11月11日，《由商务部、科技部、工信部、国家发改委、农业农村部、国家知识产权局、中国科学院、中国工程院等部委和深圳市人民政府共同举办的中国国际高新技术成果交易会正式开幕。作为大会主会场的重要组成部分，由工信部下属中国电子技术标准化研究院主办的新一代信息技术产业标准化论坛作如期举行，会议现场发布了由工信部牵头2020年《数字孪生应用白皮书》。

当前，世界正处于百年未有之大变局，数字经济已成为全球经济发展的热点，美、英、欧盟等纷纷提出数字经济战略。数字孪生等新技术与国民经济各产业融合不断深化，有力推动着各产业数字化、网络化、智能化发展进程，成为我国经济社会发展变革的强大动力。未来，所有的企业都将成为数字化的公司，这不只是要求企业开发出具备数字化特征的产品，更指的是通过数字化手段改变整个产品的设计、开发、制造和服务过程，并通过数字化的手段连接企业的内部和外部环境 。

本期的智能内参，我们推荐工信部中国电子技术标准化研究院的研究报告《数字孪生白皮书2020》，分析数字孪生技术热点、行业动态和未来趋势 。

本期内参来源： 中国电子技术标准化研究院

原标题：

《数字孪应用生白皮书2020》

作者： 赵 波 等

一、数字孪生概述

1、 数字孪生发展背景

“孪生”的概念起源于美国国家航空航天局的“阿波罗计划”，即构建两个相同的航天飞行器，其中一个发射到太空执行任务，另一个留在地球上用于反映太空中航天器在任务期间的工作状态，从而辅助工程师分析处理太空中出现的紧急事件。当然，这里的两个航天器都是真实存在的物理实体 。

2003 年前后， 关于数字孪生（ Digital Twin） 的设想首次出现于Grieves 教授在美国密歇根大学的产品全生命周期管理课程上。但是，当时“Digital Twin”一词还没有被正式提出， Grieves 将这一设想称为“Conceptual Ideal for PLM（ Product Lifecycle Management）”，如下图所示。尽管如此，在该设想中数字孪生的基本思想已经有所体现，即在虚拟空间构建的数字模型与物理实体交互映射，忠实地描述物理实体全生命周期的运行轨迹 。

▲PLM 中的概念设想

直到 2010 年，“Digital Twin”一词在 NASA 的技术报告中被正式提出，并被定义为“集成了多物理量、多尺度、多概率的系统或飞行器仿真过程”。2011 年，美国空军探索了数字孪生在飞行器健康管理中的应用，并详细探讨了实施数字孪生的技术挑战。 2012 年，美国国家航空航天局与美国空军联合发表了关于数字孪生的论文，指出数字孪生是驱动未来飞行器发展的关键技术之一。在接下来的几年中，越来越多的研究将数字孪生应用于航空航天领域，包括机身设计与维修，飞行器能力评估，飞行器故障预测等 。

▲数字孪生行业应用

近年来，数字孪生得到越来越广泛的传播。同时，得益于物联网、大数据、云计算、人工智能等新一代信息技术的发展，数字孪生的实施已逐渐成为可能。现阶段，除了航空航天领域，数字孪生还被应用于电力、船舶、城市管理、农业、建筑、制造、石油天然气、健康医疗、环境保护等行业，如上图所示。特别是在智能制造领域，数字孪生被认为是一种实现制造信息世界与物理世界交互融合的有效手段。许多著名企业（如空客、洛克希德马丁、西门子等）与组织（如 Gartner、德勤、中国科协智能制造协会）对数字孪生给予了高度重视，并且开始探索基于数字孪生的智能生产新模式 。

2、 数字孪生的定义及典型特征

标准化组织中的定义： 数字孪生是具有数据连接的特定物理实体或过程的数字化表达，该数据连接可以保证物理状态和虚拟状态之间的同速率收敛，并提供物理实体或流程过程的整个生命周期的集成视图，有助于优化整体性能。

学术界的定义： 数字孪生是以数字化方式创建物理实体的虚拟实体，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 。

从根本上讲，数字孪生可以定义为有助于优化业务绩效的物理对象或过程的历史和当前行为的不断发展的数字资料。数字孪生模型基于跨一系列维度的大规模，累积，实时，真实世界的数据测量 。

企业的定义： 数字孪生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。数字孪生由三部分组成：数据模型，一组分析或算法，以及知识 。

数字孪生公司早已在行业中立足，它在整个价值链中革新了流程。作为产品，生产过程或性能的虚拟表示，它使各个过程阶段得以无缝链接。这可以持续提高效率，最大程度地降低故障率，缩短开发周期，并开辟新的商机：换句话说，它可以创造持久的竞争优势 。

从数字孪生的定义可以看出，数字孪生具有以下几个典型特点：

1、互操作性 ： 数字孪生中的物理对象和数字空间能够双向映射、动态交互和实时连接，因此数字孪生具备以多样的数字模型映射物理实体的能力，具有能够在不同数字模型之间转换、合并和建立“表达”的等同性 。

2、可扩展性 ： 数字孪生技术具备集成、添加和替换数字模型的能力，能够针对多尺度、多物理、多层级的模型内容进行扩展。

3、实时性 ： 数字孪生技术要求数字化，即以一种计算机可识别和处理的方式管理数据以对随时间轴变化的物理实体进行表征。表征的对象包括外观、状态、属性、内在机理，形成物理实体实时状态的数字虚体映射。

4、保真性 ”： 数字孪生的保真性指描述数字虚体模型和物理实体的接近性。要求虚体和实体不仅要保持几何结构的高度仿真，在状态、相态和时态上也要仿真。值得一提的是在不同的数字孪生场景下，同一数字虚体的仿真程度可能不同。例如工况场景中可能只要求描述虚体的物理性质，并不需要关注化学结构细节 。

5、 闭环性 ： 数字孪生中的数字虚体，用于描述物理实体的可视化模型和内在机理，以便于对物理实体的状态数据进行监视、分析推理、优化工艺参数和运行参数，实现决策功能，即赋予数字虚体和物理实体一个大脑。因此数字孪生具有闭环性 。

3、 数字孪生与其他技术的区别

数字孪生与仿真（Simulation）的区别 ： 仿真技术是应用仿真硬件和仿真软件通过仿真实验，借助某些数值计算和问题求解，反映系统行为或过程的模型技术，是将包含了确定性规律和完整机理的模型转化成软件的方式来模拟物理世界的方法，目的是依靠正确的模型和完整的信息、环境数据，反映物理世界的特性和参数。仿真技术仅仅能以离线的方式模拟物理世界，不具备分析优化功能，因此不具备数字孪生的实时性、闭环性等特征 。

数字孪生需要依靠包括仿真、实测、数据分析在内的手段对物理实体状态进行感知、诊断和预测，进而优化物理实体，同时进化自身的数字模型。仿真技术作为创建和运行数字孪生的核心技术，是数字孪生实现数据交互与融合的基础。在此基础之上，数字孪生必需依托并集成其他新技术，与传感器共同在线以保证其保真性、实时性与闭环性。

数字孪生与信息物理系统（CPS）的区别 ： 数字孪生与 CPS 都是利用数字化手段构建系统为现实服务。其中，CPS 属于系统实现，而数字孪生侧重于模型的构建等技术实现。 CPS 是
通过集成先进的感知、计算、通信和控制等信息技术和自动控制技术，构建了物理空间与虚拟空间中人、机、物、环境和信息等要素相互映射、适时交互、高效协同的复杂系统，实现系统内资源配置和运行的按需响应、快速迭代和动态优化 。

相比于综合了计算、网络、物理环境的多维复杂系统 CPS，数字孪生的构建作为建设 CPS 系统的使能技术基础，是 CPS 具体的物化体现。数字孪生的应用既有产品、也有产线、工厂和车间，直接对应 CPS 所面对的产品、装备和系统等对象。数字孪生在创立之初就明确了以数据、模型为主要元素构建的基于模型的系统工程，更适合采用人工智能或大数据等新的计算能力进行数据处理任务 。

数字孪生与数字主线（Digital Thread）的区别 ： 数字主线被认为是产品模型在各阶段演化利用的沟通渠道，是依托于产品全生命周期的业务系统，涵盖产品构思、设计、供应链、制造、售后服务等各个环节。在整个产品的生命周期中，通过提供访问、整合以及将不同 / 分散数据转换为可操作性信息的能力来通知决策制定者。

数字主线也是一个允许可连接数据流的通信框架，并提供一个包含生命周期各阶段功能的集成视图。数字主线有能力为产品数字孪生提供访问、整合和转换能力，其目标是贯通产品生命周期和价值链，实现全面追溯、信息交互和价值链协同。由此可见，产品的数字孪生是对象、模型和数据， 而数字主线是方法、通道、链接和接口。

简单地说，在数字孪生的广义模型之中，存在着彼此具有关联的小模型。数字主线可以明确这些小模型之间的关联关系并提供支持。因此，从全生命周期这个广义的角度来说，数字主线是属于面向全生命周期的数字孪生的 。

数字孪生和资产管理壳（Asset administration Shell）的区别 ： 出自工业 4.0 的资产管理壳，是德国自工业 4.0 组件开始，发展起来的一套描述语言和建模工具，从而使得设备、部件等企业的每一项资产之间可以完成互联互通与互操作。借助其建模语言、工具和通讯协议，企业在组成生产线的时候，可具备通用的接口，即实现“即插即用”性，大幅度降低工程组态的时间，更好地实现系统之间的互操作性 。

自数字孪生和资产管理壳的问世以来，更多的观点是视二者为美国和德国的工业文化不同的体现。实际上，相较于资产管理壳这样一个起到管控和支撑作用的“管家”，数字孪生如同一个“执行者”，从设计、模型和数据入手，感知并优化物理实体，同时推动传感器、设计软件、物联网、新技术的更新迭代。但是，基于这两者在技术实现层次上比较相近，德国目前也正努力在把资产管理壳转变为支撑数字孪生的基础技术。

二、 数字孪生相关概念及内涵

1、 数字孪生生态系统

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组成。其中基础支撑层由具体的设备组成，包括工业设备、城市建筑设备、交通工具、医疗设备组成。数据互动层包括数据采集、数据传输和数据处理等内容。模型构建与仿真分析层包括数据建模、数据仿真和控制。共性应用层包括描述、诊断、预测、决策四个方面。行业应用层则包括智能制造、智慧城市在内的多方面应用。

▲数字孪生生态系统

2、 数字孪生生命周期过程

数字孪生中虚拟实体的生命周期包括起始、设计和开发、验证与确认、部署、操作与监控、重新评估和退役，物理实体的生命周期包括验证与确认、部署、操作与监控、重新评估和回收利用。值得指出的是，一是虚拟实体在全生命周期过程中与物理实体的相互作用是持续的，在虚拟实体与物理实体共存的阶段，两者应保持相互关联并相互作用。二是虚拟实体区别于物理实体的生命周期过程中，存在迭代的过程。虚拟实体在验证与确认、部署、操作与监控、重新评估等环节发生的变化，可以迭代反馈至设计和开发环节 。

▲数字孪生生命周期过程

3、 数字孪生功能视角

从数字孪生功能视角，可以看到数字孪生应用需要在基础设施的支撑下实现。物理世界中产品、服务或过程数据也会同步至虚拟世界中，虚拟世界中的模型和数据会和过程应用进行交互。向过程应用输入激励和物理世界信息，可以得到包括优化、预测、仿真、监控、分析等功能的输出 。

▲数字孪生功能视角

三、 数字孪生应用发展综述

1、 应用需求方向

促进数字经济与实体经济融合，加快产业升级 。 当前，以新一代信息技术为代表的新兴技术突飞猛进，加速推动着经济社会各领域的发展变革。在推动形成以国内大循环为主体、国内国际双循环相互促进的新发展格局背景下，数字经济在推动经济发展、提高劳动生产率、培育新市场和产业新增长点、实现包容性增长和可持续增长等诸多方面，都发挥着重要作用 。

我国经济已经由高速增长阶段转向高质量发展阶段。我们正处在转变发展方式、优化经济结构、转换增长动力的攻关期，这为数字经济与实体经济融合发展带来了重大机遇。而数字孪生作为一项关键技术和提高效能的重要工具，可以有效发挥其在模型设计、数据采集、分析预测、模拟仿真等方面的作用，助力推进数字产业化、产业数字化，促进数字经济与实体经济融合发展。

产业发展中的转型升级，不仅是技术问题，也不仅是管理问题；不只是商业交换问题，也不仅是商业模式问题，而是一种新的价值模式的问题，是要重新定义一个价值体系和产业结构。数字孪生系统和智能供应链不是从技术层面，更多的是从为企业创造价值，为企业转型，为企业找到新的价值模式层面，发挥现实作用 。

贯通工业生产信息孤岛，释放数据价值 。 当前工业生产已经发展到高度自动化与信息化阶段，在生产过程中产生大量信息。但由于信息的多源异构、异地分散特征易形成信息孤岛，在工业生产中没有发挥出应有价值。而数字孪生为工业产生的物理对象创建了虚拟空间，并将物理设备的各种属性映射到虚拟空间中。工业人员通过在虚拟空间中模拟、分析、生产预测，能够仿真复杂的制造工艺，实现产品设计，制造和智能服务等闭环优化。数字孪生是未来数字化企业发展的关键技术，例如可应用于以下的常见工业领域 ：

1、工业产品设计 ： 工业产品设计过程中，在没有数字化帮助下，设计产品要经历很多次迭代，非常耗费资源并影响交付工期。在高度集成化的工业生产线设计中，需要基于精准的节拍对各设备、物料、质检、人工装配等环节进行优化协调，以提升整体效率。

在传统规划过程只能依造人工模拟或者在真实产线中进行验证。因此工业产品设计，以及工业产线设计过程中，可以在虚拟的三维数字孪生空间中进行部件修改调整，产品尺寸装配等，以及在虚拟产线中进行设计优化、问题诊断内容，从而大幅降低产品验证工作和装配可行性，大幅减少迭代过程中设备的制造工作量、工期及成本。

2、 工业产品生产 ： 在当前高度信息化和集成化的工业生产模式，生产线发生意外故障时，很容易致使全产线停机停产，例如高度精细化的汽车生产线，会造成每天数百万级的损失。对于一些特殊工艺生产线，比如高温高压下的化工生产线，甚至面临严重的安全风险和衍生灾害。因此工业生产过程中需要基于大量数据，在虚拟数字空间中进行例如设备诊断、化学类生产过程的模拟，以及对当前设备状态和生产工艺下结果的仿真预测等，从而防止现场故障、生产异常产生出严重后果 。

3、 统筹协调系统内外部变化，实现资源能源优化配置 ： 目前，在数字孪生制造系统已经成为了制造业的研究热点，实现不同产品生产过程的资源能源优化成为当前的迫切需求。数字孪生制造系统与传统制造系统相比，具有生产要素多样、动态生产路径配置、人 / 机/ 物自主通讯、自组织和数据支撑的决策等特点 。

实现资源能源优化需要制造系统各部件具有自主智能并能通过群体协商寻求全系统稳定配置参数并保持各自部件利益最大化，动态决策系统还需要系统对外部环境变化及内部故障进行实时重分配与平衡。生产系统是根据内部条件和外部环境的变化，对其内部实行新的组合，从而使生产系统自身结构和功能不断创新的演进过程。在面对个性化定制生产中出现的生产要素多样、资源配置复杂问题，研究如何进行生产过程中资源能源的组织行为和组织形态动态变迁的有序化处理，实现生产资源能源的优化配置 。

一个开放的系统，在平衡状态的条件下可以由无序到有序的方向发展，有序的组织通过一个“自组织”实现从低级到高级的发展，这其中需要能量消耗。也就是说系统通过正反馈与外界交互物质和能量达到有序状态的不断增加，当超越某一临界值时，便达到了更高一级的阶段，这一阶段就是耗散结构。延伸到生产系统当中，如图所示，面对个性化生产，生产系统中的资源在不同订单的输入下是混沌状态或者是无序状态。通过耗散结构理论，输出的状态是不同订单具有不同的设备应用以及设备之间的有序排列 。

在数字孪生制造系统资源能源优化中，系统的复杂性程度越大，制造过程的不确定性越大，制造系统的资源能源优化困难程度增大。数字孪生制造系统中资源能源利用耗散理论进行优化配置：首先将混乱无序的生产资源进行机器间关联，然后根据算法将关联设备按订单需求进行串联，形成有序化排列，利用优化仿真进行生产预测，构建出资源分配与生产效益之间的定性映射关系数学模型。最终形成有序化资源能源配置。

▲资源能源优化配置

数字孪生与传统的仿真技术都具有资源优化的能力。但是传统的仿真技术通常只是物理实体在数字空间单向和静态的映射，主要用于提升产品设计的效率，降低物理测试成本。相比于仿真技术，在物联网、人工智能、大数据分析等新兴技术的加持下，数字孪生对于资源优化有着更深远的帮助 ：

双向： 数字孪生是对真实物理产品、设备或过程的动态和持续更新的表示。数字孪生能够理解、预测产品、设备或过程，乃至能对物理产品实施控制、改变产品的状态让很多原来由于物理条件限制、必须依赖于真实的物理实体而无法完成的操作变得触手可及，从而实现对于产品、设备或过程的相关要素资源的优化，并进一步激发数字化创新 。

持续： 数字孪生和物理产品之间的互动是不间断的，贯穿产品的全生命周期。在一定的程度上用来可以直接描述它对应实体对象的状态，确保我们对实体对象状态的可见。更重要的是帮助我们更深入地辨认发生的事件（如质量、故障），理解其原因，并能对未来可能发生的事件提供预测，从而降低企业进行产品创新、模式创新中的成本、时间及风险，并且持续地推动产品优化，改善客户体验，极大地驱动了企业创新行为。

开放： 通过数字孪生收集到的海量数据，单靠企业自身的力量来分析和挖掘其中的价值是不够的，企业需要将数据对第三方开放，借助外部合作伙伴的力量充分挖掘数字孪生的价值。

互联： 数字孪生的意义不仅如此，还包括价值链上下游企业间的数据集成以及价值链端到端集成，本质是全价值链的协同。产品数字孪生作为全价值链的数据中心，其目标是实现全价值链的协同，因此不仅是要实现上下游企业间的数据集成和数据共享，也要实现上下游企业间的产品协同开发、协同制造和协同运维等 。

4、 实现全要素数字化，推动新型智慧城市建设 ： 中国的人口增长率尽管在新世纪呈现逐年下滑趋势，但受到人口基数和明显加快的城市化水平的影响，中国的人口在 2019 年已经升至 14亿人口增长。人口的急剧增加与都市化发展带来的交通拥堵、治安恶化、大气污染、噪音污染等多种“城市病”正严重影响着我们的生活。

城市过大，在短时间过多人口集中到城市，不可避免地产生大批失业、交通拥堵、犯罪增加、环境恶化、淡水和能源等资源供应紧张等现实问题。以及由上述问题引起的城市人群易患的身心疾病，这些问题和矛盾又在一定程度上制约了城市的发展，加剧了城市政府的负担，使城市政府陷入了两难困境 。

智慧城市建设发展已近十年，至今却无一个城市自我标榜已建成了智慧城市。事实上，智慧城市面临技术和非技术两大瓶颈难以突破，可谓举步维艰。所谓技术瓶颈，是指基于云计算和互联网的聚合式的模式创新比较成功，而基于物联网、大数据、人工智能、区块链、量子通信等技术的原始创新极度缺乏，未出现杀手级应用，各功能模块有机融合的 ONE ICT 架构未能实现，造成创新只停留在表面，城市运行和治理的水平有量的提升，但没有质的改变。

所谓非技术瓶颈，表现在智慧城市建设所需的庞大资金问题一直没有找到解决之道，政府和市场边界不好划分，工程周期长投入大充满变数，企业盈利和资本回报前景模糊，观望踯躅之下，推进效果可想而知。此外，彰显智慧所必须的资源共享与业务协同机制也一直没有建立起来，信息打通仍困难，协同共治难实现。两大瓶颈悬而未决导致智慧城市疲态尽显停滞不前，现有的建设发展模式亟待突破 。

数字孪生城市通过对物理世界的人、物、事件等所有要素数字化，在网络空间再造一个与之对应的“虚拟世界”，形成物理维度上的实体世界和信息维度上的数字世界同生共存、虚实交融的格局。物理世界的动态，通过传感器精准、实时地反馈到数字世界。数字化、网络化实现由实入虚，网络化智能化实现由虚入实，通过虚实互动，持续迭代，实现物理世界的最佳有序运行 。

数字孪生城市将推动新型智慧城市建设，在信息空间上构建的城市虚拟映像叠加在城市物理空间上，将极大地改变城市面貌，重塑城市基础设施，形成虚实结合、孪生互动的城市发展新形态；借助更泛在、普惠的感知，更快速的网络，更智能的计算，一种更加智慧化的新型城市将得以创建 。

数字孪生城市不仅赋予了城市政府全局规划和实时治理能力，更带给所有市民能感受到的品质生活体验。

提升城市规划质量和水平： 数字孪生城市执行快速的“假设”分析和虚拟规划，可迅速摸清城市“家底”，把握城市运行脉搏；在规划前期和建设早期了解城市特性、评估规划影响，避免在不切实际的规划设计上浪费时间，防止在验证阶段重新进行设计，以更少的成本、更快的速度， 推动创新技术支撑智慧城市顶层设计落地 。

推动以人为核心的城市设计： 实现智慧城市建设协同创新。数字孪生城市关注城乡居民出行轨迹、收入水准、家庭结构、日常消费等，对相关数据进行动态监测，并纳入模型，实现协同计算。同时，通过在信息空间上预测人口结构和迁徙轨迹、推演未来的设施布局、评估商业项目影响等。优化智慧城市建设并评估其成效，辅助政府在信息化、智慧化建设中的科学决策，避免走弯路或重复、低效建设 。

节省市民出行时间总成本： 第一时间感知路况、事故报警、拥堵分流。为市民消除设备安全隐患，通过全城治安事件实时监测为市民带来关怀与安全感 。

营造更加文明的社会风气： 对于践踏草坪、非机动车占用机动车道、非机动车逆行等行为，在线推送到城市监督部门曝光，有效地起到警示作用，提升全民文明风气。

当前智慧城市应用需求主要包括以下几个部分：

智慧城市规划 ： 在新区总体规划与详细规划公布以及城市方案设计阶段，需要将未来城市规划面貌按照 1： 1 复原真实城市空间，不同于以往传统的规划图纸与效果图，以最直观的方式呈现在城市管理者，城市设计者与大众面前。在细度上将数据颗粒度细化到建筑内部的一根水管、一根电线、一个机电配件，以及建筑外部的一草一木，在广度上覆盖了地上的地块、河流、道路、建筑，地下的管网、隧道和地铁线路，为城市建设实现可视化赋能，全面查看展望对城市未来蓝图，推演城市规划。

协助城市管理者更直观与全面地对比城市设计方案，更好地做出城市规划决策。服务于城市规划、建设、运营全生命周期，为城市综合指挥中心各部门提供一张在线的蓝图，为后续城市建设提供支持 。

数据面板需融合城市数据概况，人口密度，新城人口规划、建设用地规划、主城区规划等规划类相关数据，直观展示城市现状与未来规划指标。

智慧城市设计施工 ： 在城市设计与施工阶段，需要通过三维数字仿真平台与工地基建仿真还原，在实现工程施工可视化智能管理的前提下，提高工程管理信息化水平 。

数据面板需展示环境实时监测数据，项目工程信息，节点计划，现场管理人员名单与类型统计。做到项目管理、人员管理、安全管理一张图，保证施工人员安全实现人员高效管理调度，维护施工环境的绿色安全 。

智慧城市管理运营 ： 城市治理是推荐国家治理体系和治理能力现代化的总要内容，数字孪生仿真是实现“以数据智能支撑赋能行业，实现城市公共资源的优化配置和智能调度”的关键，是城市实现可调度、可运营、可评价的核心所在 。

借助数字孪生技术，构建数字孪生城市运行场景，将极大改造城市面貌，重塑城市基础设施，实现对动态优化配置全市公共资源影响评估，并建设数字驾驶舱以数字化方式展现现在城市运营态势，实现城市管理决策协同化和智能化“态势有洞察”、“决策有支撑”、“处置有闭环”，确保城市安全、有序运行。

5、优化城市设计布局，打造科学公共服务体系 ： 公共服务，是 21 世纪公共行政和政府改革的核心理念，包括加强城乡公共设施建设，发展教育、科技、文化、体育、政务、交通、司法等公共事业，为社会公众参与社会经济、政治、文化活动等提供保障 。

城市是一个开放庞大的复杂系统，具有人口密度大、基础设施密集、子系统耦合等特点。如何实现对城市各类数据信息的实时监控，围绕城乡公共设施建设，发展科技、文化、政务、交通、司法等等多方面对城市进行高效管理，是现代城市建设的核心 。

6、基于医疗大数据合理分配医疗资源，提升公共健康保障效率 ： 智慧医疗保健是数字孪生智能化应用的重要组成部分。通过移动监测、移动诊室、无线远程会诊、智慧处方、医疗信息云存储等智能技术手段，可提升城市诊疗覆盖面与效率，促进城市医疗资源的合理化分配。进一步利用物联网技术构建“电子医疗”服务体系，实现医疗监护设备的小型化、无线化、发展智慧家庭健康保健、智能健康监护，可大幅降低城市公众医疗负担，缓解城市医疗资源紧缺的压力。具体应用需求如下 ：

基于患者的健康档案、就医史、用药史、智能可穿戴设备监测数据等信息可在云端为患者建立“医疗数字孪生”，并在生物芯片、增强分析、边缘计算、人工智能等技术的支撑下模拟人体运作，实现对医疗个体健康状况预测分析和精准医疗诊断。如基于医疗数字孪生应用，可远程和实时地监测心血管病人的健康状态；当智能穿戴设备传感器节点测量到任何异常信息时，救援机构可立即开展急救。同样通过医疗数字孪生还可通过在患者体内植入生物医学传感器来全天监控其血糖水平，以提供有关食物和运动的建议等。

精准医疗 。 精准医疗是未来的诊疗模式。基于医疗数字孪生，医生可通过对患者健康大数据（基因、生活习惯、家族病史和病例）的搜集和分析，进而提出个性化、针对性的治疗方式和药物，实现精准诊断与治疗。这种模式不仅用于患者的疾病治疗，更侧重于对人们疾病的预防。最大的可能是医生根据患者的基因、生活习惯等因素制定独特的药物和方案。个性化药物使医疗效率得到优化，药物副作用降低，住院率下降，最终会体现在患者整体医疗成本的下降，也缓解了医疗资源的不足问题 。

健康监测与管理 。 在个人的健康监测与管理方面，通过数字孪生可以更清楚地了解我们身体的变化，对疾病做出及时预警。未来通过各种新型医疗检测和扫描仪器以及可穿戴设备，我们可以完美地复制出一个数字化身体，并可以追踪这个数字化身体每一部分的运动与变化，从而更好地进行健康监测和管理。但同时，时刻监测反馈所带来的心理暗示是否会影响人类健康又会成为课题 。

远程医疗 。 通过 5G 等传输技术，远程医疗也将能够更为普及。目前全国首例基于 5G 的远程人体手术——帕金森病“脑起搏器”植入手术成功完成，这对实现优质医疗资源下沉、实现自动诊疗有着重要意义 。

对于城市管理而言，掌握了城市居民群体的医疗数字孪生，有助于合理规划和分配医疗资源，以及辅助社保、扶贫等政策制定 。

2、 数字孪生产业图谱

▲数字孪生产业图谱

数字孪生可划分为“基础支撑”、“数据互动”、“模型构建”、“仿真分析”、“共性应用”、“行业应用” 6 大核心模块，对应从设备、数据到行业应用的全生命周期。国内外主要厂商主要有建模业务、仿真业务、平台业务、行业服务业务四大类 。

基础支撑层 ： 基础支撑层是物联网的终端，主要是一些芯片、传感器等设备，用于数据的采集以及向网络端发送 。

芯片是物联网终端的核心元器件之一，据市场调研公司 ABI Research预计，在 2020 年通过物联网进行无线连网的设备总数将达到 300 亿台。不少芯片巨头将物联网芯片作为下一个博弈的领域，目前，主要的国外物联网芯片提供商包括高通、英特尔、 ARM、 AMD、三星、英伟达等。谷歌、华为与阿里等科技巨头也进入该领域，如谷歌深度学习芯片 TPU、华为海思和阿里主攻芯片的平头哥。

传感器是物联网终端市场的重要组成部分。目前主要由美国、日本、德国等少数几家公司主导，如博世、意法半导体、德州仪器、霍尼韦尔、飞思卡尔、英飞凌、飞利浦等。国内代表性的企业有汉威电子、华工科技等，但市场份额相对较小 。

边缘计算让数据处理更靠近数据源头一侧，实现在边缘侧的数据采集、清理、加工、集合，从而大大缩短延迟时间，减少网络传输量，是物联网硬件的一个发展趋势。典型企业如英特尔、 ARM、戴尔，国内的华为、研华科技等硬件企业都开始进军边缘计算市场。

监控设备能够采集图像信息，结合强大的边缘设备分析能力，在人脸识别、交通监控等方面有广泛的应用，是智能城市的重要环节。典型企业有海康威视、大华等。

▲典型基础支撑设备厂商

数据互动层 ： 数字孪生的构建和应用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。但从功能性的角度出发，这些工具和平台大多侧重某 一或某些特定维度，当前还缺乏考虑数字孪生综合功能需求的一体化综合平台。经过多年发展，工业 / 工程 / 城市场景的不同工具的边界逐渐消失。国际上 Autodesk 与 ESRI 建立战略合作关系，企图把 BIM 和 GIS 数据融合起来；与此同时， Bentley Systems 跟西门子、 Cesium 和 AGI 等公司力推开源数字孪生联盟，围绕 iModel.js，形成了数据驱动的开源体系。

国内以传统 GIS 平台软件和基于开源渲染引擎二次开发的产品开始向数字孪生平台转型，其中以泰瑞的 SmartTwins 数字孪生底座平台为代表。国内市场的研发和销售市场规模达数十亿人民币，国内外有数十家企业相互竞争。技术层面， Esri 和超图的二维 GIS 软件技术成熟、研发实力较强；Skyline 和泰瑞在三维 GIS 研发上经验丰富，一直处于行业领先位置。从市场需求来看，传统 GIS 软件发展多年，需求已趋饱和。但是，随着倾斜摄影技术的广泛应用和智慧城市的迫切需求，功能涵盖了三维 GIS 软件的数字孪生平台需求量呈指数级增长。这个领域中，主要包括的国际巨头有 Esri 和 Skyline，国内的 GIS 优秀研发企业有 SuperMap（超图）、SmartEarth（泰瑞）。其他的国外主要竞争对手包括谷歌公司、美国数字地球公司、美国环境系统研究所公司、法国信息地球公司等 。

仿真分析层 ： 仿真业务是指为数字化模型中融入物理规律和机理。不仅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。工业仿真软件，这里主要指计算机辅助工程 CAE（ Computer Aided Engineering）软件，包括通常意义上的 CAD，CAE， CFD， EDA， TCAD 等。

目前中国 CAE 软件市场完全被外资产品占据，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。国内此方面以安世亚太为代表的国产模拟仿真软件，在多年使用和代理国外产品经验基础上开发出了国产化的替代方案，但目前还无法达到国外一线产品的水平。泰瑞在 2020 年推出工业仿真云产品，也以云服务模式进入这一市场。特斯联 AIoT 体系通过将虚拟现实技术、 3D 建模技术、 GIS技术以及 VR 技术相结合，推出城市级仿真平台 。

模型构建层 ： 建模业务是指为用户提供数据获取和建立数字化模型的服务，建模技术是数字化的核心技术，譬如测绘扫描、几何建模、网格剖分、系统建模、流程建模、组织建模等技术。市场规模达数百亿人民币，主要由国有测绘企业主导市场，大约有 50 多家企业，其中，高德和百度的成功主要由于其庞大的用户群体和广泛的市场应用。

总体来说，主营数据业务的企业除了在硬件集成和相机飞机研发上有技术投入，软件能力都比较弱，以采购国外软件为主。据调研，全国有 800 家甲级测绘资质企业， 50 家航测甲级单位。现有的数据业务在大地测量等传统服务方面供大于求，但在倾斜航测等业务领域严重供不应求。测绘数据服务领域中，主要的软件包括泰瑞的 Photomesh、 Bentley 的 ContextCapture 和街景工厂的 StreetFactory 。

共性应用层 ： 数字孪生的构建和应用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。平台的优势在于，一是系统架构支持基于单一数据源实现产品全生命周期的管理，实现了数据驱动的产品管理流程。

二是实现了不同行业、应用的打通，并支持其他模型通过 API 接入平台。但从功能性的角度出发，这些工具和平台大多侧重某一或某些特定维度，当前还缺乏考虑数字孪生综合功能需求的一体化综合平台。经过多年发展，工业 / 工程 / 城市场景的不同工具的边界将逐渐消失。

典型的数字孪生平台 ：

1、 达索——3D Experience

达索凭借航空业 CAD 设计软件的沉淀以及收购策略，建立了复杂的产品线。 2012 年，达索提出 3DEXPERIENCE 战略，并于 2014 年推出 3DEXPERIENCE 平台，通过统一的平台架构，把旗下的产品逐步统一到一个平台上。实现了设计、仿真、分析工具（ CATIA、 DELMIA、SIMULIA、……）、协同环境（ VPM）、产品数据管理（ ENOVIA）、社区协作（ 3DSwym）、大数据技术（ EXALEAD）等多种应用的打通。2019 年，达索与 ABB 建立全球合作伙伴关系，为数字化工业客户提供从产品全生命周期管理到资产健康的软件解决方案组合 。

2、 ANSYS——TwinBuilder

ANSYS 拥有一整套仿真解决方案，包括平台、物理知识和系统功能，集成多款建模仿真软件。 ANSYS 的 TwinBuilder 是针对数字孪生的产品软件包，它将多域系统建模器的强大功能与广泛的 0D 应用程序专业库、3D 物理求解器和降阶模型 (ROM) 功能相结合。第三方工具集成功能帮助将各种来源的模型组合到完整的系统中进行协同仿真。通过嵌入式软件开发工具，用户可以重复使用现有组件并快速创建产品的系统模型 。

ANSYS 仿真平台可以连接到各种工业互联网平台进行数据访问和协同，诸如 PTC 公司的 ThingWorx 平台和 GE 公司的 Predix 平台。 ANSYS与 PTC 合作做运行泵的仿真模型，能够比通常采用的试错方法更快地诊断和解决运行故障问题 。

3、 微软——Azure

微软是数字孪生的一个新进玩家，在 2018 年发布了 Azure DigitalTwins 平台，可用于全面的数字模型和空间感知解决方案，可应用于任何物理环境。 Azure 数字孪生可提供物理环境及相关设备、传感器和人员的全面虚拟呈现形式，并全面支持物联网和端点设备之间的双向通讯，提供开放式的建模语言以及实时的执行环境，并有 Azure 强大的服务生态（ Azure AI、 Azure 存储、 Office365）等作为支持。

4、 上海优也 —— Thingswise iDOS

优也 Thingswise iDOS 平台把数字孪生技术作为核心无缝融入工业互联网平台，无论在国内还是在国际上都具有独到之处。建基于云原生、大数据、机器学习 / 人人工智能和微服务等新一代的 IT 技术，优也Thingswise iDOS 平台以数字孪生层作为核心功能层，下启物联层，上承应用层，构成具备多种图形开发工具，功能丰富和自成体系的工业互联网 PaaS 平台，既可部署在各大公有云环境，也可部署在私有云的虚机或物理裸机集群上，甚至也可部署在软硬一体化的机柜里，灵活实现可边可云，云边融合的架构。

在数孪层，用户可以使用可视化设计台定义设备等对象的数字孪生体，梳理数据，融合算法模型，定义设备上下游的关系，对下联通设备数据，在数字空间动态地反映生产现场实际工况以及支持算法模型的计算，对上的支持数据驱动的工业智能应用 。

行业应用层 ： 行业解决方案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。其中，西门子、 GE、达索和 Bentley 因为具有基础平台软件研发和推广能力，技术实力强，对各领域有较透彻的理解，具有较强的竞争力，占有较大的市场份额。

空客、 DNV GL、 Volvo 等高端装备制造商基于数字孪生技术提高了产品研发和资产管理能力。空客通过在关键工装、物料和零部件上安装 RFID，生成了 A350XWB 总装线的数字孪生，使工业流程更加透明化，并能够预测车间瓶颈、优化运行绩效。国内的情况，比亚迪、三一集团 、 特斯联、中船重工等企业也在积极部署数字孪生系统。

三一基于 IoT 的数字孪生技术结合售后服务系统，将服务过程的几个关键指标作为竞争指标，如工程师响应时间（从接到需求电话到可以派出工程师的时间）、常用备件的满足度、一次性修复率、设备故障率等进行评价服务的好坏。通过对每一次的设备实时运行数据、故障参数以及工程师维修的知识积累，三一集团对数据进行建模，还原设备、服务等相关参与方的数字化模型，来不断的改进对应的服务响应与质量。

特斯联 AIoT 产品体系，配合算法仓库、存算一体、云边协同等独家边缘网络能力，在云平台形成提供场景应用服务的城市组件。根据不同场景类型、规模、需求的差异， AI CITY城市组件通过组合将庞杂的产业和城市场景降维成多个垂直模块，逐一升级为数字级的行业产品。从场景数据化到数据智能化，将人与基础设施、生产服务管理建立紧密联系，实现智慧社区、智慧园区、智慧消防等垂直行业的智慧管理和科技服务模式 。

支撑技术层 ：

（1）云计算 ： 云服务和通用 PaaS 平台将形成 IT 巨头主导的产业格局由于需要高昂的资金投入和复杂的技术集成能力，云服务平台和通用 PaaS 平台成为IT 巨头“势力范围”，呈现出高度集聚的特点 。

一方面，云服务平台市场马太效应初现端倪，领军云计算厂商成为当前市场最大赢家。亚马逊 AWS 云和微软 Azure 云成为国外 GEPredix、西门子 MindSphere、 PTCThingWorx 等主流平台首选合作伙伴，国内阿里云、腾讯云、华为云也受到越来越多的企业青睐。另一方面，绝大多数通用 PaaS 平台都是 IT 巨头主导建设。例如亚马逊 AWS 在其云服务平台基础上积极引入容器、无服务器计算等技术来构建高性能 PaaS 服务； SAP推出 CloudPlatform 平台帮助企业集成新兴技术，实现应用快速开发部署。

尽管出于满足自身应用需求和布局关键技术的考虑，个别工业巨头选择自建通用 PaaS 平台，例如 GE 和西门子都曾借助 CloudFoundry 开源框架构建通用 PaaS 平台，但对于大部分企业而言，独立建设通用 PaaS 平台既不经济也无必要 。

未来，云服务平台和通用 PaaS 平台可能会被 IT 巨头整合成为通用底座平台，凭借技术和规模优势提供完整的“IaaS+通用PaaS”技术服务能力。其他企业在通用底座平台上发挥各自优势打造专业服务平台，形成“1+N”的平台体系。如紫光云引擎提供紫光 UNIPower 平台，光电缆、光伏、日化等行业龙头企业则借助其底层技术支撑能力，结合自身业务经验优势打造各类行业专属平台 。

（2）人工智能 ：

1. ICT、研究机构与行业协会提供算力算法支持，成为工业智能重要支撑

三类主体现阶段提供通用关键技术能力，以“被集成”的方式为工业智能提供基础支撑。主要包括三类，一是 ICT 企业，提供几乎涵盖知识图谱、深度学习的所有通用技术研究与工程化支持，如谷歌、阿里等在知识图谱算法研究领域开展研究；

英伟达、 AMD、英特尔、亚马逊、微软、赛灵思、莱迪思、美高森美等开展 GPU、 FPGA 等深度学习芯片研发；

微软、 Facebook、英特尔、谷歌、亚马逊等开展了深度学习编译器研发；

谷歌、亚马逊、微软、 Facebook、苹果、 Skymind、腾讯、百度等开展深度学习框架研究；谷歌、微软等开展了可解释性、前沿理论算法研究。

二是研究机构，主要提供算法方面的理论研究，如加州大学、华盛顿州立大学、马克斯 – 普朗克研究所、卡耐基梅隆大学、蒙彼利埃大学、清华大学、中科院、浙江大学等在知识图谱算法研究领域开展研究；蒙特利尔大学、加州大学伯克利分校等开展了深度学习框架研究；斯坦福大学、麻省理工、 以色列理工学院、清华大学、南京大学、中科院自动化所等开展了深度学习可解释性与相关前沿理论算法研究。三是行业协会，提供相关标准或通用技术支持，如 OMG 对象管理组织提供统一建模语言等企业集成标准的制定，为知识图谱的工业化落地奠定基础； Khronos Group 开展了深度学习编译器研发 。

2. 应用主体面向实际业务领域发挥应用创新作用

各类主体以集成创新为主要模式，面向实际业务领域，整合各产业和技术要素实现工业智能创新应用，是工业智能产业的核心。

目前应用主体主要包括四类：

一是装备 / 自动化、软件企业及制造企业等传统企业，面向自身业务领域或需求痛点，通过引入人工智能实现产品性能提升，如西门子、新松、 ABB、 KUKA、 Autodesk、富士康等。二

是 ICT 企业，依靠人工智能技术积累与优势，将已有业务向工业领域拓展，如康耐视、海康威视、大恒图像、基恩士、微软、 KONUX、 IBM、阿里云等。

三是初创企业，凭借技术优势为细分领域提供解决方案，如Landing.ai、创新奇智、旷视、特斯联、 ElementAI、天泽智云、 Otosense、 Predikto、 FogHorn 等。

四是研究机构，依托理论研究优势开展前沿技术的应用探索，如马萨诸塞大学、加州大学伯克利分校等在设备自执行领域开展了相应探索。

（3）边缘计算：

接入场景和需求的不同驱动连接与边缘计算平台划分为商业物联和工业物联两大阵营，并形成了相对集聚的市场发展特点。专注 M2M 的通信技术企业重点布局商业物联平台，目前市场第一梯队已经基本形成。Ayla 物联平台通过蜂窝、 Wi–Fi 和蓝牙等联网方式实现智能家居、消费电子等商业产品的接入和管理，目前全球客户中囊括了 15 个行业排名第一的企业；通信巨头华为和思科凭借 NB–IoT、 LTE–M 等移动网络技术优势打造物联平台，被英国咨询机构 IHSMarkit 评为领域发展布局的冠亚军。

而具备自有设备整合或协议转换集成优势的装备及自动化企业是工业物联平台的主要玩家，如西门子 MindConnectNano 支持西门子 S7 系列产品通信协议及 OPC–UA，实现自家产品与 MindSphere 平台的无缝连接；自动化软件公司 Kepware 推出 KEPServerEX 连接平台，基于工业 PLC 的通信协议兼容转换，实现各类第三方工业设备的接入与管理。除此之外，还有众多企业以系统集成的方式为平台的部署实施提供定制化的工业连接解决方案。

当前，不断积累工业协议数量以提供通用化连接服务成为工业物联平台发展重要方式，红狮控制的数据采集平台目前支持 300 多种工业协议，可以接入不同类型品牌的 PLC、驱动器、控制器等产品；KEPServerEX 平台集成了 150 余种设备驱动或插件；此外，研华科技在其新推出的 WISE 平台中也已将长期积累的 150 多种工业协议转化成为对外连接服务能力。树根互联云物联平台提供网关、 SDK 植入和云云对接3 种灵活连接模式，支持 400 多种工业协议和 300 多种设备私有协议，适配国际通用硬件接口。

这些企业正积极将工业协议接入服务向更多平台企业提供，未来有望成为工业连接领域领导者，驱动工业物联平台市场走向集聚发展。特斯联下一代边缘计算系统采用 5G 高速无线网络作为数据承载网络的工业级网关，支持移动、联通、电信 5G 高速接入，融合了AI 算力和工业协议处理的高性能融合计算，支持视频接入解析和各类工业接口协议处理，支持国密标准的数据加密，为远程设备和站点之间的联网提供安全高速的无线连接，支持 4 路 Socket 连接 。

安全层 ： 区别于传统的网络安全技术，物联网网络安全更加重视对设备、通信以及数据安全的保障。具体有以下几点：（ 1）设备和远程系统之间的通信加密和认证；（ 2）对设备的保护；（ 3）设备固件的安全升级；（ 4）对威胁行为的监测和防御；（ 5）数据存储的安全性。这要求物联网厂商建立从产品开发、设计到监控全周期的安全防范机制，也要求 IoT 基础设施提供商做好基础设施的安全防护。物联网安全服务商有微软 Azure、赛门铁克、 Intel 等。

微软的产品 Azure Sphere 提供基于云的安全服务，支持对 Azure Sphere 认证的芯片进行维护、更新和控制。它在设备和互联网以及各种辅助云服务之间建立连接，确保安全启动、认证设备身份、完整性和信任根，同时确保设备运行经过审核的代码库。国内阿里云、腾讯云从平台的层级提供安全保障。此外，国内领先的网络安全企业包括奇安信科技集团股份有限公司、启明星辰信息技术集团股份有限公司、深信服科技股份有限公司等 。

3、 应用发展现状

随着物联网的应用更加广泛，各个领域越来越多的企业开始计划数字孪生的部署。 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。工业互联网是数字孪生的延伸和应用，而数字孪生则拓展。了工业互联网应用层面的可能性 。

1. 产业生态 

与美国、德国相比，数字孪生在中国的研究和受关注相对较晚。从2016 年开始，数字孪生文献发表数量进入快速增长期，直到 2019 年，数字孪生论文发表数量超过 600 篇，其中 2019 年占了近 10 年发文总数量的50% 以上。目前关注数字研究，并发表过相关报告的机构 / 作者主要来自学术界、企业界以及政府机构。

政府及相关机构：随着工信部“智能制造综合标准化与新模式应用”和“工业互联网创新发展工程”专项，科技部“网络化协同制造与智能工厂”等国家层面的专项实施，有力促进了数字孪生的发展。以中国电子技术标准化研究院、中国信息通信研究院、赛迪信息产业（集团）有限公司为代表的机构在数字孪生的概念、技术、标准、应用实践等方面开展了大量工作，为数字孪生在中国的推广与发展起到了重要作用。

高校及科研院所：高校及科研院所是进行数字孪生理论研究的主力。统计结果显示，截止 2019 年 12 月 31 日，全球已有超过 1000 个高校、企业和科研院所开展了数字孪生研究且有相关研究成果在学术刊物公开发表，其中不乏包括德国亚琛工业大学、英国剑桥大学、美国斯坦福大学等世界一流高校 。

企业：企业积极关注并开展数字孪生实践，将数字孪生技术付诸实现的研发方，提供数字孪生相关技术咨询的平台方和数字孪生技术的应用方 。

▲数字孪生相关实践企业概况

数字孪生技术服务商方面，以西门子为代表的厂商为了建立更加完整的数字孪生模型体系，近年来研发和整合了质量管理、生产计划排程、制造执行、仿真分析等各领域领先厂商和技术，支持企业进行涵盖其整个价值链的整合及数字化转型。数字孪生技术服务商主要有以下类型：

数据治理和分析服务商：这种供应商通过数字孪生提高他们的分析能力，包括 AI 和高保真物理能力。比如一些大数据分析公司 Cognite 和Sight Machine ；

应用开发商：这些供应商开发数字孪生提高他们的应用能力，为客户提供垂直细分市场的解决方案。通过 APM、物流或 PLM 等应用开发数字孪生模型和组合。比如 GE Digital、 Oracle ；

BPM：重点是BPM（业务流程管理），通过数字孪生加强这方面的能力。包括 BOXARR、 XMPro ；

IoT 平台：这种供应商通过数字孪生提高他们的 IoT 能力。比如提高资产监控和绩效统计的能力。比如 IDbox 和 ThingWorx ；

服务提供商：以客户作为基础开发数字孪生模型，从而加强他们在垂直市场的行业知识，以及分析和应用能力。比如 Accenture 和德勤 。

2. 智能制造领域数字孪生应用

（1）数字孪生应用概述 ：

▲智能制造领域数字孪生体系框架

智能制造领域的数字孪生体系框架主要分为六个层级，包括基础支撑层、数据互动层、模型构建层、仿真分析层，功能层和应用层。

基础支撑层 ： 建立数字孪生是以大量相关数据作为基础的，需要给物理过程、设备配置大量的传感器，以检测获取物理过程及其环境的关键数据。传感器检测的数据大致上可分为三类：（ 1）设备数据，具体可分为行为特征数据（如振动、加工精度等），设备生产数据（如开机时长，作业时长等）和设备能耗数据（如耗电量等）；（ 2）环境数据，如温度、大气压力、湿度等；（ 3）流程数据。即描述流程之间的逻辑关系的数据，如生产排程、调度等 。

数据互动层 ： 工业现场数据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。今年来，随着深度学习、视觉识别技术的发展，各类图像、声音采集设备也被广泛应用于数据采集中 。

数字传输是实现数字孪生的一项重要技术。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。因此，数字孪生需要先进可靠的数据传输技术，具有更高的带宽、更低的时延、支持分布式信息汇总，并且具有更高的安全性，从而能够实现设备、生产流程和平台之间的无缝、实时的双向整合 / 互联。第五代移动通信网络（ 5G）技术因其低延时、大带宽、泛在网、低功耗的特点，为数字孪生技术的应用提供基础技术支撑，包括更好的交互体验、海量的设备通信以及高可靠低延时的实时数据交互。

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，形成数字孪生的落地闭环。数字孪生的交互包括物理 – 物理、虚拟 – 虚拟、 物理 – 虚拟、人机交互等交互方式 。

a）物理物理交互：使物理设备间相互通信、协调与写作，以完成单设备无法完成的任务 。

b）虚拟 – 虚拟交互：以连接多个虚拟模型，形成信息共享网络

c）物理 – 虚拟交互：虚拟模型与物理对象同步变化，并使物理对象可以根据虚拟模型的直接命令动态调整。

d）人机交互：即用户和数字孪生系统之间的交互。使用者通过数字孪生系统迅速掌握物理系统的特性和实时性能，识别异常情况，获得分析决策的数据支持，并能便捷地向数字孪生系统下达指令。比如，通过数字孪生模型对设备控制器进行操作，或在管控供应链和订单行为的系统中进行更新。人机交互技术和 3R 技术是相互融合的 。

数据建模与仿真层 ： 建立数字孪生的过程包括建模与仿真。建模即建立物理实体虚拟映射的 3D 模型，这种模型真实地在虚拟空间再现物理实体的外观、几何、运动结构、几何关联等属性，并结合实体对象的空间运动规律而建立。仿真模型则是基于构建好的 3D 模型，结合结构、热学、电磁、流体等物理规律和机理，计算、分析和预测物理对象的未来状态。

例如飞机研发阶段，可以把飞机的真实飞行参数、表面气流分布等数据通过传感器反馈输入到模型中，通过流体力学等相关模型，对这些数字进行分析，预测潜在的故障和隐患。数字孪生由一个或多个单元级数字孪生按层次逐级复合而成，比如，产线尺度的数字孪生是由多个设备耦合而成。因此，需要对实体对象进行多尺度的数字孪生建模，以适应实际生产流程中模型跨单元耦合的需要 。

▲复杂产品按照系统层次解耦

建立仿真模型的基础可以是知识、工业机理和数据，三种建模方式各有利弊。基于知识建模：要求建立专家知识库并且有一定行业沉淀。优势在于模型较简单，对极端情况建模效果。但模型精度、及时性、可迁移性较差，成本较高；基于机理建模：模型覆盖变量空间大、可脱离物理实体、具有可解释性，但要求大量的参数，计算复杂，无法对复杂流程工业中相互耦合的实体情况进行建模；基于数据建模：模型精度较高、可动态更新，但对数据数量、数据质量和精度要求更高，并且无法解释模型 。

目前，数字孪生建模通常基于仿真技术，包括离散时间仿真、基于有限元的模拟等，通常基于通用编程语言、仿真语言或专用仿真软件编写相应的模型。数字孪生建模语言主要有 AutomationML、 UML、 SysML及 XML 等。工业仿真软件，这里主要指计算机辅助工程 CAE（ ComputerAided Engineering）软件，包括通常意义上的 CAD， CAE， CFD， EDA，TCAD 等。目前中国 CAE 软件市场基本被外资产品垄断，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。

中国具有自主知识产权的 CAE 软件仅有很少量的市场份额，国内此方面，主要是一些高校、科研院所和中小企业在进行 CAE 软件的研发工作，包括 FEPG、 JIFEX、HAJIF、紫瑞、 LiToSim 在内的国内自主知识产权软件系统已上市，但由于缺乏竞争力，一些软件已退出国内 CAE 市场。以安世亚太为代表的国产模拟仿真软件，在多年使用和代理国外产品经验基础上开发出了国产化的替代方案，但目前还无法达到国外一线产品的水平。泰瑞在 2020 年推出工业仿真云产品，也以云服务模式进入这一市场 。

▲工业仿真软件（CAE）主要供应商

▲ 数字孪生优化产品生命周期管理

功能实现层 ：

即利用数据建模得到的模型和数据分析结果实现预期的功能。这种功能是数字孪生系统最核心的功能价值的体现，能实时反映物理系统的详细情况，并实现辅助决策等功能，提升物理系统在寿命周期内的性能表现和用户体验 。

已经有一些软件服务商通过提高数字孪生能力提高他们的应用能力，为客户提供垂直细分市场的解决方案。通过 APM、物流或 PLM 等应用开发数字孪生模型和组合。比如 GE Digital、 Oracle 等。具体见下表：

▲突出数字孪生结合功能层应用的供应商

（2）典型应用场景介绍

数字孪生在智能制造领域的主要应用场景有产品研发、设备维护与故障预测以及工艺规划 。

▲数字孪生在智能制造领域的应用

数字孪生应用于产品研发 ：传统的研发设计方式下，纸张、 3D CAD 是主要的产品设计工具，它建立的虚拟模型是静态的，物理对象的变化无法实时反映在模型上，也无法与原料、销售、市场、供应链等产品生命周期数据打通。对新产品进行技术验证时，要将产品生产出来，进行重复多次的物理实验，才能得到有限的数据。传统的研发设计具有研发周期长，成本造价高昂的特点。

数字孪生突破物理条件的限制，帮助用户了解产品的实际性能，以更少的成本和更快的速度迭代产品和技术。数字孪生技术不仅支持三维建模，实现无纸化的零部件设计和装配设计，还能取代传统通过物理实验取得实验数据的研发方式，用计算、仿真、分析或的方式进行虚拟实验，从而指导、简化、减少甚至取消物理实验。

用户利用结构、热学、电磁、流体和控制等仿真软件模拟产品的运行状况，对产品进行测试、验证和优化。以马斯克的弹射分离实验为例，火箭发射出去后扔掉的捆绑火箭，靠爆炸螺栓和主火箭连接，到一定高度后引爆螺栓爆炸释放卫星，但贵重的金属结构爆炸不能回收使用。马斯克想用机械结构的强力弹簧弹射分离，回收火箭。

这项实验用了 NASA 大量的公开数据，在计算机上做建模仿真分析强力弹簧的弹射、弹射螺栓，没有做一次物理实验，最后弹射螺栓分离成功，火箭外壳的回收大幅度降低了发射的价格。类似的案例还有如风洞试验、飞机故障隐患排查、发动机性能评估等。数字孪生不仅缩短了产品的设计周期，提高了产品研发的可行性、成功率，减少危险，大大降低了试制和测试成本 。

数字孪生应用于工艺规划和生产过程管理 ： 随着产品制造过程越来越复杂，多品种，小批量生产的需求越来越强，企业对生产制造过程进行规划、排期的精准性和灵活性，以及对产品质量追溯的要求也越来越高。大部分企业信息系统之间数据未打通，依赖人工进行排期和协调。

数字孪生技术可以应用于生产制造过程从设备层、产线层到车间层、工厂层等不同的层级，贯穿于生产制造的设计、工艺管理和优化、资源配置、参数调整、质量管理和追溯、能效管理、生产排程等各个环节，对生产过程进行仿真、评估和优化，系统地规划生产工艺、设备、资源，并能利用数字孪生的技术，实时监控生产工况，及时发现和应对生产过程中的各种异常和不稳定性，日益智能化实现降本、增效、保质的目标和满足环保的要求。

离散行业中，数字孪生在工艺规划方面的应用着重于生产制造环节与设计环节的协同；流程行业中，要求通过数字孪生技术对流程进行机理或者数据驱动的建模。图 X 反映了流程工业自动化的结构，在这个过程中，数字孪生通过将物理实体流程上的耦合转化为各个数字孪生参数间的耦合，实现整个流程的协同优化 。

▲流程工业自动化的总体结构

▲应用层级及生态

数字孪生应用于设备维护与故障预测 ：

传统的设备运维模式下，当设备发生故障时，要经过“发现故障——致电售后服务人员——售后到场维修”一系列流程才能处理完毕。客户对设备知识的不了解、与设备制造商之间的沟通障碍往往导致故障无法及时解决。解决这一问题的方法在于将依赖客户呼入的“被动式服务”转变为主机厂主动根据设备健康状况提供服务的“主动式服务”。

数字孪生提供物理实体的实时虚拟化映射，设备传感器将温度、振动、碰撞、载荷等数据实时输入数字孪生模型，并将设备使用环境数据输入模型，使数字孪生的环境模型与实际设备工作环境的变化保持一致，通过数字孪生在设备出现状况前提早进行预测，以便在预定停机时间内更换磨损部件，避免意外停机。通过数字孪生，可实现复杂设备的故障诊断，如风机齿轮箱故障诊断、发电涡轮机、发动机以及一些大型结构设备，如船舶的维护保养 。

典型的企业如达索、 GE 聚焦于数字孪生在故障预测和维护方面的应用。 GE 是全球三大航空发动机生产商之一，为了提高其核心竞争力和加强市场主导地位，在其航空发动机全生命期过程引入了增材制造和数字孪生等先进技术。 2016 年， GE 与 ANSYS 合作，携手扩展并整合 ANSYS行业领先的工程仿真、嵌入式软件研发平台与 GE 的 Predix 平台。 GE 的数字孪生将航空发动机实时传感器数据与性能模型结合，随运行环境变化和物理发动机性能的衰减，构建出自适应模型，精准监测航空发动机的部件和整机性能。并结合历史数据和性能模型，进行故障诊断和性能预测，实现数据驱动的性能寻优 。

3. 智慧健康领域数字孪生应用

（1）数字孪生应用概述

智慧健康是通过利用移动监测、移动诊室、无线远程会诊和医疗信息云存储等智能技术手段，以此提高诊疗效率，提升城市诊疗覆盖面与效率，促进城市医疗资源的合理化分配。将数字孪生应用在智慧健康系统中，可以基于患者的健康档案、就医史、用药史、智能可穿戴设备检测数据等信息在云端为患者建立“医疗数字孪生体”，并在生物芯片、增强分析、边缘计算、人工智能等技术的支撑下模拟人体运作，实现对医疗个体健康状况的实时监控、预测分析和精准医疗诊断。

如基于医疗数字孪生体应用，可远程和实时地监测心血管病人的健康状态；当智能穿戴设备传感器节点测量到任何异常信息时，救援机构可立即开展急救。同样医疗数字孪生体还可通过在患者体内植入生物医学传感器来全天监控其血糖水平，以提供有关食物和运动的建议等 。

将数字孪生技术应用在智慧健康中，构建其应用框架如下图所示。该应用框架主要包含基础支撑层、数据互动层、模型构建层和功能层 。

▲数字孪生智慧健康应用框架

基础支撑层 ： 基础支撑层主要是与患者相关的软硬件资源和医院信息系统。如：医疗设备包括 CT 机、磁共振成像和理疗设备等，以及与硬件配套的专业软件（如健康信息系统）。医疗信息包括一些可穿戴设备（血压计、心率监测仪）以及一些其他智能系统采集到的信息。可穿戴设备在医学领域的相关产品包括血糖监测仪、心电监测仪、胎心监护仪、心电仪、血压计等。一些电子科技巨头生产用于健康监测的智能可穿戴设备，如谷歌、三星、华为小米等都已推出消费级可穿戴医疗设备，华为、索尼、 LG、 Garmin、Razer 等厂商也推出智能手环、智能眼镜等可穿戴产品。

数据互动层 ： 数据将医疗资源的数据进行收集、分类、整合为平台提供支持。在数据采集方面，通过RFID标签、二维码、传感器等技术识别物体及其位置。医疗资源、信息等数据通过 4G/5G 网络上传到云平台。采集的数据主要包括诊断数据、监测数据和历史病例数据等。进入数据池的多源异构数据进行整合后，将数据进行虚拟化、服务化处理，从而实现数据的输入输出 。

模型构建层 ： 基于数据互动层处理的数据，建立物理对象的虚拟模型，比如患者和医疗资源的医疗资源模型，医疗能力模型和人体健康模型。这些孪生模型和物理实体进行实时数据交互，从而实现物理设备、虚拟模型、云健康系统的全要素、全服务、全流程的数据集成和聚合。

同时模型构建层的基础功能包括服务管理、数据管理、知识管理和用户管理。其中，服务管理主要负责医疗资源配置、医护人员配置和在线挂号等服务。数据管理主要是负责数据存储、分析和传输。知识管理平台件主要负责隐性知识的存储、表示、挖掘、搜索和分析等工作。用户管理平台提供了用户基本信息管理、用户信息管理和用户遗传信息管理功能管理等。

功能层 ： 数字孪生智慧健康可通过手机、 PC 终端、医疗系统和专用设备进行应用。如：微信推出“服务号”功能，患者可以通过医院的微信服务号进行诊疗卡办理、预约挂号、全流程缴费等，大大减轻了医院的接诊压力，提高了管理效率。基于微信平台，提供在线问诊功能，方便患者开药检查。医疗机构通过获取患者信息，向患者发送健康建议，并进行资源分配模拟。为患者提供实时监控、危机预警、医疗指导等服务。第三方软件使第三方医疗服务机构、政府获取计费信息，保证医疗服务费用支付安全、快速支付等相关功能 。

安全系统与信息共享标准 ： 安全系统负责确保医疗数字孪生系统中所有层的安全。包括系统和平台安全、网络安全、医疗数据安全、用户个人隐私和信息安全、应用安全和安全管理。防止来自第三方的恶意攻击、信息和数据的盗窃和篡改至关重要。安全系统确保整个智能医疗系统具备灾备、应急响应、监控和管理等安全功能 。

除了上述功能，智慧健康平台还需要标准和系统规范模块，保证医疗信息实现跨应用、跨系统、跨平台的共享。这是为了保证医疗保健数据收集、数据共享和交换以及应用程序服务管理的标准化 。

4. 智慧城市领域数字孪生应用

（1）数字孪生应用概述

中国以“智慧城市”和“新基建”为代表的建设模式虽然起步较晚，但爆发速度前所未有。目前全球近 1000 个提出智慧化发展的城市中，有近 500 个中国城市，占全球数量的 48%。这为中国下一阶段的城市和基础设施发展奠定了基础 。

2019 年中国新型智慧城市规模超过 9000 亿元，未来几年将保持较快速度增长，预计到 2023 年市场规模将超过 1.3 万亿元。当前，安全综治、智慧园区、智慧交通是智慧城市建设投入的重点，三大细分场景规模占智慧城市建设总规模的 71%，而城市级平台、机器人等新技术和产品则在快速落地，被更多城市建设方采纳和应用 。

▲2018–2023 年中国新型智慧城市市场规模及预测（单位：亿元）

▲中国城市智慧化细分市场占比

数字孪生城市则是数字孪生技术在城市层面的广泛应用，通过构建城市物理世界及网络虚拟空间一一对应、相互映射、协同交互的复杂系统，在网络空间再造一个与之匹配、对应的孪生城市，实现城市全要素数字化和虚拟化、城市状态实时化和可视化、城市管理决策协同化和智能化，形成物理维度上的实体世界和信息维度上的虚拟世界同生共存、虚实交融的城市发展新格局。数字孪生城市既可以理解为实体城市在虚拟空间的映射状态，也可以视为支撑新型智慧城市建设的复杂综合技术体系，它支撑并推进城市规划、建设、管理，确保城市安全、有序运行 。

数字孪生城市主要有新型基础设施、智能运行中枢、智慧应用体系三大横向的分层 ：

▲数字孪生城市

基础设施层 ： 城市新型基础设施包括全域感知设施 ( 包括泛智能化的市政设施和城市部件 )、网络连接设施和智能计算设施。与传统智慧城市不同的是，数字孪生城市的基础设施还包括激光扫描、航空摄影、移动测绘等新型测绘设施，旨在采集和更新城市地理信息和实景三维数据，确保两个世界的实时镜像和同步运行 。

智能运行中枢 ： 智能运行中枢是数字孪生城市的能力中台，由五个核心平台承载，

一是泛在感知与智能设施管理平台，对城市感知体系和智能化设施进行统一接入、设备管理和反向操控；

二是城市大数据平台，汇聚全域全量政务和社会数据，与城市信息模型平台整合，展现城市全貌和运行状态，成为数据驱动治理模式的强大基础。

三是城市信息模型平台，与城市大数据平台融合，成为城市的数字底座，是数字孪生城市精准映射虚实互动的核心。

四是共性技术赋能与应用支撑平台，汇聚人工智能、大数据、区块链、AR/VR 等新技术基础服务能力，以及数字孪生城市特有的场景服务、数据服务、仿真服务等能力，为上层应用提供技术赋能与统一开发服务支撑。

五是泛在网络与计算资源调度平台，主要是基于未来软件定义网络（ SDN）、云边协同计算等技术，满足数字孪生城市高效调度使用云网资源 。

应用服务层 ： 应用服务层是面向政府、行业的业务支撑和智慧应用，基于数字孪生城市的应用服务包含城市大数据画像、人口大数据画像、城市规划仿真模拟、城市综合治理模拟仿真等智能应用，社区网格化治理、道路交通治理、生态环境治理、产业优化治理等行业专题应用 。

（2） 数字孪生城市的应用效果

提升城市规划质量和水平。 当前的智慧城市规划和顶层设计，大部分都属于概念和功能设计，缺乏与实际人流、物流、资金流的交互，也缺乏对新技术引入带来的影响分析。数字孪生城市执行快速的“假设”分析和虚拟规划，可迅速摸清城市“家底”，精确到一花一木、一路一桥，把握城市运行脉搏；推动城市规划有的放矢、提前布局，在规划前期和建设早期了解城市特性、评估规划影响，避免在不切实际的规划设计上浪费时间，防止在验证阶段重新进行设计，以更少的成本、更快的速度，推动创新技术支撑智慧城市顶层设计落地 。

推动以人为核心的城市设计，实现智慧城市建设协同创新。 城市居民是新型智慧城市服务的核心，也是城市规划、建设需要考虑的关键因素。数字孪生城市将以人作为城市核心，关注城乡居民出行轨迹、收入水准、家庭结构、日常消费等，对相关数据进行动态监测，并纳入模型，实现协同计算。同时，数字孪生城市通过在“比特空间”上预测人口结构和迁徙轨迹、推演未来的设施布局、评估商业项目影响等，将对实体城市的设计、建设和实施产生巨大的影响，甚至重塑城市。搭建可感知、可判断、快速反应的数字孪生城市，将支撑城市土地空间规划、重大项目建设，实现随需响应的惠民服务、触手可及的协同指引。

优化智慧城市建设并评估其成效。 数字孪生城市体系以及可视化系统以定量与定性方式，建模分析城市交通路况、人流聚集分布、空气质量、水质指标等各维度城市数据，可让决策者和评估者快速、直观地了解智慧化对城市环境、城市运行等状态的提升效果，评判智慧项目的建设效益；实现城市数据挖掘分析，辅助政府在信息化、智慧化建设中的科学决策，避免走弯路或重复、低效建设。

模拟仿真：在数字世界推演城市运行态势

在数字城市仿真，在物理城市执行，使城市建设和发展少走弯路、不留遗憾，是数字孪生城市价值的真正体现。在数字孪生城市中，运用模拟仿真技术，可进行自然现象的仿真、物理力学规律的仿真、人群活动的仿真，自然灾害的仿真等，为城市规划、管理、 45 应急救援等制定科学决策，促进城市资源公平和快速调配，支撑建立更加高效智能的城市现代化治理体系 。

就目前的发展阶段来看，对整个城市进行模拟仿真的软件产品还未出现，仿真软件的应用范围还是局限于部分细分领域，如用于交通仿真的SUMO、 VISSIM、 Carsim，水动力仿真的 MIKE21、 HEC、 SWIMM，景观环境仿真的 SITES 平台和物流固废仿真的 Anylogic。国内仿真软件与国外相比还有较大差距，国外厂商掌握 CAE 有限元算法和 CAD 核心几何内核算法，国内企业只能通过授权经营方式使用国外几何内核，基本不具有自主知识产权，多数厂商主要基于国外产品进行二次开发。

随着国内仿真软件的快速发展，在交通等部分领域已形成一定优势。51VR 公司自主研发推出 51Sim–One 无人驾驶仿真平台， 通过自主研发的静态高精度场景数据编辑和自动化转换工具，既可对已采集场景的多种数据进行融合，将实体非结构化场景快速生成高拟真的结构化虚拟仿真场景，又可根据自动驾驶测试任务的需要从无到有构建仿真训练流程与评价体系，极大提升自动驾驶训练效率。

百度公司 2017 年对外发布了 Apollo （阿波罗）平台， 其中的仿真平台可以提供贯穿自动驾驶研发迭代过程的完整解决方案，仿真服务拥有大量的实际路况及自动驾驶场景数据，基于大规模云端计算容量，打造日行百万公里的虚拟运行能力。 中视典数字科技公司依托自主知识产权的虚拟现实平台软件，专门针对数字城市完全自主研发出产品：数字城市仿真平台（ VRP–Digicity）、三维网络平台（ VRPIE）、三维仿真系统开发包（ VRP–SDK）等，能满足不同数字城市规划管理领域，不同层次客户对数字仿真的需求 。

深度学习：推动城市自我学习智慧成长

数字孪生城市对人工智能领域深度学习、自我优化技术的应用，可使城市从以往部门之间各自为战、治标不治本、被动迟缓的基层治理模式，转变为全域协同治理、问题智能响应、需求提前预判的模式，构建起高效智慧的城市运行规则。在数字孪生城市中，对深度学习技术的应用主要集中在海量数据处理、系统运行优化等方面 。

深度学习模型和技术源流多来自西方人工智能科学家 , 我国多数人工智能企业缺少原创算法，但近年来科研实力大幅增长，目前我国深度学习领域的差距主要在于缺乏体系化的产品、生态，未能进一步沉淀市场应用 。

目前，数字孪生城市中较为成熟的深度学习产品目前有泰瑞数创CIM Generator 空间语义平台和商汤科技 SenseEarth 平台。前者是一款融合了深度语义信息的 AI PAAS 平台， 它包含了一个强大的人工智能内核，可将各类数据自动解译生成城市语义模型。同时支持多数据源，包括遥感影像、航空影像、激光点云、建筑图纸等数据输入，并内置插件式 AI组件，包括深度学习算法框架，内插多组网络模型，支持分布式架构。

SenseEarth 智能遥感影像解译平台是一款面向公众公开的遥感影像浏览及解译在线工具，具有强大的数据解析和洞察能力，可提供在线体验基于卫星影像的道路提取、舰船检测、土地利用分类等人工智能解译功能，并可支撑用户浏览历史影像，以月度为单位对不同时段的影像进行变化检测，快速感知城市的变迁与发展 。

5. 智慧建筑领域数字孪生应用

（1）数字孪生应用概述

“数字孪生建筑”是将数字孪生使能技术应用于建筑科技的新技术，简单说就是利用物理建筑模型，使用各种传感器全方位获取数据的仿真过程，在虚拟空间中完成映射，以反映相对应的实体建筑的全生命周期过程。

数字孪生建筑具有四大特点：精准映射、虚实交互、软件定义、智能干预。

1、精准映射：数字孪生建筑通过各层面的传感器布设，实现对建筑的全面数字化建模，以及对建筑运行状态的充分感知、动态监测，形成虚拟建筑在信息维度上对实体建筑的精准信息表达和映射。

2、虚实交互：未来数字孪生建筑中，在建筑实体空间可观察各类痕迹，在建筑虚拟空间可搜索各类信息，建筑规划、建设以及民众的各类活动，不仅在实体空间，而且在虚拟空间得到极大扩充，虚实融合、虚实协同将定义建筑未来发展新模式。

3、软件定义：数字孪生建筑针对物理建筑建立相对应的虚拟模型，并以软件的方式模拟建筑人、事、物在真实环境下的行为，通过云端和边缘计算，软性指引和操控建筑的电热能源调度等。

4、智能干预：通过在“数字孪生建筑”上规划设计、模拟仿真等，将建筑可能产生的不良影响、矛盾冲突、潜在危险进行智能预警，并提供合理可行的对策建议，以未来视角智能干预建筑原有发展轨迹和运行，进而指引和优化实体建筑的规划、管理，改善服务。

数字孪生建筑的核心环节在于 BIM 的应用。 建筑信息模型（ BIM）是一种应用于工程设计、建造、管理的数据化工具和一种信息建模技术，可以实现建筑设计的三维可视化， BIM 技术叠加时间轴形成 4D 模型，进一步叠加成本信息可构筑 5D 模型，对建筑进行多维度考量，可贯穿建筑全生命周期中规划、概念设计、细节设计、分析、出图、预制、施工、运营维护、拆除或翻新等所有环节。

具体到 BIM 软件的核心领域，目前国内厂商占建筑结构设计软件市场优势，建筑信息化模型软件市场仍以国外厂商为主导：

（ 1）因建筑行业信息化发展迅速，作为建筑信息化的核心软件产品，建筑结构设计软件也吸引了越来越多企业进入。但是由于建筑结构设计软件专业技术门槛较高，目前国内外结构专业设计软件公司的集中度较高，主流软件包括北京盈建科软件股份有限公司 YJK 建筑结构软件系统、建研科技股份有限公司研发的 PKPM 系列软件、北京探索者软件技术股份有限公司的探索者结构系列软件， MIDAS Information Technology Co.，Ltd. 的 Midas 系列软件、上海佳构软件科技有限公司 STRAT 软件、深圳市斯维尔科技股份有限公司 SUP 系列软件等几款国内外结构设计软件产品。

因国外产品价格较高，对中国本土建筑规范理解不足，国外软件只在少量超高层复杂结构设计中有所应用，市场份额较小；而国内的软件，如 PKPM 系列软件等等，因研发应用较早，经过了多年发展在国内市场中具有较高的占有率 。

（ 2） 国 内 建 筑 信 息 化 模 型（ BIM） 软 件 市 场 上， 以 Autodesk、 DassaultSystems、 GRAPHISOFT、 Tekla 为代表的国外软件厂商依然在设计 BIM 软件领域占据绝对优势，国内企业的 BIM 应用软件都采用国外的Revit、 Tekla 等平台产品。中国本土 BIM 软件厂商数量较多，开发的软件产品大多属于应用型软件，运行于基础平台软件环境中，这类应用型软件以项目业务为导向，注重将软件产品与本地化业务相结合，以提升项目推进效率，而本土软件厂商在提供应用软件产品的同时，也提供相关配套服务和业务解决方案。但近几年国内 BIM 软件厂商由建造、施工 BIM 软件向协同协作端软件发力，不断将触角伸向产业链上下游，通过本地化产品和配套的技术服务支撑，取得了相当好的成绩。因 BIM 软件研发需要大量的资金投入，目前国内实力的 BIM 研发企业主要有鲁班、广联达、鸿业、品茗等实力较大的软件厂商。

现在，知名的 BIM 软件供应商有 Autodesk、 Trimble、 Bentley、广联达、 RIB Software 等 。

▲全球主要 BIM 软件供应商

（2）典型应用场景介绍

▲数字孪生建筑典型应用场景

数字孪生建筑在规划设计方面主要应用于以下场景 ：

场地分析： 传统的场地分析存在诸如定量分析不足、主观因素过重、无法处理大量数据信息等弊端； BIM 结合地理信息系统 (GeographiInformation System，简称（ GIS），对场地及拟建的建筑物空间数据进行建模，通过 BIM 及 GIS 软件的强大功能，迅速得出令人信服的分析结果，帮助项目在规划阶段评估场地的使用条件和特点，从而做出新建项目最理想的场地规划、交通流线组织关系、建筑布局等关键决策 。

功能分析： 项目投资方可以使用 BIM 来评估设计方案的布局、视野、照明、安全、人体工程学、声学、纹理、色彩及规范的遵守情况。 BIM甚至可以做到建筑局部的细节推敲，迅速分析设计和施工中可能需要应对的问题。方案论证阶段还可以借助 BIM 提供方便的、低成本的不同解决方案供项目投资方进行选择，通过数据对比和模拟分析，找出不同解决方案的优缺点，帮助项目投资方迅速评估建筑投资方案的成本和时间。

对设计师来说，通过BIM来评估所设计的空间，可以获得较高的互动效应，以便从使用者和业主处获得积极的反馈。设计的实时修改往往基于最终用户的反馈，在 BIM 平台下，项目各方关注的焦点问题比较容易得到直观的展现并迅速达成共识，相应的需要决策的时间也会比以往减少 。

空间分析： 详图设计阶段发现不合格需要修改，造成设计的巨大浪费，BIM 能够帮助项目团队在功能规划阶段，通过对空间进行分析来理解复杂空间的标准和法规，从而节省时间，提供对团队更多增值活动的可能。特别是在客户讨论需求、选择以及分析最佳方案时，能借助 BIM 及相关分析数据，做出关键性的决定。 BIM 在建筑策划阶段的应用成果还会帮助建筑师在建筑设计阶段随时查看初步设计是否符合业主的要求，是否满足建筑策划阶段得到的设计依据。

公用设施分析： 在厂区管网规划中，通常相关部门各行其道，造成道路经常被开挖，管线经常被挖断，造成很大经济损失。利用数字孪生技术通过对各类管线进行统一信息化处理，以市政规划数据库为设计基础进行相关管道的设计布线，就可避免错误发生，从而优化管网布置，提高设计及经济效率 。

信息模型构建： 以往的二维平面设计对建筑空间尤其是复杂的建筑空间表达效率较低， BIM 是以三维数字技术为基础，集成了建筑工程项目各种相关信息的工程数据模型， BIM 是对工程项目设施实体与功能特性的数字化表达。一个完善的信息模型，能够连接建筑项目生命期不同阶段的数据、过程和资源，是对工程对象的完整描述，可被建设项目各参与方普遍使用，支持建设项目生命期中动态的工程信息创建、管理和共享。建筑信息模型同时又是一种应用于设计、建造、管理的数字化方法， 这种方法支持建筑工程的集成管理环境，可以使建筑工程在其整个进程中显著提高效率和大量减少风险。

数字孪生建筑在建设实施环节主要应用于以下场景 ：

施工策划： 施工组织是对施工活动实行科学管理的重要手段，它决定了各阶段的施工准备工作内容，传统施工组织设计很难协调施工过程中各施工单位、各施工工种、各项资源之间的相互关系。 BIM 施工组织可视化在编制施工方案、施工组织设计的同时，将 BIM 技术融入到整个环节中去，以直观可视化的方式进行方案编制辅助、方案模拟验证、方案优化、方案敲定等。从方案模型创建到方案优化再到方案敲定输出，全部基于BIM 技术可视化呈现，更加有益于保证施工组织设计可行性。

造价控制： 施工单位精细化管理很难实现的根本原因在于，海量的工程数据无法快速准确获取，以便更好的支持资源计划，致使经验主义盛行。而数字孪生建筑可以让建筑模型快速准确的获得工程基础数据，为施工单位制定精准的资源计划提供有效支持，大大减少了资源、物流和仓储环节的浪费，为实现限额领料、消耗控制提供技术支撑 。

进度管理： 建筑施工是一个高度动态的过程，随着建筑工程规模不断扩大，复杂程度不断提高，使得施工项目管理变得极为复杂。通过将BIM 与施工进度计划相链接，将空间信息与时间信息整合在一个可视的4D（ 3D+Time）模型中，可以直观、精确地反映整个建筑的施工过程。可以在项目建造过程中合理制定施工计划、 4D 精确掌握施工进度，优化使用施工资源以及科学地进行场地布置，对整个工程的施工进度、资源和质量进行统一管理和控制，以缩短工期、降低成本、提高质量 。

施工模拟： 通过 BIM 可以对项目的重点或难点部分进行可建性模拟，对于一些重要的施工环节或采用新施工工艺的关键部位进行模拟和分析，如可进行深基坑支护分析，各专业综合管线干涉分析等，也可以利用 BIM 技术结合施工组织计划进行预演以提高复杂建筑体系的可造性。借助 BIM 对施工组织的模拟，项目管理方能够非常直观地了解整个施工安装环节的时间节点和安装工序，并清晰把握在安装过程中的难点和要点，施工方也可以进一步对原有安装方案进行优化和改善，以提高施工效率和施工方案的安全性 。

4、 数字孪生技术体系

数字孪生技术架构概述 ：

数字孪生以数字化方式拷贝一个物理对象，模拟对象在现实环境中的行为，对产品、制造过程乃至整个工厂进行虚拟仿真，目的是了解资产的状态，响应变化，改善业务运营和增加价值。在万物互联时代此种软件设计模式的重要性尤为突出，为了达到物理实体与数字实体之间的互动，需要经历诸多的过程也需要很多基础的支撑技术做为依托，更需要经历很多阶段的演进才能很好的实现物理实体在数字世界中的塑造。

首先我们需要构建物理实体在数字世界中对应的实体模型，就需要利用知识机理、数字化等技术构建一个数字模型，而且我们对构建的数字模型需要结合行业特性做出评分，是否可以在商业中投入使用；有了模型还需要利用物联网技术将真实世界中的物理实体元信息采集、传输、同步、增强之后得到我们业务中可以使用的通用数据；通过这些数据可以仿真分析得到数字世界中的虚拟模型，在此基础之上我们可以利用 AR/VR/MR/GIS 等技术在数字世界完整复现出来，人们才能更友好的与物理实体交互；在这个基础之上我们可以结合人工智能、大数据、云计算等技术做数字孪生体的描述、诊断、预警 / 预测及智能决策等共性应用赋能给各垂直行业 。

▲数字孪生整体分层架构

数字孪生关键技术及成熟度 ：

模型构建层 。 建模“数字化”是对物理世界数字化的过程。这个过程需要将物理对象表达为计算机和网络所能识别的数字模型。建模的目的是将我们对物理世界或问题的理解进行简化和模型化。而数字孪生的目的或本质是通过数字化和模型化，用信息换能量，以更少的能量消除各种物理实体、特别是复杂系统的不确定性。所以建立物理实体的数字化模型或信息建模技术是创建数字孪生、实现数字孪生的源头和核心技术，也是“数字化”阶段的核心。

▲模型构建流程示意图

概念模型和模型实现方法 ：

数字孪生模型构建的内容主要涉及概念模型和模型实现方法。其中，概念模型从宏观角度描述数字孪生系统的架构，具有一定的普适性；而模型实现方法研究主要涉及建模语言和模型开发工具等，关注如何从技术上实现数字孪生模型。在模型实现方法上，相关技术方法和工具呈多元化发展趋势。当前，数字孪生建模语言主要有 AutomationML、 UML、 SysML及 XML 等。一些模型采用通用建模工具如 CAD 等开发，更多模型的开发是基于专用建模工具如 FlexSim 和 Qfsm 等。目前业界已提出多种概念模型，包括 ：

1）基于仿真数据库的微内核数字孪生平台架构，通过仿真数据库对实时传感器数据的主动管理，为仿真模型的修正和更逼真的现实映射提供支持 ；

2）自动模型生成和在线仿真的数字孪生建模方法，首先选择静态仿真模型作为初始模型，接着基于数据匹配方法由静态模型自动生成动态仿真模型，并结合多种模型提升仿真准确度，最终通过实时数据反馈实现在线仿真 ；

3）包含物理实体、数据层、信息处理与优化层三层的数字孪生建模流程概念框架，以指导工业生产数字孪生模型的构建；

4）基于模型融合的数字孪生建模方法，通过多种数理仿真模型的组合构建复杂的虚拟实体，并提出基于锚点的虚拟实体校准方法 ；

5）全参数数字孪生的实现框架，将数字孪生分成物理层、信息处理层、虚拟层三层，基于数据采集、传输、处理、匹配等流程实现上层数字孪生应用；

6）由物理实体、虚拟实体、连接、孪生数据、服务组成的数字孪生五维模型，强调了由物理数据、虚拟数据、服务数据和知识等组成的孪生数据对物理设备、虚拟设备和服务等的驱动作用，并探讨了数字孪生五维模型在多个领域的应用思路与方案 ；

7）按照数据采集到应用分为数据保障层、建模计算层、数字孪生功能层和沉浸式体验层的四层模型，依次实现数据采集、传输和处理、仿真建模、功能设计、结果呈现等功能。

信息模型的建立 ：

数字孪生信息模型的建立以实现业务功能为目标，按照信息模型建立方法及模型属性信息要求进行。数字孪生信息模型库包括以人员、设备设施、物料材料、场地环境等信息为主要内容的对象模型库和以生产信息规则模型库、产品信息规则模型库、技术知识规则模型库为主要内容的规则模型库。数字孪生信息模型框架如下图所示 ：

▲信息模型框架

a) 模型业务功能 ：

模型业务功能按照产品生命周期的四个主要功能展开：

设计仿真基于产品原型库、设计机理库等设计基础信息，建立产品的虚拟模型。在设计仿真阶段，还应将产品的虚拟模型在包括设备生产能力、设备生产环境的虚拟工厂运行环境中进行模拟生产，测试产品设计的合理性、可靠性，提升产品研发效率 。

工艺流程规划基于工艺知识库、设备布局信息、仓储情况等工艺流程规划基础信息，完成产品工艺流程规划。在工艺流程规划阶段，还应将包括工艺信息的产品虚拟模型在虚拟工厂的生产规划中进行流程模拟，测试产品工艺规划和流程规划的合理性、可靠性，提升工艺流程规划效率 。

生产测试基于设备布局信息、设备运行信息等基础信息及包括工艺信息和生产信息的产品虚拟模型，对产品的生产环节进行模拟测试，测试产品设计、工艺规划及生产流程的合理性和可靠性，提升产品设计成功率和测试效率 。

产品交付分为实体产品交付和产品虚拟模型交付两部分。其中产品虚拟模型应包括产品的外观信息、功能信息、工艺信息等内容，可适当提前于实体产品提供给用户，以满足用户提前进行模拟测试的需求 。

b) 对象模型库 ：

对象模型库包含人员模型、设备设施模型、物料材料模型、场地环境模型及其相对应的模型关系。模型元素的属性信息划分为静态信息和动态信息两部分，其中静态信息包括身份信息、属性信息、计划信息和静态关系信息，动态信息包括状态信息、位置信息、过程信息及动态关系信息。

c) 规则模型库 ：

规则模型库包含生产工艺规则模型库、生产管理规则模型库、产品信息规则模型库、生产物流规则模型库与技术知识规则模型库等：

生产工艺规则模型库包含工艺基础信息、工艺清单、工艺路线、工艺要求、工艺参数、生产节拍、 标准作业等规则模型信息及其相关逻辑规则 。

生产管理规则模型库包含生产计划信息、排产规则信息、生产班组信息、生产线产能信息、生产 进度信息、生产排程约束信息、生产设备效率信息之间的逻辑规则 。

产品信息规则模型库包含产品主数据、物料清单、产品生产规则、资源清单之间的信息共享与信息交换 。

生产物流规则模型库包含物料需求、物流路径、输送方式、配送节拍、在制品转运方式、完成入 库、出库等与生产物流相关的规则。

技术知识规则模型库包含工艺原理、操作经验、仿真模型、软件算法等 。

d) 信息模型组件 ：

不同的信息模型组件可根据需要进行组合，以形成系统、产线等集成组合。按照应用层所提供业务功能的不同要求，信息模型组件间的组合可采用层级组合、关联组合、对等组合等方式：

层级组合用以描述不同系统层级的信息模型按照层级关系依次组合的信息模型关系。在层级组合关系的描述下，可将具有从属关系的不同信息模型结合，作为整体进行功能实现 。

关联组合用以描述不同信息模型之间存在的相互关联关系。在关联组合关系的描述下，可将非从属关系但相互耦合的信息模型建立关系，作为整体进行功能实现 。

对等组合用以描述不同信息模型之间存在的非耦合关系。在对等关系的描述下，可将独立的非耦合信息模型之间建立关系，作为整体进行功能实现 。

数据互动层

物联网“数字化”中的另一层意思是物理世界本身的状态变为可以被计算机和网络所能感知、识别和分析，这些状态包括位置、属性、性能、健康状态等，物联网技术为原子化向比特化转变提供了完整的解决方案。同时物联网为物理对象和数字对象之间的“互动”提供了通道。“互动”是数字孪生的一个重要特征，主要是指物理对象和数字对象之间的动态互动，当然也隐含了物理对象之间的互动以及数字对象之间的互动。前两者通过物联网实现，而后者则是通过数字线程实现。能够实现多视图模型数据融合的机制或引擎是数字线程技术的核心 。

▲数据互动流程示意图

信息同步

当前，企业力求着手建立相关产业的互联网平台，将各类时空资源数字化，并以数字空间为载体，链接人与物，打造时空一体的数字孪生技术基础的信息平台，以实现数据的同步和融通联动。以基于 CIM 的Citybase 为例，其具有以下特点 ：

▲Citybase 主要技术

数据价值挖掘： 监测设备的运行数据，且在此基础上可对设备的全生命周期进行管理，分析挖掘数据价值，辅助运营决策 。

数据融通与跨系统联动： 从物联网底层进行数据的统一连接和管理，支持数据的灵活调配，可以更简单充分地进行数据融通与跨系统联动，真正做到打破“烟囱式管理” 。

空间索引与事件驱动： 将设备、数据及事件与空间联系起来。能以空间为线索完成完整的业务闭环，能各种异常情况进行准确三维空间确定与快速响应 。

CityBase 构造了空间数字底板，构建一图多景，技术上支持以下功能 ：

a）数据分级可视化及应用，支撑建造、交通、水务、应急等各种城市业务场景；

b）以空间为核心，融合人、物和行为活动，构建一套可扩展的数据模型 ；

c）支持大体量模型轻量化，软件生产工业化，模型库、服务库与应用快速组装 ；

d）实现对实时监控视频与三维模型配准融合，生成大范围三维全景动态监控画面，形成一张“无限量”分辨率的大视频，“一张图”看全局，无需切换任何分镜头画面，实现对重点区域整体现场的全景、实时、多角度监控，虚拟线上融合共生 ；

e）支持 BIM+ 倾斜摄影 + 影响 + 点云 +MAX 模型，单体模型等的大场景、海量、大体量数据的高逼真渲染 。

信息强化

当前，企业通过对多源异构孪生数据的整合和综合运用，建立“人机料法环”各类数据的全面采集和深度分析数字体系，全面建立以数据为驱动的运营与管理模式，有助于探索基于数字孪生的数据驱动型变革新路径。数字孪生的信息强化主要包括以下几个方面进行详细的数据管理 。

a）数据清洗：数据清洗对数据进行重新审查和校验的过程，目的在于删除重复信息、纠正存在的错误，并提供数据一致性。对数据进行重新审查和校验的过程，目的在于删除重复信息、纠正存在的错误，并提供数据一致性。发现并纠正数据文件中可识别的错误的最后一道程序，包括检查数据一致性，处理无效值和缺失值，去除无用的数据 。

b）数据分类：数据分类主要对清洗过的数据进行分类，使数据的类别清晰、明确。数据分类主要包括以下原则：现实性原则、稳定性原则、持续性原则、均衡性原则、揭示性原则、规范性原则、系统性原则、明确性原则、扩展性原则。结合数据建模服务，通过采用人、机、料、法、环的原则进行数据分类。

c）数据编码： 数据编码主要将不同的信息记录采用不同的编码，一个码点可以代表一条信息记录。由于计算机要处理的数据信息十分庞杂，有些数据库所代表的含义又使人难以记忆。为了便于使用，容易记忆，常常要对加工处理的对象进行编码，用一个编码符合代表一条信息或一串数据。

对数据进行编码在计算机的管理中非常重要，可以方便地进行信息分类、校核、合计、检索等操作。系统可以利用编码来识别每一个记录，区别处理方法，进行分类和校核，从而克服项目参差不齐的缺点，节省存储空间，提高处理速度，同时也有利于数据建模服务对于数据的快速匹配。

d）数据标签：通过数据清洗、数据分类来将毛坯数据转化为标签数据。数据标签管理对海量标签数据的管理，包括去重、合并、转义等数据标签的操作 。

通常来说，数字孪生价值的实现，在于数据与数据的连接。数据和数据之间的关系才是重中之重，而不是单纯的数据本身。因此对于每个数据点建立数据标签，有利于数据属性的管理，对数据之间关系的建立及维护发挥重要作用。通过交换和共享数据标签，来充实已掌握的数据标签，并实现数据标签与数据建模的相互匹配 。

e）数据压缩：为了减少网络数据对带宽的占用量，在实际传输时，将会对数据进行压缩和解压。具体的压缩库，可以是 ZLIB、 LZMA 或LZO 等等。具体选用哪种压缩库，以及具体的压缩级别，各生产厂用户都可以在工业互联网平台进行自定义设置。

仿真分析层

仿真预测是指对物理世界的动态预测。这需要数字对象不仅表达物理世界的几何形状，更需要数字模型中融入物理规律和机理，这是仿真世界的特长。仿真技术不仅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。

物理对象的当前状态则通过物联网和数字线程获得。这种仿真不是对一个阶段或一种现象的仿真，应是全周期和全领域的动态仿真，譬如产品仿真、虚拟试验、制造仿真、生产仿真、工厂仿真、物流仿真、运维仿真、组织仿真、流程仿真、城市仿真、交通仿真、人群仿真、战场仿真等。

▲仿真分析流程示意图

如何在大体量的数据中，通过高效的挖掘方法实现价值提炼，是数字孪生重点解决问题之一。数字孪生信息分析技术，通过 AI 智能计算模型、算法，结合先进的可视化技术，实现智能化的信息分析和辅助决策，实现对物理实体运行指标的监测与可视化，对模型算法的自动化运行，以及对物理实体未来发展的在线预演，从而优化物理实体运行。其工作流程图如下：

▲信息分析工作流程图

模型管理

模型是数字孪生信息分析的核心，具有专业性。例如，国土空间规划的各类规则模型、评价模型、评估模型，可为国土空间规划编制、审查、实施、监测、评估和预警等提供支撑。模型管理应包括模型可视化流程设计、插件框架式模型设计和管理扩展模型以及发布模型服务能力，通过算法注册、数据源管理及配套可视化工具实现模型构建。

指标管理

指标是判断物理实体运行状态好坏的标准。通过指标管理、指标计算配置、指标值管理及数据字典管理功能实现对实施评估指标项、指标体系及指标元数据、指标维度、指标值、指标状态及指标计算方式等的信息化管理，便于指标库的快速操作、更新维护以及指标的动态调整。

协同计算能力

高性能的协同计算是数字孪生信息分析的效率保障。在数字孪生模式下，物理实体实现高度数字化，同时产生海量数据资源，高性能的协同计算将提供算力支撑，主要包括强大的数据处理中心和边缘计算中心，为数字孪生的高效运行提供运行决策。以自动驾驶车联网应用为例，通过车辆获得的车辆周边感知数据和车路协同基础设施获得的路况数据，在边缘计算中心进行环境理解、导航规划、高精地图更新等数据处理及决策，然后在交通部门的云计算中心实现指挥交通控制决策。

共性应用层

数字孪生的映射关系是双向的，一方面，基于丰富的历史和实时数据和先进的算法模型，可以高效地在数字世界对物理对象的状态和行为进行反映；另一方面，通过在数字世界中的模拟试验和分析预测，可为实体对象的指令下达、流程体系的进一步优化提供决策依据，大幅提升分析决策效率。数字孪生可以为实际业务决策提供依据，可视化决策系统最具有实际应用意义的，是可以帮助用户建立现实世界的数字孪生。基于既有海量数据信息，通过数据可视化建立一系列业务决策模型，能够实现对当前状态的评估、对过去发生问题的诊断，以及对未来趋势的预测，为业务决策提供全面、精准的决策依据。从而形成“感知—预测—行动” 的智能决策支持系统。首先，智能决策支持系统利用传感器数据或来自其他系统的数据，确定目标系统的当前状态。其次，系统采用模型来预测在各种策略下可能产生的结果。最后，决策支持系统使用一个分析平台寻找可实现预期目标的最佳策略 。

数字孪生技术真正改变了智能决策支持系统的部署方式。数字孪生是对基础设施的数字化表示，借此了解基础设施如何工作。当我们将决策支持系统与数字孪生相结合时，产出的是独特的、一个能够不断学习和不断适应的决策支持系统。我们将这种新的模式转变称为“智能决策”。通过以下的多种智能决策技术，我们在数字孪生中结合过去某实体的运营历史来经营，当新事件发生时，系统会学习更多，从而运行地更准确：

三维空间分析技术 ： 基于三维模型的空间布局和关系，在场景的地形或模型数据表面，相对于某个观察点，基于一定的水平视角、垂直视角及指定范围半径，分析该区域内所有通视点的集合。分析结果用不同颜色表示在观察点处可见或不可见 。

动态单体仿真技术 ： 群体仿真数据、调参权限、高精空间分析，帮助推算群里动线的结果更加准确，令专业的算法分析结果更加直观，降低决策者对算法解决和应用的门槛。以人流疏散为例，原始数据的计算是算法系统进行计算。人流拥堵热力图和单位面积断面人流量统计。摄像头监测盲区、巡更监测区、拥堵人群影响安防监测等状态评估及智能决策。

空间流体分析 ： 通过栅格化体数据（水体或气体），形成数千万级别的三维网格，同步导入监测数据后，赋予所有数据时间与空间信息，便于了解到填充物（例如污染物等）扩散、暗点、露点的分布状态，为业务部门巡查提供定位依据及智能决策分析。

事件处置流程仿真技术

通过接入传感器数据，因此异常事件发生时能够快速定位，并自动计算周围关联人员的位置关系，联动通知系统进行处理。以十字路口车辆剐蹭为例，摄像头报警后，系统自动定位，并能调用周围最近其他摄像头进行多角度的核实。同时，调用周围的温度传感器判断有无火点。必要时，选出周围巡逻人员联络前往，并通过通知系统圈定接受信号的范围，让公众离开。这打通了多套系统，提高决策效率。

支撑技术

包括大数据、云计算、 AI 以及区块链的技术应用。例如，数字孪生中的孪生数据集成了物理感知数据、模型生成数据、虚实融合数据等高速产生的多来源、多种类、多结构的全要素 / 全业务 / 全流程的海量数据。大数据能够从数字孪生高速产生的海量数据中提取更多有价值的信息，以解释和预测现实事件的结果和过程；数字孪生的规模弹性很大，单元级数字孪生可能在本地服务器即可满足计算与运行需求，而系统级和复杂系统级数字孪生则需要更大的计算与存储能力。云计算按需使用与分布式共享的模式可使数字孪生使用庞大的云计算资源与数据中心，从而动态地满足数字孪生的不同计算、存储与运行需求；数字孪生凭借其准确、可靠、高保真的虚拟模型，多源、海量、可信的孪生数据，以及实时动态的虚实交互为用户提供了仿真模拟、诊断预测、可视监控、优化控制等应用服务。

AI 通过智能匹配最佳算法，可在无需数据专家的参与下，自动执行数据准备、分析、融合对孪生数据进行深度知识挖掘，从而生成各类型服务；数字孪生有了 AI 的加持，可大幅提升数据的价值以及各项服务的响应能力和服务准确性。区块链可对数字孪生的安全性提供可靠保证，可确保孪生数据不可篡改、全程留痕、可跟踪、可追溯等。独立性、不可变和安全性的区块链技术，可防止数字孪生被篡改而出现错误和偏差，以保持数字孪生的安全，从而鼓励更好的创新。此外，通过区块链建立起的信任机制可以确保服务交易的安全，从而让用户安心使用数字孪生提供的各种服务。

安全

以数字孪生技术为基础的工业智能制造和数字孪生城市的虚拟空间与物理空间之间的连接以及过程中各组成部分之间的连接都建立在网络信息流传递的基础之上，随着数字孪生技术与相关应用的加速融合，由封闭系统向开放系统的转变势在必行，系统性的网络安全风险将集中呈现。

一方面，工业智能制造的基础设备和控制系统面临未知网络风险，原有的基础设备多为长期运行在封闭系统环境下的简单设备，相关的硬件芯片、软件控制系统等都可能存在一定的未知安全漏洞，同时由于缺乏应对互联网环境的固有安全措施，极易遭受网络攻击，进而引发系统紊乱、管理失控乃至系统致瘫等网络安全问题。

另一方面，工业智能制造系统面临数据安全风险。随着当前网络攻击方式的不断变化，工业智能制造系统产生和存储了生产管理数据、生产操作数据以及工厂外部数据等海量数据，这些数据可能是通过大数据平台存储，也可能分布在用户、生产终端、设计服务器等多种设备上，任何一个设备的安全问题都可能引发数据是泄密风险。同时，随着智能制造与大数据、云计算的融合，以及第三方协作服务的深度介入、大量异构平台的多层次协作等因素，网络安全风险点急剧增加，带来更多的入侵方式和攻击路径，进一步增加数据安全风险。这样就有四个大的方面的技术应用需求，包括隐私保护、权限管理、网路访问安全、区块链技术 。

需要针对数字世界中的数据进行隐私保护和权限管理，比如针对数字孪生的连接，以防篡改的方式保护连接到数字空间的每个物理实体，限制物理空间中每个设备、传感器和人员的角色的种类和范围，如果遭到入侵，需要将影响将降到最低 。

在网络访问安全方面，需要考虑实体 IP 地址筛选和端口限制的可能使用，限制 I/O 和设备带宽，以提高性能，通过阻止拒绝服务攻击，速率限制可增强安全性，使设备固件、操作系统和软件保持最新，定期审核并查看设备、软件、网络和网关安全最佳做法，保证在其不断改进和发展的同时，使用受信任的经过认证的安全系统、软件和设备 。

采用区块链技术作为一个保护机制，可以最大程度保证数据的安全性。数据使用区块链技术后最大的好处是防止被篡改，另一方面数字孪生的资产被区块链上链后，就变成了真正的资产，可以更安全的用于交易、共享和开发 。

企业为满足自身生产信息安全需求，需要开展隐私保护策略、数据安全及功能安全的系统搭建，以满足企业的生产信息安全要求。

隐私保护策略

为了加强对重要敏感信息的保护，同时也为了尽量不提高信息安全建设的成本，有必要将信息系统进行相应的分割，使庞大的涉密信息系统变为由若干个安全等级要求明确的小系统组成。同时，为方便管理和易于监控，尽可能减少划分的区域，否则会大大增加监控和管理策略的复杂性，不利于系统安全动态维护管理。越复杂的等级划分，策略控制越复杂，从而留下的不安全隐患越多。在具体划分公司涉密网安全域时，按以下原则进行划分与定级：

a）涉密网安全域之间的边界划分明确，安全域与安全域之间的所有数据通信都应安全可控。

b）根据组织结构将不同的部门划分为单独的安全域，尽可能将安全需求相同的用户应划分在同一安全域中。

c）将涉密网的安全管理设备划分为独立的安全域。

d）将涉密网服务器区域划分为一个独立的安全域。

e）明确涉密网的终端计算机与终端计算机之间的边界，禁止终端计算机之间直接访问。

f）明确涉密网终端计算机与服务器之间的边界，禁止非授权终端越权访问服务器资源。

g）根据应用系统的密级和应用范围进行划分。划分为机密、秘密、内部三个安全域。

h）涉密网不同等级的安全域间通信，禁止高密级信息由高等级安全域流向低等级安全域。

数据可信交换

可信数据交换技术借助区块链这一去中心化信任体系，利用链上数据不可篡改性、可追溯性和安全性等特性，同时结合智能合约技术和密码学技术，提供数据交换的隐私保护、归属权确认、权限管理和数据定责等功能。在整个数据交换过程中，通过同态加密方式使数据无需解密仍可进行分析和运算操作，不暴露原数据，保障共享方的数据所有权。

智能合约去中心化处理数据，掌握数据执行权，控制加密数据的访问和执行权限，加密数据用后置空销毁，使用方只有密文结果的使用权，互相监督，互相制约，实现数据权的分离解耦。同态加密技术是在数据可信交换时，实现隐私数据不出库、不泄密的情况下，满足数据查询方查询结果的需求。可将隐私数据加密成密文， 通过智能合约处理密文数据并得到正确的密文结果，供使用方解密使用，用来确保隐私数据的归属权和隐私权。

非对称加密技术主要应用于区块链网络中的账户生成和交易签名等方面，不同于对称加密技术中使用同一密钥易泄密的缺陷，非对称加密只需公开公钥，私钥个人保存不公开，二者作用可简述为公钥加密、私钥解密、私钥签名、公钥验证。数字签名就是基于非对称加密技术的这一特性，通过数字签名，在区块链等去中心网络中，可以校验交易合法性，验证数据来源和校验数据完整性，防止数据伪造和篡改。

功能安全性问题

从系统安全运行的角度出发，可以系统的功能就是根据生产要求采集系统内部各设备状态，给出控制设备的指令。为了确保系统的技术安全，为了提高系统的整体安全性，可以参照电子设备的安全作法。与现有系统不同之处在于，新系统在逻辑处理单元之外，增加了故障检测单元。系统在向列车和道岔输出控制指令之前，需要根据输入的行车计划对输出的结果进行检查。如果故障检测单元检测到任何不符合故障—安全原则的输出，则应切断输出，使得系统处于安全状态。

推动条件

1. 基础设施政策落实

2018 年至今，国务院多次召开会议明确表示加强新型基础设施建设，重视程度不断强化，相关政策路线图日趋清晰。自中央首次提出“新型基础设施建设”以来，各级政府对此给予了高度重视。 2020 开年，中央政府大力号召部署新型基础设施建设，各省为了更好地响应中央政策， 都在加紧落实部署，部分地区还专门出台了分领域相关行动方案和计划。而新型人工智能城市的建设作为“新基建”中 5G、人工智能、工业物联网、大数据中心等新型数字基础设施建设的重要载体，在接下来的推动和政策扶持等方面也将得到更多的政策关注。

2. 计算设备 / 硬件发展

数字孪生是一种新兴的技术，它对计算设备 / 硬件提出了较高要求，这是因为：

（ 1）数字孪生涉及的模型与数据规模庞大，包括建模对象全生命周期中不断更新的全要素、全业务、全流程的数据与模型，这需要计算设备 / 硬件具有庞大的存储空间；

（ 2）数字孪生对模型仿真与数据分析处理效率有实时要求，即基于实时的模型仿真与数据分析结果向物理空间反馈控制策略，这需要计算设备 / 硬件具有强大的计算能力；

（ 3）为了支持进一步的虚实融合，数字孪生对终端设备（如支持 3D 显示的终端设备）提出更互动、更沉浸、更清晰的要求，这对硬件设备的数据传输能力、显示技术等提出了更高的要求。当前， CPU 和大规模集成电路的发展正在接近理论极限，人们正在努力研究超越物理极限的新方法，新型计算机可能会打破计算机现有的体系结构。目前正在研制的新型计算机有：生物计算机——运用生物工程技术，用蛋白分子做芯片；光计算机——用光作为信息载体，通过对光的处理来完成对信息的处理；量子计算机——将计算机科学和物理科学联系到一起，采用量子特性使用一个两能级的量子体系来表示一位等等。这些技术的发展是数字孪生高效、高速、高质量运行的推动条件。

3. 可用数据规模提升

数字孪生的构建需大量数据的支持。一方面，在数字空间构建多维、多尺度的虚拟模型需大量数据，如建模对象的属性数据、状态数据、行为数据、环境数据等；另一方面，已完成构建的虚拟模型仍需基于物理空间连续不断的实时数据实现更新。当前，随着物联网、传感技术的发展，可用数据的规模在不断提升，这是实现数字孪生应用的推动条件。

据调研，转型升级过程中，供给侧竞争的加剧、营运成本的提升以及盈利能力的下降，迫使企业追求生产的自动化、数字化、标准化。目前，大部分企业完成了自动化能力升级及初步的数字化能力建设。在企业生产管理数据方面，大部分企业的数字化能力建设聚焦于独立的信息系统搭建，旨为实现特定的功能目标，如资源的调配、物料的管控、生产排程的下发等。目前生产车间普遍部署 MES（制造执行系统）、APS（生产计划排程系统）、 SCADA（数据采集与监视控制系统）等各种信息系统，可以实现对车间整体自动化线的有效管控。

有效实现从采集、监控、到分析、反馈再引至辅助决策和前端设计，中间涉及到系统兼容、数据接口 / 格式、数据全面性、优化标的一致性等多种问题。生产计划排程系统关注每个设备的工作能力、订单数量、生产节拍等要素。信息数据处理模式完整囊括车间信息数据的获取，分析、监控等功能，真正实现有效的管控运维。全局性部署车间制造流程数据采集，可以较为系统地反映并记录车间制造全流程的物理状态，利用直观的数据展现方式完成自动化产线实时有效管控、运维；并基于多维模型性征、数据分析、仿真模型，实现前馈控制及仿真优化。

智能化产线在实际生产流程中部署了数以千计的传感器，共同收集各个不同层面的数据，包括生产机械的行为特征、半成品（厚度、颜色质地、硬度、转矩、速度等）以及工厂内部的环境状况等。该等数据不断传输至数字孪生处理中心，并由该程序完成数据聚合。数以千计的传感器持续开展重要检测，并向数字化平台传输数据。数字化平台进而开展准实时分析，
通过比较透明的形式优化运营流程。生产流程中配置的传感器可发出信号，数字孪生可通过信号获取实际流程相关的运营和环境数据。传感器提供的实际运营和环境数据将在聚合后与企业数据合并，企业数据包括物料清单、企业系统和设计规范等。其他类型的数据还包括工程图纸、外部数据源连接以及客户投诉记录等。

4. 模型和算法演进

国内外一大批专注于工业生产线底层数据采集的技术公司在前一轮工厂自动化、数字化建设中成长起来，以西门子、 Honeywell、菲尼克斯电气公司为首的自动化企业纷纷推出自己的数据采集网络系统、智能网关等数据采集相关产品。另一方面，轻量化模型构造工具软件产品的普及，以 Unity 软件为代表的可视化引擎工具使用成本降低，极大的支撑了数字孪生核心技术的发展。国内，数字孪生行业的火爆催生了一大批原本致力于工厂数字化、物联网、虚拟仿真技术的中小企业投入到数字孪生核心技术的开发中。

实际上，自从有了诸如 CAD 等数字化的“创作（ authoring）”手段，就已经有了数字孪生的源头，有了 CAE 仿真手段，就让数字虚体和物理实体走得更近，有了系统仿真，可以让数字虚体更像物理实体，直至有了比较系统的数字样机技术。发展到现在，人们发现在数字世界里做了这么多年的数字设计、仿真结果，越来越虚实对应，越来越虚实融合，越来越广泛应用，数字虚体越来越赋能物理实体系统。

由于当前三维模型已成为表达产品信息的主要方式，而不同企业往往根据自身需求选用不同的三维设计平台，甚至统一企业内部也由于协同设计的参与者不同，往往也习惯于使用符合自己习惯的不同三维设计软件。 由于 CAD 设计软件所生成的产品三维模型文件各不相同，这就造成了浏览查看时必须使用特定的 CAD 软件，上述这些原因直接导致了企业内部和企业间的数据交流和共享困难。

除了需要特定的 CAD 软件进行读取之外，发生在企业间和企业内部的三维模型数据的传输也会给企业的信息交流带来障碍。以往的数据交换主要采用直接三维模型数据交换、中性几何文件格式数据交换和中性显示模型数据交换。这几种传统的三维模型数据传输方式都存在各自无可避免的缺点，要么要求必须具有相同的三维建模平台，要么要求使用通用的三维浏览软件，要么所传输的三维模型文件一般打开需要花费极长的时间，要么没有几何信息，不能精确地测量零件的几何位置关系。这样一来，无疑对于企业的信息交流是十分不利的。

此外大多数情况下企业的网络带宽不足以支撑庞大的三维模型数据传输，所以要在网络上快速发布产品设计结果，实现产品数据的快速浏览和精确的几何信息查阅，就需要对产品数据模型简化，使数据交换文件更小，同时还需要保留详细的几何模型信息。目前 3d 轻量化技术发展比较成熟，它能够在保留完整三维模型基本信息，保证模型精确度的前提下，将原始的三维模型原始文件进行最高上百倍的压缩，实现百兆级以上数据的流畅浏览与操作，并使三维模型的可视化与三维软件无关联。现有的技术中几乎所有流行的三维文件格式，如 Catia V4、 Catia V5、 Pro/E、 UG、 SolidWorks、 Parasolid、 Inventor、IGES、 STEP、 VDA/FS、 SKP 等的轻量化，轻量化后的 3D 模型文件，仍将保留完整的数据结构并实现准确的测量。

数字孪生中的超轻量几何模型处理技术作用在于数字孪生系统内几何模型的构建，对于结构简单的规则模型，直接对 STP 格式的 CAD 模型进行轻量化处理；对于结构复杂、存在较多曲型曲面的不规则模型，需 要在 3D Max 软件中完成模型重建且一并完成贴图渲染处理。将制造资源和在制品的 CAD 模型导入 PIXYZ 软件进行模型轻量化处理并导出 FBX格式的文件，将文件导入 3D Max 对模型进行局部光顺化处理和贴图处理，并导出 FBX 格式的文件；对于部分轻量化时间成本较高的模型，利用三维 CAD 软件如 Pidex、 Solidworks，多媒体建模软件如 3DS Max 等软件对数字化车间的厂房、设备、工装、车间 6S 元素等进行三维建模。

三维模型主要由三角面片、材质、动画等部分组成， Unity 软件支持多种外部导入的模型格式，但并不是对模型格式的所有参数都支持。经过测试， .FBX格式的所有属性都得到了 Unity 软件的支持，并且可以通过 3DS Max 软件生成导出，因此三维场景文件都选择 .FBX 格式。为了实现大场景模型的实时渲染，保证渲染的帧率，需要对面片较多的模型进行细节层次（ LOD）的制作。另外在三维场景中，由于有些模型的需要进行运动动作的可视化，因此在制作模型的过程中要定义各个部件之间的附属关系，建立模型的节点关系。

5. 专业人才培养

统计结果显示， 2010—2019 年间已有 50 余个国家开展了关于数字孪生技术的研究并发表了相关成果。通过对发表论文数量的统计，过去三年有关数字孪生文献的发表数量呈指数式快速增长，体现出学术界对数字孪生技术的高度关注。研究成果主要来源于美国、德国、英国等具有较高科技水平的发达国家以及中国、俄罗斯、印度等发展迅速的国家的一千余名学者或专家。

在行业和企业方面，已经有十多个行业关注并开展了关于数字孪生技术的应用实践，包括：电力、医疗健康、城市管理、铁路运输、环保、汽车、船舶、建筑等；已经有西门子、 PTC、戴姆勒等世界一流企业和美国 NASA、法国国家科学研究中心、俄罗斯科学院等世界顶尖科研机构的专家和学者探索了数字孪生在制造领域的应用。

与发达国家相比，中国虽然对数字孪生的关注和研究相对较晚，但在 2019 年已形成迎头追赶的趋势。随着工信部的“智能制造综合标准化和新模式应用”、“工业互联网创新发展工程”、以及科技部“网络化协同制造与智能工厂”等专项的实施，企业和研究院所建立了人才实训基地和行业的核心智库，培养并持续为行业输出了关于数字孪生技术的复合型人才。数字孪生的应用需多领域学科人才的参与，如建模仿真领域人才、数据挖掘领域人才、感知接入领域人才等。

在社会培训机构中，相关专业人才的培养也受到了越来越多的重视。代表性的如新华三大学，它正式宣布，将进一步深化校企合作，实践产教融合，提出“新职素，新技能”的“双新”概念，并通过“数字工匠”、“协同育人”两大校企合作项目来实践数字化人才培养、以“H3C 新技术认证体系”来检验数字化人才培养，无缝对接院校人才培养与企业人才需求，从质与量的维度更好地满足数字经济进入全新发展阶段后对数字化人才的需求。

智东西认为，数字孪生是近年来的热门概念，它指的是物理实体或流程的准实时数字化镜像。简单来说，数字孪生就是在一个设备或系统的基础上创造一个数字版的“克隆体”，数字孪生体最大的特点在于：它是对实体对象（本体）的动态仿真。也就是说，数字孪生体是会“动”的。它“动”的依据来自本体的物理设计模型,还有本体上面传感器反馈的数据，以及本体运行的历史数据，这十分有助于企业实现绩效提升。 未来，无论是政策制定者还是企业领导者，数字孪生都应该得到充分的重视。