ChatGPT的耀眼光环下，还有多少人记得大明湖畔的“元宇宙”呢？科技圈凉薄如斯啊！

元宇宙概念大火之后，很快出现了各种“XX元宇宙”的产业级解决方案。

工业元宇宙，构建智能数字孪生体，实现生产运行可视化、数据追溯、故障点精确定位、远程操控、诊断恢复等功能。

农业元宇宙，主要应用是数字孪生农业，在种植基地部署传感器，根据物理系统传回的信息来推演作物生产状况，为打顶、通风、补光等措施提供了最优决策方案。

城市元宇宙，韩国宣布把首尔建立成为一个元宇宙城市，构建城市的数字孪生体，自然景观、人文景观等都被镜像化，市民可以在“虚拟市长办公室、首尔金融科技实验室、首尔投资和首尔校园城”等数字空间里，享受相关公共服务。

当前的产业元宇宙解决方案，掰开了揉碎了，写着四个大字——数字孪生。

然而问题来了，元宇宙是多项技术叠加的产物，包括人工智能、量子计算、物联网、数字孪生、云计算、6G、虚拟现实交互技术等，其中数字孪生只负责生成物理世界的数字镜像。

简单来说，数字孪生（Digital Twin）就是在虚拟空间中，构建物理实体的“克隆体”，还原现实世界中的场景，从而支持人们对物理实体进一步了解、分析和优化决策。

坦率地说，这个技术概念并不算新，在航空设计、汽车制造、建筑工程等领域都已经应用了很多年了，甲骨文、IBM等服务商很早就提供相关能力。

怎么产业元宇宙的舞台搭起来，最叫座的主角不是AIGC、不是VR/AR，而是这个2002年就诞生的技术呢？敲锣打鼓的行情背后，真相究竟如何呢？

作为一个包罗万象的宏大概念，产业元宇宙要打动政企客户，数字孪生技术成了拉近距离的那根绳子。相比看不见摸不着的AI、云计算，尚未规模商用的VR、量子计算、6G，数字孪生产品在应用中久经考验，又与虚实融合、全局数字化的趋势高度契合，确实非常契合。

所以，在其他技术“靠不住”的情况下，目前，就由数字孪生独自撑起了产业元宇宙的舞台。

一位企业软件市场的资深从业者告诉我们，工业元宇宙也是把多项技术融合在一起，但它的主干是数字孪生，只有数字化建模以后才能利用VR/AR做远程控制、远程的交付以及后项服务，利用市场上的很多开源引擎如Unity，和3D建模技术，就能实现物理模型的数字化建模。

数字孪生已经在很多情景下应用，问题也暴露了出来：

需求方面：不是所有实体都需要建模。

中国工程院李德仁院士曾说过，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。

也就是说，建模不是目的，有价值的建模才是企业使用这项技术的目的。

数字孪生的核心价值，是“虚拟世界多次迭代，物理世界一次成功”，通过模拟来低成本试错，比如对飞机的模拟，测试气压、气流、温差给飞机机械构造带来的实时影响，预先感知到飞机故障；电厂矿山的模拟，需要及时分析、识别和优化生产情况的情况，对意外情况实时预警，做到“治病于微发”。

这就要求数字孪生体不能是静止的，要能实时体现物理场景的动态演进过程。

而在实际操作过程中，很多所谓的数字孪生项目，只是做了个一比一的3D模型而已，并不能反映实时变化。我走访过一个水厂，将全市的建筑物、道路、自来水管道、调压器等生产设备，进行了数字孪生，用一个大屏幕呈现出来，但生产数据和设备信息都没有实时更新，只在接待媒体的时候展示一下。

一位工业软件行业从业者直言，工业+数字孪生，行业内普遍的水平还只是借助于数据采集，借助于可视化，借助于3D建模，实现数据的在线化，还没有办法实现虚实世界的双向操控。

（数字孪生矿山）

效果方面：不是所有数字孪生都能保真。

某软件服务商曾帮助长三角某供应链集群，通过工业元宇宙+工业大数据+工业云平台等，建立一个区域内的数字化制造产业地图。方案执行下去才发现，一方面企业并不愿意把数据分享出来，而且数据质量是参差不齐的，一下子拿到这些数据，也不能直接应用。

而数字孪生，要求的是尽可能逼真的映射和“表达”，只有数据准确地反映物理实体的所有细节，模型高度仿真，才能为后续的分析、决策、预警提供精准可靠的依据。

实际落地中，一些数字孪生系统仅仅是通过相机拍照或卫星图像，构建的模型精度很低，外观都做不到一比一复刻，只能看出一些粗略的示数，更无法映射一对多、多对一、多对多等多元化的对应关系。这种低精度的模型，很难充分反映真实的物理情况，也无法让多个数字孪生体在各种场景下进行虚拟测试和反复迭代，因此实用价值并不高。

价值方面：投入产出比ROI无法保证。

投入大、收益小，是很多企业在应用数字孪生之后才发现的。

投入体现在多个方面，数字孪生系统要存储和分析传感器感知或系统生成的所有数据，一个庞大工业生产系统、城市交通系统，所需要的算力、存力、网络能力都是惊人的。

我曾去过一个四线城市的工厂，在生产车间部署了高清智能摄像头，但因为设备产生的图像太大，厂房里的网络却没有同步升级，带宽不大，数据传输的时候非常卡，根本无法支持系统实时分析，最后这些摄像头大部分时候都是关闭的。

而付出了如此大的成本，企业能得到的回报却相对有限。

很多企业管理者和工程师能看到大屏幕上一堆数字在跑，但效率优化的幅度非常有效。某汽车零部件制造企业，在生产线引入了数字孪生之后发现，设备开动率只提升了5%，设备维护人力成本节约了13%。

所以数字孪生在很长一段时间内，被用于飞机制造、战斗机维护、宇航员训练、汽车设计等领域，业务价值更大、物理实验昂贵、数据和知识积累深厚，而很多非数字原生企业，本身就基础知识库匮乏，数据质量差，缺乏行业知识图谱，引入数字孪生之后，全局数据与业务场景的关联不大，无法支持企业做出最佳决策。

尽管数字孪生在实际落地中的业务价值有限，但没错过一个风口。每次都能稳稳地蹭上新基建、AI产业化、云计算、元宇宙等概念的热点，跟着火一把，这是怎么回事呢？

智慧城市如火如荼，数字孪生城市火了；

新基建迎来风口，数字孪生被工业互联网带着一起飞升；

产业智能化方兴未艾，数字孪生跟AI+云计算也能组cp；

元宇宙炸裂登场，虚实融合直接利好数字孪生。

这么一看，数字孪生确实是有点“红命”在身上。为什么理想中完美的数字孪生并没有普及，甚至有些数字孪生体并不靠谱，但它就是一直能够为产业服务市场所接受呢？

如果把数字孪生看成是一个明星，它能一直“走花路”，背后有三个推手：

推手一：“时代”这名“导演”

都说“小红靠捧，大红靠命”，大时代从每个人身上碾过，恰好合它的眼缘，便将人的机遇往高送上一程。

数字孪生天生具有双向通路的特质，是连接物理世界与数字世界的桥梁。通过仿真运行，可以由实到虚，在数字世界场景里实现对现实世界的全域感知镜像。具有管控操作的能力，可以以虚控实，实现对现实世界的全面监控、有序管理和智能操控。

AI、云计算、物联网等技术为核心的新一代信息技术体系已经集结完成，全球正式进入了以智能化、数字化为牵引的第四次工业革命。工业4.0、工业互联网、智能制造……这些产业概念都明确提出了物理世界与数字世界的融合，所以只要它们被提到，被上升到科技战略，就会带动数字孪生，赋予很多想象和可能性，吸引转型期间的企业积极尝试。

推手二：综合服务商的“经纪人”

大量云厂商、服务集成商，将数字化所需要的AI应用、云算力、网络能力、IoT、大数据、存储、运维等，通过大型解决方案的形式，相当于“打包售卖”，一同交付给用户。

这种整合模式，也让数字孪生的各项成本大幅减少，比如数据全局化需要的存算力都放到云上，按量按需使用，与多个数字化软硬件系统高度整合，加上集成服务商的定制化能力，使得数字孪生的业务价值前所未有地增大。

举个例子，某企业服务商在打造园区数字化方案时，就在横向，借助于BIM+工业互联网+数字孪生，把物理空间的园区数字化；纵向，把产业链上下游包括数据集成到系统集成，打造端到端的服务平台，这个数字化底座支持数据孪生实现更可靠更高效的操作。

与相关技术的配套拓展、深入融合，让数字孪生的应用落地有了综合优势。

推手三：产业客户“金主”

今天通过云来进入数字化能力的产业用户，有多少呢？可以看到，城市管理、矿产能源、工业制造等这些非数字原生的“重型企业”，需要通过云来接入AI等技术，降本增效。和互联网企业相比，这些“金主”的生产制造活动都是在物理空间进行的，产品、装备、产线、工厂、建筑、道路都可以构建数字孪生模式，推动数据融合，释放数据价值，虚实融合的需求与智能化需求相叠加。此外，产业客户一般采用POC（Proof of Concept）项目建设模式，数字化工程的周期长、分步骤进行，先划定业务场景或实验对象，小范围地导入和实施，验证系统方案是否满足需求，再向前推进。

数字化大屏的“一盘棋”“一张网”“一张图”对全局数据三维立体建模，用可视化的方式呈现出来，让人们能够看得见“数字化”的效果，为下一阶段业务数据化、决策智能化提供支撑。这种交付模式也是比较利好数字孪生技术的。

可以说，数字孪生能够持续红下去，既有时也运也的幸运，也与中国产业数字化转型的趋势有关。

也正如此，数字孪生在中国的落地应用，不像传统工业软件的商业模式，有两个特点：

一是与服务的高度捆绑。企业开展数字孪生的目的是提高核心竞争力，数字孪生要为降本增效提质而服务，与数字化转型方法论的咨询服务一起，整体上盘点整个业务的状况，帮企业做好规划，然后提供解决方案，最终在交付过程中不断迭代优化，这样才能保障数字孪生对企业是有价值的，避免盲目追求高大上的可视化效果，为了数字孪生而数字孪生。

二是高度垂直的定制化。产业服务的细分领域很多，有很强的行业know-how的壁垒，比如工业领域，流程制造和离散制造就是两个截然不同的行业。离散制造企业，数字战略优先级最高的是利用物联网来实现设备上云，其次才是设备维护、维修备品等功能，这就要求数字孪生系统实现对设备状态和行为高保真度的数字化表征。而流程制造企业，非常注重生产的连续性，数字孪生的首要价值是保障安全生产，实现全帧互联，构建整合制造流程的生产系统模型，进行运行全过程的监控和故障诊断。总的来说，工程师要针对不同的行业不同的制造环境、不同的产品需求来制定数字孪生的目标。

写在最后，我们可以看到，任何技术的生命力，都不仅仅是因为它蹭上了什么热点，跟上了哪个风口，而是给业务带来的真实价值。产业元宇宙也好，数字孪生也好，不要过度夸大和想象这些新概念、新工具的价值。

产业数字化没有“金手指”，不可能光凭一个或几个技术就能一路坦途；产业数字化也有无限可能，让还不成熟的技术拥有机会，将看似不可能的事情变成可能。数字孪生的产业掘金之路刚刚开始，希望你也是。