在过去的十多年里，“消费互联网”已经改变了人类的行为。而尽管消费世界已经数字化，工业界的数字化应用并没有受到太多关注。随着元宇宙时代的来临，数字孪生 (digital twin) 将彻底颠覆工业领域的现状，让工业实体通过3D数字世界连接起来。
2020年5月数字孪生联盟 (DTC) 成立，两年时间，DTC的成员已覆盖了36个国家的250多家企业，成为了世界上最大、最有权威性的数字孪生组织。如今，微软、谷歌、Autodesk、英特尔、达索系统、通用电气 (GE) 等公司都已加入联盟。
可见，在近几年各种3D技术、人工智能和网络基础设施迅速发展的推动下，数字孪生市场已逐渐规模化，形成产业生态。如此大的潜在市场，机会都在哪里呢？今天科技前哨将为你介绍一番数字孪生，看看这一领域都有什么新鲜业务和重大挑战。
1. 什么是数字孪生？
根据DTC的定义，数字孪生是真实实体世界的虚拟化呈现，在指定的频率和保真度上保持同步。用DTC指导委员会主席Bill Ruh的话来说，“数字孪生就像是给你了一个水晶球，能够根据过去和当下发生的事情来预测并模拟未来。”
通过持续不断地更新历史和实时数据，数字孪生实现虚拟与物理世界的同步和一致。目的不是仅仅复制我们已经做到的事情，而是在虚拟环境中通过仿真和测试发现潜在问题、作出诊断分析，从而优化现实中的决策行动。
从概念上来看，许多人将数字孪生理解为物理世界与数字世界之间的双向映射。而值得被强调的是，这并非仅仅是表面上静态物体的映射，更是内在动态逻辑和流程的映射。与不可自动化的计算机辅助设计模型 (CAD) 不同，数字孪生不限于设计阶段，而是关联到生产线的全生命周期。
举个简单的例子，假设数字孪生被应用在一家汽车OEM厂商中，它不仅能够通过算法权衡不同部门对产品配置的矛盾要求，还能根据技术和材料成本的变化自动化地实时调整生产流程，在保证质量的情况下加速产品上市周期。如果客户发现汽车出现故障，商家则能通过数字孪生追踪生产过程中的质量偏差，甚至追溯到上游供应链，基于反馈再次进行优化和创新。
2. 数字孪生应用案例
数字孪生的应用极为广泛，除了工业制造，它在医疗科学、建筑工程、城市管理等领域也会带来颠覆性的影响。前哨科技将为你介绍5个数字孪生的应用案例。
Autodesk：土木建筑工程
在土木建筑工程领域，Autodesk开发了一个名为Autodesk Tandem的数字孪生平台，提供建筑项目从设计、建造到运营的全程数字化管理，并收集整个项目生命周期中所产生的建筑信息模型 (BIM) 数据。项目交付后，基于BIM数据创建的资产数字孪生体能够持续提供服务，比如建筑的长期维护管理、翻新改造、拆除等。
由于数字孪生与物理实体的数据是同步更新的，它可以根据实时条件进行分析和决策，例如通过预测太阳的路径来规划太阳能光板的方向，甚至通过模拟、调整室内气流来减少病毒传播。
Autodesk Tandem建筑数字孪生
通用电气 General Electric (GE)：能源电网
通过结合先进的分销管理系统 (ADMS)、地理空间信息系统 (GIS) 和先进的能量管理系统 (AEMS)，通用电气 (GE) 公司为美国的电网运营商建设了一个电网数字孪生 (Network Digital Twin)，基于真实的运营数据创建了基础设施端对端的网络连接3D可视化模型，方便不同电网部门实时协同。
电网数字孪生与机器健康技术 (machine-health tech) 有共同之处，通过虚拟模型提前预测极端天气、设施老化以及可再生能源对电网的影响，在没出故障前就对其进行优化升级。据通用电气预计，电网数字孪生能够帮助电网运营商缩减高达30%的成本和20%的规划时间，数据的精准分析能将现场检查和后勤办公的效率提升8%。
不支持的音频/视频格式
00:00 / 00:00
GE Digital的电网数字孪生
Duality Robotics：机器人研发、军用测试
为了弥合机器学习中的数据缺口和自动化流程中机器的行为差异，Duality Robotics研发了一款Falcon数字孪生模拟器，实现仓库自动化机器人、空中检查无人机、国防机器人、制造业生产检验及AI工作流程的优化。
前不久，美国国防高级研究计划局 (DARPA) 选中了英特尔和Duality Robotics作为RACER-Sim计划的总承包商，为越野自动驾驶提供虚拟的越野测试环境，从而在不造成真实伤害的情况下提高军用无人地面车辆 (UGV) 的安全性、可靠性、适应性以及机动能力，减少大量时间和经费。
Duality Robotics计划为DARPA渲染一张20公里x4公里的逼真虚拟环境，通过数字孪生越野车的虚拟传感器，精确模拟车辆的不同运行条件。机器人的研发往往需要很多时间，Duality Robotics的创始人兼CPO Michael Taylor表示，数字孪生模拟大大加速了产品研发流程，保证了系统的持续优化。
Duality Robotics的数字孪生模拟器
西门子医疗 Siemens Healthineers：医疗健康
西门子医疗使用2.5亿个注释图像和运营数据训练人工智能，并创建人体心脏的3D数字孪生，能够根据不同患者的心脏大小、射血分数、肌肉收缩等生理参数进行建模。医生能够在患者个性化的心脏数字孪生体上进行疗法测试，选择出最佳执行方案。
此外，心脏数字孪生体能够帮助医生提前预测、评估患者是否有心血管疾病的风险，为患者定制合理的健康管理系统，采取预防疾病的措施。未来，结合大数据和人工智能，基于人体器官的数字孪生甚至能够被应用在个性化药物研发领域中。
西门子医疗的心脏数字孪生体
Nota与NVIDIA：城市交通管理
作为一家AI模型优化平台，韩国公司Nota的主要业务是为韩国平泽市建设智能交通系统，通过采集、跟踪交通数据，用AI强化学习对潜在事故进行实时预测。不过，Nota的创始人兼CEO Tai-Ho Kim表示，AI数据收集是一个大难题，除了涉及到司机和行人的数据隐私问题外，极端天气、车祸、车辆逆行等相对罕见的事件也很难找到案例。
而英伟达 (NVIDIA) 的数字孪生工具能够解决这一问题。通过借助英伟达数字孪生Omniverse开放平台针对自动驾驶和运输开发的Drive Sim虚拟模拟器，Nota可以连接多种场景和环境，生成各种交通行为和交通事故的虚拟模型，从而在数字孪生中轻松收集数据，缩减城市交通智能管理系统的开发时间和成本。
Nota借助英伟达数字孪生平台建设智能交通系统
3. 数字孪生的前景与挑战
工业元宇宙将迎来爆发
据Research and Markets最新预测，2022-2030年全球数字孪生市场的年增长率接近40%，市场规模从110多亿美元暴涨到1500多亿美元。
数字孪生增长空间巨大
可见，作为“工业元宇宙”，数字孪生会在未来十年迎来巨大增长。而这一增长背后的推动力不仅是多项技术的成熟和集合，更是时代和商业模式的变迁。
数字孪生与产品生命周期管理 (PLM) 不同。自1960到1970年代计算机开始逐渐取代绘图板以来，数字化工具就已在工业领域被大量运用，PLM已成为工程师的第一语言，帮助企业在组织中编写、处理、交流产品信息。
但PLM只是完成了产品从设计到制造的管理，而商业模式的不断演进模糊了产品设计和使用的边界。比如，用户希望产品在被使用时其功能还会继续升级，甚至不再直接购买产品，而是采用订阅制服务，或将产品视为服务生态系统的一部分。
在这种情况下，PLM到制造的后期就戛然而止了，无法满足用户的全部需求。而数字孪生则可以与PLM对接，实现对产品从设计、使用到损耗报废全生命周期的透明化、自动化管理。
数字孪生使生产流程更便捷灵活、降低成本，大幅提升了测量精度以及分析和预测能力，并加快企业对客户需求的响应。更重要的是，它将原本无法存储的工业设计、制造和服务的经验数字化，方便传授分享，从而不断推动不同产业的集合与创新。
可以说，数字孪生既是我们从产品规模化到服务规模化时代的必然结果，也是我们从服务规模化到创造规模化时代的新开端。
一个巨大的工程
目前，现有的平台还不够系统化，适用于一个行业的数字孪生解决方案可能不适用于另一个行业。数字孪生的大规模实现离不开数据基础和技术支持的加强和沉淀。这不仅需要大量资金投入，还需要企业和产业共同努力形成生态，打通不同业务和管理层的数据流。
另外，数字孪生的独特之处在于它的建模过程并非全靠数据学习，相反，专家和研究团队的意见十分重要，因为数字孪生体必须与各个企业或产业的现实战略性和操作性保持一致。
数字孪生的发展一方面需要各个行业整合，另一方面需要保证其在各个行业的专业性，这是一个巨大的工程。
实际上，目前数字孪生发展面临的最大问题是格式的不统一。比如，假设一家汽车制造商想要为它的工厂和汽车构建精准的数字孪生，这不仅需要工厂的所有AECO运营数据、生产流水线的CAD数据、制造模型的设计数据，还需要将这些数据格式标准化，让它们在同一框架下达成同步。
不过，英伟达已经押注支持它Omniverse的通用场景描述 (USD) 格式，认为USD将成为实现数字孪生跨行业协作、计算、AI流程的主要格式。英伟达正在积极与各行业的企业合作，将不同系统和数据类型接入Omniverse，尽力推广USD，将数字孪生标准化。
数字孪生联盟 (DTC) 正在联合工业界、政府和学术界推动数字孪生的发展，但目前整个行业还处于构建产业框架和定义一致性的早期阶段。各家数字孪生公司的业务依旧处于分散的状态，既没有形成上下游的行业整合，也没有看到确定的长期回报率。
数字孪生技术现处于导入期，小部分企业的适用、适应阶段下还未形成应用标准。随着新一代信息技术与实体经济的深度融合，数字孪生将为人类社会的运转和进化带来无限的可能，但我们离这一天的到来还有一段距离。
