采写 | 谢邦彦 编校｜吴政希 图｜由受访者提供
Q :《科技与金融》记者
A：刘强
数字孪生：数字化转型利器
Q：您如何定义“数字孪生”？
A：目前，数字孪生在学术界暂无统一的标准定义，但其基本技术内涵是“虚实同步”，即在物理模型和数字模型之间建立一种同步机制，并在此基础上发展应用范式。
图1 数字孪生的“六个一”
我曾归纳过“六个一”的概念（见图1），以便我们更好地理解数字孪生：
一个领域。数字孪生作为交叉学科前沿技术领域，在应用基础研究、应用模式研究和关键技术攻关环节均受到产业链上下游的高度关注。学术界聚焦数字孪生基础理论，努力突破多模态数据融合与实时映射技术瓶颈；产业界则加速技术落地，如西门子数字孪生解决方案贯通产品全生命周期数据，华为云工业互联网推进构建毫秒级工业数字孪生体，达索系统打造工业元宇宙协同平台等。
一类技术。作为数字化转型核心支撑技术，数字孪生具有双重技术属性：狭义层面可理解为物理实体的“数字镜像”，通过高精度实时数据采集实现虚实状态同步。广义层面则需结合具体领域知识体系，形成“建模—仿真—优化”的闭环技术范式。这种技术特性使其在智能制造、智慧城市等领域展现出差异化应用价值。
一个平台。数字孪生可构建虚实同步技术平台，成为支撑物理系统与数字空间协同运作的“操作系统”。其核心架构包含三个层次：数据采集层实现多源异构数据融合，模型构建层完成跨尺度数字建模，应用层则通过API接口支持近物理仿真、预测性维护、虚拟投放与流程优化等多样化场景。该技术能力使之可适配不同应用场景需求，呈现多种软件形态、多种应用模式。
一种模式。在制造业数字化转型中，数字孪生正从辅助工具演进为新型生产要素。未来智能工厂将呈现“物理生产线+数字孪生体”的运作模式：数字孪生体作为生产线“数字分身”，可实时验证生产策略、预判设备故障。数字孪生将是未来智能工厂的“标准配置”。
一条路径。数字孪生的价值释放具有明显的阶段性特征：初期作为辅助决策工具，实现生产过程可视化监控；中期发展为系统优化引擎，支撑生产组织与过程优化、工艺参数动态调优等；后期将进化为自主决策中枢，通过AI算法实现产线自适应调节。这种递进式发展路径使数字孪生成为智能制造转型升级的关键基础设施。
一个舞台。数字孪生技术凭借较强的泛用性，正在构建跨行业应用生态。在制造业场景，该技术可服务于对制造过程和制造对象状态改变的精细建模；在数字孪生城市场景，它可服务于城市资源、城市空间的精确刻画；在安全应急场景，它可服务于突发公共事件的仿真模拟、人群疏散方案的制定等。
总的来说，数字孪生技术可以满足各行各业的共性需求。其将会发展为基础设施型的技术。可在数字孪生技术基础上结合、匹配各行业的垂直技术，以支撑具体的行业技术应用。
Q：结合广东省制造业产业特点，您认为数字孪生技术的核心价值体现在哪些方面？请结合例子说明。
A：整体来讲，数字孪生可以做到“以虚代实”，在快速定制、知识复用、信息综合管理维护、非破坏性虚拟测试、低成本策略验证等方面具备较高技术价值。
以产品设计为例，数字孪生能够以虚拟方式快速实现设计方案验证，减少物理实体制造过程中的变更成本。传统的生产流程往往需要将产品（或者装备）实际制造出来，以验证设计方案合理与否。但借助数字孪生技术做虚拟验证，以实现产品设计的“变更前置”，将原本静态的设计转变为动态的近物理仿真优化，这样不仅可以极大地节约试验试错时间和成本，还能更真实地反映工艺行为、动作逻辑、协同作业等较为复杂的制造行为。
多品种定制生产与柔性制造是目前主流的制造方式之一。作为一种极为有效的变型设计支撑技术，数字孪生技术不仅可以支撑产品设计，还可满足因多品种变批量生产所导致的车间产线高频换产换线的需求，完成更为复杂的装备、单元和产线的变型设计。例如，在机器人作业单元设计阶段，可以通过数字孪生技术提前发现并解决机器人与其他设备间可能存在的动作空间干涉问题，以规避潜在的破坏性风险，降低验证成本，缩短验证周期。
以“制造业当家”的广东省而言，省内活跃着一批创新活力较强的非标装备制造企业，他们是装备创新的源头企业。由于非标装备的定制化程度高、研发周期长，以模块化、参数化的近标准化技术升级是企业的必然选择。企业对数字孪生技术的需求尤为迫切。
以智能手机生产为例，手机的组装过程中，近70%的装备属于非标装备。企业往往基于某型成熟装备进行变型变更来响应新的定制需求。非标装备的研发往往会涉及机械、电气、控制、软件等工程师跨领域协商与协同。然而可惜的是，即便只对装备进行小小的改动或替代，工程师之间重复性的协商与试错仍不可避免，导致了大量非必要的重复性研发。
其根本原因在于：知识只在单一工程师、单个领域进行传承，例如机械工程师只会关注机械设计，控制工程师只会关注控制程序等，行业缺乏必要的方法、技术与工具以记录和复用由多个工程师协商形成的协同型知识。这个装备研发中的“领域割裂”问题，是非标制造企业长期面临的痛点。业内也将这一问题称为“定制之殇”——因为究其本质，这些跨领域、跨学科的协同设计知识是企业创新的源泉和起点，是非常宝贵的数字资产。如果它们长期处于“沉睡”的状态，甚至最终被遗弃，是十分可惜的。
所幸，数字孪生技术提供了一种解决方案：基于数字孪生技术，可以将多个工程师的设计内容及其关联关系，通过泛化封装的形式进行存储、表达和复用，形成知识复用平台。借助平台将各领域的知识以工程语言或工程模型的形式予以记录，并以可视化的形式呈现出来，在未来研发新装备、新产品时，可以通过“拖拉拽+低代码”的形式，复用这些知识，快速形成一个设计方案。
这一平台的出现，可能会改变传统的“机械设计—电气选型—控制程序编写—整线整机调试”串行设计模式，形成一种新的场景驱动的并行化设计模式：基于上述的设计知识复用平台，快速形成场景化的设计方案，多个领域的工程师进行“会诊式”审核确认，其后可以并行地进行机械设计、电气选型、控制程序设计等，再依托数字孪生技术进行虚拟验证与虚拟集成调试。这种通过有效复用已有设计案例、并行研发新型装备的方式，可以大大降低反复试错次数、缩短研发周期。
Q：贵学院智能制造团队在广东省有哪些数字孪生技术应用案例？取得了怎样的成效？
A：基于数字孪生的变型设计和场景驱动的并行化设计正是广东工业大学机电工程学院智能制造团队重点开拓的方向。
以东莞某企业为例，该企业专注于为其客户打造立体仓库。区别于传统仓库，立体仓库采取高密度设计，货物主要依靠在货柜底部穿梭的AGV（自动导引车）调度，AGV可以从货柜底部将需要调度的货物“顶”起来，并通过货柜层间的管道将货物拖出来，总体效率较高。
该企业在为客户实施立体仓库时，常困扰于每个客户库房环境之间的巨大差异：高度各不相同，场地形状不一，场地中柱子等障碍物也需要纳入考虑。不止如此，由于客户希望直观地看到实施立体仓库之后的仓库形态和可带来的实效，该企业原来还需要借助3D MAX等建模软件，往往需要耗费1个月以上的时间成本为客户制作可视化模型以诠释该设计方案。
针对该企业的痛点，广东工业大学机电工程学院项目团队基于数字孪生技术，对立体仓库的货架、AGV等核心元素进行模块化分析，定制不同尺寸和数量的货柜模型，以便快速生成设计方案。
进而模拟出入库情况，验证仓储系统的吞吐能力，测算所需AGV的数量，整理输出性能分析表和物料清单，供客户对立体仓库方案进行全方位的成本评估。
解决方案主要为该东莞企业带来以下改善：
除该案例之外，团队还为新能源电池制造企业、芯片检测企业等提供了产线变型设计和数字孪生虚拟集成调试的技术服务与智力支持。
Q：对于制造业中小企业来说，应用数字孪生技术是否存在门槛？应如何更好地运用数字孪生技术？
A：由于技术层面存在一定复杂性、中小企业的需求高度差异化等因素，数字孪生技术对于制造业中小企业而言确实存在一定的应用门槛，该应用门槛的高低主要取决于具体的技术应用模式。
数字孪生的技术应用模式，使用门槛由低到高可以简要分为监控、调试及设计三种。
监控模式目前应用最为广泛，即通过将数字孪生模型和实物模型同步，以远程地、直观地监控生产车间的运作情况，还可以对生产过程进行录制和回溯。这种应用模式往往也被称作“透明监控”“数字巡检”“平行控制”等。调试模式、设计模式的技术特点如前所述，前者可针对已设计好的对象进行虚拟调试，如控制程序、设备间通信等方面；后者则是对设备、产品等对象进行虚拟设计、验证。
调试模式与设计模式的技术门槛相对较高，需要企业掌握相关专业技术才能有效采用。以调试模式为例，模拟真实事件利用的是验证平台里的脚本，这些脚本本质上是一种工程语言，而现实过程中的控制语言又是另一种语言，两者之间的“翻译”存在难度。而虚拟调试的先决条件就是统一两种语言，这样才能使用控制程序去控制数字孪生模型，实现虚实之间的交互。这个“翻译”的过程，需要将通信协议、设备兼容等多个维度打通，并非所有中小企业都能承受这个过程的成本。
我认为，随着数字孪生技术进步和标准化建设工作推进，数字孪生技术的普适性将会提升，制造业中小企业有望更好地在设备调试、产品设计等更多进阶场景中应用数字孪生技术，更高效地推进自身的数字化转型。
我院团队正在测试控制卡模式与PLC（可编程逻辑控制器）控制模式，并逐步形成一套较成熟的虚拟测试方案，以满足中小企业在数字孪生技术方面的进阶应用需求。
数字化转型，技术适配先行
Q：工业和信息化部等三部门印发的《制造业企业数字化转型实施指南》提及，制造业数字化转型过程中大部分企业仍面临“不会转”的难题。应如何看待这种情况？
A：对于制造业企业尤其是中小企业来说，数字化转型不是一个单纯的技术问题。他们往往有较强的转型意愿，但是在推动转型的过程中缺乏指引，如转型应走怎样的技术路径？针对企业的生产场景，应该应用怎样的技术来转型？
在相当一部分情况下，这些企业无法清晰认识技术难题，对技术与设备之间的关系的认知也未必到位，进而导致产生“为何要转型”“转型有什么好处”的疑惑，失去了内在的转型动力，落入了“不会转”的怪圈。
但是，有必要认识到，单纯地以外力、强制性地推动企业数字化转型未必能有好的收效。对此，我认为有必要为这些企业提供一定的智力支持或技术服务，协助企业发现痛点、解决痛点，了解怎样的技术支持可以协助其推动数字化转型，最终实现技术供需的匹配。
实际上，智力支持、技术服务的相对缺位现象，在制造业的各个细分领域都普遍存在。
这主要有两点原因：
总的来说，并非企业不愿意推进数字化转型，而是其未能洞察其真实需求，或是其转型未能得到适当的指导和技术支持。
Q：从高校视角出发，应如何强化与产业链上下游的联动、推动数字孪生技术落地？
A：我校积极倡导高校与企业间“校链协同”的新模式。
高校具有相对完整的学科链。以电子制造学科为例，就涉及集成电路设计、微纳制造、芯片封装、终端产品设计等技术。我们希望可以在高校内部把这条“技术链”拉通，以一个整体的形态更好地响应社会的技术需求。
这是因为，简单的产品适配只需要产品的供需关系确定了即可完成交易，而技术适配要完成技术参数适配、可集成性、技术服务能力与升级能力、技术保密性、持续供给能力等显性和隐性指标的评估。社会性的配对资源离散且欠缺专业能力，而企业之间的直接适配周期长、非技术因素干扰大。
高校恰恰可以利用学科链及其蕴含的技术链协助进行技术适配。高校各学术团队可凭借对其细分领域前沿方向和主流技术的理解和掌握，协助产业上下游之间构建精准的技术适配关系；同时，对于非原型技术，高校还可以推动人才团队与技术难题之间的适配，协助企业找到合适的技术团队解决面临的技术难题。
“校链协同”的本质，其实是希望将有组织的科研力量投射到产业上下游、投射到技术链各环节上去，协助行业领域建立更紧密和有效的技术集成关系。对此，建议鼓励科研院所、高校等创新主体梳理完善自身的学科链，并探索相应鼓励机制和实现路径以推动这些创新主体承担技术适配的任务。
广东省内推动技术产业化的科研院所和高校数量较多，可充分利用省内智力资源，探索建立公共服务性质的产业技术适配体系，可以更好地推动包括数字孪生在内的各项技术更好地匹配企业需求，助力其解决数字化转型进程中的难题。
数字孪生技术面临的挑战
Q：您认为目前数字孪生技术标准化建设主要面临哪些挑战？
A：我认为目前数字孪生技术标准化建设主要面临两大挑战。
正如前面提到，数字孪生可应用于设计、监控、测试等场景，但其实应用场景远远不止这些，这需要众多工程技术人员在各自领域进行总结。
例如，我院团队此前在利用数字孪生技术设计产线时，发现在制品物流形式、装备集成形式等维度可以将电子制造产线分成一些标准架构。对此，我校联合了国内一些知名高校、院所和头部企业制定了一个电子产线变型设计的国际标准。该标准的制定将有利于提高相关变型设计的效率。
Q：在您看来，数字孪生还有哪些技术瓶颈亟须突破？
A：除了实时同步通信、标准化建设等方面有待突破之外，数字孪生技术瓶颈很大程度上集中在工业软件上。
其中，工业操作系统作为最底层的支撑，PLC、运动控制程序等都需要借助其运行。但是，工业操作系统仍由国际企业占据着主导地位，仍存在可能“卡脖子”的风险。
在工业操作系统之外，国内的数字孪生的应用类平台成熟度也亟待提升，细分领域中的服务支撑企业仍然乏力。核心组部件方面，关乎数字孪生技术的底层技术如三维可视化引擎，包括我院团队在内在实际技术应用过程中仍然对开源的三维可视化引擎较为依赖。数字孪生平台实质上是一个工业软件技术、工业控制技术集成的平台，呼吁纳入国家工业软件攻关目录，重点给予政策支持。
Q：数字孪生技术可以与哪些前沿技术结合、实现技术突破？
A：近年来，随着以DeepSeek为代表的大规模人工神经网络模型（以下简称“大模型”）快速发展，其与数字孪生技术也存在一定结合点，例如可以利用大模型协助编写控制程序，以提高该段程序在数字孪生模型上运行的准确率、降低调试成本。我们团队已经尝试借助模型来生成装备的三维模型，该过程极为高效。
除了大模型，数字孪生也可以和行业“小模型”深度结合。一般来说，大模型的参数可达到百亿、千亿量级规模，但参数在十万至百万量级的专业小模型，能与数字孪生技术有更佳的结合度、更适合用于解决制造业垂直领域的问题。
激光加工装备的参数调控的可调参数约有7个，但要根据待加工产品及加工环境进行调试绝非易事——从某新能源装备企业的极耳激光切割装备研制仅耗时了一个月，而极端生产情况调试却花了一个半月的案例中可见一斑。
参数调控可以利用加工质量图形数据作为输入，通过垂类大模型优化工艺参数，缩短调试周期。而更高效的实现途径，则是采用数据与机理融合的“小模型”技术。通常来说，工业场景实验数据获取成本高，样本数据稀缺，可结合机理仿真或数值分析的手段构建机理分支，通过“现象观测+理论推导”的方式互补互校，提高“小模型”智力和适应性。
该企业团队前期在极耳激光切割与焊接装备参数调控领域的研究工作，证实了这一实现途径的有效性。数据与机理融合的“小模型”技术将大大拓展数字孪生技术对真实世界的表达和刻画能力。我国拥有41个工业大类、207个工业中类、666个工业小类，是全世界唯一拥有联合国产业分类中全部工业门类的国家。制造场景的高度细分，使得各门类的制造原理、方法、途径、产品形态、技术集成关系等大相径庭，仅凭借一个通用大模型应付所有技术难题，恐怕不太现实。
对于中国制造业智能化升级而言，个人认为可以借助“无所不能”的大模型，更应着眼于“无处不在”的小模型。
发展数字孪生技术的对策建议
Q：针对推动传统行业数字化转型的人才需求，贵校如何推动产学研输送人才？
A：目前，国内高校并未专门设置“数字孪生”专业，但相关专业如计算机软件、智能制造、建筑学，在教学过程中实际上都会运用到数字孪生技术。考虑到数字孪生的多学科融合、多技术集成特性，我们着重强化数字孪生技术在人才培养过程中的应用，以培养更适配传统行业数字化转型的人才。
以电子装备制造为例，其涉及众多工业软件知识的集成，包括机械、控制、视觉、通信等等，技术逻辑关系较为复杂。而实际上部分高校老师的知识结构已经不足以支撑去解构和解释各项技术之间的集成关系。对此，很多时候需要将更多工业场景、实物装备通过数字孪生的形式引入教学环节，将经过多位工程师协同开发和应用验证过的场景及装备，通过数字孪生技术以数字场景和数字样机呈现，让师生可以进行有效的技术解剖、研究和学习和实践。
这种基于数字孪生技术的场景化教学模式所带来的优势是：学生可以很直观地认知到各种工业场景。例如3C制造涉及的贴装、包装、组装，生产线内部的运作逻辑，或者装备的开发过程，都以可视化的形式呈现给学生。学生还可以通过以虚代实的方式进行实训，低成本、可还原地进行训练和创新。这种数字孪生支撑的场景化教学模式大大改变了传统实训教学模式。实训模式从以前的“走马观花”到“见多识广”，从以前的“只看不动”到“动拆自由”，从以前的“以瓢画壶”到“集成创新”，学生可从中大大受益。
借助该种教学模式，高校能够根据自身学科特色和行业需求，建设特色化专业、培养行业急需的复合型创新人才。广东工业大学在数字孪生技术支撑的场景化教学方面做了大量研究与实践工作，目前已与近三十家高校交流、研究该教学模式，共同为培养出“面宽内聚、一专多能”的“新工科人才”而努力。
Q：为更好推动数字孪生技术应用、推动制造业数字化转型，请提出您宝贵的对策建议。
A：若技术条件成熟，数字孪生将成为一种适用于各行各业的共性技术。它可用于智慧城市、智能工厂、智慧医疗等场景，也可能应用于现代物流、深海、采矿等场景。在数字孪生的支撑下，整个物理世界的实体都将拥有各自的平行的数字孪生体。我们将可以实现更流畅的信息交换、更逼真的过程仿真、更有效的策略验证、更精准的效应预测、更开放的变更创新。
就广东省制造业数字化转型升级而言，建议科技部门、工信部门设置专项，帮助制造业各细分领域发展和应用包含数字孪生技术在内的配套工业软件和工控技术，进一步夯实数字孪生的技术基础，保障技术的自主可控。
对于制造业企业尤其是装备制造企业而言，可以针对性地设置技改项目补贴和数字化改造项目补贴，进行适度引导和推介数字孪生技术的应用。因为数字孪生归根结底是一种技术，其发展有着自身的规律，必须通过实践验证其技术价值，而非进行大范围、超强度的推广。
在做好应用模式探索与应用案例推广的基础上，可以强化“产学研用”协同，着力扶持和培育数字孪生技术供给企业，尤其是中小微型科技企业。引导他们扎根细分领域，与行业企业真实需求结合，研发和推出一批数字孪生技术平台或系统，解决企业真正的技术瓶颈和技术难题，整体性推进数字孪生技术的发展。
· 未经授权，不得转载。转载请注明作者及来源《科技与金融》杂志。
· 如需获取转载、合作、采访等需求请到微信公众号菜单栏-商务合作，获取相应信息。
· 您亦可在知网、今日头条、南方号等相关平台上关注我们。
文章评论