当前，世界正处于百年未有之大变局，在变局和危机中，各行各业转型升级的需求十分迫切。数字化转型和智能化升级已经成为释放巨大发展动能的关键因素，也成为了各国关于未来全球发展的共识。以制造业为例，美、德、英、法等纷纷提出了各自的国家制造发展战略，“制造强国”也成为了我国的重点发展战略，其中最基础的技术驱动因素就是数字化和智能化。

　　数字孪生是以多维模型和融合数据为驱动，通过实时连接、映射、分析、交互来刻画、仿真、预测、优化和控制物理世界，使物理系统的全要素、全过程、全价值链达到最大限度的优化。数字孪生与各产业的深化融合能够有力推动各产业数字化、网络化、智能化发展进程，成为了产业变革的强大助力[1]。数字孪生契合了我国以信息技术为产业转型升级赋能的战略需求，成为了应对当前百年未有之大变局的关键因素。数字孪生日趋成为各界研究热点，应用发展前景广阔。 

　　「1.哪里来：数字孪生的起源 」

　　模型是数字孪生的核心要素，而从模型到数字孪生经历了物理的“实物模型”到数字化展示的“数字化模型”再到物理对象与虚拟模型交互共生的数字孪生的技术发展过程。笔者团队 2021 年在《计算机集成制造系统》期刊上发表的“数字孪生模型构建理论及应用”文章中分析了从模型到数字孪生的过程[2]: 

　　模型是生产制造活动中的重要要素，在不同历史阶段和不同技术背景下，呈现出不同形式，发挥了不同作用。人类从青铜时代就开始借助“模型”制造青铜器。例如我国在商周时代 铸造青铜器采用的“块范法”和“失蜡法”即是以模型为基础的。“块范法”和“失蜡法”首先选用 陶、木、竹、骨、石、蜡等材料制成青铜器的“实物模型”，然后再在该模型的基础上做成铸型，通过向型腔内浇铸铜液，凝固冷却后得到青铜铸器。类似地，清朝负责皇室建筑(如宫 殿、皇陵、园林等)的样式雷家族利用建筑的“烫样”(即“实物模型”)将设计方案变成立体的微缩景观，从而提前了解建筑效果，进而指导实际建造。这些在实际建筑动工之前按 1/100 或 1/200 比例先制作的“烫样”不仅在外观上展示了建筑的样貌，还体现了建筑的台基、瓦顶、 柱枋、门窗等详细内部结构。此外，实际物理对象的“实物模型”除了能辅助生产制造外，还能替代其原型的部分功能。例如，著名的秦始皇陵兵马俑就是代替了活人为秦始皇陪葬。为真实再现秦军士兵精神面貌，这些兵俑被工匠们用高超技艺表现地十分逼真，脸型、眼睛、 表情、年龄等各不相同又活灵活现。另外，三国时代诸葛亮为给蜀汉十万大军运输粮食而发 明的运输工具“木牛流马”具备了真实牛马的功能和作用，从而代替了真实的牛马进行粮食运输[2]。 

　　上述“实物模型”可实现对应的物理对象或功能的复制，但这类模型存在一定程度的时空局限。如在时间尺度上，实物模型主要以静态再现外观或结构为主，不能充分表现物理对象随时间的变化特性;在空间尺度上，针对大场景的(如整座城市、整个园区)、内部结构复杂的(如发动机)物理对象，这类实物模型难以完整刻画。随着计算机、信息、网络通信等技术的成熟和普及使用，人们可以利用数字化技术突破时空局限，建立物理对象的“数字化 模型”，从而解决上述问题。如利用计算机图形学技术、虚拟现实及增强现实技术已实现了在虚拟世界中创建数字化圆明园(即圆明园的数字化模型)，从而再现了圆明园的历史原貌。另外，采用全息影像技术，复活已故歌手在舞台上的演唱表演，观众不仅可以看到和歌手外貌一样的数字化虚拟歌手，还可以听到和歌手一模一样的歌声，实现了对已故人物的虚拟复活[2]。 

　　无论是上述辅助制造和进行部分功能替代的“实物模型”，还是进行数字化展示的“数字化模型”，对物理对象在多维多时空尺度上的刻画还不够;此外其工作或运行过程都相对独立，缺乏与对应物理对象的动态交互。随着新一代信息技术的进一步发展和深入落地应用，人们日益提升的工业和生活实际需求对模型提出了能够与物理对象进行交互的要求。同时，人们还想知道物理世界不同尺度的时空有什么，正在发生什么，未来会发生什么?从而预测可能出现的问题并制订相应的措施。数字孪生在此背景下应运而生，并引起了深刻的产业变革。物理实体及其对应的虚拟模型、数据、连接和服务是数字孪生的核心组成部分。通过多维虚拟模型和融合数据双驱动，以及物理对象和虚拟模型的交互，数字孪生能够描述物理对象的多维属性，刻画物理对象的实际行为和实时状态，分析物理对象的未来发展趋势，从而实现对物理对象的监控、仿真、预测、优化等实际功能服务和应用需求，甚至在一定程度达到物理对象与虚拟模型的共生[2]。 

　　如图1所示，数字孪生可追溯至美国密歇根大学的Michael Grieves教授2002年在其 产品生命周期管理(product lifecycle management, PLM)课程上提出的“与物理产品等价的 虚拟数字表达”(a virtual, digital equivalent to a physical product)的概念[3]。虽然这个概念在当时并没有称为数字孪生，但却具备了数字孪生的基本组成要素，因此可以被认为是数字孪生的雏形。受限于当时数据采集技术、数字化描述技术、计算机性能和算法不够成熟， Michael Grieves 教授所提出的早期概念并未受到广泛关注。 

　　图1 数字孪生起源与发展

　　如图 1 所示，2010 年，“数字孪生”才由美国国家航空航天局(NASA)首次书面提出并得到了进一步发展[4]。NASA 在《Modeling, simulation, information technology & processing roadmap》中详细说明了对于航天器数字孪生的定义和功能，该路线图的草案最早在 2010 年就已出现并传播，但正式版直到 2012 年才发表[5]。与此同时，2011 年，美国空军研究实验室(Air Force Research Laboratory, AFRL)在一次演讲中也明确提到了数字孪生，AFRL希望利用数字孪生来解决战斗机机体(Airframe)的维护问题。2012 年，NASA 和 AFRL 合作共同提出了未来飞行器的数字孪生体范例[6]，以应对面对未来飞行器高负载、轻质量以及极端环境下服役更长时间的需求。 

　　如图 1 所示，2014 年 Grieves 教授发表了关于数字孪生的白皮书，根据该白皮书，数 字孪生的基本概念模型包括三个主要部分:(a)实体空间中的物理产品;(b)虚拟空间中的 虚拟产品;(c) 将虚拟产品和物理产品联系在一起的数据和信息的连接[7]。Gartner 连续 3 年将数字孪生列为 2017 年至 2019 年间具有战略价值的 10 大技术趋势之一[8-9]。数字孪生日益受到了学术界和工业界的广泛关注。同时，如图 2 所示，笔者团队在 2017 年提出了数字孪生车间的概念，设计了数字孪生车间的运行机制，讨论了数字孪生车间的特点以及关 键技术，为数字孪生在制造中的应用提供了理论支持[10]。之后，为了促进数字孪生在更多领域的进一步应用，笔者团队扩展了三维数字孪生模型，提出了数字孪生五维模型[11]。为 推动数字孪生理念和技术进一步落地推广应用，笔者团队研究并建立了数字孪生建模准则和理论体系[12]、数字孪生技术和工具体系[12]，以及数字孪生标准体系[13]，指导了数字孪生国际标准制定并立项，并受邀在 Nature 发表数字孪生评述文章[1]。此外，笔者团队的相关工作总结形成了数字孪生在设计、制造和服务中的系列英文专著，其中关注设计的Digital Twin Driven Smart Design，和关注智能制造的Digital Twin Driven Smart Manufacturing已出版，关注服务的Digital Twin Driven Service截至 2020 年 12 月 31 日已完成初稿，并将于2021年出版。2021年3月北航陶飞教授在Taylor & Francis上创办了Digital Twin国际期刊，该期刊目标是出版数字孪生及其在制造、工业工程、城市、医疗、船舶等领域的研究进展和应用，该期刊是数字孪生方面的国际综合类期刊。 

　　图2 笔者团队数字孪生相关工作 

　　「 2．是什么:数字孪生概念 」

　　2017 年以来，数字孪生的研究和应用越来越热。在学术界，数字孪生的研究论文每年呈指数级增长，全世界各主要国家的高校和科研机构几乎都有学者关注和研究数字孪生，并 取得了很多研究成果和进展[14]。在工业界，各大工业软件的巨头，如西门子公司、PTC 公 司、达索公司等以及知名实业公司，如空客集团、波音、特斯拉等都在积极实践数字孪生[12]。虽然数字孪生得到了业界广泛关注和研究，但数字孪生在概念和内涵上却并没有一个统一的定义。随着数字孪生研究和实践的不断推进，人们赋予了数字孪生的各种定义。 

　　Michael Grieves 教授在 2016 年发表的Digital Twin: Mitigating Unpredictable, Undesirable Emergent Behavior in Complex Systems一文中称:其最早在 2002 年的 PLM 课程上提出的 PLM 的概念模型已具有了数字孪生的所有元素，即真实空间、虚拟空间、从真实空间到虚拟空间的数据流链接，从虚拟空间到真实空间和虚拟子空间的信息流链接[3]。并进一步定义了数字孪生[3]:“数字孪生(DT)是一组虚拟信息结构，可从微观原子级别到宏观几何级别全面描述潜在的或实际的物理制成品。在最佳状态下，可以通过数字孪生获得 任何物理制成品的信息。”同时 Grieves 教授将数字孪生可以解决的问题分成了 2 类:一是可预测的行为(predicted behavior);二是不可预测的行为(unpredicted behavior)。随后又进一步将行为分为期望值(desirable)和非期望值(undesirable)。从而得到 4 类结果,如图 3 所示，(1)预计得到的期望结果;(2)预计得到的非期望结果;(3)未预料到的期望结果(4) 未预料到的非期望结果[3]。Michael Grieves 定义数字孪生过于笼统，没有具体的描述和解释。直到 2010 年 NASA 发布了关于航天器的数字孪生的详细定义，即“数字孪生是充分利用物理模型、传感器更新、运行历史等数据，集成多学科、多尺度、多物理量、多概率的仿真过程，从而虚拟空间反映相对应的实体装备的全生命周期过程[5]”。 

　　图3 系统行为分类[3]

　　不同科研机构、企业和学者也提出了自己对数字孪生的理解。表1是知名学者或研究机构对对数字孪生的理解，表2是个企业对数字孪生的理解。 

　　表1 知名学者或研究机构对数字孪生的理解或定义 

　　表2 知名企业对数字孪生的理解

　　参考文献 

　　[1]  Tao, Fei, Qi Qinglin. Make more digital twins. Nature, 2019, 573: 490-491.