在各種展覽會上，許多科研院所和企業(yè)都在展示自己的“數字孿生”技術。常見的展示方法是：一臺物理設備在運行。旁邊的計算機三維動畫展示著一模一樣的動作。在筆者看來，把數字孿生做成動畫，實在太膚淺了。這種沒有靈魂的數字孿生無異于行尸走肉。

為了避免膚淺，我們可以看數字孿生的定義。工信部標準化院發(fā)布的2020版《數字孿生應用白皮書》中的定義是：數字孿生是以數字化方式創(chuàng)建物理實體的虛擬實體，借助歷史數據、實時數據、以及算法模型等，模擬、驗證、預測、控制物理實體全生命周期過程的技術手段。

這樣的定義全面、準確，但讀者容易“見樹木不見森林”：概念定義中的每一句話都容易理解，加在一起就糊涂了，也不容易抓住概念的靈魂。筆者認為：要抓住概念的靈魂，要從數字孿生本質的用途入手。理解用途之后，就能把技術要點串起來、把價值串起來、把場景找出來。筆者認為：

數字孿生的用途是應對人們預料之外、想不清楚的突發(fā)事件。

這個要點理解以后，就可以看數字孿生的主要應用場景：安裝、調試、維護、優(yōu)化、運行期間的異常處置等。換句話說，這些場景都可能遇到意外的事件。這時，人們想不清楚這些事件為什么發(fā)生，或者想不清楚如何處理。

發(fā)生這種事件的時候，首先需要捕捉到這些事件。所以，數字孿生必須有實時數據，用實時數據去發(fā)現問題。但捕捉到意外的問題以后，人們并不清楚發(fā)生問題的原因。所以，需要全生命周期的數據、幫助我們追溯問題發(fā)生的原因。所以，需要有歷史數據。找到原因之后，還需要找到目前解決問題的辦法。這時，可以用模型和仿真的手段去評估各種可能的做法，去模擬、驗證、預測。也可能會從歷史數據中找到答案。選出合適的方案后會加以實施，所以需要有控制功能。

于是，數字孿生的各個技術要點就串起來了。

數字孿生不同于傳統的模型：模型是為特定目的而建立的、或者說為了解決特定問題而建立的。原則上講，模型不需要多余的數據，只要實現目標，越簡單越好。而數字孿生要解決的問題，往往在人的預料之外，需要解決的問題是未知的、需要的數據也是未知的。所以，數字孿生要盡量收集數據，且便于收集數據。

數字孿生不同于傳統的仿真。傳統的仿真主要是用于研發(fā)、設計階段，往往是離線做的仿真。那時，物理對象還沒有建立起來，對象的實時數據自然也沒有。

數字孿生不同與CPS。CPS的概念其實來自于控制論、最早用于嵌入式系統。在CPS中，發(fā)生了什么事如何處理，是固化在算法中的。如果遇到算法解決不了的問題，可以由人出面解決。所以，CPS一般不考慮“人想不明白”的事情。CPS需要實時數據，但對歷史數據的要求不多。

數字孿生不同于PLM，因為PLM主要關注正常的業(yè)務協同；重點是防止在協同中出錯、延遲，而不是協同中出現問題后如何發(fā)現問題。

在筆者看來，數字孿生的主要價值在于支持全生命周期的持續(xù)優(yōu)化和異常處置。一個產品開發(fā)出來，在安裝、調試、運行、維護、優(yōu)化過程中，總會遇到各種各樣的意外問題。有時候，問題是設計環(huán)節(jié)導致的，有時候是制造、安裝環(huán)節(jié)導致的；有時候是使用維護環(huán)節(jié)導致的。如果全生命周期的數據集成在一起，就容易發(fā)現問題的原因、容易找到解決問題的方法并且容易把問題反饋到前面的環(huán)節(jié)，避免下次犯同樣的錯誤。

其中，當生命周期的數據集中在一起時，在調試、使用、維護等每個階段都容易通過仿真手段發(fā)現問題、調試優(yōu)化方案、并將優(yōu)化方案轉化成軟件執(zhí)行的方式，而不僅僅是限于前期的設計研發(fā)階段。

再如，數字孿生還可以用于生產過程的優(yōu)化。這種優(yōu)化，往往跨越空間、跨越部門、跨越人機，常常屬于管控融合的范疇。管理問題和知識的特點之一往往是碎片化的，往往是在長期的生產過程中才遇到的。人們要解決這些問題時，或者把相關知識數字化時，事先很難想清楚需要準備什么樣的數據。而數字孿生則把能夠準備的數據都準備好了，從而降低持續(xù)改進的工作量、尤其是數據整理工作的工作量。所以，數字孿生的一個重要作用，仍然是支持持續(xù)優(yōu)化。日本的IVRA模型，高度強調PDCA持續(xù)改進對智能化的作用。

數字化時代的一個重要作用，是提升企業(yè)的研發(fā)能力和持續(xù)改進能力。我國企業(yè)的高端研發(fā)工作少、質量意識薄弱，對持續(xù)改進的意義就不理解。所以，很多人不理解數字孿生的作用和價值。

這就好比，在牛拉車的時代，很難想象交通燈的重要性。