摘要：

數字孿生以各領域日益龐大的數據為基本要素，借助發展迅速的建模仿真、人工智能、虛擬現實等先進技術，構建物理實體在虛擬空間中的數字孿生體，實現對物理實體的數字化管控與優化，開拓了企業數字化轉型的可行思路。首先介紹了數字孿生的演進與價值，然后給出了數字孿生典型特征及其體系架構，并基于該架構介紹了多項數字孿生關鍵技術，最后對數字孿生進行了展望，包括其面臨的挑戰與未來發展趨勢。

01

概述

數字孿生中“孿生”的基本思想最早起源于上個世紀美國國家航空航天局（NASA）的阿波羅計劃，通過留在地球上的航天器對發射到太空的航天器進行工作狀態的仿真模擬，進而輔助航天員完成決策，明顯減少了各種操作結果的未知性。

“數字孿生”一詞首次出現于 2009 年美國空軍研究實驗室提出的“機身數字孿生體”概念中，而“數字孿生”作為獨立概念首次出現則是在 2010年 NASA 的2份技術報告中，其被定義為集成多物理量、多尺度、多概率的系統或飛行器仿真過程。此后，數字孿生正式進入公眾的視野，也開始得到各研究領域的重視。

2012 年，NASA 指出數字孿生是驅動未來飛行器發展的關鍵技術之一；2013年，NASA將數字孿生列入“全球科技愿景”；2017年佐治亞理工大學首次提出數字孿生城市，2018 年中國信通院發布了《數字孿生城市研究報告》；從 2018 年起，ISO、IEC、IEEE 三大標準化組織也開始著手數字孿生相關標準化工作。

數字孿生目前沒有統一的理論體系，自其誕生以來，各研究與應用領域對其提出了多種定義，如表1所示。

02

數字孿生的價值

數字孿生自應用以來，在產業、商業、社會等方面體現出了其重要的價值。

a）產業價值方面，構建全產業鏈的數字孿生體能夠促進產業向制造與服務融合發展的新型產業形態轉型，即從市場需求、用戶溝通、產品設計、產品制造、物流供應、維保服務等全產業鏈出發構建數字孿生體，使傳統產業具備定制化生產能力，實現更為敏捷和柔性的商業模式；而構建產品全生命周期的數字孿生體，有助于建立產品從研發、仿真、制造到使用的閉環體系，加快產品研發和迭代升級，進一步推動產業的發展。

b）商業價值方面，隨著數字孿生技術得到各領域認可，很多科技企業已經著手研發數字孿生技術并推出了相關產品，這些產品在落地應用中不斷升級優化，逐漸滿足市場客戶的實際需求，為企業帶來了可觀的經濟效益，同時也促進了更多企業共同推動數字孿生產品的商業化；另一方面，企業構建產品全生命周期的數字孿生體，有助于改善產品設計、優化生產流程、快速定位問題，實現提高產品質量、降低生產成本、提升生產效率等目標，其也是數字孿生商業價值的重要體現。

c）社會價值方面，數字孿生能夠推動社會數字經濟的發展。數字經濟是繼農業經濟、工業經濟之后，隨著信息技術革命發展而產生的一種新經濟形態，其核心在于數據驅動發展，構建實體經濟的數字孿生體，對數據整合及利用，進行模擬決策、資源配置、市場發掘等仿真與復現，在提高勞動生產率、發掘經濟新增長點、實現經濟可持續增長等方面發揮著重要作用。

03

數字孿生體系架構

數字孿生具備以下幾個典型特征。

a）數化保真。“數化”指數字孿生體是對物理實體進行數字化而構建的模型。“保真”指數字孿生體需要具備與物理實體高度的接近性，即物理實體的各項指標能夠真實地呈現在數字孿生體中，而數字孿生體的變化也能夠真實反映物理實體的變化。

b）實時交互。“實時”指數字孿生體所處狀態是物理實體狀態的實時虛擬映射。“交互”指在實時性的前提下，數字孿生體與物理實體之間存在數據及指令相互流動的管道。

c）先知先覺。“先知”指在根據物理實體的各項真實數據，通過數字孿生體進行仿真，實現對物理實體未來狀態的預測，預先知曉未來狀態能夠輔助用戶做出更合理的決策。“先覺”指根據物理實體的實時運行狀態，通過數字孿生體進行監測，實現對系統不穩定狀態的預測，預先覺察即將可能發生的不穩定狀態，使用戶更從容地處理該問題。

d）共生共智。“共生”指數字孿生體與物理實體是同步構建的，且二者在系統的全生命周期中相互依存。“共智”一方面指單個數字孿生系統內部各構成之間共享智慧（即數據、算法等），另一方面指多個數字孿生系統構成的高層次數字孿生系統內部各構成之間同樣共享智慧。

根據數字孿生的典型特征，可以提出一種數字孿生的體系架構。

感知層：感知層主要包括物理實體中搭載先進物聯網技術的各類新型基礎設施。

數據層：數據層主要包括保證運算準確性的高精度的數據采集、保證交互實時性的高速率數據傳輸、保證存取可靠性的全生命周期數據管理。

運算層：運算層是數字孿生體的核心，其充分借助各項先進關鍵技術實現對下層數據的利用，以及對上層功能的支撐。

功能層：功能層是數字孿生體的直接價值體現，實現系統認知、系統診斷、狀態預測、輔助決策功能。系統認知一方面是指數字孿生體能夠真實描述及呈現物理實體的狀態，另一方面指數字孿生體在感知及運算之上還具備自主分析決策能力，后者屬于更高層級的功能，是智能化系統發展的目標與趨勢；系統診斷是指數字孿生體實時監測系統，能夠判斷即將發生的不穩定狀態，即“先覺”；狀態預測只是數字孿生體能夠根據系統運行數據，對物理實體未來的狀態進行預測，即“先知”；輔助決策是指能夠根據數字孿生體所呈現、診斷及預測的結果對系統運行過程中各項決策提供參考。

應用層：應用層是面向各類場景的數字孿生體的最終價值體現，具體表現為不同行業的各種產品，能夠明顯推動各行各業的數字化轉型，目前數字孿生已經應用到了智慧城市、智慧工業、智慧醫療、車聯網等多種領域，尤以數字孿生城市、數字孿生制造發展最為成熟。

04

數字孿生關鍵技術

根據數字孿生體系架構，數字孿生包含了以下各項關鍵技術。

4.1 建模

建模是創建數字孿生體的核心技術，也是數字孿生體進行上層操作的基礎。建模不僅包括對物理實體的幾何結構和外形進行三維建模，還包括對物理實體本身的運行機理、內外部接口、軟件與控制算法等信息進行全數字化建模。數字孿生建模具有較強的專用特性，即不同物理實體的數字孿生模型千差萬別。目前不同領域的數字孿生建模主要借助 CAD、Matlab、Revit、CATIA 等軟件實現，前兩者主要面向基礎建模，Revit 主要面向建筑信息模型（Building Information Modeling，BIM）建模，CATIA則是面向更高層次的產品生命周期管理（Product Lifecycle Management，PLM）。

4.2 仿真

仿真是數字孿生模型驗證的關鍵方法。仿真和建模是一對伴生體，如果說建模是對物理實體理解的模型化，那仿真就是驗證和確認這種理解的正確性和有效性的工具。仿真是將具備確定性規律和完整機理的模型以軟件的方式來模擬物理實體的一種技術。在建模正確且感知數據完整的前提下，仿真可以基本正確地反映物理實體一定時段內的狀態。

仿真起源于工業領域，近年來，隨著工業 4.0和智能制造等新一輪工業革命的興起，仿真軟件開始與傳統制造技術及各類新興技術結合，在研發設計、生產制造、試驗運維等各環節發揮了重要的作用。

4.3 云計算與

邊緣計算

云計算為數字孿生提供重要計算基礎設施。云計算采用分布式計算等技術，集成強大的硬件、軟件、網絡等資源，為用戶提供便捷的網絡訪問，用戶使用按需計費的、可配置的計算資源共享池，借助各類應用及服務完成目標功能的實現，且無需關心功能實現方式，顯著提升了用戶開展各類業務的效率。云計算根據網絡結構可分為私有云、公有云、混合云和專有云等，根據服務層次可分為基礎設施即服務（IaaS）、平臺即服務（PaaS）和軟件即服務（SaaS）。

邊緣計算是將云計算的各類計算資源配置到更貼近用戶側的邊緣，即計算可以在如智能手機等移動設備、邊緣服務器、智能家居、攝像頭等靠近數據源的終端上完成，從而減少與云端之間的傳輸，降低服務時延，節省網絡帶寬，減少安全和隱私問題。

云計算和邊緣計算通過以云邊端協同的形式為數字孿生提供分布式計算基礎。在終端采集數據后，將一些小規模局部數據留在邊緣端進行輕量的機器學習及仿真，只將大規模整體數據回傳到中心云端進行大數據分析及深度學習訓練。對高層次的數字孿生系統，這種云邊端協同的形式更能夠滿足系統的時效、容量和算力的需求，即將各個數字孿生體靠近對應的物理實體進行部署，完成一些具有時效性或輕度的功能，同時將所有邊緣側的數據及計算結果回傳至數字孿生總控中心，進行整個數字孿生系統的統一存儲、管理及調度。

4.4 大數據與人工智能

大數據與人工智能是數字孿生體實現認知、診斷、預測、決策各項功能的主要技術支撐。大數據的特征是數據體量龐大，數據類型繁多，數據實時在線，數據價值密度低但商業價值高，傳統的大數據相關技術主要圍繞數據的采集、整理、傳輸、存儲、分析、呈現、應用等，但是隨著近年來各行業領域數據的爆發式增長，大數據開始需求更高性能的算法支撐對其進行分析處理，而正是這些需求促成了人工智能技術的諸多發展突破，二者可以說是相伴而生，人工智能需要大量的數據作為預測與決策的基礎，大數據需要人工智能技術進行數據的價值化操作。目前，人工智能已經發展出更高層級的強化學習、深度學習等技術，能夠滿足大規模數據相關的訓練、預測及推理工作需求。

在數字孿生系統中，數字孿生體會感知大量來自物理實體的實時數據，借助各類人工智能算法，數字孿生體可以訓練出面向不同需求場景的模型，完成后續的診斷、預測及決策任務，甚至在物理機理不明確、輸入數據不完善的情況下也能夠實現對未來狀態的預測，使得數字孿生體具備“先知先覺”的能力。

4.5 物聯網

物聯網是承載數字孿生體數據流的重要工具。物聯網通過各類信息感知技術及設備，實時采集監控對象的位置、聲、光、電、熱等數據并通過網絡進行回傳，實現物與物、物與人的泛在連接，完成對監控對象的智能化識別、感知與管控。

物聯網能夠為數字孿生體和物理實體之間的數據交互提供鏈接，即通過物聯網中部署在物理實體關鍵點的傳感器感知必要信息，并通過各類短距無線通信技術（如 NFC、RFID、Bluetooth 等）或遠程通信技術（互聯網、移動通信網、衛星通信網等）傳輸到數字孿生體。

4.6 VR、AR、MR

VR、AR、MR 技術是使數字空間的交互更貼近物理實體的實現途徑。虛擬現實（Virtual Reality，VR）將構建的三維模型與各種輸出設備結合，模擬出能夠使用戶體驗脫離現實世界并可以交互的虛擬空間。增強現實（Augmented Reality，AR）是虛擬現實的發展，其將虛擬世界內容與現實世界疊加在一起，使用戶體驗到的不僅是虛擬空間，從而實現超越現實的感官體驗。混合現實（Mixed Reality，MR）在增強現實的基礎上搭建了用戶與虛擬世界及現實世界的交互渠道，進一步增強了用戶的沉浸感。

在VR、AR、MR技術的支撐下，用戶與數字孿生體的交互開始類似與物理實體的交互，而不再僅限于傳統的屏幕呈現，使得數字化的世界在感官和操作體驗上更接近現實世界，根據數字孿生體制定的針對物理實體的決策將更加準確、更貼近現實。

05

數字孿生展望

5.1 面臨的挑戰

5.1.1 技術方面的挑戰

數字孿生的發展在技術方面面臨以下5項挑戰。

a）數據采集傳輸及管理的挑戰。對于數據采集，主要挑戰在于傳感器的種類、精度、可靠性、工作環境等受到當前技術發展水平的限制；對于數據傳輸，主要挑戰在于傳輸的實時性，而目前應用的大多數網絡傳輸設備和網絡結構難以滿足高級別的傳輸速率及質量要求；對于數據管理，全壽命周期數據管理需要借助于分布式及冗余存儲，如何優化數據的分布架構、存儲方式和檢索方法以獲得實時可靠的數據讀取性能，是其應用于數字孿生系統面臨的挑戰。

b）多尺度融合建模的挑戰。首先，現實中的復雜系統往往很難建立精確的數理模型。目前的建模方法大多基于統計學算法將數據轉化為物理模型的替代，模型的可解釋性不足，難以深度刻畫或表征物理實體的機理。如何將高精度傳感數據與物理實體的運行機理有效深度結合，獲得更好的狀態評估和系統表征效果，是構建準確數字孿生模型的關鍵。其次，高層次的數字孿生系統往往需要對大量不同物理實體進行建模，在將這些不同尺度的模型融合為一個綜合的系統級模型時，增加不同模型間的數據接口及數據翻譯器，解決模型參數及其格式不一致的問題，同樣是數字孿生建模過程中的挑戰。

c）高性能計算的挑戰。數字孿生系統各項功能的實現非常依賴高性能的計算能力，對系統所搭載的云計算平臺，優化數據結構、算法結構，并配套足夠的算力，對部署在終端的邊緣計算平臺，綜合考量算力和功耗的平衡，均是數字孿生系統層面需要面臨的挑戰。而在服務層面，如今用戶所需的人工智能基礎設施不足、人工智能應用方案成本過高等也是亟待解決的問題。

d）虛擬呈現的挑戰。如今 VR、AR、MR技術本身存在很多亟待突破的瓶頸，而對復雜的數字孿生系統，VR、AR、MR 技術難點有2個：一是需要布置大量的高精度傳感器采集系統的運行數據，為虛擬呈現提供必要的數據來源和支撐，二是如何將虛擬內容疊加至現實空間并提供沉浸式的虛實交互體驗。

e）系統安全的挑戰。數字孿生系統中數字孿生體與物理實體的交互是建立在網絡數據傳輸的基礎上的，數字孿生的應用使得企業原有的封閉系統逐漸轉變為開發系統，因此系統的安全問題隨之而來。首先是數據傳輸與存儲的安全，即在傳輸及存儲的過程中面臨數據丟失、數據泄密等風險，其次是數字孿生虛實交互過程中存在安全漏洞，而導致其易受外界攻擊，進而引起系統紊亂，影響數字孿生體與物理實體之間的數據信息及控制指令的交互效率。

5.1.2 應用方面的挑戰

數字孿生在落地應用方面也面臨一定的挑戰。

a）多場景應用的挑戰。數字孿生涉及的行業有待繼續拓展，目前數字孿生得到實際應用的行業少之又少，主要集中在智慧城市、智能制造等行業。在其他行業數字孿生仍停留在概念及原型設計的階段。另外數字孿生大規模應用的場景也比較有限，即使是在已經投入實際應用的個別行業中，數字孿生更多是為單一小場景或單個系統服務，如單一建筑或單個機器的數字孿生體，還沒有得到大規模場景下的應用。

b）數字孿生產業鏈的挑戰。具體產業的整條產業鏈中涉及各種不同職能的主體，通過建立數字孿生產業鏈能夠實現這些主體的跨區域、跨行業、跨企業、跨部門的高效協同與資源優化配置，但目前數字孿生產業鏈中的各主體尚處于碎片階段，聯系不夠緊密，數字化程度較低。

5.2 發展趨勢

a）技術方面。在數字孿生的發展過程中，各項配套關鍵技術越來越成熟。硬件支持技術的發展能夠為系統帶來高效率的數據傳輸能力及高性能的計算能力，軟件相關算法及模型的發展能夠為系統帶來可靠的數據管理能力及深度的模型融合能力，這些都在不同層面推動了數字孿生在各個領域的落地應用，而未來隨著新一代信息技術、先進制造技術、新材料技術等系列新興技術的共同發展，數字孿生將在探索與嘗試、優化與完善中進一步發展。

b）應用方面。隨著數字孿生的普及，更多企業能夠發掘各類數據的潛藏價值，并據此構建更精細、更動態的數化模型。因此從長遠來看，數字孿生的應用一方面將向廣度發展，即數字孿生將應用到更多的行業，服務更多的場景，另一方面將向深度發展，即貫穿具體產業的整條產業鏈，全面覆蓋上下游各類主體，追求產業的數字化轉型。

c）政策方面。國家對數字孿生相關技術的重視程度在不斷提高，未來必會將出臺更多鼓勵人工智能、云計算、大數據等技術深度發展的政策，這將進一步推動數字孿生不斷走向成熟。同時，國家仍將繼續推進企業數字化轉型的進程，并加深數字經濟與實體經濟的深度融合，在經濟支持政策和技術支持政策的雙重紅利下，數字孿生也將愈加完善，最終造福于國家和人民。

審核編輯 黃宇