|
文章来源《元宇宙十大技术》 数字孪生与数字原生是元宇宙的技术栈中不可或缺的组成部分，构成了元宇宙中除了“真人”以外的虚拟数字人、物、场等主要内容，也是元宇宙中知识的主要来源。 因此它们一起组成了元宇宙的数字底座。 第一节 数字孪生是什么 随着近两年数字经济的快速发展，尤其是元宇宙概念在 2021 年的爆发，一个原本比较偏工业领域的专业概念——数字孪生，得到了前所未有的重视，受到了广泛关注和热议。 数字孪生，通俗的理解就是物理世界中的物体通过数字化的手段在数字世界里生成镜像，借此实现对现实物体的状态变化完整的映射，对包含该物体的生产或者运行过程进行记录、分析和预测，从而实现完整地溯源该物体生产、演化的流程，合理规划该物体的生产或者运行过程，在问题发生之前预见到问题并给出相应的解决方案等功能。 下面我们从数字孪生的诞生开始梳理一下数字孪生的过去、现在和将来。 一、数字孪生的起源与发展 在智能制造领域最先使用数字孪生概念的是 NASA。 NASA 在阿波罗整改项目中制造了两个完全一样的空间飞行器，留在地球上的飞行器被称为“孪生体”。 在飞行准备阶段，该“孪生体”被用来进行宇航员的训练任务，在任务执行阶段用来对飞行中的空间飞行器进行仿真分析，监测和预测空间飞行器的飞行状态，辅助地面控制人员做出正确的决策。 从 NASA 对数字孪生的应用来看，数字孪生主要是要创建和物理实体等价的虚拟体或数字模型。 虚拟体能够对物理实体进行仿真分析，能够根据物理实体运行的实时反馈信息对物理实体的运行状态进行监控，能够依据采集的物理实体的运行数据完善虚拟体的仿真分析算法，从而对物理实体的后续运行和改进提供更加精确的决策。 密歇根大学的迈克尔·格里夫斯教授于 2003 年提出了“物理产品的数字表达”的概念，并指出物理产品的数字表达应能够抽象地表达物理产品，能够基于数字表达对物理产品进行真实条件或模拟条件下的测试。 这个概念虽然没有被称作数字孪生，但是它具备数字孪生所具有的特质和功能，因此被广泛认可为数字孪生的雏形。 后来一直到 2010 年，NASA 首次在报告中正式提出了“Digital twin”（数字孪生）一词。 美国国家标准与技术研究院于 2012 年提出了 MBD（基于模型的定义）和 MBE（基于模型的企业）的概念，其核心思想是要创建企业和产品的数字孪生模型，数字孪生模型的仿真分析要贯穿产品设计、产品设计仿真、加工工艺仿真、生产过程仿真、产品的维修维护等整个产品的生命周期。 MBD 和 MBE 的概念将数字孪生的内涵扩展到了整个产品的制造过程。 此后在工业生产领域，数字孪生概念广泛开花结果。例如从 2012 年起，NASA 和美国空军在其飞行器设计、生产、使用中广泛使用了数字孪生相关技术，显著地提高了生产效率，降低了使用成本。 美国的工业巨头通用电气推出基于数字孪生理念的资产预计管理系统，德国工业巨头西门子也研发了通过数字孪生开发的全新平台 Simcenter——一个灵活、开放和可扩展的仿真及测试解决方案组合，支持用户在数字化转型中的各类创新活动。 涵盖了工程开发中的系统、结构、流体、电磁和电子设备仿真以及物理测试等全过程。 近些年来，随着物联网、AI、3D 重建、生命科学等技术的发展，数字孪生概念正被其他行业广泛地吸收借鉴，比如融合了建筑信息系统、城市信息系统以及地理信息系统的数字孪生城市。 此外，它还被广泛应用于自动驾驶模拟、城市规划治理、智慧城市大脑等应用领域； 医学研究学者基于数字孪生思想构建的“虚拟婴儿”可以排查家族遗传病，追踪人体健康发育状况等。 近年来，数字孪生的研究和应用越来越热门，得到了业界广泛的关注和研究，但其概念和内涵上却并没有一个统一的定义。 随着数字孪生研究和实践的不断推进，学术界、工业界不断赋予数字孪生各种定义，从众说纷纭的数字孪生定义中我们可以得出这样一些共性的描述： ●数字孪生是一种虚拟空间中的数字模型； ●数字孪生模型对应的是物理空间实体； ●数字孪生模型的生成方式是利用传感器采集实时的以及历史的数据，然后通过数字化的方法抽象出来； ●数字孪生在时间轴上是覆盖对应实体的全生命周期的； ●数字孪生在功能上是映射、模拟和仿真； 综合上面这些共性描述，我们可以给出一个比较完整的、博采众长的数字孪生定义： 针对物理世界中的实体，通过采集其实时数据并综合其历史数据，利用数字化的方法抽象出来的能够对该实体进行全生命周期映射、模拟和仿真的虚拟世界中的数字模型。 需要注意的是，对实体进行全生命周期映射，不仅构建了元宇宙的部分物、场（场景，类似环境），还参与构建了元宇宙的部分事件。 二、数字孪生的理想形态 数字孪生的未来会走向何方？ 我们从时间、空间、数据、连接以及应用等几个维度去畅想一下数字孪生的未来： ●时间维度：数字孪生将从物理实体的规划、设计、生产、运行直到消亡，覆盖整个物理实体的全生命周期。 ●空间维度：从单个实体孪生到完整产线孪生，再到数字孪生工厂、数字孪生城市，实现多粒度全覆盖与不同粒度、不同应用场景的数字孪生互联、互通。 ●数据维度：数字孪生的数据不仅包括贯穿产品全生命周期的全要素、全流程、全业务的相关数据，还强调数据的融合，如信息物理虚实融合、多源异构融合等。 此外，数字孪生在数据维度上还应具备实时动态更新、实时交互、及时响应等特征。 ●连接维度：指从物理世界到虚拟世界的感知接入、可靠传输和智能服务。 从满足信息物理全面连接映射与实时交互的角度和需求出发，理想的数字孪生不仅要支持跨接口、跨协议、跨平台的互联互通，还强调数字孪生不同维度（物理实体、虚拟实体、孪生数据、服务/应用）间的双向连接、双向交互、双向驱动，并且强调实时性，从而形成信息物理闭环系统。 ●应用维度：数字孪生不仅在仿真、虚拟验证和可视化等方面体现其应用价值，还可针对不同的对象和需求，在产品设计规划、运行监测、碳中和与碳溯源、智能管控、故障预测与诊断、设备健康管理等领域一展身手。 第二节 数字孪生与元宇宙 中国工程院李德仁院士谈道：“随着元宇宙的火爆，数字孪生概念也随之被热捧。 但不应将二者混为一谈，数字孪生是通过网络空间的模拟、仿真等还原真实世界并影响现实生活，是要对地球负责的。” 数字孪生是一个在元宇宙之前就诞生了的有其独特含义的概念，与元宇宙的概念有本质上的区别，然而二者又有千丝万缕的联系。 一、求同存异：数字孪生与元宇宙的焦点分析 数字孪生与元宇宙的共同点是，它们都以数字技术为基础，再造高仿真的数字对象和事件，以进行可视化、沉浸式的感知交互和运行，其底层支撑技术可通用。 二者不同的是，元宇宙可以显示物理世界为数字框架，也可以完全塑造全新的理念数字世界（数字原生），终极形态是虚实相生的数字社会。 其中每个元宇宙公民拥有数字身份和数字化身，可共同在线社交甚至建设文明，由此可知，元宇宙的根本焦点是在于“人”。 而数字孪生则是以信息世界严格、精确映射物理世界和事件过程为框架和基础的，无论是工业制造，还是城市管理，都是基于实时客观数据的动态进程，与 AI 结合的挖掘分析和深度学习，并进一步模拟情境和决策，以改进现实或更好地适应现实，最终实现自动控制或自主决策控制。 由此可见，数字孪生的根本焦点在于“物”。 二、站在巨人的肩膀上：数字孪生对元宇宙发展的促进作用 可以看到，数字孪生的应用更加倾向于对行业效率的改进和技术创新，而元宇宙的应用更倾向于构建公共娱乐社交的理想数字社会。 但这并不妨碍两者的结合。 基于各种 3D 模型扫描重建技术，例如激光雷达扫描、无人机倾斜摄影、卫星遥感等产生的高精地图、点云模型等数据，再融合遥感时空、传感器、物联网、定位轨迹、业务专题、社交内容、文字文档等时空动态数据，通过游戏级引擎的渲染和可视化与沉浸式体验技术，可以构建元宇宙的高保真、高聚合的数字时空场景。 同时，在数字孪生应用中得到锤炼的各种 IT 技术，发展成为“元宇宙”的技术支撑。 可以说元宇宙赢得如此多的关注和重视，一部分原因是站在了数字孪生这个巨人的肩膀上。 在中国，数字孪生对于赋能实体经济、建设有中国特色的元宇宙，意义非常重大。 三、大胆的猜想：工业元宇宙“吞噬”数字孪生 通过前面两小节对元宇宙与数字孪生的异同分析，我们可以得出如图 9-1 所示的现阶段元宇宙概念与数字孪生概念之间的关系，即数字孪生的部分核心技术是组成元宇宙技术地基的重要部分。 同时，在数字孪生中和工业生产以及城市运行规划等，与决策辅助息息相关的仿真与模拟、预测与调优等技术在并不在元宇宙概念当下的讨论范围之内，然而随着产业元宇宙概念尤其是工业元宇宙相关的探讨逐步深入，相关的产品逐渐浮现，我们可以大胆地猜想，在不远的将来，数字孪生的应用场景会被工业元宇宙所覆盖，数字孪生的核心技术会被工业元宇宙所继承并得以发扬光大，最终数字孪生会被工业元宇宙概念吞噬，成为元宇宙的一个子集。
图 9-1 现阶段元宇宙与数字孪生的关系 第三节 数字孪生技术剖析 数字孪生是一个复杂且完整的技术体系，依赖于诸多新技术的发展和高度融合，为了使读者对数字孪生技术能有一个由浅入深的了解，本章节将从介绍与其相关的技术开始，过渡到分层次地剖析数字孪生技术栈，最后着重分析数字孪生的核心技术。 一、触类旁通：数字孪生的相关技术 数字孪生概念的历史虽然不长，但是数字孪生技术内涵的探索与实践早在多年前就已开始，并取得了相当多的成果。 例如虚拟样机、信息物理系统、数字线程（Digital Thread）等相近或者相关概念，这些概念或是对数字孪生技术的一种先行实践，一种技术上的孕育和孵化，或是与数字孪生技术齐头并进、相辅相成。
虚拟样机技术是 20 世纪 80 年代逐渐兴起、基于计算机技术的一个新概念。 虚拟样机技术是将 CAD 建模技术、计算机支持的协同工作技术、用户界面设计、基于知识的推理技术、设计过程管理和文档化技术、虚拟现实技术集成起来，形成一个基于计算机、桌面化的分布式环境以支持产品设计过程中的并行工程方法。 虚拟样机技术就是在建立第一台物理样机之前，设计师利用计算机技术建立机械系统的数学模型，进行仿真分析并从图形方式显示该系统在真实工程条件下的各种特性，从而修改并得到最优设计方案的技术。 虚拟样机是一种计算机模型，它能够反映实际产品的特性，包括外观、空间关系以及运动学和动力学特性。 借助于这项技术，设计师可以在计算机上建立机械系统模型，伴之以三维可视化处理，模拟在真实环境下系统的运动和动力特性并根据仿真结果精简和优化系统。 虚拟样机可以视为数字孪生的基础和雏形，它们的相似之处在于： （1）都构建了三维虚拟模型来替换或者映射对应的物理实体，从而在虚拟的数字世界中进行物理空间中需要进行的活动，例如测试、仿真、评估、验证等，从而减少时间和经济成本； （2）不同设计者甚至最终用户可以通过与虚拟的数字模型交互参与到设计中来，提升产品设计的效率和用户满意度。 但是虚拟样机与数字孪生的不同点更多，其中最根本的区别在于： （1）虚拟样机只覆盖了产品设计阶段，而数字孪生覆盖了产品的整个生命周期； （2）虚拟样机与实体之间没有联系，而数字孪生与实体直接保持着密切联系，实时反映着实体在全生命周期中的状态变化。 2.信息物理系统（CPS） 信息物理系统源自嵌入式系统的广泛应用，源头可以追溯到 2006 年。 美国国家科学基金会的 Helen Gill 最先用这个词来描述传统的 IT 术语无法有效说明的日益复杂的系统。 信息物理系统随后被列为美国研究投资的重点项目，从而进入了研究机构与工业界的视野。 信息物理系统作为计算进程和物理进程的统一体，是集合计算、通信与控制于一体的下一代智能系统。 信息物理系统通过人机交互接口实现和物理进程的交互，使用网络化空间以远程的、可靠的、实时的、安全的、协作的方式操控一个物理实体。 信息物理系统包含了将来无处不在的环境感知、嵌入式计算、网络通信和网络控制等系统工程，使物理系统具有计算、通信、精确控制、远程协作和自治功能。 它注重计算资源与物理资源的紧密结合与协调，主要用于一些智能系统上，如设备互联、物联传感、智能家居、机器人、智能导航等。 信息物理系统赋予了人类和自然界一种新关系。 在现实物理世界中，各项物理进程本是自然发生的，但信息物理系统是一种人为物理系统或者说是一种将人类和物理世界相结合的更为复杂的系统。 信息物理系统将计算、网络和物理进程结合在一起，物理进程受到网络的控制和监督，计算机收到它所控制物理进程的反馈信息。 在信息物理系统中，物理进程和其他进程紧密联系、相互关联，充分利用不同系统间结构的特点。 信息物理系统意味着监测各项物理进程并且执行相应的命令来改变它。换句话说，物理进程被计算系统所监视着。 该系统和很多小设备相关联，拥有无线通信、感知存储和计算功能。 从广义上看，信息物理系统和数字孪生具有类似的功能，并且都描述了信息（数据）与物理的融合，涉及的传感器、物联网、嵌入式等技术也都可以通用。 但是信息物理系统和数字孪生还是有很多明显的区别。例如从要解决的问题的范畴来看，信息物理系统偏向于解决科学问题，而数字孪生专注于解决工程问题。 从信息（数据）与物理实体的映射关系来看，信息物理系统是 1 对多映射，而数字孪生是 1 对 1 映射。从强调的核心来看，信息物理系统更重视传感器和执行器，数字孪生更重视数据与模型。 3.数字线程 数字线程的概念可以追溯到 2003 年，它在美国空军和洛克希德·马丁公司合作的 F-35 战斗机项目里首次被提及。 数字线程当时其实是指 F-35 的 3D 数字化的设计，它取代了传统的飞机制造中使用的纸上蓝图，使得整个飞机的设计和制造过程更加有效率和准确，否则 F-35 的造价会更为昂贵。 通用电气的石油和天然气业务集团对数字线程的具体定义为： 数字线程贯穿了整个产品的开发过程，从产品概念、最初的设计和 3D 原型，到测试和设计验证，再到完整合理的产品设计，最后到在我们在智能工厂里生产的产品。 它还承载供应链，使产品能交付、安装、运行上线。 数字线程还负责产品的监测和管控，还有产品全生命周期的健康把控以及运行性能数据的传送。 在一个公司的数字化转型的项目里，数字线程和数字孪生是两个非常关键和核心的概念。 其中数字线程使真正的数字孪生成为可能，或是按 IBM（国际商业机器公司）的说法就是“Digital Threads Make Better Digital Twins”（数字线程成就更好的数字孪生）。 二、技术架构：数字孪生的四个层次 数字孪生技术的实现依赖于诸多先进技术的发展和应用，其分层技术架构如图 9-2 所示，从数据到应用的顺序可以分为数据层、建模计算层、功能层和体验层。 从建模计算层开始每一层的实现都是在前面各层的基础支撑之上，是对前面各层功能的进一步丰富和扩展。 1数据层 数据层是整个数字孪生技术体系的地基，支撑了整个上层结构的运作，主要包含了物联网技术、全生命周期数据管理技术以及高速数据传输技术三个部分。
图 9-2 数字孪生分层技术架构 物联网技术尤其是其涵盖的先进传感器技术以及分布式传感技术，使得数据孪生技术体系能够获取更加准确、充分、全面的实体状态数据。 而完整、全面、准确的数据是整个数字孪生技术体系的基础，是构建上层数字孪生模型，开发相关功能，给出用户基于数字孪生的应用体验的核心。 因此，物联网技术是整个数据层的重中之重，是数字孪生技术体现中最关键的技术之一。 海量传感数据实时地在实体与数字孪生体之间的传输，是保障数字孪生系统的实时性，为用户提供及时准确的数据与反馈的关键技术。 尤其是近年来随着工业 5G、Wi-Fi6 等高速、高可靠性以及多连接终端的无线传输技术的发展，高速数据传输技术也正向摆脱“线缆”的束缚的方向大踏步前进，这为终端用户方便快捷地获取直观的显示体验打下了坚实的基础。 全生命周期数据管理尤其是高效率、高可靠性的海量数据存储与检索技术，是大数据分析、数字建模、高效率云边融合计算技术以及数字仿真模拟等相关功能实现的技术保障，是整个数字孪生系统性能提升的关键因素。 分布式云存储技术的发展为全生命周期数据管理提供了高性能、高可靠性和可动态扩展的平台保障，为数字孪生完整技术栈的发展铺平了道路。 2.建模计算层 建模计算层是数字孪生技术体系中最核心的一层，是数字孪生解决方案中上层功能和应用的前提和基础。 这一层包含的数字建模、大数据与 AI，以及云边融合计算等相关技术，均为构建数字孪生技术体系的中坚力量，在后文的数字孪生核心技术剖析小节会给出详细的介绍与分析。 3.功能层 功能层面向实际的系统设计、生产、使用和维护需求，提供相应的功能，包含但不仅限于数字设计辅助、数字仿真模拟、生产过程监控以及产线评估等功能。 这些功能组合成数字孪生相应的解决方案，用以提升复杂系统在设计和使用过程中的生产效率以及生产过程的优化，预见到即将发生的故障并给出相应的处置建议。 作为数字孪生技术体系的直接价值体现，功能层可以根据实际系统需要进行定制，在建模计算层提供的强大信息接口的基础上，功能层可以满足高可靠性、高准确度、高实时性及智能辅助设计、决策等多性能指标，提升整个数字孪生产品在全生命周期内的表现。 本层中的数字仿真与模拟技术是数字孪生技术体系中不可或缺的一环，在下个小节中对此会有更详细的介绍。 4.体验层 体验层主要是为数字孪生解决方案使用者提供良好的人机交互使用环境，让使用者能够获得身临其境的技术体验，从而迅速了解和掌握复杂系统的特性和功能，并能够便捷地通过图形界面化操作甚至语音和肢体动作等方式访问功能层提供的功能。 本层主要包含可视化渲染技术以及沉浸式体验技术。 随着 GPU 硬件技术的迅猛发展，可视化渲染技术近年来有了日新月异的变化，使用户可以完整地得到工厂级甚至城市级的 3D 模型可视化与交互体验。 与沉浸式体验相关的 AR、VR、MR 以及 XR 的技术进步同样对用户体验的提升起到了至关重要的作用，让用户能够获得接近真实的体验。 体验层这种新展示方式是在最近的一二十年发展起来的，早期的展示界面是非常原始的命令行，例如大约 50 年前，NASA 地面控制中心需要有经验丰富的专家才能操作模拟器内各系统的参数。 20 世纪 90 年代后，开始有了仿真、设计等三维图形界面这种立体的展示和交互方式。 进入 21 世纪后，才逐渐开始出现使用 VR 技术进行工业品的评审的情况，而且刚开始也只是在最高端、最复杂的系统上进行，如前面提到的飞行器、航空发动机等。 三、五脏六腑：数字孪生的核心技术 下面我们重点分析数字孪生技术栈中最核心的数字建模、数字仿真与模拟、物联网、大数据与 AI、云计算与边缘计算等技术。 1数字建模技术 数字建模是创建数字孪生的核心技术，也是基于数字孪生技术体系的解决方案向上层提供功能与应用的基础。 建模不仅包括利用激光雷达、倾斜摄影等技术对物理实体的几何结构和外形进行三维重建，还包括对物理实体本身的运行机理、内外部接口、软件与控制算法等信息进行全数字化建模。 数字孪生建模具有较强的专用特性，即不同物理实体的数字孪生模型千差万别。 目前，不同领域的数字孪生建模主要借助 Unity、Unreal、CAD、Matlab、Revit、CATIA 等软件实现，Unity 和 Unreal 主要面向体验层建模，CAD 和 Matlab 主要面向数字孪生基础模块和数学建模，Revit 主要面向建筑信息模型建模，CATIA 则是面向更高层次的产品生命周期管理建模。 2.数字仿真与模拟技术 数字仿真与模拟是数字孪生模型验证的关键方法。 仿真模拟和建模是一对伴生体，如果说建模是对物理实体理解的模型化，那仿真模拟就是验证和确认这种理解的正确性和有效性的工具。 仿真模拟是将具备确定性规律和完整机理的模型以软件的方式来模拟预测物理实体在不同输入情况下状态变化的一种技术。 在建模正确且感知数据完整的前提下，仿真可以准确地反映物理实体过去、现在以及将来一定时段内的状态。 仿真模拟技术起源于工业领域，在研发设计、生产制造、试验运维等各环节发挥了重要的作用，近年来，随着数字孪生城市、自动驾驶等技术的发展，数字仿真模拟也被广泛应用于城市应急响应、自动驾驶模拟等领域。 顶级的仿真与模拟技术包含计算流体动力学、多体系统或有限元分析技术，它们也是工业软件技术栈中的核心技术，同时也是我国软件业发展的短板之一。 3.物联网技术 物联网是承载数字孪生体数据流的重要工具。物联网通过各类信息感知技术及设备，实时采集监控对象的位置、声、光、电、热等数据并通过网络进行回传，实现物与物、物与人的泛在连接，完成对监控对象的智能化识别、感知与管控。 物联网能够为数字孪生体和物理实体之间的数据交互提供连接，即通过物联网中部署在物理实体关键点上的传感器感知必要信息，并通过各类短距无线通信技术传输给数据存储和运算系统。 4.大数据与 AI 技术 大数据与 AI 是数字孪生体实现认知、诊断、预测、决策等各项功能的主要技术支撑。 大数据的特征是数据体量庞大，数据类型繁多，数据实时在线，数据价值密度低但商业价值高，传统的大数据相关技术主要围绕数据的采集、整理、传输、存储、分析、呈现、应用等，但是随着近年来各行业领域数据的爆发式增长，大数据开始寻求更高性能的算法支撑对其进行分析处理，而正是这些需求促成了 AI 技术的诸多突破式发展，二者可以说是相伴而生，AI 需要大量的数据作为预测与决策的基础，大数据需要 AI 技术进行数据的价值化操作。 目前，AI 已经发展出更高层级的强化学习、深度学习等技术，能够满足大规模数据相关的训练、预测及推理工作需求。 在数字孪生系统中，数字孪生体会感知大量来自物理实体的实时数据，借助各类 AI 算法，数字孪生体可以训练出面向不同需求场景的模型，完成后续的诊断、预测及决策任务，甚至在物理机理不明确、输入数据不完善的情况下也能够实现对未来状态的预测，使得数字孪生体具备“先知先觉”的能力。 5.云计算与边缘计算技术 云计算为数字孪生提供重要的计算基础设施。云计算采用分布式计算等技术，集成强大的硬件、软件、网络等资源，为用户提供便捷的网络访问，用户使用按需计费的、可配置的计算资源共享池，借助各类应用及服务完成目标功能的实现，且无须关心功能实现方式，显著提升了用户开展各类业务的效率。 云计算根据网络结构可分为私有云、公有云、混合云和专有云等，根据服务层次可分为基础设施即服务（IaaS）、平台即服务（PaaS）和软件即服务（SaaS）。 边缘计算是将云计算的各类计算资源配置到更贴近用户侧的边缘，即计算可以在如智能手机等移动设备、边缘服务器、智能家居、摄像头等靠近数据源的终端上完成，从而减少与云端之间的传输，降低服务时延，节省网络带宽，减少安全和隐私问题。 云计算和边缘计算通过以云边端协同的形式为数字孪生提供分布式计算基础。 在终端采集数据后，将一些小规模局部数据留在边缘端进行轻量的机器学习及仿真，只将大规模整体数据回传到中心云端进行大数据分析及深度学习训练。 对于高层次的数字孪生系统来说，这种云边端协同的形式更能够满足系统的时效、容量和算力的需求，即将各个数字孪生体靠近对应的物理实体进行部署，完成一些具有时效性或轻度的功能，同时将所有边缘侧的数据及计算结果回传至数字孪生总控中心，进行整个数字孪生系统的统一存储、管理及调度。 第四节 数字孪生的应用场景 得益于各种信息技术的发展，数字孪生的应用已逐渐进入各行各业。 现阶段，除了工业领域，其还被广泛应用于城市管理、农业、建筑、健康医疗、环境保护等行业。 特别是在数字城市领域，数字孪生被认为是一种实现数字化转型的重要手段而得到各级政府的大力支持。 下面我们将从数字孪生主要应用领域以及相关的典型应用案例来探究数字孪生对社会及经济发展的重要作用。 一、数字孪生主要应用领域 数字孪生作为数字化转型的重要手段，近年来在各行各业中都得到了广泛的关注和应用，但有实际落地项目且充分验证过的还是数字孪生概念的诞生地——工业领域以及数字孪生城市领域。 在这两个领域内，数字孪生概念充分地展示了其对经济发展的促进作用，给数字孪生在其他领域的应用树立了标杆。 1发家之地——工业应用领域 在工业生产活动的过程中，数字孪生技术可以说是贯穿始终，覆盖了产品设计、生产制造、产品使用和服务、产品报废回收的全生命周期。 在产品设计阶段，传统工业生产模式中，完成设计后必须先制造出实体零部件，才能对设计方案的质量和可制造性进行评估，这意味着成本和风险的增加。 而通过建立数字孪生模型，任何零部件在被实际制造出来之前，都可以预测其成品质量，识别其是否存在设计缺陷，比如零部件之间的干扰、设计是否符合规格等。 还能找到产生设计缺陷的原因，在数字孪生模型中直接修改设计，并重新进行制造仿真，查看问题是否得到解决。 在生产制造阶段，传统方式是只有当所有流程都准确无误时，才能顺利进行生产，而一般的流程验证方法是获得配置好的生产设备之后再进行试用、判断设备是否运行正常，但是到这个时候再发现问题为时已晚，有可能导致生产延误，并且此时解决问题所需要的花费将远远高于流程早期。 基于数字孪生生产线的解决方案可以建立包含所有制造过程细节的数字产线模型，在虚拟环境中验证制造过程。 发现问题后只需要在模型中进行修正即可，比如机器人发生干涉时，改变工作台的高度、输送带的位置、反转装配台等，确保机器人能正确执行任务。 借助数字产线模型在产品设计阶段预见其性能并加以改进，可以帮助在制造流程初期就掌握准确信息并预见制造过程，保证所有细节都准确无误。 随着产品制造过程越来越复杂，制造中所发生的一切需要进行完善的规划。 而一般的过程规划是设计人员和制造人员基于不同的系统独立工作： 设计人员将产品创意提交给制造部门，由他们去思考如何制造，有时信息传递会失真，制造人员较难看到全部状况，增加出错的概率。 一旦设计发生变更，制造过程很难实现同步更新。 而在数字孪生模型中，所需要制造的产品、制造的方式、资源以及地点等各个方面可以得到系统地规划，将各方面关联起来，实现设计人员和制造人员的协同。 一旦发生设计变更，可以在数字孪生模型中方便地更新制造过程，包括更新面向制造的物料清单，创建新的工序，为工序分配新的操作人员，在此基础上进一步将完成各项任务所需的时间以及所有不同的工序整合在一起，进行分析和规划，直到产生满意的制造过程方案。 在产品使用和服务阶段，从大型装备到消费级产品，都大量采用了传感器来采集产品运行阶段的自身状态以及周边环境数据。 通过对这些数据的分析以及对产品的实时反馈、调整与优化，实现一个完整的产品使用闭环，从而达到减少甚至避免产品故障，提升用户体验的作用。 现阶段落地的应用主要有： （1）预测性维护，尤其是针对重要工业设备，通过传感器对设备和周边数据的采集以及大数据分析，来预测该设备的运行状态，在设备故障来临之前及时预见并给出建议解决方案。 例如 2021 年，某汽车生产厂商的进口压铸机核心控制器利用数字孪生的预测性维护技术，提前两周预测到可能发生故障，及时向国外厂商定货并预约空运，几乎在核心控制器坏掉的同时，备件运抵工厂，使得产线没有因为这个故障而停工两周，避免了数亿元的损失。 （2）协助产线型企业用户优化生产指标，通过对企业用户产线完整的数据监控与分析，结合数字仿真与模拟技术和行业经验模型，帮助用户优化产线参数配置，改善用户的产品质量和生产效率。 （3）获得产品使用反馈，通过采集用户使用产品时的真实数据，洞悉用户的真实需求，改善产品，提升用户的使用体验。 在产品报废回收的阶段，可以根据产品数字孪生系统中记录的使用履历、维修物料清单和更换备品备件的记录，以及数字仿真和模拟技术，判断各个零件的健康状态，确定不同的拆解回收方案，实现最优的回收价值，减少浪费。 2.后起之秀——城市应用领域 数字孪生在智慧城市相关领域，积极地吸收和采纳工业数字孪生的经验，提出了数字孪生城市的概念，并成为智慧城市的升级版和必选项。 它赋予实体城市新的互联网基因，通过信息技术的深度应用，给城市一个数字镜像，使不可见的城市隐形秩序显性化，城市肌体每个毛细血管的一举一动尽在掌握中。 随着概念培育、科研布局的持续推进，借助新基建的提速加持，数字孪生城市风生水起，进入国家决策视野，纳入“十四五”规划，多地已纷纷开始试水。 业内人士把 2020 年称为数字孪生城市元年。 数字孪生城市具有精准映射、虚实交互、软件定义和智能干预四大特点。 精确映射是指通过在城市的各个组件中部署传感器，再结合地理信息系统、城市信息系统、楼宇信息系统以及倾斜摄影、激光雷达扫描等技术构建出映射实体城市全貌的数字孪生城市。 虚实交互意味着在实现了数字孪生的城市中，城市规划、建设，及市民的各类活动，不仅在实体空间内，也在虚拟空间内得以体现。 虚实融合、虚实协同将定义城市未来发展的新模式。 软件定义是指数字孪生城市针对物理城市建立相对应的虚拟数字模型，并以软件方式模拟城市的人、地、事物、组织在真实情况下的行为，可以用来优化城市规划、建设，提升城市应急相应水平等。 智能干预特点则是通过在“数字孪生城市”上的规划设计、模拟仿真，对城市可能产生的状况提前智能预警，并给出处置建议，赋予城市真正的“智慧”。 二、数字孪生典型应用案例 数字孪生最早是在工业生产制造中得到应用。现阶段各工业巨头公司如西门子、通用电气，达索等都有完整的数字孪生解决方案，应用在工业生产的完整生命周期之中。 下面我们就先举几个典型的工业领域的案例，然后再介绍一下近期得到迅猛发展的数字孪生城市应用领域的具体案例，以便读者可以具体了解数字孪生如何应用在生产与生活之中。 1西门子基于数字孪生的预测性维护案例 在过程工业中，设备的正常运行是保障工厂高效、可靠和安全生产的关键。如何使工厂在提升产能的同时降低维护成本，提高关键设备的可用性，减少非计划性停产，成为越来越重要的课题。 为保证设备长期稳定运行，如今大部分工厂采用定期的预防性维修维护策略，然而这种方法极易导致“过度维护”，却仍然无法有效避免“非计划停产”，甚至可能意外造成“维修性故障” 的发生。 西门子就推出了基于工业大数据分析的预测性维护软件 SiePA，以历史运行数据的深入分析为基础，相应的机器学习和自然语言处理等 AI 算法为工具，从而建立起一个预测性维护系统。 西门子建立了产线的数字孪生，将工厂的历史数据充分利用起来，结合实时状态和大数据分析的预测性维护模式，基于设备正常运行时所采集的海量实时传感器数据训练模型，这个模型综合考虑了工厂中大量传感器数据之间的关联关系，生成人类难以考虑完全的判断规则，进而在实际数据出现偏差时快速预警。 当有了这个预测结果，企业将大大节约设备管理与维护上的人力成本，提高管理效率。 此外，从生产安全的角度，如此实现的智能预警机制比传统报警系统可提前数小时甚至数天发现异常征兆，而这为用户应对潜在故障或风险争取到了宝贵的时间，从而使用户可以及时采取相应措施，避免非计划停产的发生。 2.生产 F-35 战机的案例 在进行飞行器各部件的实际生产制造时，建立飞行器及其相应生产线的数字孪生体，可以跟踪其加工状态，并通过合理配置资源减少停机时间，从而提高生产效率，降低生产成本。 洛克希德·马丁公司将数字孪生应用于 F-35 战斗机的制造过程中，期望通过生产制造数据的实时反馈，进一步提升 F-35 的生产速度，预计可由目前每架 22 个月的生产周期缩短至 17 个月，同时，在 2020 年之前，将每架 9460 万美元的生产成本降低至 8500 万美元。 此外，诺斯罗普·格鲁曼公司利用数字孪生改进了 F-35 机身生产中的劣品处理流程，将处理 F-35 进气道加工缺陷的决策时间缩短了 33%。 3.基于数字孪生城市 51World 的自动驾驶模拟案例 距离 2009 年谷歌开始研究自动驾驶技术已经过去了十几年，但是由于车辆行驶过程中环境的复杂性与不确定性，自动驾驶技术始终未能完全落地，自动驾驶车辆造成人员伤亡的事故接连发生。 因此，自动驾驶车辆的路测里程一直是企业投入和运营能力的重要指标，而采用真实道路测试所耗费的时间和成本成了自动驾驶商业化应用的“拦路虎”，于是，基于数字孪生城市场景的自动驾驶虚拟仿真测试应运而生。 51World 推出的 51Sim-One 自动驾驶仿真测试平台可应用于各类自动驾驶系统共性技术的研发，为智能决策控制、复杂环境感知、人机交互与共驾、车路协同与网络通信等提供安全可控的全要素、多层级的测试与评价技术支撑。 该平台具备多传感器虚拟标注数据集功能，可进行自动驾驶感知、决策、控制算法训练，以及真实直观地感知自动驾驶技术，支持虚拟仿真场景库建设和自动驾驶数字孪生评价测试，以及硬件在环与传感器仿真和测试功能等。 并且支持大规模并行仿真，能够在保障安全的前提下，显著提高自动驾驶技术的研发速度，降低测试成本。 第五节 数字原生：从数字中来，到数字中去 数字原生包含人、物、场和知识。 数字原生的人即“虚拟数字人”，是基于大数据和 AI 技术以及 3D 渲染技术生成的只存在于数字世界的“人”。 有别于数字孪生物有现实世界中一一对应的实体，数字原生的物是现实中不存在的、只存在于虚拟的数字世界中的“物”，无数的数字原生“物”在虚拟世界里可以构造成无数个与现实世界环境完全不同的数字原生的场，无数的场又可以构建出数字原生世界。 数字原生的知识核心是面向答案求解而不限定求解过程，不受人类固有经验束缚，从海量数据中推演生产。 就像 AlphaGo 从黑白落子的行为数据中，面向答案（输赢）学习中间不确定性的过程，生产出超越人类已知的围棋常识之外新的知识。 再如，知识图谱是从知识资源及其载体出发，挖掘、分析、构建、绘制和显示知识及它们之间的相互联系，通过这种关系推理出新的知识，从而让机器能够认知、理解世界。 一、数字原生和数字孪生的区别 数字孪生是从现实世界的实体中来，经过数字世界的处理、分析、包装、使用，最终又回到现实世界中反作用于物理实体。 它是我们试图用已有的认知和知识，去解决虚拟数字世界里的问题，用我们的知识白盒构建一个模型，通过高性能计算去推理。 数字原生是从虚拟的数字世界中产生并在数字世界中被使用、被拥有、被展现，从而产生其价值，即数字原生是生产人类物理世界存在之外的数字虚拟世界中的新场景、新物体、新“人类”（虚拟数字人）。 二、数字原生的相关技术剖析
虚拟数字人的生成有两条技术路径：CG 建模、AI 驱动。 在视觉表现层面，用 3D 建模、CG 技术做出从外形、表情到动作都 1∶1 还原的人，让虚拟数字人更像人，但通过 CG 等传统技术手段生成的虚拟数字人所耗费的成本高昂。 另一条路径 AI 驱动细分为两种方式，一是在最初，以 3D 建模或 CG 技术将数字人尽可能逼真地绘画出来，后续虚拟数字人的语音表达、面部表情、动作都由 AI 深度学习模型的算法进行驱动；二是建模与驱动均基于 AI 算法。 在虚拟数字人的创作中，AI 大幅降低了制作成本、简化了制作流程。 同时，一些用于生成虚拟数字人的工具化平台已经出现，让创作者与普通用户都能快速生成自己的虚拟形象，如英伟达公司的 Omniverse Avatar、Epic 公司的 MetaHuman Creator 等。 2.数字原生的物和场 数字原生物，是不包含数字人的其他数字虚拟物体，只存在于数字空间中而且可以被人创建或者由数据自我构建来出来。 大量的数字原生物可以构建出数字原生场。数字原生的物和场用以支撑虚拟数字空间的环境，再结合数字人，就可以构成完整的虚拟数字世界。 其中由人来创造的数字原生的物和场需要用到 CAD、Unity、Unreal 等物体、场景建模和渲染工具。而由数据构建的数字原生的物和场需要用到深度学习、无监督学习、3D 场景渲染等核心技术。 3.数字原生的知识 数字原生的知识实现的关键技术包含深度强化学习、生成式对抗神经网络、多模态学习、自动化机器学习、GPU 和 DPU 等硬件加速技术等 AI 领域的核心前沿技术。 近年随着 AI 技术的迅猛发展，数字原生知识也得到长足进步，大有超越人类智慧之势。 例如 2016 年，谷歌旗下 DeepMind 开发的 Alpha Go 是第一个击败人类职业围棋选手、第一个战胜围棋世界冠军的 AI 机器人，随后 DeepMind 又推出了 AlphaGo Zero，从空白状态学起，在无任何人类输入的条件下，AlphaGo Zero 能够迅速自学围棋，并以 100∶0 的战绩击败“前辈”AlphaGo。 2019 年，DeepMind 开发的全新 AI 程序 AlphaStar，在《星际争霸 2》人机大战中，以 10∶1 的战绩全面击溃人类职业高手。 AlphaStar 仅仅被训练了两周的时间，却已经积累了相当于 200 年的游戏经验。 DeepMind 在一系列下棋和游戏类 AI 研发之后又推出了自动编程 AI-AlphaCode，并于 2021 年和 2022 年使用编程竞赛平台 Codeforces 上托管的 10 个现有竞赛来测试 AlphaCode，总体排名位于前 54.3%，也就是说它击败了 46% 左右的参赛者，这标志着数字原生知识向产业化迈出了一大步。 三、数字原生对元宇宙的价值 元宇宙的发展会经历数字孪生、数字原生，最终到虚实相生；数字原生是元宇宙的数字底座之一。 数字原生的物和场将会是元宇宙中虚拟环境的主要构成，虚拟数字人会是元宇宙中的公民，与现实世界中人的化身共同组成元宇宙中的人类社会与文明。 数字原生知识则可能给元宇宙乃至人类社会带来更深远的影响。 |
|
|
