透过《数字孪生白皮书2020》，看平行世界的当下与未来

校对 | 中国软件网 暻

如同人工智能一样，近两年大热的数字孪生技术，也并非第一次出现。早在2003年时，美国密歇根大学Michael Grieces教授便在其产品生命周期管理课程上引入了“Digital Twin”。

随后在2010年时，NASA（美国国家航空航天局）在其太空技术路线图中正式引入了数字孪生一词。随后数字孪生在越来越多的国家以及地区逐渐萌芽。

直到近两年，伴随着云计算、大数据、移动互联网、人工智能、5G、物联网等技术的不断成熟，数字孪生的应用领域早已超出航空航天的范围，被广泛应用于工业、制造业、石油天然气、电力、城市管理、船舶、医疗等多个行业。

为了详细描述数字孪生的现状以及未来发展，中国电子技术标准化研究院联合树根互联、特斯联、中机生产力促进中心等20余家数字孪生领域开发商、集成商、科研院所、高校联合编写了《数字孪生应用白皮书2020》（以下简称“白皮书”）。

对此，中国电子技术标准化研究院表示：希望通过梳理、分析数字孪生技术热点、行业动态和未来趋势，为整个数字孪生产业发展提供初始连接纽带，以加快推动产业的发展应用。

01

数字孪生的不同定义

首先，结合白皮书简单了解下数字孪生的定义。学术界认为，数字孪生是通过数字化的方式借助历史数据、实时数据以及算法模型等，模拟、验证、预测、控制物理实体全生命周期过程的技术手段创建物理实体的虚拟实体。

企业对数字孪生的定义是资产和流程的软件表示，用于理解、预测和优化绩效以实现改善的业务成果。由数据模型，一组分析或算法，以及知识三部分组成。

结合两组定义不难看出，数字孪生不同于仿真、信息物理系统CPS、数字主线、资产管理壳等技术，其主要具备以下几个特点：互操作性、可扩展性、实时性、保真性以及闭环性。

02

生态系统的六大模块

白皮书重点对数字孪生生态系统做了阐述。白皮书介绍道，数字孪生生态系统由基础支撑层、数据互动层、模型构建与仿真分析层、共性应用层和行业应用层六大模块组成。分别对应从设备、到数据、再到行业应用的全生命过程。

其中，基础支撑层是物联网的终端，包括芯片、传感器等设备，用于数据的采集以及向网络端发送。诸如高通、英特尔、ARM、AMD、三星、英伟达、谷歌、华为与阿里等提供芯片；博世、意法半导体、德州仪器、霍尼韦尔、飞思卡尔、英飞凌、飞利浦、汉威电子、华工科技等提供传感器。

数据互动层包括数据采集、数据传输和数据处理等内容。其中，数据采集一般通过分布式控制系统（DCS）、可编程逻辑控制器系统（PLC）和智能检测仪表进行采集；数字孪生模型是动态的，建模和控制基于实时上传的采样数据进行，对信息传输和处理时延有较高的要求；交互与协同，即虚拟实体实时动态映射物理实体的状态，在虚拟空间通过仿真验证控制效果，根据产生的洞察反馈至物理资产和数字流程。

模型构建与仿真分析层包括数据建模、数据仿真和控制。模型构建是指为用户提供数据获取和建立数字化模型的服务，是数字化的核心技术，如测绘扫描、几何建模、网格剖分、系统建模、流程建模、组织建模等，主要由国有测绘企业主导市场。

仿真业务不仅需要建立物理对象的数字化模型，还要根据当前状态，通过物理学规律和机理来计算、分析和预测物理对象的未来状态。其中又分为工业仿真软件和复杂系统（交通和物流等）仿真软件。目前，国内工业仿真软件市场被外资产品占据，如 ANSYS、海克斯康（2017 年收购 MSC）、Altair、西门子、达索、Cadence，Comsol，Autodesk，ESI，Synosys，Midas，Livemore等。

共性应用层包括描述、诊断、预测、决策四个方面。其需要软件定义的工具和平台提供支持，如Bentley 的 iTwin Service、ANSYS 的 TwinBuilder、微软的 Azure、达索的3D Experience等。

行业应用层是针对行业需求的数字孪生技术在智慧城市、交通、水利、工程、工业生产、能源、自动驾驶、公共应急等领域的各种应用服务，市场规模超千亿人民币，国内外供应商超过 1000 家。

除了六大模块外，数字孪生生态系统需要云计算、人工智能、边缘计算技术层的支撑，并需要安全层、其他服务的支撑。

03

数字孪生带来的新模式新业态

当下，数字孪生已在各类型、各领域得以应用。Gartner 的研究显示，截至 2019 年 1 月底实施物联网的企业中，已有 13% 的企业实施了数字孪生项目，62% 的企业正在实施或者有计划实施。

白皮书也收集涵盖了智能制造、智慧城市、智慧交通、智慧能源、智慧建筑、智慧健康等六个领域共计31个数字孪生应用案例。在此可简单看下几个例子。如在智能制造领域由数字孪生驱动的智慧火电应用案例：某火电厂监控信息系统在数据量采集、功能分散、重要设备机理模型等方面存在问题。

数字孪生技术的应用，帮助该火电厂建立了火电机组设备模型、机理模型和管理模型，实现了数字模型与机组设备的双向同步和实时互动，并支持安全环保、总体绩效、机组优化、燃料管理等功能。

再比如数字孪生技术在智慧滨海城市数字大脑项目的运用。滨海新区在2018年提出以智慧政务、智慧经济、智慧城管和智慧民生四大版块 N 个智慧应用为重点，分三年推进智慧滨海建设，实现大数据一张图支撑决策、大运营一条链服务产业以及大平台一张网惠及民生。

借助数字孪生技术，滨海城市大脑一方面实现了全域全量数据资源的管理和可视化展示，另一方面借助协同计算能力、模型仿真引擎，实现了滨海城市治理、民生服务、产业发展等各系统协同运转。

最后看下数字孪生技术在智慧能源领域油气管道上的应用。2018 年，以中俄东线天然气管道工程建设为标志，中石油提出建设具备全方位感知、综合性预判、一体化管控、自适应优化能力的智慧管网并开题立项，力求实现管道运行管理由精细化模式进一步朝智能化、精准化方向升级。

借助数字孪生技术，管网系统实现了全生命周期、全业务链数据和模型的标准化、集成化；再结合大数据、仿真、云计算、人工智能等技术的非线性叠加，最终管道实现了全业务链下信息、技术和知识的融合共享，形成了新型协同运转的业态模式。

04

走向未来需跨越多重阻碍

值得注意的是，尽管数字孪生如今发展得如火如荼，且未来形式一片大好。但当下仍存在着诸多挑战。结合白皮书，可以看到，数字孪生存在的挑战主要有以下几个方面：

一是标准化方面：从2015年开始，数字孪生便吸引了 ISO、IEC 和 IEEE 等国际标准化组织的关注。目前，数字孪生在全球存在着多个标准，仍需进一步良性互动。另一方面同一领域之间的标准也需进一步融合。

二是数据相关的挑战：这是数字孪生的核心之一。主要面临的问题是多维度/多尺度数据采集的一致性较难实现、传输的稳定性不足、准确度难以保障、存储处理能力不足、接口协议标准不统一、互联互通互操作的挑战等。

三是基础数据库相关的挑战：表现在系统层级方面数字化、标准化、平台化的缺失; 设计，制造，销售，物流，服务等生命周期上结构化、传承性、规划性的缺失；价值链方面应用价值不足、兼容性差、盈利模式不明。

四是安全方面的挑战：包括数据传输与存储、制造系统控制安全的挑战。

五是商业模式相关的挑战：表现在多技术的融合、多领域应用、多场景应用方面的问题以及产业链仍需完善。

六是人才相关的挑战：这是因为当下数字孪生技术的核心软件由国外人才主导。同时，尽管多个国际性标准组正就数字孪生技术开展研究，但仍需培养数字孪生标准化研究相关专业人才，对共性标准进行制定。

七是多系统融合的挑战：包含物理世界的多系统挑战、数据采集及传输环节的挑战、模型构建方面的挑战以及交互协同的挑战。

参考资料：《数字孪生白皮书》2020版