数字孪生：现实世界的数字复制体。它能帮助我们了解假设情景，精准地预测结果，快速获取传感器数据并模拟条件，并输出指令以操纵现实世界。
01数字孪生
当下，企业正在以多种方式使用数字孪生技术。
在能源领域，油田服务运营商通过获取和分析大量井内数据，建立数字模型，实时指导钻井作业；
在医疗保健领域，心血管研究人员正在为临床诊断、教育、培训等方面创造高仿真的人类心脏的数字孪生体；
作为智慧城市管理的典型案例，可以使用详细的虚拟城市模型，用于城市规划、维护和灾害预警项目。
数字孪生可以模拟物理对象或流程的各个方面。它们可以展现新产品的工程图和尺寸，也可以展现从设计到消费者整个供应链中所有子部件和相应环节—已建成“数字孪生”，也可采用“即维护”模式—生产车间设备的实物展现。仿真模型可以捕获设备如何操作，工程师如何维护，甚至该设备生产的产品如何与客户关联。数字孪生可以有多种形式，但它们无一例外都在捕获和利用现实世界的数据。
MarketsandMarkets的最新研究表明，数字孪生技术的探索已经展开：2019年数字孪生市场的价值为38亿美元，预计2025年将增至358亿美元。
是什么导致了这种猛增？数字孪生并非新事物，为何现在开始增长？自21世纪初以来，先锋企业已经开始摸索如何借助数字模型以改进产品和流程。尽管在当时数字孪生的潜力就已经显现，但很多企业发现，开发数字孪生涉及大量数据，而处理这些数据所需的连通性、计算能力、数据存储以及带宽成本高昂，令人望而却步。
数字孪生发展势头迅猛，得益于快速发展的仿真和建模能力、更好的互操作性和物联网传感器，以及更多可用的工具和计算的基础架构等。因此，各领域内的大小型企业都可以更多地接触到数字孪生技术。IDC预测，到2022年，40%的物联网平台供应商将集成仿真平台、系统和功能来创建数字孪生，70%的制造商将使用该技术进行流程仿真和场景评估。
与此同时，通过访问大量数据，使得创建比以往更为详细、更为动态化的仿真成为可能。对于数字孪生的长期用户而言，这就好比从模糊的黑白快照过渡到彩色高清数码照片一样，从数字源中获取的信息越多，最后呈现的照片就越生动逼真。
图数字孪生技术助力企业设计、优化和转型
02模型+数据=洞察力和实际价值
数字孪生功能最初是工程师工具箱里的一种选择工具，它可以简化设计流程，削除原型测试中的许多方面。通过使用3D仿真和人机界面，如增强现实和虚拟现实，工程师可以确定产品的规格、制造方式和使用材料，以及如何根据相关政策、标准和法规进行设计评估。数字孪生可以帮助工程师在确定设计终稿之前，识别潜在的可制造性、质量和耐用性等问题。因此，传统的原型设计速度得以提升，产品以更低的成本，更有效地投入生产。
除设计之外，数字孪生还有望改变企业对产品和机器进行预测性维护的方式。机器内嵌入的传感器将性能数据实时传输到数字孪生体，这不仅可以预先识别和解决故障，还可以定制服务和维护计划，更好地满足客户的个性化需求。
近期，荷兰皇家壳牌公司（Royal Dutch Shell）启动了一项为期两年的数字孪生计划，以帮助石油及天然气运营商更加高效地管理海上资产，加强工人安全保障，并探索可预见的维护时机。
数字孪生有助于优化供应链、分销和运营，甚至还可以优化上述业务相关的每个员工的个人表现。举例来说，全球快消产品制造商联合利华（Unilever）启动了一个数字孪生项目，旨在为旗下数十家工厂创建虚拟模型。在这些工厂内，物联网传感器被嵌入到机器内部，向AI和机器学习应用程序反馈机器性能数据，并进行分析。分析后的操作信息再输入到数字孪生体中，从而帮助工人预测机器维护的时机、优化产出并提高产品合格率。
再比如，智慧城市计划正使用数字孪生技术来缓解交通拥堵、进行城市规划等。新加坡雄心勃勃的“虚拟新加坡计划”（Virtual Singapore initiative）让一切成为可能，从规划基站和太阳能电池，到模拟交通方式和人流量。另一个潜在用途，可能是在新加坡年度F1赛车的封路期间，用于紧急疏散计划和路线安排。
03新事物
过去十年来，由于以下几个因素，数字孪生技术的部署一直在加速。
仿真：构建数字孪生技术所需工具的能力和成熟度都在不断提高。现在，人们可以设计复杂的假设仿真情景，从探测到的真实情况回溯，执行数百万次的仿真流程也不会使系统过载。而且，随着供应商数量的增加，选择范围也在持续扩大。同时，机器学习功能正在增强洞察的深度和使用性。
新的数据源：实时资产监控技术如LIDAR（激光雷达）与FLIR（前视红外）产生的数据，现在已经可以整合到数字孪生体内。同样地，嵌入机器内部的或部署在整个供应链的物联网传感器，可以将运营数据直接输入到仿真系统中，实现不间断的实时监控。
互操作性。过去十年里，将数字技术与现实世界相结合的能力已经得到显著提高。这一改善主要得益于物联网传感器、操作技术之间工业通信标准的加强，以及供应商为集成多种平台集成做的努力。
可视化。创建数字孪生体所需的庞大数据量可能会使分析变得复杂，如何获得有意义的洞察就变得更具挑战性。先进的数据可视化可以通过实时过滤和提取信息来应对该挑战。最新的数据可视化工具除了拥有基础看板和标准可视化功能之外，还包括交互式3D、基于VR和AR的可视化、支持AI的可视化以及实时媒体流。
仪器：无论是嵌入式的还是外置的物联网传感器都变得越来越小，并且精确度更高、成本更低、性能更强大。随着网络技术和网络安全的提高，可以利用传统控制系统获得关于真实世界更细粒度、更及时、更准确的信息，以便与虚拟模型集成。
平台：增加功能强大且价格低廉的计算能力、网络和存储的可用性和访问是数字孪生技术的关键促成要素。一些软件公司在基于云平台、物联网和分析技术领域进行了大量投资，紧跟数字孪生潮流。其中部分投资正在用于简化行业特定数字孪生应用的开发工作。
04成本与收益
为数字孪生提供动力的AI和机器学习算法需要大量数据，但多数情况下，生产车间的传感器所输入的数据可能已经损坏、丢失，或不完整。因此，团队应该立即开始收集数据，尤其是在问题数量最多、停机成本最高的地区。从现在开始逐步开发必要的基础设施和数据管理方法，可以帮助企业缩短获益时间。
即使是针对新流程、系统和设备而创建数字孪生体，也不是都能完美地测试整个流程。对于化学和生物反应，在极端情况下可能无法直接测量过程本身；而在某些情况下，测量一个物理对象可能成本过高或不太实用。因此，企业需要寻找一些代替物（比如利用车辆上的设备和传感器，而不是直接将传感器放入轮胎里），或者利用可以检测的元素（比如化学或生物反应所产生的光线或热量）。
另外，随着传感器成本的下降，平衡成本、收益分析对确定使用传感器数量至关重要。现代飞机引擎上可以有成千上万个传感器，每秒可生成数万亿字节的数据。
结合数据孪生、机器学习和预测模型，制造商可以提供各类建议，帮助飞行员优化燃油消耗、进行预测性维护、帮助机队管理成本等。然而，大多数应用只需在重要位置部署少量的传感器，即可检测流程内的关键输入输出数据，以及关键阶段。
05模型之外
未来几年里，我们将看到数字孪生技术在各行业中的广泛部署。在物流、制造和供应链领域，运用机器学习和先进网络连接（比如5G）的数字孪生技术，将更多地跟踪、监测、规划路线和优化整个工厂和世界各地的货物流，使得货物位置和所处环境（温度、湿度等）变得实时可见。在无需人为干预的情况下，“控制塔”可以指挥库存转移、调整装配线工艺步骤或重新规划集装箱路线等纠正措施。
一些从产品销售向产品+服务模式或销售即服务（As-a-service）转型的企业，正在开拓新的数字孪生技术应用。把数字孪生体与嵌入式传感器相连接，将其用于财务分析和预测，可以改善和优化预测、定价和增销机会。例如，企业可以监测产品磨损程度更高的使用情况，为其提供额外的保修或维护选项。企业可以在农业、交通和智能楼宇等多种行业以服务的形式销售产出或吞吐量。随着能力和成熟度的增加，预计未来会有更多企业以数字孪生为模型，为产品和服务寻求新的货币化战略。
图数字孪生趋势细分
06数字未来建模
随着数字孪生技术趋势在未来几年的加速，可能会有更多企业开始探索使用数字孪生技术来优化流程、实时制定以数据为驱动的决策，以及设计新的产品、服务和商业模式的机会。
在资本密集型产业，比如制造业、公用事业和能源，已是数字孪生技术应用的先驱。当早期实践者在各自行业领域内展现出先发优势时，其他企业也将紧随其后。
长期来看，若想要实现数字孪生技术的全部潜力，可能需要集成整个生态圈内的系统和数据。创建一个完整的客户生命周期或供应链（囊括了一线供应商和其自身的供应商）的数字化仿真，可以提供富有洞察力的宏观运营观点，但仍然需要将外部实体整合到内部数字化生态系统内。
直至今日，大多数企业仍对点对点连接之外的外部集成感到不满意。克服这种犹豫可能是一个长期挑战，但最终，所有的付出都将是值得的。未来，期望企业会利用区块链打破信息孤岛，继而验证信息并将其输入数字孪生体中。这可以释放先前无法访问的大量数据，从而使仿真更加细节化、动态化，更具潜在价值。现在，是时候将你的数字企业从黑白时代转换到彩色时代了。你准备好了吗？
07管理者视角
策略：虽然模拟现实世界的数字孪生技术已经存在多年，但新的需求仍需要我们重新审视当下的技术能力。价格低廉的传感器，物联网、机器学习及快速、无摩擦的云技术相结合，可以支持复杂的分析以及实时模拟。虽然制造业已经使用这一技术很多年了，而如今，企业也在不断探索如何将数字孪生技术用于运营、城市规划、智能基础设施等领域。此外，很多企业想要逐渐转向“即服务（As-a-service）”的商业模式，这对数字孪生的复杂程度又提出了新的要求。届时，企业就会面临一个很有挑战性的决策，是小规模投资此类试验，还是大规模投资以支持此类更广泛的创新呢？
财务：数字孪生有越来越大的潜力影响企业的底线，但是首席财务官们（CFOs）和他们的团队始终不能很好的理解这个技术。对许多财务部门的人来说，制造流程以及仓储物流的传统数字孪生仿真是制造部门的黑匣子。然而，高质量仿真、机器学习、嵌入式传感器的日益普及，正在改变这种现状。一些从产品销售转向产品加服务或即服务（As-a-service）模式的企业，正在使用强大的数字孪生技术。他们通过嵌入式传感器跟踪使用情况，创造使用推荐，主动维护或者利润优化这些新服务。同时，与IT部门合作理解数字孪生的现状及未来潜力越来越重要，特别是对于需要开发新产品、新服务等的企业而言。
风险：随着数字孪生技术与物联网和人工智能（AI）的结合，其颠覆性的力量正在增长。在目前的商业环境下，任何潜在的技术驱动带来的中端都可能给整个企业带来巨大的风险。但数字孪生可能不会显著增加风险，至少一开始不会。但是，随着对数字孪生的依赖性不断增强，企业会积累大量来自传感器或其它来源的数据，这可能会增加隐私或网络风险。如果数字双系统能够实现一个新的业务模型，该模型具有多个“即服务（As-a-service）”产品，那么企业要了解这些新的收入可能会对财务、技术和现有业务模型产生哪些实质性的影响。如果潜在风险很大，那么在IT和业务部门利用数字孪生技术之前，企业需要对这些风险进行评估和管理。
总结
未来，任何事物，包括人类、服务、全球企业甚至各个城市等，都会有相应的数字孪生体。这种规模可能不会在后续的18个月到24个月内出现，但数字孪生趋势在未来的数年里将不断发展壮大。试点项目和测试原型可以帮助企业判断哪些潜在领域能够借助数字孪生技术获益，现在，是时候迎接将至的颠覆性变革了。
未来智能实验室的主要工作包括：建立AI智能系统智商评测体系，开展世界人工智能智商评测；开展互联网（城市）云脑研究计划，构建互联网（城市）云脑技术和企业图谱，为提升企业，行业与城市的智能水平服务。
