限元算法和 CAD 核心幾何內核算法，國內企業只能通過授權經營方式使用國外幾何內核，基本不具有自主知識產權，多數廠商主要基于國外產品進行二次開發。 隨著國內仿真軟件的快速發展，在交通等部分領域已形成一定優勢。51VR 公司自主研發推出 51Sim-One 無人駕駛仿真平臺， 通過自主研發的靜態高精度場景數據編輯和自動化轉換工具，既可對已采集場景的多種數據進行融合，將實體非結構化場景快速生成高擬真的結構化虛擬仿真場景，又可根據自動駕駛測試任務的需要從無到有構建仿真訓練流程與評價體系，極大提升自動駕駛訓練效率。 百度公司 2017 年對外發布了 Apollo （阿波羅）平臺， 其中的仿真平臺可以提供貫穿自動駕駛研發迭代過程的完整解決方案，仿真服務擁有大量的實際路況及自動駕駛場景數據，基于大規模云端計算容量，打造日行百萬公里的虛擬運行能力。中視典數字科技公司依托自主知識產權的虛擬現實平臺軟件，專門針對數字城市完全自主研發出產品：數字城市仿真平臺（ VRP-Digicity）、三維網絡平臺（ VRPIE）、三維仿真系統開發包（ VRP-SDK）等，能滿足不同數字城市規劃管理領域，不同層次客戶對數字仿真的需求。 深度學習：推動城市自我學習智慧成長 數字孿生城市對人工智能領域深度學習、自我優化技術的應用，可使城市從以往部門之間各自為戰、治標不治本、被動遲緩的基層治理模式，轉變為全域協同治理、問題智能響應、需求提前預判的模式，構建起高效智慧的城市運行規則。在數字孿生城市中，對深度學習技術的應用主要集中在海量數據處理、系統運行優化等方面。 深度學習模型和技術源流多來自西方人工智能科學家 , 我國多數人工智能企業缺少原創算法，但近年來科研實力大幅增長，目前我國深度學習領域的差距主要在于缺乏體系化的產品、生態，未能進一步沉淀市場應用。 目前，數字孿生城市中較為成熟的深度學習產品目前有泰瑞數創CIM Generator 空間語義平臺和商湯科技 SenseEarth 平臺。前者是一款融合了深度語義信息的 AI PAAS 平臺， 它包含了一個強大的人工智能內核，可將各類數據自動解譯生成城市語義模型。同時支持多數據源，包括遙感影像、航空影像、激光點云、建筑圖紙等數據輸入，并內置插件式 AI組件，包括深度學習算法框架，內插多組網絡模型，支持分布式架構。 SenseEarth 智能遙感影像解譯平臺是一款面向公眾公開的遙感影像瀏覽及解譯在線工具，具有強大的數據解析和洞察能力，可提供在線體驗基于衛星影像的道路提取、艦船檢測、土地利用分類等人工智能解譯功能，并可支撐用戶瀏覽歷史影像，以月度為單位對不同時段的影像進行變化檢測，快速感知城市的變遷與發展。5. 智慧建筑領域數字孿生應用（1）數字孿生應用概述 “數字孿生建筑”是將數字孿生使能技術應用于建筑科技的新技術，簡單說就是利用物理建筑模型，使用各種傳感器全方位獲取數據的仿真過程，在虛擬空間中完成映射，以反映相對應的實體建筑的全生命周期過程。 數字孿生建筑具有四大特點：精準映射、虛實交互、軟件定義、智能干預。 1、精準映射：數字孿生建筑通過各層面的傳感器布設，實現對建筑的全面數字化建模，以及對建筑運行狀態的充分感知、動態監測，形成虛擬建筑在信息維度上對實體建筑的精準信息表達和映射。 2、虛實交互：未來數字孿生建筑中，在建筑實體空間可觀察各類痕跡，在建筑虛擬空間可搜索各類信息，建筑規劃、建設以及民眾的各類活動，不僅在實體空間，而且在虛擬空間得到極大擴充，虛實融合、虛實協同將定義建筑未來發展新模式。 3、軟件定義：數字孿生建筑針對物理建筑建立相對應的虛擬模型，并以軟件的方式模擬建筑人、事、物在真實環境下的行為，通過云端和邊緣計算，軟性指引和操控建筑的電熱能源調度等。 4、智能干預：通過在“數字孿生建筑”上規劃設計、模擬仿真等，將建筑可能產生的不良影響、矛盾沖突、潛在危險進行智能預警，并提供合理可行的對策建議，以未來視角智能干預建筑原有發展軌跡和運行，進而指引和優化實體建筑的規劃、管理，改善服務。 數字孿生建筑的核心環節在于 BIM 的應用。建筑信息模型（ BIM）是一種應用于工程設計、建造、管理的數據化工具和一種信息建模技術，可以實現建筑設計的三維可視化， BIM 技術疊加時間軸形成 4D 模型，進一步疊加成本信息可構筑 5D 模型，對建筑進行多維度考量，可貫穿建筑全生命周期中規劃、概念設計、細節設計、分析、出圖、預制、施工、運營維護、拆除或翻新等所有環節。 具體到 BIM 軟件的核心領域，目前國內廠商占建筑結構設計軟件市場優勢，建筑信息化模型軟件市場仍以國外廠商為主導： （1）因建筑行業信息化發展迅速，作為建筑信息化的核心軟件產品，建筑結構設計軟件也吸引了越來越多企業進入。但是由于建筑結構設計軟件專業技術門檻較高，目前國內外結構專業設計軟件公司的集中度較高，主流軟件包括北京盈建科軟件股份有限公司 YJK 建筑結構軟件系統、建研科技股份有限公司研發的 PKPM 系列軟件、北京探索者軟件技術股份有限公司的探索者結構系列軟件， MIDAS Information Technology Co.，Ltd. 的 Midas 系列軟件、上海佳構軟件科技有限公司 STRAT 軟件、深圳市斯維爾科技股份有限公司 SUP 系列軟件等幾款國內外結構設計軟件產品。 因國外產品價格較高，對中國本土建筑規范理解不足，國外軟件只在少量超高層復雜結構設計中有所應用，市場份額較??；而國內的軟件，如 PKPM 系列軟件等等，因研發應用較早，經過了多年發展在國內市場中具有較高的占有率。 （2） 國 內 建 筑 信 息 化 模 型（ BIM） 軟 件 市 場 上， 以 Autodesk、 DassaultSystems、 GRAPHISOFT、 Tekla 為代表的國外軟件廠商依然在設計 BIM 軟件領域占據絕對優勢，國內企業的 BIM 應用軟件都采用國外的Revit、 Tekla 等平臺產品。 中國本土 BIM 軟件廠商數量較多，開發的軟件產品大多屬于應用型軟件，運行于基礎平臺軟件環境中，這類應用型軟件以項目業務為導向，注重將軟件產品與本地化業務相結合，以提升項目推進效率，而本土軟件廠商在提供應用軟件產品的同時，也提供相關配套服務和業務解決方案。但近幾年國內 BIM 軟件廠商由建造、施工 BIM 軟件向協同協作端軟件發力，不斷將觸角伸向產業鏈上下游，通過本地化產品和配套的技術服務支撐，取得了相當好的成績。因 BIM 軟件研發需要大量的資金投入，目前國內實力的 BIM 研發企業主要有魯班、廣聯達、鴻業、品茗等實力較大的軟件廠商。 現在，知名的 BIM 軟件供應商有 Autodesk、 Trimble、 Bentley、廣聯達、 RIB Software 等。

▲全球主要 BIM 軟件供應商

（2）典型應用場景介紹

▲數字孿生建筑典型應用場景

數字孿生建筑在規劃設計方面主要應用于以下場景： 場地分析：傳統的場地分析存在諸如定量分析不足、主觀因素過重、無法處理大量數據信息等弊端；BIM 結合地理信息系統 (GeographiInformation System，簡稱（ GIS），對場地及擬建的建筑物空間數據進行建模，通過 BIM 及 GIS 軟件的強大功能，迅速得出令人信服的分析結果，幫助項目在規劃階段評估場地的使用條件和特點，從而做出新建項目最理想的場地規劃、交通流線組織關系、建筑布局等關鍵決策。 功能分析：項目投資方可以使用 BIM 來評估設計方案的布局、視野、照明、安全、人體工程學、聲學、紋理、色彩及規范的遵守情況。BIM甚至可以做到建筑局部的細節推敲，迅速分析設計和施工中可能需要應對的問題。方案論證階段還可以借助 BIM 提供方便的、低成本的不同解決方案供項目投資方進行選擇，通過數據對比和模擬分析，找出不同解決方案的優缺點，幫助項目投資方迅速評估建筑投資方案的成本和時間。 對設計師來說，通過BIM來評估所設計的空間，可以獲得較高的互動效應，以便從使用者和業主處獲得積極的反饋。設計的實時修改往往基于最終用戶的反饋，在 BIM 平臺下，項目各方關注的焦點問題比較容易得到直觀的展現并迅速達成共識，相應的需要決策的時間也會比以往減少。 空間分析：詳圖設計階段發現不合格需要修改，造成設計的巨大浪費，BIM 能夠幫助項目團隊在功能規劃階段，通過對空間進行分析來理解復雜空間的標準和法規，從而節省時間，提供對團隊更多增值活動的可能。特別是在客戶討論需求、選擇以及分析最佳方案時，能借助 BIM 及相關分析數據，做出關鍵性的決定。BIM 在建筑策劃階段的應用成果還會幫助建筑師在建筑設計階段隨時查看初步設計是否符合業主的要求，是否滿足建筑策劃階段得到的設計依據。 公用設施分析：在廠區管網規劃中，通常相關部門各行其道，造成道路經常被開挖，管線經常被挖斷，造成很大經濟損失。利用數字孿生技術通過對各類管線進行統一信息化處理，以市政規劃數據庫為設計基礎進行相關管道的設計布線，就可避免錯誤發生，從而優化管網布置，提高設計及經濟效率。 信息模型構建：以往的二維平面設計對建筑空間尤其是復雜的建筑空間表達效率較低， BIM 是以三維數字技術為基礎，集成了建筑工程項目各種相關信息的工程數據模型， BIM 是對工程項目設施實體與功能特性的數字化表達。一個完善的信息模型，能夠連接建筑項目生命期不同階段的數據、過程和資源，是對工程對象的完整描述，可被建設項目各參與方普遍使用，支持建設項目生命期中動態的工程信息創建、管理和共享。建筑信息模型同時又是一種應用于設計、建造、管理的數字化方法， 這種方法支持建筑工程的集成管理環境，可以使建筑工程在其整個進程中顯著提高效率和大量減少風險。 數字孿生建筑在建設實施環節主要應用于以下場景： 施工策劃：施工組織是對施工活動實行科學管理的重要手段，它決定了各階段的施工準備工作內容，傳統施工組織設計很難協調施工過程中各施工單位、各施工工種、各項資源之間的相互關系。BIM 施工組織可視化在編制施工方案、施工組織設計的同時，將 BIM 技術融入到整個環節中去，以直觀可視化的方式進行方案編制輔助、方案模擬驗證、方案優化、方案敲定等。從方案模型創建到方案優化再到方案敲定輸出，全部基于BIM 技術可視化呈現，更加有益于保證施工組織設計可行性。 造價控制：施工單位精細化管理很難實現的根本原因在于，海量的工程數據無法快速準確獲取，以便更好的支持資源計劃，致使經驗主義盛行。而數字孿生建筑可以讓建筑模型快速準確的獲得工程基礎數據，為施工單位制定精準的資源計劃提供有效支持，大大減少了資源、物流和倉儲環節的浪費，為實現限額領料、消耗控制提供技術支撐。 進度管理：建筑施工是一個高度動態的過程，隨著建筑工程規模不斷擴大，復雜程度不斷提高，使得施工項目管理變得極為復雜。通過將BIM 與施工進度計劃相鏈接，將空間信息與時間信息整合在一個可視的4D（ 3D+Time）模型中，可以直觀、精確地反映整個建筑的施工過程?？梢栽陧椖拷ㄔ爝^程中合理制定施工計劃、 4D 精確掌握施工進度，優化使用施工資源以及科學地進行場地布置，對整個工程的施工進度、資源和質量進行統一管理和控制，以縮短工期、降低成本、提高質量。 施工模擬：通過 BIM 可以對項目的重點或難點部分進行可建性模擬，對于一些重要的施工環節或采用新施工工藝的關鍵部位進行模擬和分析，如可進行深基坑支護分析，各專業綜合管線干涉分析等，也可以利用 BIM 技術結合施工組織計劃進行預演以提高復雜建筑體系的可造性。借助 BIM 對施工組織的模擬，項目管理方能夠非常直觀地了解整個施工安裝環節的時間節點和安裝工序，并清晰把握在安裝過程中的難點和要點，施工方也可以進一步對原有安裝方案進行優化和改善，以提高施工效率和施工方案的安全性。

4、 數字孿生技術體系

數字孿生技術架構概述： 數字孿生以數字化方式拷貝一個物理對象，模擬對象在現實環境中的行為，對產品、制造過程乃至整個工廠進行虛擬仿真，目的是了解資產的狀態，響應變化，改善業務運營和增加價值。在萬物互聯時代此種軟件設計模式的重要性尤為突出，為了達到物理實體與數字實體之間的互動，需要經歷諸多的過程也需要很多基礎的支撐技術做為依托，更需要經歷很多階段的演進才能很好的實現物理實體在數字世界中的塑造。 首先我們需要構建物理實體在數字世界中對應的實體模型，就需要利用知識機理、數字化等技術構建一個數字模型，而且我們對構建的數字模型需要結合行業特性做出評分，是否可以在商業中投入使用；有了模型還需要利用物聯網技術將真實世界中的物理實體元信息采集、傳輸、同步、增強之后得到我們業務中可以使用的通用數據；通過這些數據可以仿真分析得到數字世界中的虛擬模型，在此基礎之上我們可以利用 AR/VR/MR/GIS 等技術在數字世界完整復現出來，人們才能更友好的與物理實體交互；在這個基礎之上我們可以結合人工智能、大數據、云計算等技術做數字孿生體的描述、診斷、預警 / 預測及智能決策等共性應用賦能給各垂直行業。

▲數字孿生整體分層架構

數字孿生關鍵技術及成熟度： 模型構建層。建?！皵底只笔菍ξ锢硎澜鐢底只倪^程。這個過程需要將物理對象表達為計算機和網絡所能識別的數字模型。建模的目的是將我們對物理世界或問題的理解進行簡化和模型化。而數字孿生的目的或本質是通過數字化和模型化，用信息換能量，以更少的能量消除各種物理實體、特別是復雜系統的不確定性。所以建立物理實體的數字化模型或信息建模技術是創建數字孿生、實現數字孿生的源頭和核心技術，也是“數字化”階段的核心。

▲模型構建流程示意圖

概念模型和模型實現方法： 數字孿生模型構建的內容主要涉及概念模型和模型實現方法。其中，概念模型從宏觀角度描述數字孿生系統的架構，具有一定的普適性；而模型實現方法研究主要涉及建模語言和模型開發工具等，關注如何從技術上實現數字孿生模型。在模型實現方法上，相關技術方法和工具呈多元化發展趨勢。當前，數字孿生建模語言主要有 AutomationML、 UML、 SysML及 XML 等。一些模型采用通用建模工具如 CAD 等開發，更多模型的開發是基于專用建模工具如 FlexSim 和 Qfsm 等。目前業界已提出多種概念模型，包括： 1）基于仿真數據庫的微內核數字孿生平臺架構，通過仿真數據庫對實時傳感器數據的主動管理，為仿真模型的修正和更逼真的現實映射提供支持； 2）自動模型生成和在線仿真的數字孿生建模方法，首先選擇靜態仿真模型作為初始模型，接著基于數據匹配方法由靜態模型自動生成動態仿真模型，并結合多種模型提升仿真準確度，最終通過實時數據反饋實現在線仿真； 3）包含物理實體、數據層、信息處理與優化層三層的數字孿生建模流程概念框架，以指導工業生產數字孿生模型的構建； 4）基于模型融合的數字孿生建模方法，通過多種數理仿真模型的組合構建復雜的虛擬實體，并提出基于錨點的虛擬實體校準方法； 5）全參數數字孿生的實現框架，將數字孿生分成物理層、信息處理層、虛擬層三層，基于數據采集、傳輸、處理、匹配等流程實現上層數字孿生應用； 6）由物理實體、虛擬實體、連接、孿生數據、服務組成的數字孿生五維模型，強調了由物理數據、虛擬數據、服務數據和知識等組成的孿生數據對物理設備、虛擬設備和服務等的驅動作用，并探討了數字孿生五維模型在多個領域的應用思路與方案； 7）按照數據采集到應用分為數據保障層、建模計算層、數字孿生功能層和沉浸式體驗層的四層模型，依次實現數據采集、傳輸和處理、仿真建模、功能設計、結果呈現等功能。 信息模型的建立： 數字孿生信息模型的建立以實現業務功能為目標，按照信息模型建立方法及模型屬性信息要求進行。數字孿生信息模型庫包括以人員、設備設施、物料材料、場地環境等信息為主要內容的對象模型庫和以生產信息規則模型庫、產品信息規則模型庫、技術知識規則模型庫為主要內容的規則模型庫。數字孿生信息模型框架如下圖所示：

▲信息模型框架

a) 模型業務功能： 模型業務功能按照產品生命周期的四個主要功能展開： 設計仿真基于產品原型庫、設計機理庫等設計基礎信息，建立產品的虛擬模型。在設計仿真階段，還應將產品的虛擬模型在包括設備生產能力、設備生產環境的虛擬工廠運行環境中進行模擬生產，測試產品設計的合理性、可靠性，提升產品研發效率。 工藝流程規劃基于工藝知識庫、設備布局信息、倉儲情況等工藝流程規劃基礎信息，完成產品工藝流程規劃。在工藝流程規劃階段，還應將包括工藝信息的產品虛擬模型在虛擬工廠的生產規劃中進行流程模擬，測試產品工藝規劃和流程規劃的合理性、可靠性，提升工藝流程規劃效率。 生產測試基于設備布局信息、設備運行信息等基礎信息及包括工藝信息和生產信息的產品虛擬模型，對產品的生產環節進行模擬測試，測試產品設計、工藝規劃及生產流程的合理性和可靠性，提升產品設計成功率和測試效率。 產品交付分為實體產品交付和產品虛擬模型交付兩部分。其中產品虛擬模型應包括產品的外觀信息、功能信息、工藝信息等內容，可適當提前于實體產品提供給用戶，以滿足用戶提前進行模擬測試的需求。 b) 對象模型庫： 對象模型庫包含人員模型、設備設施模型、物料材料模型、場地環境模型及其相對應的模型關系。模型元素的屬性信息劃分為靜態信息和動態信息兩部分，其中靜態信息包括身份信息、屬性信息、計劃信息和靜態關系信息，動態信息包括狀態信息、位置信息、過程信息及動態關系信息。 c) 規則模型庫： 規則模型庫包含生產工藝規則模型庫、生產管理規則模型庫、產品信息規則模型庫、生產物流規則模型庫與技術知識規則模型庫等： 生產工藝規則模型庫包含工藝基礎信息、工藝清單、工藝路線、工藝要求、工藝參數、生產節拍、 標準作業等規則模型信息及其相關邏輯規則。 生產管理規則模型庫包含生產計劃信息、排產規則信息、生產班組信息、生產線產能信息、生產 進度信息、生產排程約束信息、生產設備效率信息之間的邏輯規則。 產品信息規則模型庫包含產品主數據、物料清單、產品生產規則、資源清單之間的信息共享與信息交換。 生產物流規則模型庫包含物料需求、物流路徑、輸送方式、配送節拍、在制品轉運方式、完成入 庫、出庫等與生產物流相關的規則。 技術知識規則模型庫包含工藝原理、操作經驗、仿真模型、軟件算法等。 d) 信息模型組件： 不同的信息模型組件可根據需要進行組合，以形成系統、產線等集成組合。按照應用層所提供業務功能的不同要求，信息模型組件間的組合可采用層級組合、關聯組合、對等組合等方式： 層級組合用以描述不同系統層級的信息模型按照層級關系依次組合的信息模型關系。在層級組合關系的描述下，可將具有從屬關系的不同信息模型結合，作為整體進行功能實現。 關聯組合用以描述不同信息模型之間存在的相互關聯關系。在關聯組合關系的描述下，可將非從屬關系但相互耦合的信息模型建立關系，作為整體進行功能實現。 對等組合用以描述不同信息模型之間存在的非耦合關系。在對等關系的描述下，可將獨立的非耦合信息模型之間建立關系，作為整體進行功能實現。 數據互動層 物聯網“數字化”中的另一層意思是物理世界本身的狀態變為可以被計算機和網絡所能感知、識別和分析，這些狀態包括位置、屬性、性能、健康狀態等，物聯網技術為原子化向比特化轉變提供了完整的解決方案。同時物聯網為物理對象和數字對象之間的“互動”提供了通道。“互動”是數字孿生的一個重要特征，主要是指物理對象和數字對象之間的動態互動，當然也隱含了物理對象之間的互動以及數字對象之間的互動。前兩者通過物聯網實現，而后者則是通過數字線程實現。能夠實現多視圖模型數據融合的機制或引擎是數字線程技術的核心。

▲數據互動流程示意圖

信息同步 當前，企業力求著手建立相關產業的互聯網平臺，將各類時空資源數字化，并以數字空間為載體，鏈接人與物，打造時空一體的數字孿生技術基礎的信息平臺，以實現數據的同步和融通聯動。以基于 CIM 的Citybase 為例，其具有以下特點：

▲Citybase 主要技術

數據價值挖掘：監測設備的運行數據，且在此基礎上可對設備的全生命周期進行管理，分析挖掘數據價值，輔助運營決策。 數據融通與跨系統聯動：從物聯網底層進行數據的統一連接和管理，支持數據的靈活調配，可以更簡單充分地進行數據融通與跨系統聯動，真正做到打破“煙囪式管理”。 空間索引與事件驅動：將設備、數據及事件與空間聯系起來。能以空間為線索完成完整的業務閉環，能各種異常情況進行準確三維空間確定與快速響應。 CityBase 構造了空間數字底板，構建一圖多景，技術上支持以下功能： a）數據分級可視化及應用，支撐建造、交通、水務、應急等各種城市業務場景； b）以空間為核心，融合人、物和行為活動，構建一套可擴展的數據模型； c）支持大體量模型輕量化，軟件生產工業化，模型庫、服務庫與應用快速組裝； d）實現對實時監控視頻與三維模型配準融合，生成大范圍三維全景動態監控畫面，形成一張“無限量”分辨率的大視頻，“一張圖”看全局，無需切換任何分鏡頭畫面，實現對重點區域整體現場的全景、實時、多角度監控，虛擬線上融合共生； e）支持 BIM+ 傾斜攝影 + 影響 + 點云 +MAX 模型，單體模型等的大場景、海量、大體量數據的高逼真渲染。 信息強化 當前，企業通過對多源異構孿生數據的整合和綜合運用，建立“人機料法環”各類數據的全面采集和深度分析數字體系，全面建立以數據為驅動的運營與管理模式，有助于探索基于數字孿生的數據驅動型變革新路徑。數字孿生的信息強化主要包括以下幾個方面進行詳細的數據管理。 a）數據清洗：數據清洗對數據進行重新審查和校驗的過程，目的在于刪除重復信息、糾正存在的錯誤，并提供數據一致性。對數據進行重新審查和校驗的過程，目的在于刪除重復信息、糾正存在的錯誤，并提供數據一致性。發現并糾正數據文件中可識別的錯誤的最后一道程序，包括檢查數據一致性，處理無效值和缺失值，去除無用的數據。 b）數據分類：數據分類主要對清洗過的數據進行分類，使數據的類別清晰、明確。數據分類主要包括以下原則：現實性原則、穩定性原則、持續性原則、均衡性原則、揭示性原則、規范性原則、系統性原則、明確性原則、擴展性原則。結合數據建模服務，通過采用人、機、料、法、環的原則進行數據分類。 c）數據編碼：數據編碼主要將不同的信息記錄采用不同的編碼，一個碼點可以代表一條信息記錄。由于計算機要處理的數據信息十分龐雜，有些數據庫所代表的含義又使人難以記憶。為了便于使用，容易記憶，常常要對加工處理的對象進行編碼，用一個編碼符合代表一條信息或一串數據。 對數據進行編碼在計算機的管理中非常重要，可以方便地進行信息分類、校核、合計、檢索等操作。系統可以利用編碼來識別每一個記錄，區別處理方法，進行分類和校核，從而克服項目參差不齊的缺點，節省存儲空間，提高處理速度，同時也有利于數據建模服務對于數據的快速匹配。 d）數據標簽：通過數據清洗、數據分類來將毛坯數據轉化為標簽數據。數據標簽管理對海量標簽數據的管理，包括去重、合并、轉義等數據標簽的操作。 通常來說，數字孿生價值的實現，在于數據與數據的連接。數據和數據之間的關系才是重中之重，而不是單純的數據本身。因此對于每個數據點建立數據標簽，有利于數據屬性的管理，對數據之間關系的建立及維護發揮重要作用。通過交換和共享數據標簽，來充實已掌握的數據標簽，并實現數據標簽與數據建模的相互匹配。 e）數據壓縮：為了減少網絡數據對帶寬的占用量，在實際傳輸時，將會對數據進行壓縮和解壓。具體的壓縮庫，可以是 ZLIB、 LZMA 或LZO 等等。具體選用哪種壓縮庫，以及具體的壓縮級別，各生產廠用戶都可以在工業互聯網平臺進行自定義設置。 仿真分析層 仿真預測是指對物理世界的動態預測。這需要數字對象不僅表達物理世界的幾何形狀，更需要數字模型中融入物理規律和機理，這是仿真世界的特長。仿真技術不僅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。 物理對象的當前狀態則通過物聯網和數字線程獲得。這種仿真不是對一個階段或一種現象的仿真，應是全周期和全領域的動態仿真，譬如產品仿真、虛擬試驗、制造仿真、生產仿真、工廠仿真、物流仿真、運維仿真、組織仿真、流程仿真、城市仿真、交通仿真、人群仿真、戰場仿真等。

▲仿真分析流程示意圖

如何在大體量的數據中，通過高效的挖掘方法實現價值提煉，是數字孿生重點解決問題之一。數字孿生信息分析技術，通過 AI 智能計算模型、算法，結合先進的可視化技術，實現智能化的信息分析和輔助決策，實現對物理實體運行指標的監測與可視化，對模型算法的自動化運行，以及對物理實體未來發展的在線預演，從而優化物理實體運行。其工作流程圖如下：

▲信息分析工作流程圖

模型管理 模型是數字孿生信息分析的核心，具有專業性。例如，國土空間規劃的各類規則模型、評價模型、評估模型，可為國土空間規劃編制、審查、實施、監測、評估和預警等提供支撐。模型管理應包括模型可視化流程設計、插件框架式模型設計和管理擴展模型以及發布模型服務能力，通過算法注冊、數據源管理及配套可視化工具實現模型構建。 指標管理 指標是判斷物理實體運行狀態好壞的標準。通過指標管理、指標計算配置、指標值管理及數據字典管理功能實現對實施評估指標項、指標體系及指標元數據、指標維度、指標值、指標狀態及指標計算方式等的信息化管理，便于指標庫的快速操作、更新維護以及指標的動態調整。 協同計算能力 高性能的協同計算是數字孿生信息分析的效率保障。在數字孿生模式下，物理實體實現高度數字化，同時產生海量數據資源，高性能的協同計算將提供算力支撐，主要包括強大的數據處理中心和邊緣計算中心，為數字孿生的高效運行提供運行決策。以自動駕駛車聯網應用為例，通過車輛獲得的車輛周邊感知數據和車路協同基礎設施獲得的路況數據，在邊緣計算中心進行環境理解、導航規劃、高精地圖更新等數據處理及決策，然后在交通部門的云計算中心實現指揮交通控制決策。 共性應用層 數字孿生的映射關系是雙向的，一方面，基于豐富的歷史和實時數據和先進的算法模型，可以高效地在數字世界對物理對象的狀態和行為進行反映；另一方面，通過在數字世界中的模擬試驗和分析預測，可為實體對象的指令下達、流程體系的進一步優化提供決策依據，大幅提升分析決策效率。數字孿生可以為實際業務決策提供依據，可視化決策系統最具有實際應用意義的，是可以幫助用戶建立現實世界的數字孿生。 基于既有海量數據信息，通過數據可視化建立一系列業務決策模型，能夠實現對當前狀態的評估、對過去發生問題的診斷，以及對未來趨勢的預測，為業務決策提供全面、精準的決策依據。從而形成“感知—預測—行動” 的智能決策支持系統。首先，智能決策支持系統利用傳感器數據或來自其他系統的數據，確定目標系統的當前狀態。其次，系統采用模型來預測在各種策略下可能產生的結果。最后，決策支持系統使用一個分析平臺尋找可實現預期目標的最佳策略。 數字孿生技術真正改變了智能決策支持系統的部署方式。數字孿生是對基礎設施的數字化表示，借此了解基礎設施如何工作。當我們將決策支持系統與數字孿生相結合時，產出的是獨特的、一個能夠不斷學習和不斷適應的決策支持系統。我們將這種新的模式轉變稱為“智能決策”。通過以下的多種智能決策技術，我們在數字孿生中結合過去某實體的運營歷史來經營，當新事件發生時，系統會學習更多，從而運行地更準確： 三維空間分析技術：基于三維模型的空間布局和關系，在場景的地形或模型數據表面，相對于某個觀察點，基于一定的水平視角、垂直視角及指定范圍半徑，分析該區域內所有通視點的集合。分析結果用不同顏色表示在觀察點處可見或不可見。 動態單體仿真技術：群體仿真數據、調參權限、高精空間分析，幫助推算群里動線的結果更加準確，令專業的算法分析結果更加直觀，降低決策者對算法解決和應用的門檻。以人流疏散為例，原始數據的計算是算法系統進行計算。人流擁堵熱力圖和單位面積斷面人流量統計。攝像頭監測盲區、巡更監測區、擁堵人群影響安防監測等狀態評估及智能決策。 空間流體分析：通過柵格化體數據（水體或氣體），形成數千萬級別的三維網格，同步導入監測數據后，賦予所有數據時間與空間信息，便于了解到填充物（例如污染物等）擴散、暗點、露點的分布狀態，為業務部門巡查提供定位依據及智能決策分析。 事件處置流程仿真技術 通過接入傳感器數據，因此異常事件發生時能夠快速定位，并自動計算周圍關聯人員的位置關系，聯動通知系統進行處理。以十字路口車輛剮蹭為例，攝像頭報警后，系統自動定位，并能調用周圍最近其他攝像頭進行多角度的核實。同時，調用周圍的溫度傳感器判斷有無火點。必要時，選出周圍巡邏人員聯絡前往，并通過通知系統圈定接受信號的范圍，讓公眾離開。這打通了多套系統，提高決策效率。 支撐技術 包括大數據、云計算、 AI 以及區塊鏈的技術應用。例如，數字孿生中的孿生數據集成了物理感知數據、模型生成數據、虛實融合數據等高速產生的多來源、多種類、多結構的全要素 / 全業務 / 全流程的海量數據。大數據能夠從數字孿生高速產生的海量數據中提取更多有價值的信息，以解釋和預測現實事件的結果和過程；數字孿生的規模彈性很大，單元級數字孿生可能在本地服務器即可滿足計算與運行需求，而系統級和復雜系統級數字孿生則需要更大的計算與存儲能力。 云計算按需使用與分布式共享的模式可使數字孿生使用龐大的云計算資源與數據中心，從而動態地滿足數字孿生的不同計算、存儲與運行需求；數字孿生憑借其準確、可靠、高保真的虛擬模型，多源、海量、可信的孿生數據，以及實時動態的虛實交互為用戶提供了仿真模擬、診斷預測、可視監控、優化控制等應用服務。 AI 通過智能匹配最佳算法，可在無需數據專家的參與下，自動執行數據準備、分析、融合對孿生數據進行深度知識挖掘，從而生成各類型服務；數字孿生有了 AI 的加持，可大幅提升數據的價值以及各項服務的響應能力和服務準確性。 區塊鏈可對數字孿生的安全性提供可靠保證，可確保孿生數據不可篡改、全程留痕、可跟蹤、可追溯等。獨立性、不可變和安全性的區塊鏈技術，可防止數字孿生被篡改而出現錯誤和偏差，以保持數字孿生的安全，從而鼓勵更好的創新。此外，通過區塊鏈建立起的信任機制可以確保服務交易的安全，從而讓用戶安心使用數字孿生提供的各種服務。 安全 以數字孿生技術為基礎的工業智能制造和數字孿生城市的虛擬空間與物理空間之間的連接以及過程中各組成部分之間的連接都建立在網絡信息流傳遞的基礎之上，隨著數字孿生技術與相關應用的加速融合，由封閉系統向開放系統的轉變勢在必行，系統性的網絡安全風險將集中呈現。 一方面，工業智能制造的基礎設備和控制系統面臨未知網絡風險，原有的基礎設備多為長期運行在封閉系統環境下的簡單設備，相關的硬件芯片、軟件控制系統等都可能存在一定的未知安全漏洞，同時由于缺乏應對互聯網環境的固有安全措施，極易遭受網絡攻擊，進而引發系統紊亂、管理失控乃至系統致癱等網絡安全問題。 另一方面，工業智能制造系統面臨數據安全風險。隨著當前網絡攻擊方式的不斷變化，工業智能制造系統產生和存儲了生產管理數據、生產操作數據以及工廠外部數據等海量數據，這些數據可能是通過大數據平臺存儲，也可能分布在用戶、生產終端、設計服務器等多種設備上，任何一個設備的安全問題都可能引發數據是泄密風險。同時，隨著智能制造與大數據、云計算的融合，以及第三方協作服務的深度介入、大量異構平臺的多層次協作等因素，網絡安全風險點急劇增加，帶來更多的入侵方式和攻擊路徑，進一步增加數據安全風險。這樣就有四個大的方面的技術應用需求，包括隱私保護、權限管理、網路訪問安全、區塊鏈技術。 需要針對數字世界中的數據進行隱私保護和權限管理，比如針對數字孿生的連接，以防篡改的方式保護連接到數字空間的每個物理實體，限制物理空間中每個設備、傳感器和人員的角色的種類和范圍，如果遭到入侵，需要將影響將降到最低。 在網絡訪問安全方面，需要考慮實體 IP 地址篩選和端口限制的可能使用，限制 I/O 和設備帶寬，以提高性能，通過阻止拒絕服務攻擊，速率限制可增強安全性，使設備固件、操作系統和軟件保持最新，定期審核并查看設備、軟件、網絡和網關安全最佳做法，保證在其不斷改進和發展的同時，使用受信任的經過認證的安全系統、軟件和設備。 采用區塊鏈技術作為一個保護機制，可以最大程度保證數據的安全性。數據使用區塊鏈技術后最大的好處是防止被篡改，另一方面數字孿生的資產被區塊鏈上鏈后，就變成了真正的資產，可以更安全的用于交易、共享和開發。 企業為滿足自身生產信息安全需求，需要開展隱私保護策略、數據安全及功能安全的系統搭建，以滿足企業的生產信息安全要求。 隱私保護策略 為了加強對重要敏感信息的保護，同時也為了盡量不提高信息安全建設的成本，有必要將信息系統進行相應的分割，使龐大的涉密信息系統變為由若干個安全等級要求明確的小系統組成。同時，為方便管理和易于監控，盡可能減少劃分的區域，否則會大大增加監控和管理策略的復雜性，不利于系統安全動態維護管理。越復雜的等級劃分，策略控制越復雜，從而留下的不安全隱患越多。在具體劃分公司涉密網安全域時，按以下原則進行劃分與定級： a）涉密網安全域之間的邊界劃分明確，安全域與安全域之間的所有數據通信都應安全可控。 b）根據組織結構將不同的部門劃分為單獨的安全域，盡可能將安全需求相同的用戶應劃分在同一安全域中。 c）將涉密網的安全管理設備劃分為獨立的安全域。 d）將涉密網服務器區域劃分為一個獨立的安全域。 e）明確涉密網的終端計算機與終端計算機之間的邊界，禁止終端計算機之間直接訪問。 f）明確涉密網終端計算機與服務器之間的邊界，禁止非授權終端越權訪問服務器資源。 g）根據應用系統的密級和應用范圍進行劃分。劃分為機密、秘密、內部三個安全域。 h）涉密網不同等級的安全域間通信，禁止高密級信息由高等級安全域流向低等級安全域。 數據可信交換 可信數據交換技術借助區塊鏈這一去中心化信任體系，利用鏈上數據不可篡改性、可追溯性和安全性等特性，同時結合智能合約技術和密碼學技術，提供數據交換的隱私保護、歸屬權確認、權限管理和數據定責等功能。在整個數據交換過程中，通過同態加密方式使數據無需解密仍可進行分析和運算操作，不暴露原數據，保障共享方的數據所有權。 智能合約去中心化處理數據，掌握數據執行權，控制加密數據的訪問和執行權限，加密數據用后置空銷毀，使用方只有密文結果的使用權，互相監督，互相制約，實現數據權的分離解耦。同態加密技術是在數據可信交換時，實現隱私數據不出庫、不泄密的情況下，滿足數據查詢方查詢結果的需求?？蓪㈦[私數據加密成密文，通過智能合約處理密文數據并得到正確的密文結果，供使用方解密使用，用來確保隱私數據的歸屬權和隱私權。 非對稱加密技術主要應用于區塊鏈網絡中的賬戶生成和交易簽名等方面，不同于對稱加密技術中使用同一密鑰易泄密的缺陷，非對稱加密只需公開公鑰，私鑰個人保存不公開，二者作用可簡述為公鑰加密、私鑰解密、私鑰簽名、公鑰驗證。數字簽名就是基于非對稱加密技術的這一特性，通過數字簽名，在區塊鏈等去中心網絡中，可以校驗交易合法性，驗證數據來源和校驗數據完整性，防止數據偽造和篡改。 功能安全性問題 從系統安全運行的角度出發，可以系統的功能就是根據生產要求采集系統內部各設備狀態，給出控制設備的指令。為了確保系統的技術安全，為了提高系統的整體安全性，可以參照電子設備的安全作法。與現有系統不同之處在于，新系統在邏輯處理單元之外，增加了故障檢測單元。系統在向列車和道岔輸出控制指令之前，需要根據輸入的行車計劃對輸出的結果進行檢查。如果故障檢測單元檢測到任何不符合故障—安全原則的輸出，則應切斷輸出，使得系統處于安全狀態。 推動條件 1. 基礎設施政策落實 2018 年至今，國務院多次召開會議明確表示加強新型基礎設施建設，重視程度不斷強化，相關政策路線圖日趨清晰。自中央首次提出“新型基礎設施建設”以來，各級政府對此給予了高度重視。2020 開年，中央政府大力號召部署新型基礎設施建設，各省為了更好地響應中央政策， 都在加緊落實部署，部分地區還專門出臺了分領域相關行動方案和計劃。而新型人工智能城市的建設作為“新基建”中 5G、人工智能、工業物聯網、大數據中心等新型數字基礎設施建設的重要載體，在接下來的推動和政策扶持等方面也將得到更多的政策關注。 2. 計算設備 / 硬件發展 數字孿生是一種新興的技術，它對計算設備 / 硬件提出了較高要求，這是因為： （1）數字孿生涉及的模型與數據規模龐大，包括建模對象全生命周期中不斷更新的全要素、全業務、全流程的數據與模型，這需要計算設備 / 硬件具有龐大的存儲空間； （2）數字孿生對模型仿真與數據分析處理效率有實時要求，即基于實時的模型仿真與數據分析結果向物理空間反饋控制策略，這需要計算設備 / 硬件具有強大的計算能力； （3）為了支持進一步的虛實融合，數字孿生對終端設備（如支持 3D 顯示的終端設備）提出更互動、更沉浸、更清晰的要求，這對硬件設備的數據傳輸能力、顯示技術等提出了更高的要求。當前， CPU 和大規模集成電路的發展正在接近理論極限，人們正在努力研究超越物理極限的新方法，新型計算機可能會打破計算機現有的體系結構。目前正在研制的新型計算機有：生物計算機——運用生物工程技術，用蛋白分子做芯片；光計算機——用光作為信息載體，通過對光的處理來完成對信息的處理；量子計算機——將計算機科學和物理科學聯系到一起，采用量子特性使用一個兩能級的量子體系來表示一位等等。這些技術的發展是數字孿生高效、高速、高質量運行的推動條件。 3. 可用數據規模提升 數字孿生的構建需大量數據的支持。一方面，在數字空間構建多維、多尺度的虛擬模型需大量數據，如建模對象的屬性數據、狀態數據、行為數據、環境數據等；另一方面，已完成構建的虛擬模型仍需基于物理空間連續不斷的實時數據實現更新。當前，隨著物聯網、傳感技術的發展，可用數據的規模在不斷提升，這是實現數字孿生應用的推動條件。 據調研，轉型升級過程中，供給側競爭的加劇、營運成本的提升以及盈利能力的下降，迫使企業追求生產的自動化、數字化、標準化。目前，大部分企業完成了自動化能力升級及初步的數字化能力建設。在企業生產管理數據方面，大部分企業的數字化能力建設聚焦于獨立的信息系統搭建，旨為實現特定的功能目標，如資源的調配、物料的管控、生產排程的下發等。目前生產車間普遍部署 MES（制造執行系統）、APS（生產計劃排程系統）、 SCADA（數據采集與監視控制系統）等各種信息系統，可以實現對車間整體自動化線的有效管控。 有效實現從采集、監控、到分析、反饋再引至輔助決策和前端設計，中間涉及到系統兼容、數據接口 / 格式、數據全面性、優化標的一致性等多種問題。生產計劃排程系統關注每個設備的工作能力、訂單數量、生產節拍等要素。信息數據處理模式完整囊括車間信息數據的獲取，分析、監控等功能，真正實現有效的管控運維。 全局性部署車間制造流程數據采集，可以較為系統地反映并記錄車間制造全流程的物理狀態，利用直觀的數據展現方式完成自動化產線實時有效管控、運維；并基于多維模型性征、數據分析、仿真模型，實現前饋控制及仿真優化。 智能化產線在實際生產流程中部署了數以千計的傳感器，共同收集各個不同層面的數據，包括生產機械的行為特征、半成品（厚度、顏色質地、硬度、轉矩、速度等）以及工廠內部的環境狀況等。該等數據不斷傳輸至數字孿生處理中心，并由該程序完成數據聚合。數以千計的傳感器持續開展重要檢測，并向數字化平臺傳輸數據。 數字化平臺進而開展準實時分析，通過比較透明的形式優化運營流程。生產流程中配置的傳感器可發出信號，數字孿生可通過信號獲取實際流程相關的運營和環境數據。傳感器提供的實際運營和環境數據將在聚合后與企業數據合并，企業數據包括物料清單、企業系統和設計規范等。其他類型的數據還包括工程圖紙、外部數據源連接以及客戶投訴記錄等。 4. 模型和算法演進 國內外一大批專注于工業生產線底層數據采集的技術公司在前一輪工廠自動化、數字化建設中成長起來，以西門子、 Honeywell、菲尼克斯電氣公司為首的自動化企業紛紛推出自己的數據采集網絡系統、智能網關等數據采集相關產品。另一方面，輕量化模型構造工具軟件產品的普及，以 Unity 軟件為代表的可視化引擎工具使用成本降低，極大的支撐了數字孿生核心技術的發展。國內，數字孿生行業的火爆催生了一大批原本致力于工廠數字化、物聯網、虛擬仿真技術的中小企業投入到數字孿生核心技術的開發中。 實際上，自從有了諸如 CAD 等數字化的“創作（ authoring）”手段，就已經有了數字孿生的源頭，有了 CAE 仿真手段，就讓數字虛體和物理實體走得更近，有了系統仿真，可以讓數字虛體更像物理實體，直至有了比較系統的數字樣機技術。發展到現在，人們發現在數字世界里做了這么多年的數字設計、仿真結果，越來越虛實對應，越來越虛實融合，越來越廣泛應用，數字虛體越來越賦能物理實體系統。 由于當前三維模型已成為表達產品信息的主要方式，而不同企業往往根據自身需求選用不同的三維設計平臺，甚至統一企業內部也由于協同設計的參與者不同，往往也習慣于使用符合自己習慣的不同三維設計軟件。由于 CAD 設計軟件所生成的產品三維模型文件各不相同，這就造成了瀏覽查看時必須使用特定的 CAD 軟件，上述這些原因直接導致了企業內部和企業間的數據交流和共享困難。 除了需要特定的 CAD 軟件進行讀取之外，發生在企業間和企業內部的三維模型數據的傳輸也會給企業的信息交流帶來障礙。以往的數據交換主要采用直接三維模型數據交換、中性幾何文件格式數據交換和中性顯示模型數據交換。這幾種傳統的三維模型數據傳輸方式都存在各自無可避免的缺點，要么要求必須具有相同的三維建模平臺，要么要求使用通用的三維瀏覽軟件，要么所傳輸的三維模型文件一般打開需要花費極長的時間，要么沒有幾何信息，不能精確地測量零件的幾何位置關系。這樣一來，無疑對于企業的信息交流是十分不利的。 此外大多數情況下企業的網絡帶寬不足以支撐龐大的三維模型數據傳輸，所以要在網絡上快速發布產品設計結果，實現產品數據的快速瀏覽和精確的幾何信息查閱，就需要對產品數據模型簡化，使數據交換文件更小，同時還需要保留詳細的幾何模型信息。目前 3d 輕量化技術發展比較成熟，它能夠在保留完整三維模型基本信息，保證模型精確度的前提下，將原始的三維模型原始文件進行最高上百倍的壓縮，實現百兆級以上數據的流暢瀏覽與操作，并使三維模型的可視化與三維軟件無關聯?，F有的技術中幾乎所有流行的三維文件格式，如 Catia V4、 Catia V5、 Pro/E、 UG、 SolidWorks、 Parasolid、 Inventor、IGES、 STEP、 VDA/FS、 SKP 等的輕量化，輕量化后的 3D 模型文件，仍將保留完整的數據結構并實現準確的測量。 數字孿生中的超輕量幾何模型處理技術作用在于數字孿生系統內幾何模型的構建，對于結構簡單的規則模型，直接對 STP 格式的 CAD 模型進行輕量化處理；對于結構復雜、存在較多曲型曲面的不規則模型，需 要在 3D Max 軟件中完成模型重建且一并完成貼圖渲染處理。 將制造資源和在制品的 CAD 模型導入 PIXYZ 軟件進行模型輕量化處理并導出 FBX格式的文件，將文件導入 3D Max 對模型進行局部光順化處理和貼圖處理，并導出 FBX 格式的文件；對于部分輕量化時間成本較高的模型，利用三維 CAD 軟件如 Pidex、 Solidworks，多媒體建模軟件如 3DS Max 等軟件對數字化車間的廠房、設備、工裝、車間 6S 元素等進行三維建模。 三維模型主要由三角面片、材質、動畫等部分組成， Unity 軟件支持多種外部導入的模型格式，但并不是對模型格式的所有參數都支持。經過測試， .FBX格式的所有屬性都得到了 Unity 軟件的支持，并且可以通過 3DS Max 軟件生成導出，因此三維場景文件都選擇 .FBX 格式。為了實現大場景模型的實時渲染，保證渲染的幀率，需要對面片較多的模型進行細節層次（ LOD）的制作。另外在三維場景中，由于有些模型的需要進行運動動作的可視化，因此在制作模型的過程中要定義各個部件之間的附屬關系，建立模型的節點關系。 5. 專業人才培養 統計結果顯示， 2010—2019 年間已有 50 余個國家開展了關于數字孿生技術的研究并發表了相關成果。通過對發表論文數量的統計，過去三年有關數字孿生文獻的發表數量呈指數式快速增長，體現出學術界對數字孿生技術的高度關注。研究成果主要來源于美國、德國、英國等具有較高科技水平的發達國家以及中國、俄羅斯、印度等發展迅速的國家的一千余名學者或專家。 在行業和企業方面，已經有十多個行業關注并開展了關于數字孿生技術的應用實踐，包括：電力、醫療健康、城市管理、鐵路運輸、環保、汽車、船舶、建筑等；已經有西門子、 PTC、戴姆勒等世界一流企業和美國 NASA、法國國家科學研究中心、俄羅斯科學院等世界頂尖科研機構的專家和學者探索了數字孿生在制造領域的應用。 與發達國家相比，中國雖然對數字孿生的關注和研究相對較晚，但在 2019 年已形成迎頭追趕的趨勢。隨著工信部的“智能制造綜合標準化和新模式應用”、“工業互聯網創新發展工程”、以及科技部“網絡化協同制造與智能工廠”等專項的實施，企業和研究院所建立了人才實訓基地和行業的核心智庫，培養并持續為行業輸出了關于數字孿生技術的復合型人才。數字孿生的應用需多領域學科人才的參與，如建模仿真領域人才、數據挖掘領域人才、感知接入領域人才等。 在社會培訓機構中，相關專業人才的培養也受到了越來越多的重視。代表性的如新華三大學，它正式宣布，將進一步深化校企合作，實踐產教融合，提出“新職素，新技能”的“雙新”概念，并通過“數字工匠”、“協同育人”兩大校企合作項目來實踐數字化人才培養、以“H3C 新技術認證體系”來檢驗數字化人才培養，無縫對接院校人才培養與企業人才需求，從質與量的維度更好地滿足數字經濟進入全新發展階段后對數字化人才的需求。智東西認為，數字孿生是近年來的熱門概念，它指的是物理實體或流程的準實時數字化鏡像。簡單來說，數字孿生就是在一個設備或系統的基礎上創造一個數字版的“克隆體”，數字孿生體最大的特點在于：它是對實體對象（本體）的動態仿真。也就是說，數字孿生體是會“動”的。它“動”的依據來自本體的物理設計模型,還有本體上面傳感器反饋的數據，以及本體運行的歷史數據，這十分有助于企業實現績效提升。未來，無論是政策制定者還是企業領導者，數字孿生都應該得到充分的重視。

責任編輯：lq