多领域“开花”的数字孪生，如何破解现实隐忧

近年来，数字孪生技术已被业界公认为未来战略性颠覆性先导性技术，其应用场景广泛，正不断引发管理方式、发展模式的持续创新。尤其是，“探索建设数字孪生城市”已写入国家《国民经济和社会发展第十四个五年规划和2035年远景目标纲要》，为数字孪生技术应用指明方向。政府和产业界对于数字孪生技术和应用高度重视，创新发展势头迅猛，数字孪生城市目前已步入落地实施阶段。

与此同时，数字孪生技术已成为研究和标准化工作的重点，包括阿里云、华为、AWS、微软等各头部企业也纷纷布局，发布数字孪生行业解决方案。

数字孪生发展火热的背后又有哪些原因？对此，中国信息通信研究院云计算与大数据研究所所长何宝宏在接受中国软件网采访时表示，数字孪生技术的迅猛发展主要有需求牵引和政策推动两方面的原因。

何宝宏进一步表示，在应用需求方面，以物联网、大数据、人工智能等新技术为代表的数字化浪潮席卷全球，物理世界和与之对应的数字世界正形成两大体系平行发展、相互作用。城市治理、工业管理等复杂场景需要引入数字孪生技术来实现高效管理、精准预测。在政策推动方面，英国、美国等国家将数字孪生上升为国家战略，我国多部委在一年内密集出台政策文件，将数字孪生技术提到了与大数据、人工智能、5G等新技术并列高度。国内外一系列政策的发布，助推数字孪生产业快速发展。

冰鉴科技研究院高级研究员王诗强认为，数字孪生技术快速发展是因为其本身具有很强的工程化应用价值和潜力。学术界（高校）、企业加快相关技术研究，也将带动数字孪生技术加速发展。

近年来，随着与人工智能、大数据等技术的深度融合，数字孪生技术在智能制造、智能建造、智慧家居、智慧医疗、智慧城市和智慧交通等领域都有广阔的应用场景。

数字孪生行业应用汇总，摘自《数字孪生应用白皮书》

数字孪生技术应用中关注度最高的是智能制造领域。在制造企业研发新产品时，可以借助产品数字孪生模型来优化设计方案；在工艺规划阶段，可以通过对其数字孪生模型进行检查，确定每个零件是否能够制造出来，零部件在装配时是否相互协调；在制造过程中，可以建立生产设备、产线、车间，乃至整个工厂的数字孪生模型，通过采集和分析制造数据，实现高效排产，提高设备利用率，及时发现生产质量问题；在产品服役阶段，可以通过安装视觉、温湿度、压力、振动、位移、速度等各类传感器来监测其运行状况，提升产品运行绩效，进行故障预测和预测性维修维护。

在智慧城市建设过程中，通过数字孪生技术建立整个城市建筑和各种地下管网的数字孪生模型，可以更有效地对城市进行管理，提高公共服务设施和道路规划、排涝、防灾、垃圾处理及新能源开发利用的能力，改善居民生活质量。

以腾讯为例，其利用城市级三维重建技术，构建出深圳南山区科技园的数字孪生环境，可以精确还原真实世界中的楼宇、道路、实时交通等丰富信息，让实时交通流大数据映射到虚拟环境中，生成整个城市的大规模仿真级车道。在此基础上，就能够构建起实时的仿真交通流，用来进行城市交通的模拟和推演，为区域交通管理调度和优化提供支持，这也是未来交通调度管理科学决策方式的重要转变。

在医疗保健领域，数字孪生能够加快医疗数字化进程，推动智慧医疗时代的到来。研究人员可以基于现实人体在信息世界建立一个详细的虚拟人体，作为一个复杂的系统进行研究，从而检验新的治疗方案。数字孪生在医疗保健行业的发展前景光明，一方面可以开发新的方法来治疗各种疑难疾病；另一方面可以改善现有的医疗服务与基础设施，提供更好的病人护理服务。

此外，数字孪生技术还可以提升自动驾驶测试的真实性。数字孪生世界可以在云端测试场中，根据真实道路数据生成实时的训练环境，让自动驾驶算法进行安全的测试。比如在长沙智能网联测试区，腾讯运用自动驾驶模拟仿真技术，对测试区的地理全貌进行数字化建模，实现在仿真环境下进行安全、高效的智能汽车实验。

尽管应用前景广阔且已经开始大尺度、跨领域融合发展，但当下我国数字孪生技术的发展也存在诸多的现实隐忧。

何宝宏认为，应用深度不足、技术底座不牢、系统融合不畅是目前数字孪生技术在落地过程中面临的三大挑战。

具体来看，在应用深度方面，由于各行业、各机构、各行政主体的异构大数据汇集和跨行业领域应用还处在初始阶段，算法模型成熟度不高、尚待沉淀，应用主要体现为静态可视化与模拟仿真等，应用价值还未充分释放。

在技术底座方面，由于当前数字孪生技术涉及的新型测绘、标识感知、协同计算、全要素表达、模拟仿真等多项关键技术，这些技术自身发展尚未完全成熟；海量数据加载技术、云边计算协同技术、模拟仿真技术等成熟度不高；人工智能、边缘计算对动态数据快速分析处理能力仍不足，这些都亟需进一步提升。

在系统融合方面，由于物理世界的复杂性，各类实体和数据的整合、标准化仍处于探索阶段。“在数据采集环节，各类存量信息系统的数据类型、规模、结构等各不相同，传输协议类型差异较大，导致数据的采集存在很大挑战。” 何宝宏进一步解释说，“而在数据融合环节，各类数据的格式不同、标准不统一，导致数据融合的效率低下。在模型构建环节，领域知识的缺失，导致建模难、应用深度不够都是存在的问题。”

王诗强则从企业的角度提出了面临的现实问题。他指出，“当前的孪生技术并不成熟，也没有统一标准，更无法复制、模仿别人技术，这就需要企业不断投入大量资金、人力等成本，才有可能研究透彻，实现商业化。尤其是当前市场上有经验的孪生技术人才不可多得，因此这对企业来说，一方面是专业人才的培养，另一方面是持续的资金投入，因此挑战较大。”

此外，王诗强还表示，孪生技术商业化需要其他技术支持。以高速运行中的汽车为例，要实现数字孪生，不仅要获得汽车的历史数据，也需要通过大量传感器获得实时数据。这对于数据的收集、整合，以及网络传输等都提出了挑战，也是一项庞大且成本高昂的系统工程。

整体来看，数字孪生作为一种无缝连接信息物理并使之融合的实用技术出现，已经在越来越多的领域发挥着重要的价值。但要想释放数字孪生的价值，也需要亟待解决面临的现实问题，积极构建数字孪生的生态系统，协同产业链上下游的合作，达到数字孪生体与物理实体的“共生”，进一步有效推动数字孪生技术的成功落地应用。