数字孪生这项技术为何一直难以突破“明年一定火”的魔咒？

为什么数字孪生技术很难突破“明年会流行”的魔咒？

年底会有“2019年十大技术”、“这五项技术明年改变世界”、“这八项技术改变天空，我不知道”等多种主题《不知道明年不想涨工资》等神秘文章出现。

其实这种预测要么是常识，要么根本不靠谱，并没有太多的洞察力；但是，如果有技术的话，上榜是不是有点尴尬？

就像一个高中生登上了学校的“这十个人明年考上北大”的公告，显然是一件值得高兴的事情。但如果连续三年上榜，家里恐怕会很着急。

真的有这样的技术。有兴趣的可以翻翻从2016年到今天的预测榜单，你会发现有一项技术一直在上面。它被称为：数字孪生。

所谓数字双胞胎，用更正式的说法来解释：它是指通过将产品的物理实体集成到信息空间中的仿真模型中而实现的数字双胞胎数字孪生价值，以及利用数字双胞胎来实现实现产品生命周期档案管理相关技术。

你不明白吗？

没关系，没关系。说白了，数字孪生就是现实中的一台机器，我们在一台电脑上构建了一个一模一样的虚拟机。这样，在数字世界里折腾机器，看看它什么时候坏，我们就可以预测真机什么时候大修。

听起来很合理，不是吗？

事实上，数字孪生在建筑工程、智慧城市、航空设计等各个领域确实有着广阔的应用前景，也是德国著名工业探索的核心技术之一4.0。西门子目前被公认为全球数字孪生投资最大、探索最深入的公司。

不过，问题来了，为什么这个发声技术活在“明年一定会流行”的预测中？

这技术真是物联网界的“屠龙术”，没用吗？

这篇文章就是来回答这些问题的，不然我为什么要说这么多呢？

但要小心，第一段结尾我们要经过一个逻辑转折，你必须跟上。

为什么它永远活在“明年”？

《航空周刊》曾预测，到 2035 年，航空公司在收到飞机的同时，也会收到一套数字飞机。这套数字飞机包含了真实飞机的每一个部件、每一个结构，并随着真实飞机的每一次飞行而老化。这样，飞机的任何问题都可以在数字孪生系统中预先感知，从而将航空安全提升到一个新的水平。

然而，这一想法随后遭到航空业人士的反对，他们认为依靠虚拟地图来确定飞机故障是一个真正不可靠的谬论。飞机在每次飞行过程中所承受的气压、气流和温差都会不同程度地影响飞机的机械结构。而这种影响在虚拟世界中是无法精细体现的。只有依靠数字系统判断飞行器的真实情况，才能真正将飞行器带入危险境地。

这场辩论反映了数字双胞胎领域的一个固有问题：数字双胞胎在制造业等领域发挥作用的想法是好的。然而，数字孪生无法真正复制物理细节，但工业系统必须保证高度的准确性。这种技术的消失在看起来很酷和实际上没有被使用之间左右为难。

这里有一个概念需要澄清。自从2002年密歇根大学教授Dr.第一次公开提出数字孪生的概念以来，它并不是一系列的技术方法，而是一个技术目标。

与 AI 一样，人工智能实际上是模拟人类智能、思维和情感的多种技术实现的集合，而不仅仅是专家系统或机器学习。阵列孪生也是如此。它是一个技术集群，由各种旨在复制真实生产系统的技术解决方案组成，而不是一种称为数字孪生的技术。

在数字孪生模型中，我们笼统地讨论设计物理模拟、传感系统、大数据、沉浸式技术、物联网数据可视化技术等。简而言之，可以参与复制物理生产系统目标的技术可以算作数字孪生的一部分。

正是因为其中一些技术近年来发展迅速，数字孪生也频频进入预测名单，让人感觉这项技术即将到来。但是，如果你真的想在虚拟世界中完全复制一条生产线和一架飞机，你会遇到几个障碍。

例如：

缺乏通用平台。数字孪生涉及设计、传感、虚拟现实、数据识别、物理虚拟化等多个维度的技术。这些都很难在统一的平台上表达出来。真正需要配对的设备并不多。让我们回想一下，工厂里的大多数机器都没有随时更新的虚拟备份和影子系统，它们不是很好用吗？因此，数字孪生很可能是一种商业空间很小的技术服务；需要的行业不多，主要是根据定制化需求。对物理表示进行数字模拟仍然很困难。如今很多物联网云平台提供的“数字孪生”服务只能提供数据监控和3D模型。将庞大的生产系统、工业系统甚至交通系统连接起来所需的计算能力是惊人的。但是，占用这么大的算力，能否将收益最大化，还是值得怀疑的。

从这个角度来看，真正监控和预测全过程周期的数字孪生系统离我们还太远。但在某种程度上，我们可以将各种现有技术称为数字孪生的一部分，甚至 CAD 图纸也是孪生生产系统。

但如果画得很紧，数字双胞胎可能仍然存在于实验室中。

但不要急于绝望，这个故事其实和今天的人工智能有些相似。比如我们想要像奥创这样的人工智能，可能要等到8102，但是如果我们想用人工智能来完成人脸识别什么的，那么2018年就可以了。

数字孪生也是如此。虽然理想的工业数字孪生甚至城市数字孪生都不可靠，但如果我们把它当作一个想法，并且愿意承认不完全数字孪生同样有价值，那么在这两年的工业服务市场上，可能会出现意想不到的情况发现。

例如，依托数据挖掘+物联网云+AI的技术轨迹，工业数据的数字孪生显示出巨大潜力——无需等到明年。

这个逻辑的关键节点是：为什么我们要在屏幕上看到一台可以拆装的机器，就像科幻电影里一样，并且保留它所有的物理属性？我们只需要通过对虚拟世界的计算和分析，让机器发出更大的生产力。

机器学习+数据挖掘在一定程度上激活了数字孪生

大部分工业生产设备本质上是一种数据运算，输入生产材料，输出生产结果。其中，使用的资源数量、良品率、生产效率、生产成果，这些最关键的节点也是数据。如果我们放弃直接可见性，保留物理特征的数字孪生，而只是将数据系统孪生，似乎技术上并没有什么特别的挑战。

随着云计算、数字化升级等概念的兴起，越来越多的云服务商和企业数字化服务商开始提供基于数据采集的数据级系统孪生服务。例如， 早就提供了类似的功能。

但对于企业来说，尴尬的部分是：我的机器结对后我到底能得到什么？

在屏幕上看到大量数字似乎对企业没有多大意义。

它带来的提升不外乎两点：一是企业管理者和工程师可以更准确地看到全局数据；但企业数据有备份，有问题可查询。

两者当然都有道理，但相比高昂的服务费，似乎值得考虑。

人工智能的到来，正是数据挖掘技术和机器学习技术的融合，正在激活这个简单的数字孪生体的新生命力。

传统意义上，一个工厂的各种原材料、设备、人员、质检都是独立的生产系统，相互合作更多是靠工人的经验。所谓生产线，往往是为上一道工序预留的，以最大化生产时间，然后进入下一道工序。

这就像一个有雾的十字路口。因为怕撞车，所以要等上一辆车经过很长一段路，下一辆车才敢开过去。巨大的生产效率也被浪费了。而如果我们利用机器学习技术，利用数字孪生系统来模拟生产环节的衔接，就可以揭开生产环节之间的认知迷雾，用上帝视角引导车间的交通。

当然，机器学习+工业数据的想象远不止于此。能源消耗问题、成分问题、不良品原因等工业生产中的问题都可以通过类似的能力来解决。

所以，人工智能带来的想象，重新激活了数据孪生的企业应用价值。包括3D模拟机，在众多AI算法的帮助下，还可以预测损坏点和修复时间。

于是，故事就变成了这样：在我们期待的全物理拟态数字孪生还很遥远的今天，数字孪生可能会基于工业IoT+AI的落地产生另一个价值。而这一发展机遇正在对数字行业的许多产业关系产生不利影响。

数字孪生的试用版也激发了工业物联网

最后，我们来谈谈数字孪生技术给当今 AI+ 行业带来的一些变化。在日趋活跃的B端智能技术市场中，数字孪生的价值在于为企业提供一个可在虚拟世界中备份、传输、学习和逻辑分析的参考框架。很多智能工业平台都引入了数字克隆，为企业提供基于数字孪生的增值服务越来越多样化。

在工业物联网系统中，更主流的智能需要经历这样一个过程：首先，基于数据采集和传感系统，构建最完整的数据采集系统；然而，基于物联网云上传数据，让企业可以拥有数字化基础；然后使用数字孪生解决方案在虚拟平台中构建工业设备的抽象图像；然后根据具体目标，利用深度学习算法等技术完成对数据的智能分析，并提供优化生产过程的方法。可行性分析;最后根据分析结果对各个环节进行技术优化和人工优化。

这当然只是一个基本逻辑。在解决具体问题时，企业要应对千变万化的特殊问题。在整个工业智能体系中，数字孪生为企业带来了许多新的可能性。

例如：

降低工业物联网的进入门槛。远程分析和集中数据监控等基于互联网的工业生产解决方案已成为可能。企业不一定要聘请强大的数据专家或人工智能学者数字孪生价值，但可以通过数字孪生远程找到行业优化解决方案。定制生产更容易。通过将数字孪生技术与人工智能相结合，企业将更容易解决定制工业产品的设计与生产之间的关系问题。精细化生产和快流化生产都变得更加容易。企业的“经验”也可以结对。如今，很多企业都不愿意尝试数字化转型，因为企业中的很多生产流程都是抽象的经验，是一步一步摸索出来的，手把手地传递。盲目的数字化可能会引起工人的不适并降低生产力。数字孪生带来的另一种可能性是，基于机器视觉和数据吸收设备，企业可能会在数据平台上将无法实现的东西，比如生产经验、工艺习惯等进行孪生。实现行业经验与产业实体的数字化融合。

虽然我们目前只使用剥离数字孪生技术的试用版，但它可能甚至都没有叫过这个名字。但是，在一个技术体系的完善中，这项技术确实可能会给实体经济带来很多启示。虽然像影子平面这样的数字双胞胎可能还需要几年的时间，但有什么意义呢。

让预测回归预测，让实际工作回归实际工作。许多技术不必等到完全成熟后才能应用。在这种非典型案例中，或许可以让我们获得更典型的技术可能性。