数字孪生到底意味着什么：生态重构，找准自己的定位

编辑导语：什么是数字孪生？它可以理解为一种技术，也可以理解为某种生态。数字孪生即指将物理实体映射至虚拟空间，进而协助完成预测、决策等动作。随着互联网的建设与发展，数字孪生在未来又会如何落地？本篇文章里，作者就数字孪生做了解读，一起来看一下。

一、数字孪生到底是什么？

数字孪生的概念从2018年起，就频繁地出现在大家的视野中。先入场的人早已对概念能够侃侃而谈了，但是普通人查了资料也是一头雾水。

没关系，我这篇文章，上到大佬下到小白，都能看懂并且有所收获。

数字孪生是综合运用感知、计算、建模等信息技术，通过软件定义，对物理空间进行描述、诊断、预测、决策，进而实现物理空间与虚拟空间的交互映射。

说人话：把现实世界中的物理实体，通过一系列技术映射到虚拟空间中去，以实现一些更高要求的目的。

为什么费劲去搞映射呢？因为想通过这个虚拟体，实现物理世界无法高效完成的诊断、预测和决策。

如果用赛博空间来举例，不同于我之前写到的元宇宙更强调社会形态和规则，数字孪生更像是赛博空间的搭建与运行。对元宇宙感兴趣的话可以移步：《数据应用的极致是元宇宙吗》

小说中赛博空间的核心是“无领导、绝对自由、不做任何人或组织的工具”。但是数字孪生的诞生在现在看来是为了现实社会服务的，也就是它搭建运行的链路：描述、诊断、预测、决策。

虽然更多说法愿意将数字孪生称为一种技术，但是我更愿意将它理解为一种生态，技术的生态、商业的生态、社会发展的生态。

因此，这篇文章的主要目的，就是帮助大家在这个重构的生态中，找准自己的定位。

二、说点有趣的：当我「孪生」了自己的衣柜

不想一上来就跟大家将一些枯燥的底层逻辑，为了能够让大家感知数字孪生的生态会是什么样的，我们先举一个例子：「孪生」一个自己的衣柜。

首先思考，为什么我需要孪生一个自己的衣柜呢？因为衣服堆叠起来每天找衣服都很麻烦，也不想费劲去想应该怎么搭配，对总量没有概念，总觉得自己没有衣服穿……

我想有一个不用我打开衣柜翻找和过多思考就能解决我穿衣问题的「聪明的助手」。我找到的解决方案就是「孪生」一个聪明衣柜。

然后就是执行方案：

1. step1：把所有的衣服和我自己制作成3D的素材，我可以找设计师或者自己使用可视化设计工具去进行。
2. step2：整理我所有的相关数据，包括：衣服的数据（尺码、颜色、风格、配件）、我的数据（身体数据、日程、心情、偏好）、场景数据（场合、天气）、衣柜的数据（空间、分区）。
3. step3：数据整理后实时接入，需要一套智能的算法帮助我完成搭配、衣服管理、新旧更换等等一系列事情。
4. step4：这些都准备好了需要有一个可以承载的平台，让可以通过屏幕或者投影去完成一系列展示和交互。每天有推荐搭配、数量提醒、换季提醒等等。
5. step5：衣服搭配都这么智能了，我的衣柜要不要也做成3D的，可以远程控制，衣服放入自动叠放、分区、挂好，旧衣服淘汰包装。新衣服线上试穿、购买直接下单等等都搭配起来呢？

举这个例子，是为了让大家感受到在这个简单的数字孪生过程中，有着无限可能的商机存在，并且上下游关联，形成一个闭环，你可以找到自己要做哪一环。

例子举完了，可以上干货啦。

三、科学拆解数字孪生生态结构

1. 数字孪生的圈层

关于数字孪生生态，需要先明确几个圈层。具体包括：

• 物理层是基础：现实世界的物理实体；
• 数据层是关键：数据收集、数据处理、数据分析；
• 模型层是核心：可视化模型、算法模型、数据模型（软件）；
• 功能层是目标：描述、诊断、预测、决策。

现在已经有的应用体现在：智慧城市、智慧工厂（工业互联网5.0）、车联网、智慧医疗、智慧园区等。

2. 数字孪生的要素

圈层有了，生态中的要素包括2个空间和3个关键技术。

两个空间指的是现实空间与虚拟空间，二者信息实时联通并且能够进行交互：现实空间的数据反映到虚拟空间的描述中，虚拟空间的决策和处理结果反馈回现实空间。

三个关键技术包括数据、模型、软件。数据要求实时、动态，并且围绕数据做处理和分析；模型包括可视化模型和数据模型（多偏向于算法模型）；软件是前两者重要的表现形式，也是应用和市场化的基础。

3. 数字孪生的功能

之前已经提到，我们希望数字孪生可以做到描述、诊断、预测、决策。这个链路也是伴随着数字孪生系统搭建去一步步完成的，越往上可能也会越困难。

其实关于定位的方法已经呼之欲出了，和之前的圈层、要素分析结合起来，可以更加清晰地知道，自己适合做哪一部分。

4. 数字孪生系统中的多种角色

敲黑板，上干货了。从以上的分析可以知道，在数字孪生生态中，有多种角色：

• 专注于数据的：数据采集（物联网相关）、数据处理、数据驱动模型（算法）；
• 专注于软件的：代码、软件；
• 专注于映射的：可视化设计与表达、动态监测和呈现；
• 专注于决策的：人工智能、决策支持、综合服务。

并且除此之外，衍生的一系列服务、解决方案、咨询、平台、工具等等，都是大家可以参与进去的身份。

如果未来数字孪生真的生态化、商业化的存在了，那么社会管理、法律法规、配套设施层面也会逐步建立和完善起来，也会制造很多的进场机会。

四、讲这么多，怎么落地？

在未来一段时间中，数字孪生绝对不是某种技术、某个方案、某种商业模式，而是一个生态圈，并且是开放的、协作的。

从工业到互联网，从企业到城市到国家，已经有很多力量投入到数字孪生生态的构建和技术的尝试中来了。

跨国企业中，西门子、PTC、达索、ESI等都已布局数字孪生的跨国业务。

美国工业互联网、德国工业4.0都将数字孪生作为重点发展的内容。

智慧城市的建设，虚拟新加坡、数字孪生巴黎、多伦多高科技社区、雄安新区数字城市、杭州城市大脑都在筹备和落地中。

国内的百度、华为、腾讯、阿里等都已经下场进行投资，也有相应的业务布局、白皮书和资料产出。

无论未来面临着怎样的洗牌和重构，明确技术与生态的发展趋势，结合业务找准自己的定位总是没错的。具体表现为：

• 大企业与行业领导者做风险尝试并探索稳定的商业框架；
• 中小企业做好业务转型和升级；
• 个人规划好职业发展。

具体执行有没有可以参考的案例？有的。用易知微EasyV举例，在数字孪生的生态系统中，现阶段专注于数字孪生可视化，即数字孪生的描述层面实现。现在也有SaaS类工具面向设计师和企业开发团队，可以即开即用。

但是不仅仅是可视化设计，EasyV也会聚集数据分析、数据处理的伙伴，团队有丰富的行业经验，所以可以解决代码、平台、系统设计等问题。大型项目会联合上下游的伙伴共同完成，面向市场输出行业案例。

因此，数字孪生绝对不是某项技术发展好，某个企业做好就可以了。现在需要的是稳定的生态构建，以开放的态度拥抱企业伙伴，促进全民认可和共同发展，这样你找的定位才能走得长远和稳定。

数字孪生世界已经在向你招手了，你，准备好了吗？

#专栏作家#

数据可视化那些事，人人都是产品经理专栏作家。某数据公司产品运营，擅长可视化设计及数据驱动运营的相关知识。

本文原创发布于人人都是产品经理，未经许可，禁止转载

题图来自Unsplash，基于 CC0 协议