隨著新一代信息技術與實體經濟的加速融合，工業數字化、網絡化、智能化演進趨勢日益明顯，催生了一批制造業數字化轉型新模式、新業態，其中數字孿生日趨成為產業各界研究熱點，未來發展前景廣闊。IDC預測，到2020年全球頭部600家企業都會使用數字孿生來提供產品創新。MarketsandMarkets預測，到2023年數字孿生市場規模將達到157億美元，并以38%復合年增長率增長。

　　數字孿生是一種新型制造模式

　　數字孿生是以數據和模型為驅動、數字孿生體和數字線程為支撐的新型制造模式，能夠通過實時連接、映射、分析、反饋物理世界的資產與行為，使工業全要素、全產業鏈、全價值鏈達到最大限度閉環優化。

　　一方面，數字孿生體是在虛擬空間構建的表征物理實體實時運行狀態的虛擬實體，具備融合幾何建模、仿真模擬、數據分析的全方位功能，扮演著綜合分析決策的角色。

　　另一方面，數字孿生在集成融合工業數據的過程中依賴于數字線程。數字線程是連接物理世界和數字孿生體的通道，也是多類數字孿生體間連接的通道，具備“在正確的時間，將正確的信息，以正確的方式，推送到正確的地方”的功能，數據集成和業務集成是其兩大核心功能。總之，數字孿生能夠基于“單個數字孿生體”或基于“數字線程串聯的多個孿生體集”，實現從“簡單組件”到“復雜物理系統”的連接、映射、分析、反饋。

　　數字孿生呈現四大發展趨勢

　　——六大核心技術支撐數字孿生構建虛實交互的閉環優化

　　數字孿生技術體系涵蓋感知控制、數據集成、模型構建、模型互操作、業務集成、人機交互六大核心技術。

　　感知控制技術具備數據采集和反饋控制兩大功能，是連接物理世界的入口和反饋物理世界的出口。數據集成實現異構設備和系統的互聯互通，讓物理世界和承載數字孿生的虛擬空間無縫銜接。模型構建實現對物理實體形狀和規律的映射，幾何模型、機理模型、數據模型的構建分別實現對物理實體形狀、已知（或經驗）的物理規律以及未知的物理規律的模擬。模型互操作承擔著將幾何、機理、數據三大模型融合的任務，實現從構建“靜態映射的物理實體”到構建“動態協同的物理實體”的轉變。業務集成是數字孿生價值創新的紐帶，能夠打通產品全生命周期、生產全過程、商業全流程的價值鏈條。人機交互將人的因素融入數字孿生系統，工作者可以通過友好的人機操作方式將控制指令反饋給物理世界，實現數字孿生全閉環優化。

　　——模型構建技術朝著提升建模效率和精度的方向發展

　　幾何、仿真、數據三類模型構建技術多措并舉，不斷提升建模效率和精度。

　　衍生設計和三維掃描建模技術推動幾何建模效率不斷提升。衍生設計基于算法指令實現復雜幾何模型自動化設計外觀；以工業CT為代表的三維掃描建模技術能夠捕獲測試件內部和外部完整、精確的圖像，直接生成完整的三維立體圖像。

　　深度學習和知識圖譜沿著兩條路徑分別提升模型描述的性能及拓展范圍。如利用深度學習進行汽車風洞測試，傳統方程法需一天，現在只需四分之一秒。例如華為通過構建知識圖譜，將采購、物流、制造知識聯系起來，實現供應鏈風險管理與零部件選型。

　　無網格仿真技術有望突破傳統仿真局限，提升仿真模擬效率。例如AltairSimSolid能夠在幾分鐘內分析全功能CAD程序集而無須網格劃分，大大優化了仿真求解速度。

　　——模型互操作技術加快統一模型間的語義和語法

　　典型的模型互操作涵蓋機理和數據模型、機理模型間、數據模型間互操作三大類。

　　多學科聯合仿真技術基于FMI、FMU規范統一了仿真模型接口標準，逐漸成為仿真模型間互操作主流選擇。例如Mod-elica已經成為汽車行業多學科聯合仿真標準語言。

　　聯邦機器學習在滿足數據隱私要求的前提下，實現不同人工智能系統數據模型間集成，有望成為數據模型間互操作的通用方法。例如谷歌和百度紛紛在人工智能框架下加入聯邦學習功能，以實現數據模型間互操作。

　　數據模型和機理模型互操作最為復雜，尚未形成統一方法論，但也得到了一定實踐。例如Math-Works將旗下MATLAB的數據分析和Simulink的仿真模擬兩大功能結合，實現對綜合業務模型的有效調參。此外，管理殼技術具備模型管理和標識解析功能，實現接口統一和語義統一，有望為全類模型互操作指明方向。

　　——數據集成和業務集成范圍不斷拓展且功能持續融合

　　數據集成和業務集成沿著兩條路徑持續推動集成范圍擴展。

　　一方面，數據集成技術主要面向底層數據互聯互通，數據集成類型和數據集成范圍在不斷提升。例如數據湖技術能夠集成結構化、半結構化和非結構化的全類數據。OPC-UA能夠實現設備與設備間、設備與系統間、系統與系統間的全場景連接。

　　另一方面，業務集成技術偏向于頂層工業業務的協同，新型軟件開發技術不斷推動業務集成技術發展。以西門子Mendix為代表的低代碼開發平臺正不斷整合不同類型工業軟件集成；以阿里為代表構建的業務中臺企業也在推動按需分配的業務流程配置技術發展。此外，信息模型正加快推動數據和業務融合，并朝著滿足信息量增加的需求方向發展。例如SOLID-WORKSMBD技術在傳統BOM上疊加了3D形狀、公差、注釋等信息，使各業務部門更直觀了解產品實時狀態。

　　數字孿生應用蓬勃發展

　　——數字孿生應用已滲透到資產、車間、企業各個層級

　　數字孿生應用場景廣泛，當前覆蓋“NIST智能制造系統”中的產品、生產和商業三大領域，并朝著實現三大領域價值鏈條全面優化的方向發展。

　　面向產品的數字孿生應用聚焦產品全生命周期優化。如AFRL與NASA合作構建F-15數字孿生體，基于戰斗機試飛、生產、檢修全生命周期數據修正仿真過程機理模型，提高了機體維護預警準確度。

　　面向車間的數字孿生應用聚焦生產全過程管控。如空客通過在關鍵工裝、物料和零部件上安裝RFID，生成了A350XWB總裝線的數字孿生體，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。

　　面向企業的數字孿生應用聚焦業務綜合評估與管理。如SoftwareAG基于ARIS業務流程建模功能構建了面向企業業務的數字孿生體，并通過模擬評估業務流程預見企業未來成本和績效。

　　——數字孿生應用由虛擬驗證向虛實交互的閉環優化發展

　　數字孿生應用發展歷程依次經歷虛擬驗證、單向連接、智能決策、虛實交互四大階段。

　　虛擬驗證能夠在虛擬空間對產品/產線/物流等進行仿真模擬，以提升真實場景的運行效益。如ABB推出PickMas-terTwin，客戶能夠在虛擬產線上對機器人配置進行測試，使拾取操作在虛擬空間進行驗證優化。

　　單向連接在虛擬驗證的基礎上疊加了IoT，實現基于真實數據驅動的實時仿真模擬，大大提升了仿真精度。如PTC和ANSYS合作，構建了泵的仿真模型，并將其與真實的泵連接，基于實時數據驅動仿真，優化模擬。

　　智能決策在單向連接的基礎上疊加了AI，將仿真模型和數據模型很好地融合，提升分析決策水平。如杭汽輪通過三維掃描構建幾何形狀，與平臺標準機理模型對比，并疊加人工智能分析，實現葉片的檢測試驗時間從2~3天降低至3~5分鐘。

　　虛實交互在智能決策的基礎上疊加了反饋控制功能，實現基于數據自執行的全閉環優化。如在西門子提供的產品體系中，設計仿真軟件NX具備虛擬驗證功能，MindSphere具備IoT連接功能，Omneo具備數據分析功能，TIA具備自動化執行功能。未來，西門子有望基于以上產品整合，真正實現數字孿生的虛實交互閉環優化。

　　我國需積極推動數字孿生發展

　　一是加強頂層設計，制定數字孿生參考架構。匯聚政產學研等各方力量加快制定數字孿生總體架構，搶占數字孿生國際標準制定權。同時，兼顧數字孿生參考架構與我國工業互聯網等原有架構的有效銜接，以及與美國IIC、日本IVI等參考架構的融通發展。

　　二是夯實基礎研究，加快突破數字孿生技術短板。一方面，加強政府政策引領，出臺數字孿生建設指南，設立相關科技專項，引導產業界開展數字孿生技術基礎研究。另一方面，鼓勵高校設立數字孿生相關學科，調動廣大高校師生的積極性和創新性，并投入數字孿生基礎技術研究中。

　　三是推進應用普及，宣傳數字孿生應用成果。組織開展數字孿生優秀應用案例遴選工作，樹立各行業數字孿生應用標桿企業。編制優秀應用案例手冊，并借助產業聯盟等各類宣傳渠道公示推廣。加強數字孿生實景展示，鼓勵全國各地工業互聯網創新展示中心融入數字孿生解決方案。

　　四是培育產業生態，共筑數字孿生解決方案。遴選數字孿生優秀技術供應商，構建數字孿生解決方案資源池。培育數字孿生創新生態，鼓勵數字孿生產業鏈上下游企業積極開展合作，共同打造數字孿生解決方案。