年底了，不会有各种各样诸如《2019十大技术》《明年这五大技术转变世界》《这八个技术要变天，不告诉你明年就别想要加薪》之类的谜样文章经常出现。只不过吧，这类预测要么是常识，要么索性不靠谱，真知灼见并远比多。然而假如有种技术，恋念攀上这类榜单，那是不是有点失望？这就像一个高中生，攀上了学校公布的“明年这十个人能考取北大”，那似乎是有一点高兴的。

但是假如三年倒数荣登该榜，那家里估算不会一挺生气。还真为有这样的技术，大家有兴趣可以翻翻2016年到今天的这类预测榜单，不会找到有种技术仍然在上面，它叫作：数字孪生。所谓数字孪生，用较为月的话法术说明，就是指产品物理实体在信息空间中构建出有建模模型所达成协议的数字孪生体，以及利用数字孪生体构建产品生命周期档案化管理的涉及技术。

是不是没有听不懂？没人，无所谓的。说白了，数字孪生就是现实中有台机器，咱们就在电脑里也做台一模一样的虚拟世界机器。

这样把数字世界里那台一顿着急，想到它什么时候怕，咱就能预测真为机器什么时候检修了。听得一起很靠谱对不该？事实上，数字孪生显然在各个领域都具有普遍的应用于前景，诸如建筑工程、智慧城市、航空设计，并且也是知名的德国工业4.0中探寻的核心技术之一。西门子是目前世界上普遍认为对数字孪生投放仅次于，探寻最了解的公司。然而问题来了，为什么这个听得上去很做事的技术，却总有一天活在“明年一定要火”的预测里呢？这项技术知道就是物联网世界中的“屠龙之法术”，没什么实际用处吗？本文就是答案这些问题的，要不然我说道这么多干嘛？但是要留意，在第一段结尾我们要经历一个逻辑弯道，大家一定要跟上哦。

为什么它总有一天活在“明年”？《航空周报》曾多次做到过这样一个预测：2035年，当航空公司接管一架飞机的时候，将同时接到一套数字飞机。这套数字飞机包括真为飞机的每一个部件，每一个结构，并且预示着真为飞机的每一次飞行中而老化。这样飞机有任何问题，都可以在数字孪生系统中被预先感官到，从而将航空安全迈进新的台阶。但是这种点子随之遭了航空界业内人士的赞成，他们指出依赖虚拟世界同构去辨别飞机故障，才是确实靠不住的歪理邪说。

飞机在每次飞行中所受到的气压、气流、温度差异，都在有所不同程度影响飞机机械结构。而这种影响是虚拟世界无法细致光线出来的，依赖数字系统去辨别飞机的真实情况，才确实有可能将飞机带上向危险性。这个争辩反应了数字孪生领域的一个先天问题：数字孪生起到于制造业等领域的点子很好，然而数字孪生又无法确实拷贝物理细节，但工业体系却有必需确保高度精准。造成这类技术下落不明在看起来很棒，和实际没人用之间游走。

这里必需要回应一个概念，从2002年密歇根大学教授Dr. Michael Grieves第一次公开发表提及数字孪生概念开始，它就不是某种技术方式序列，而是一个技术目标。就像AI，人工智能实质上是对仿真人类智慧、思维、情感的若干种技术构建方式的初版，而某种程度是专家系统或者机器学习。数组孪生也是一样，它是一种以拷贝现实中生产系统为目标，各种技术解决方案包含的技术集群，而不是知道有一种技术叫作数字孪生。

在我们一般意义上辩论的数字孪生中，设计物理建模、传感系统、大数据、沉浸于技术、物联网数据可视化技术等方方面面。总之，需要参予到物理生产系统拷贝这个目标中来的技术，都可以视作数字孪生的包含部分。而才是由于这些技术中的某几项近年正在经历较慢发展，所以数字孪生也屡屡登岸预测榜，让人实在这项技术迅速就来。然而知道想要在虚拟世界中，完全拷贝一个生产线、一架飞机，却不会遭遇到若干妨碍，比如说：1、缺少标准化平台。

数字孪生牵涉到设计、传感、虚拟现实、数据标识、物理虚拟世界等多个维度的技术。这些是很难在统一平台中回应出来的。2、确实必须孪生的设备并不多。让我们回忆起一下，工厂里的机器大部分都没虚拟世界备份和随时改版的影子系统，不也用的只想的吗。

所以数字孪生很有可能只不过是个商业空间十分狭小的技术服务种类。必须的行业并不多，并且以自定义化市场需求居多。

3、物理密切相关依旧很难展开数字化仿真，今天很多物联网云平台获取的“数字孪生”服务，实际不能获取一个数据监控和3D模型而已。4、孪生一个可观生产系统、工业系统，甚至交通系统，所必须的算力是难以置信的。但是闲置如此大算力否能获得效益最大化报酬却有一点猜测。

这样来看，确实仅有流程周期监控和预测的数字孪生体系还是距离我们太远了。但从或许上说道，我们可以把各种现有技术叫作数字孪生的一部分，甚至CAD制图也是在孪生生产系统。

但如果界定一个十分严苛的界限，那么数字孪生有可能还活在实验室里。但是再行别急着沮丧，这个故事只不过与人工智能在今天的情况依旧有点相近。比如说我们如果想奥创那样的人工智能，那有可能得等到8102年，但如果想要用人工智能已完成个人脸识别啥的，那么2018就可以。

数字孪生也是如此，虽然理想中的工业数字孪生，甚至城市数字孪生并不靠谱，但如果我们把它当作一个思路，不愿否认不原始的数字孪生某种程度有价值，那么在这两年的产业服务市场中，也许不会有车祸找到。比如说，依赖数据挖掘+物联网云+AI这条技术轨迹，达成协议的工业数据的数字孪生，正在展现极大的潜力——并且不必等到明年再说。这个逻辑的关键节点在于，我们为什么一定要像科幻电影里一样，在屏幕上看见一个消声器可装配，保有全部物理特性的机器呢？我们只要通过虚拟世界的测算和分析，让机器散发出更大的生产力就好了。

机器学习+数据挖掘，正在或许上转录数字孪生大部分工业生产设备，本质上就是投入生产材料，生产量生产结果的数据运算。其中资源用于数量、良品率、生产效率、生产结果，这些最关键节点也都是数据。如果我们退出必要可用，保有物理特性的数字孪生，而意味着把数据系统孪生出来，或许在技术上并不需要面临尤其的挑战。

随着云计算和数字化升级这些理念的蓬勃发展，更加多的云服务商和企业数字化服务商，开始基于数据采集，提供数据层面的系统孪生服务，比如甲骨文很早已获取类似于能力。但是对于企业来说，较为失望的地方在于，我的机器被孪生之后，我究竟需要获得什么呢？看见屏幕上一大堆数字在跑完，这个或许对于企业的意义并不大。

所带给的提高无非两点，一个是企业管理者和工程师可以更加精准的看见全局数据；二是企业数据有了备份，一旦出有问题可以查找。这两点当然也是有意义的，但与高昂的服务费比起，或许就有一点思维一下了。而AI的来临，清楚说道就是数据挖掘技术与机器学习技术的融合，正在转录这种破旧版数字孪生的新活力。

在传统意义上，一间工厂里的各种原材料、设备、人员和质量检测，是分别独立的生产系统，相互合作更加多凭借工人经验。所谓生产线，往往也是要给上一流程环节保有最大化生产时间，再行转入下一流程中。

这就像一个大雾天的路口，因为惧怕爆胎，所以必需等前一辆车过去很近，后一辆车才敢开过去。很大的生产效率也就在其中被浪费。而假如我们利用机器学习技术，利用数字孪生体系中仿真生产环节的相连，也就可以剥开生产环节间的理解迷雾，用上帝视角来指挥官车间里的交通。

当然，机器学习+工业数据的想象力相比之下好比于此。能耗问题、配料问题、次品经常出现原因，等等工业生产中的问题都可以用类似于能力来解决问题。

所以说道，AI带给的想象力，新的转录了数据孪生的企业应用价值。还包括3D仿真机器，在很多AI算法的协助下，预测损毁点和检修时间也在沦为有可能。结果这个故事变为了这样：在我们期望的全物理拟态数字孪生依旧很远的今天，数字孪生却有可能基于工业IoT+AI的落地，产生另一重价值。并且这个发展机遇，正在偏移影响数字工业里的很多产业关系。

试用版数字孪生，某种程度让工业IoT烦躁深感最后让我们闲谈一下，数字孪生技术今天在AI+工业里带给的一些转变。在探讨更加多活力的B末端智能技术市场中，数字孪生的价值在于为企业获取一个可以备份、移往、在虚拟世界展开自学和逻辑分析的参照系。

很多智能工业平台中都引进了数字克隆的部分，而为企业获取数字孪生基础上的电子货币服务，也在显得更加多样。在工业IoT体系中，较为主流的智能化要经历这样一个流程：首先基于数据搜集和传感体系，在尽可能完备的部分搭起数据采集系统；然后基于IoT云展开数据上载，这样企业就有了数字化基础；而后使用数字孪生解决方案，在虚拟世界平台中搭起抽象的工业设备镜像；继而根据明确目标，利用深度自学算法一类的技术已完成对数据的智能分析，得出优化生产流程的可行性分析；最后基于分析结果，展开各环节的技术优化与人工优化。

这当然意味着是个基础逻辑，在解决问题明确问题时，企业要经历千变万化的类似问题处置。而数字孪生在整个工业智能化体系中，带来企业以很多新的可能性。比如：1、工业IoT的门槛被减少。远程分析、数据集中于监控等工业生产的互联网化方案沦为可能性。

一家企业未必必需雇用强劲的数据专家或者AI学者，而可以通过数字孪生的方式远程寻找工业优化方案。2、自定义化生产更为更容易。

通过数字孪生技术配上AI，企业将更为更容易解决问题自定义化工业产品的设计与生产关系问题。精细化生产和慢流程生产都显得更为更容易。

3、企业的“经验”也可以被孪生。今天很多企业不不愿尝试数字化转型，原因在于企业中很多生产流程是一步步探寻，手耳据传的抽象化经验。盲目数字化可能会导致工人的不适应环境，反而降低生产效率。而数字孪生带给的另一个有可能，是基于机器视觉和数据吸取装置，企业有可能将生产经验、流程习惯等无法具现简化的东西，在数据平台上孪生出来。

达成协议行业经验与工业实体的数字融合。虽然目前我们不能中用试用版的简装数字孪生技术，甚至很有可能不叫这个名字。

但是放到一个技术体系的好转里，这项技术显然有可能带来实体经济以极大的启迪。虽然影子飞机那样的数字孪生有可能还有在等上若干年，但是又有什么所谓呢。竟然预测归预测，实干归实干，很多技术不一定要等到几乎成熟期才可以应用于，这个非典型案例里，也许能让我们取得一种较为典型的技术可能性。

本文来源：球速体育-www.liteapp.net