数字孪生已成为最炙手可热的概念。这一概念的最大优点是具体直观，易于理解。望文生义也好，顾名思义也罢，说者言语一出，听者便猜出大概。与此有关的文章铺天盖地，讲座也层出不穷，但大多数要么停留在溯源和概念层面，要么谈论某个具体案例，缺乏系统的理论框架。

很多案例是把早已存在的案例穿了数字孪生马甲出来蹭蹭热度。即使是套用数字孪生概念的新案例，对数字孪生的理解也似是而非。涉及到具体技术的时候，要么比较单一，要么多而零散，缺乏严密递进的逻辑。本文希望在系统性和理论性方面前进一步，从体系框架和核心技术方面做初步厘清，从更完整全面的视角观察数字孪生体系的全貌，以期能对业界做一些微薄贡献。

本文认为，数字孪生体是个具有社会性的生命体，其产生、进化和社会性，都符合生物进化和社会发展规律。

孪生溯源

当前业界对数字孪生体起源的普遍认定是2003年Michael Grieves博士所提。笔者对此没有异议，只是我们在数字孪生体系研究中发现，构成数字孪生体的关键技术远早于2003年。本实验室将这个时点前推至1960年代——CAD技术出现的时点，因为数字孪生体的第一个重要“器官”是“数字建模”，基于计算机图形学的CAD技术便是该器官的核心技术。

数字孪生体的技术起源和概念提出的时点都很早，但为什么这两年才突然兴起。本实验室认为，数字孪生体的第二个器官——物联网的成熟起到了重要的作用。物联网的中国国家标准的提出时间是2016年，国际标准是2018年，这两个标准的提出意味着物联网进入了成熟和工程应用阶段。而且，即将推出的数字孪生体标准也是在物联网标准基础上演变出来的，昭示着这两个体系的紧密关联性。物联网作为数字孪生体的第二级成熟度（成熟度概念参见后文）的核心技术，是数字孪生体入门级或门槛级技术。没有物联网，数字孪生体连起步都很难，不用说进化了。2016年是数字孪生体的提速时点，2018年正是数字孪生体的爆发时点。

体系框架

我们的研究选择了国际公认的高起点——国际标准化组织（ISO）的相关标准ISO_DIS_23247（目前为公示期，年底最终发布）。该标准提出了数字孪生制造的参考架构。由于标准尚未最终发布，此处不便引用其架构图。该参考架构虽然不是最终版本，但其所包含的要素全面，逻辑合理，符合我们所研究的结论。但该标准显然是从物联网国际标准ISO/IEC30141基础上的演变，具体本实验室认为对于具体应用来说过于抽象，所以我们在《数字孪生体技术白皮书（2019）》中对这个框架做了术语上的修订和释义，我们下面所提的理论框架是从这个架构出发而设计的。

在《数字孪生体技术白皮书（2019）》中，我们给出了数字孪生体的定义：数字孪生体是现有或将有的物理实体对象的数字模型，通过实测、仿真和数据分析来实时感知、诊断、预测物理实体对象的状态，通过性能和状态优化和指令发送来调控物理实体对象的行为，通过相关数字模型间的相互学习来进化自身，同时改进利益相关方在物理实体对象生命周期内的决策。

本定义既承接了国际标准参考架构，也是我们设计理论架构的基础。下图是我们提出的理论架构，本架构可以指导数字孪生体的建设与实施。

本图上部是数字孪生体系框架，下部是物理对象的示意。物理对象在此图中用于表达数字孪生世界与物理世界的关系，不是数字孪生体框架的要素。数字孪生体系架构包含以下要素：数字建模、测量与控制、模拟仿真、数据分析、数字资产和人机交互。这些要素使得数字孪生体呈现出一种生命体甚至社会性特征，下文对此展开说明。

数字建模

“数字建模”是物理对象的数字化表达，这个过程需要将物理对象表达为计算机所能识别的数字模型，在软件中建立物理对象的结构元素和时空关系，不深入涉及物理机理和运行数据，就像我们给正在雕塑的人体打造一个躯体。这也当然是数字孪生体的基本要素，毕竟既然称为“体”，那这样一个基本的、直观的躯体是必须的。

我们通常使用三维实体来建立物理对象的结构形状和位置关系，用系统（一维）建模工具来描述物理对象的行为模式。建模工具通常包括譬如CAD、3D动画、BIM（Building Information Modeling，建筑信息模型）、CIM（City Information Modeling，城市信息模型）或基于SysML（系统建模语言）的系统建模工具。建立的模型可以是设备、厂房、人群、运输系统、交通、电网、城市、军事战场、战斗群体系等。

我们把这个过程称为“数化”，提供了数字孪生体的“躯体”。不过这样的躯体是一个没有神经、没有思想、与世界隔离、无生命的躯体。

测量与控制

“测量与控制”用来实现数字体与物理对象之间实时互传信息和数据。数字化模型利用测量系统，通过传感器获得物理对象的状态数据：尺寸、速度、温度、光洁度等，利用控制系统，通过致动器向物理对象发送致动指令：停止、加速、调节角度等，这就像我们给数字孪生体安装一套神经系统。人类的神经系统有两种，一种是感觉神经，就像这里的测量系统，另一种是运动神经，就像这里的控制系统。

工业物联网（IIoT）是测量与控制要素的主要技术，不仅能提供对物理世界的感知，还能对物理世界传递信息，从而驱动物理世界。

我们把这个过程称为“互动”，提供了数字孪生体的“神经”。神经系统的存在，让数字孪生体具有了初步的生命特征，可以感知和驱动物理世界。但由于缺乏思考能力，目前的数字孪生体还是个“傀儡”或“僵尸”孪生体。

模拟仿真

模拟仿真是基于完整信息和明确机理计算未来，将“数化”过程建立的模型与物理机理相结合，包括材料性质、理论规律、工程规律等，根据完整和实时的边界条件和物理状态，来计算和预测数字模型的下一步状态。这种仿真不是对一个阶段或一种现象的仿真，应是全周期和全领域的动态仿真。实时边界条件和物理对象状态是被完整测量，可作为物理规律的完备输入条件。模拟仿真的输出结果必须具有确定化和无二义性的特征。“实时”二字依赖于“互动”过程的测量系统来保证。

此处所说的仿真是广义仿真，那些具有明确物理机理的计算过程都属于广义仿真，包括物理（如流动、力学、化学等）原理确定并被实践验证，往往被作为成熟理论来使用，包含公理、定理、公式、数值计算、工程算法、经验公式等。模拟仿真采用的工具包括算法程序、各类CAE工具，譬如物理场仿真、人群仿真、交通仿真、物流仿真、组织仿真等。

通常来说，CAE有两种类型：物理场仿真和系统仿真。物理场仿真的计算规模大、时间长，通常无法满足数字孪生体与物理对象实时交互的需要；系统仿真则具有速度快的优势，通常可以达到实时交互要求。因此，在数字孪生实践中，往往需要把物理仿真过程进行降阶（ROM），抽取物理仿真的某些特性和参数，转换成系统仿真模型来参与计算。

我们把模拟仿真过程称为“先知”，该过程提供了数字孪生体的“左脑”。人类的左脑专事逻辑推理和理性判断，只要具有明确规律和逻辑，不管多复杂，总是可以通过推理获得明确的结论，提前知道数字孪生体和物理对象将会发生什么。此时的数字孪生体就是一个有头脑、会思考的智能孪生体，开始具有明显的生命特征，特别是人类的理性思维特征。

数据分析

数据分析过程是基于不完整信息和不明确机理来推测未来。我们的世界中，大多数现象的物理规律并不明确，大多数情况无法获得完备的边界条件和物理状态，但我们仍然不得不对未来做出预测，哪怕是在模糊的判断，仍然好于毫无判断。如果要求数字孪生体越来越智能和智慧，就不应局限于人类对物理世界的确定性知识。其实人类本身就不是完全依赖确定性知识而领悟世界的。

大数据和人工智能（AI）技术是数据分析的关键技术。根据通过“互动”过程收集的数据以及“先知”过程输出的数据，利用相关性分析建立物理世界的近似模型，依据当前边界条件和物理状态进行下一步状态的预测，并且对近似模型逐步优化。当前边界条件和物理对象状态是被不完整测量的，但也只能作为近似模型的不完备输入条件，输出的结果当然距离物理世界的真实情况有一定偏差。但随着机器学习的持续，算法和模型逐步改善，近似模型会越来越逼近物理机理，预测结果也会逼近物理世界。也正是因为这个原因，业界有人将大数据（及AI）视为科学研究的“第四范式”，科研方法从传统的三种方法——理论、实验、计算拓展到第四种方法——大数据（及AI）。

我们把这个过程称为“先觉”，提供了数字孪生体的“右脑”。人类的右脑专事感性思维，利用直觉和第六感来获得对世界的判断和预测。当然这里指的直觉那种优秀的直觉，而非普通人的直觉。优秀的直觉源于对丰富经历和有效经验的高度总结，还需要经常性的深度思考和远期瞭望。我们的社会中确有一类具有这种优秀和敏锐直觉的人，是他们引导着你的企业、机构甚至人类的发展方向。