其實(shí)孿生這個(gè)概念并不算新鮮，最早可以追溯到美國(guó)的太空探索計(jì)劃。上世紀(jì)六十年代的阿波羅13號(hào)任務(wù)就使用孿生技術(shù)對(duì)受損航天器進(jìn)行狀態(tài)建模，希望解決宇航員如何安全返回地球這個(gè)終極難題。而近年來(lái)爆火的產(chǎn)品生命周期管理（PLM）領(lǐng)域數(shù)字孿生理念則來(lái)自Grieves于2000年初提出的概念，外加Vickers于2010年首次提出的“數(shù)字孿生”詞匯。如今的客戶希望能不斷推廣數(shù)字孿生的應(yīng)用范圍，涵蓋復(fù)雜設(shè)備的工程設(shè)計(jì)、3D沉浸式環(huán)境、預(yù)防性維護(hù)、工業(yè)設(shè)施運(yùn)營(yíng)、精準(zhǔn)醫(yī)療、數(shù)字農(nóng)業(yè)、制造、城市規(guī)劃以及一夜之間紅遍全球的元宇宙應(yīng)用場(chǎng)景。

　　然而，不少用于表示現(xiàn)實(shí)情境的傳統(tǒng)虛擬模型在很多方面似乎與數(shù)字孿生存在交集，其中包括工程模擬、CAD模型、物聯(lián)網(wǎng)儀表板乃至游戲環(huán)境等等。這種混亂讓客戶頗感困惑，也迫使他們快速澄清概念、以求推動(dòng)新的業(yè)務(wù)價(jià)值。這里需要澄清一點(diǎn)，數(shù)字孿生不只是給傳統(tǒng)方法換上新鮮的營(yíng)銷術(shù)語(yǔ)，而是隨著過(guò)去幾年大規(guī)模計(jì)算、建模方法與物聯(lián)網(wǎng)連接全面融合而剛剛獲得可行性的新興技術(shù)。因此在邁向數(shù)字孿生之旅前，我們先要搞清數(shù)字孿生究竟是什么，如何將現(xiàn)有建模方法整合至數(shù)字孿生當(dāng)中，又該怎樣立足業(yè)務(wù)用例開展逆向工程、為企業(yè)解決方案部署正確的技術(shù)。

　　為了幫助客戶從容駕馭數(shù)字孿生，我們AWS開發(fā)出一套框架，希望從業(yè)者能夠理解自身用例并實(shí)現(xiàn)所追求的商業(yè)價(jià)值。該框架的第一部分是對(duì)數(shù)字孿生做出簡(jiǎn)明定義，第二部分則是分組索引，幫助客戶對(duì)現(xiàn)有用例做出分類，據(jù)此了解數(shù)字孿生的規(guī)�；瘶�(gòu)建與部署需要哪些服務(wù)、技術(shù)、數(shù)據(jù)和模型。

　　在今天的文章中，我們將專注討論數(shù)字孿生的定義、分級(jí)索引以及各個(gè)層級(jí)所對(duì)應(yīng)的示例。后續(xù)文章則將以電動(dòng)汽車為例，幫助大家具體理解各個(gè)層級(jí)的細(xì)節(jié)情況。

　　在與客戶交流對(duì)于數(shù)字孿生概念的理解方式時(shí)，我們總結(jié)出一系列具體場(chǎng)景，包括物理組件分析、設(shè)備預(yù)測(cè)性維護(hù)、流程性能優(yōu)化、具備自動(dòng)化運(yùn)營(yíng)能力的工廠3D虛擬演練環(huán)境等。這些場(chǎng)景的共同點(diǎn)在于，數(shù)字孿生是指對(duì)物理世界中某種實(shí)物的數(shù)字化呈現(xiàn)，可使用實(shí)時(shí)數(shù)據(jù)進(jìn)行更新，且用于推動(dòng)業(yè)務(wù)成果。以此為基礎(chǔ)，我們對(duì)數(shù)字孿生做出以下定義：

　　數(shù)字孿生（DT）是指單一物理系統(tǒng)的動(dòng)態(tài)數(shù)字表示，它使用數(shù)據(jù)動(dòng)態(tài)保持更新，從而模仿物理系統(tǒng)的真實(shí)結(jié)構(gòu)、狀態(tài)與行為，旨在推動(dòng)業(yè)務(wù)成果。

　　數(shù)字孿生中的四大關(guān)鍵要素分別是物理系統(tǒng)、數(shù)字表示、物理-數(shù)字間連通性、以及業(yè)務(wù)成果。先來(lái)看第一大要素，即物理系統(tǒng)本身，它可以是單一物理實(shí)體、多個(gè)物理實(shí)體的集合、物理過(guò)程、甚至是人。物理系統(tǒng)也不一定是工業(yè)系統(tǒng)，也完全可以是生物、化學(xué)、生態(tài)或者任何其他系統(tǒng)。第二個(gè)要素，即模型本身的數(shù)字表示，它指的不僅僅是數(shù)據(jù)集合或者數(shù)據(jù)模型，同時(shí)也要體現(xiàn)物理系統(tǒng)的結(jié)構(gòu)（或配置）；或者作為表達(dá)物理系統(tǒng)當(dāng)前狀態(tài)的載體，例如物聯(lián)網(wǎng)數(shù)據(jù)儀表板。換言之，它應(yīng)該是用于模擬物理系統(tǒng)行為的模型，例如當(dāng)我們提供一個(gè)輸出，模型就返回一個(gè)較為準(zhǔn)確的響應(yīng)輸出。這就引出第三大要素，連通性，這里強(qiáng)調(diào)的是“活動(dòng)”連接能力。模型必須使用來(lái)自物理系統(tǒng)（例如傳感器）的數(shù)據(jù)進(jìn)行定期更新，這樣才有資格被稱為數(shù)字孿生。經(jīng)過(guò)驗(yàn)證的模型也能夠提供物理系統(tǒng)在特定時(shí)刻下的行為快照，但數(shù)字孿生的特點(diǎn)是能把模型所模擬的物理系統(tǒng)行為從靜態(tài)時(shí)刻擴(kuò)展到隨時(shí)間變化的動(dòng)態(tài)尺度，其中的具體更新頻率則取決于行為的變化速度。某些用例需要近實(shí)時(shí)更新，也有一些只需要每周更新。最后，數(shù)字孿生必須能夠帶來(lái)業(yè)務(wù)產(chǎn)出——也就是某種形式的經(jīng)濟(jì)或者商業(yè)價(jià)值。

　　數(shù)字孿生與現(xiàn)有建模方法（例如CAD等傳統(tǒng)3D建模方法、基于物理效應(yīng)的模擬、3D/AR/VR虛擬環(huán)境、基于傳感器數(shù)據(jù)流的物聯(lián)網(wǎng)儀表板、以及仿真游戲環(huán)境等）之間的主要區(qū)別，就在于數(shù)字系統(tǒng)與物理系統(tǒng)之間始終存在一條信息流。目前的常見誤解認(rèn)為，數(shù)字孿生其實(shí)就是一種更復(fù)雜、保真度更高的虛擬表示。恰恰相反，數(shù)字孿生的關(guān)鍵在于定期更新，這才是直接影響數(shù)字孿生構(gòu)建方式、乃至整個(gè)生命周期中數(shù)據(jù)收集思路的核心。數(shù)字孿生必須使用數(shù)據(jù)流來(lái)了解系統(tǒng)的當(dāng)前狀態(tài)，通過(guò)對(duì)系統(tǒng)的最新觀察進(jìn)行學(xué)習(xí)與自我更新（至少可更新），進(jìn)而預(yù)測(cè)系統(tǒng)的當(dāng)前及未來(lái)行為。

　　例如，燃?xì)廨啓C(jī)葉片的數(shù)字孿生能夠獲取來(lái)自物聯(lián)網(wǎng)的溫度與壓力數(shù)據(jù)，借此預(yù)測(cè)裂紋長(zhǎng)度等在設(shè)備正常運(yùn)行期間根本無(wú)法觀察的變量。定期維護(hù)的視覺(jué)管道鏡檢查結(jié)果則不斷為數(shù)字孿生提供更新素材。以此為基礎(chǔ)，數(shù)字孿生開始預(yù)測(cè)不同運(yùn)營(yíng)條件及維護(hù)場(chǎng)景下的裂紋擴(kuò)展率與剩余使用壽命（RUL），幫助操作員合理選擇最佳調(diào)度計(jì)劃與維護(hù)方案。之后，來(lái)自數(shù)字孿生的裂紋3D渲染圖及其他上下文相關(guān)指標(biāo)將通過(guò)儀表板向用戶直觀呈現(xiàn)，幫助人們快速了解裂紋的變化情況與剩余使用壽命。盡管CAD模型、物聯(lián)網(wǎng)儀表板、3D渲染/沉浸式演練與游戲環(huán)境本身并不能算數(shù)字孿生，但它們卻都可以成為數(shù)字孿生解決方案中的重要可視化單元，也往往代表著客戶在數(shù)字孿生探索之旅中邁出的第一步。

　　從數(shù)字孿生的定義可以看出，我們已經(jīng)摸清了數(shù)字孿生規(guī)模化開發(fā)及部署所需要的四項(xiàng)核心技術(shù)：基于傳感器的物理系統(tǒng)數(shù)據(jù)收集、物聯(lián)網(wǎng)連接、建模方法與大規(guī)模計(jì)算。在過(guò)去20年間，這些技術(shù)各自發(fā)展、互不干涉；但到2020年這個(gè)全新十年，這些技術(shù)開始融合并共同成為規(guī)模化數(shù)字孿生的實(shí)現(xiàn)基礎(chǔ)。

　　先來(lái)看基于傳感器的數(shù)據(jù)測(cè)量。以物聯(lián)網(wǎng)傳感器為例，其平均成本在2010年到2020年之間下降了50%，而且目前仍在不斷走低。所以10年之前還成本高昂的數(shù)據(jù)測(cè)量現(xiàn)在已經(jīng)成為新的可行方案，也將推動(dòng)傳感器得到進(jìn)一步普及、數(shù)據(jù)收集量持續(xù)提升。其次則是測(cè)量數(shù)據(jù)的傳輸能力——如果無(wú)法傳輸，那么后續(xù)分析與行動(dòng)決策自然無(wú)從談起。我們單以無(wú)線網(wǎng)絡(luò)連接為主線，那么2010年初的行業(yè)標(biāo)準(zhǔn)還只是3G傳輸，速率不足1 Mbps。在接下來(lái)的十年間，3G被傳輸速率達(dá)到100 Mbps的4G標(biāo)準(zhǔn)所取代。如今，速率高達(dá)10 Gbps的5G正逐漸成為常態(tài)，傳輸速度較10年前提高了1萬(wàn)倍以上。而10 Gbps恰好是物聯(lián)網(wǎng)設(shè)備的里程碑式閾值，已經(jīng)允許我們以近實(shí)時(shí)（低于10毫秒延遲）收集物聯(lián)網(wǎng)數(shù)據(jù)。

　　數(shù)字孿生的價(jià)值在于使用這些數(shù)據(jù)獲取可操作洞見，而價(jià)值的實(shí)現(xiàn)離不開先進(jìn)的建模方法與大規(guī)模計(jì)算，對(duì)應(yīng)的正是第三與第四大要素。這里的“模型”一詞在不同場(chǎng)景下有著不同的定義，對(duì)于涉及預(yù)測(cè)未來(lái)狀態(tài)與規(guī)劃假定場(chǎng)景的應(yīng)用，我們需要采取科學(xué)的建模技術(shù)以預(yù)測(cè)各種現(xiàn)象（行為），包括流體動(dòng)態(tài)、結(jié)構(gòu)變形、生化過(guò)程、天氣與物流等。而隨著可用算力的爆發(fā)式增長(zhǎng)，機(jī)器學(xué)習(xí)、高性能計(jì)算與混合方法（例如受物理啟發(fā)的神經(jīng)網(wǎng)絡(luò)）等成果終于可以實(shí)現(xiàn)大規(guī)模部署。而在另一類場(chǎng)景下，模型則主要負(fù)責(zé)提供可視化、逼真的沉浸式環(huán)境。過(guò)去十年來(lái)，用于創(chuàng)建及操作3D對(duì)象的空間計(jì)算算法快速發(fā)展，也一步步讓沉浸式增強(qiáng)現(xiàn)實(shí)、虛擬現(xiàn)實(shí)乃至元宇宙成為可能。

　　最后，云計(jì)算的普及真正讓規(guī)�；�計(jì)算走入了尋常百姓家。我們看到云服務(wù)商掌握的算力正呈指數(shù)級(jí)增長(zhǎng)，這既要?dú)w功于芯片本身的性能發(fā)展、也有賴于將無(wú)數(shù)芯片相互連接所形成的大規(guī)�？蓴U(kuò)展云計(jì)算環(huán)境。由此，大規(guī)模按需計(jì)算開始成為一種“即服務(wù)”式商品，而且不只是政府部門和大型企業(yè)，小型初創(chuàng)公司甚至是個(gè)人都能獲得必要的計(jì)算資源，進(jìn)而創(chuàng)新、發(fā)明、服務(wù)并改善自己的生活與工作體驗(yàn)。

　　在與客戶的討論中，我們發(fā)現(xiàn)市場(chǎng)上存在著廣泛的用例需求，而且往往需要配合不同的AWS服務(wù)、技術(shù)與數(shù)據(jù)。為了幫助客戶們駕馭這一需求，我們開發(fā)出一份包含4個(gè)層級(jí)的數(shù)字孿生水平指數(shù)：1/描述性，2/信息性，3/預(yù)測(cè)性，4/活動(dòng)性。其中第4級(jí)-活動(dòng)性的定義如前文所述。第1級(jí)到第3級(jí)則適用于復(fù)雜程度各異的不同用例，每個(gè)用例各自對(duì)應(yīng)自己的商業(yè)價(jià)值。概括來(lái)講，這套水平指數(shù)類似于自動(dòng)駕駛汽車領(lǐng)域的L0-L5分級(jí)，其中L0代表純手動(dòng)駕駛、L1為自適應(yīng)巡航，而L5則是無(wú)需旗艦的純自動(dòng)駕駛。作為客戶，您可以將自己的用例與適用的級(jí)別匹配起來(lái)，借此理解有助于加速業(yè)務(wù)價(jià)值與未來(lái)份額增長(zhǎng)的特定服務(wù)及應(yīng)用模式。

　　L1-描述性側(cè)重于工程設(shè)計(jì)與物理系統(tǒng)（結(jié)構(gòu)）的視覺(jué)表示。它可以是2D工程圖（例如流程圖或P&ID圖）、建筑信息模型（BIM）或者復(fù)雜的高保真3D/AR/VR模型。其中還包含工程分析，例如一維分析、系統(tǒng)動(dòng)力學(xué)、液體動(dòng)力學(xué)與結(jié)構(gòu)力學(xué)計(jì)算等。描述性的目標(biāo)在于理解物理系統(tǒng)及其組件的設(shè)計(jì)原理。

　　其中的典型用例包括評(píng)估新設(shè)計(jì)、評(píng)估現(xiàn)有設(shè)施的重新配置、以及不同場(chǎng)景下的人員培訓(xùn)。例如，風(fēng)力渦輪機(jī)系統(tǒng)分析、葉片上氣流計(jì)算流體動(dòng)力學(xué)（CFD）分析以及風(fēng)力渦輪機(jī)內(nèi)部3D/VR沉浸或沉浸式漫游等就屬于L1用例。

　　L2-信息性側(cè)重于集成來(lái)自物理系統(tǒng)的物聯(lián)網(wǎng)傳感器與維護(hù)數(shù)據(jù)，并以與上下文相匹配的方式將結(jié)果呈現(xiàn)給最終用戶，典型用例包括2D儀表板或3D上下文可視化（例如狀態(tài)信息可視化）。以此為基礎(chǔ)，最終用戶能夠理解物理系統(tǒng)的當(dāng)前狀態(tài)，并引入某些簡(jiǎn)單分析功能以自動(dòng)觸發(fā)警報(bào)。在工業(yè)領(lǐng)域，L2級(jí)別的數(shù)字孿生可以與企業(yè)資產(chǎn)管理（EAM）或企業(yè)資源規(guī)劃（ERP）系統(tǒng)相集成，基于物聯(lián)網(wǎng)與資產(chǎn)管理體系在單一窗格中顯示資產(chǎn)配置、維護(hù)歷史并預(yù)測(cè)即將出現(xiàn)的工單。

　　L2級(jí)別的典型用例主要側(cè)重于監(jiān)控和警報(bào)、根本原因分析與人員培訓(xùn)。例如，L2級(jí)用例涵蓋物聯(lián)網(wǎng)儀表板或3D渲染圖、顯示齒輪箱溫度數(shù)據(jù)，并在風(fēng)力渦輪機(jī)運(yùn)行時(shí)根據(jù)既定規(guī)則發(fā)出警報(bào)。此外，還可以將工程數(shù)據(jù)與服務(wù)歷史以增強(qiáng)現(xiàn)實(shí)（AR）的形式進(jìn)行疊加，幫助技術(shù)人員在維修時(shí)，通過(guò)移動(dòng)設(shè)備/平板電腦或佩戴的AR眼鏡將真實(shí)場(chǎng)景與遠(yuǎn)程傳輸?shù)臄?shù)據(jù)融合起來(lái)，甚至隨時(shí)接收遠(yuǎn)端技術(shù)專家的指導(dǎo)。這聽起來(lái)似乎有點(diǎn)科幻，但在當(dāng)下已經(jīng)完全可以實(shí)現(xiàn)。AWS的合作伙伴之一Scope AR就已經(jīng)在為航空航天、能源、制造和醫(yī)療保健等行業(yè)的客戶提供這種基于增強(qiáng)現(xiàn)實(shí)的視覺(jué)知識(shí)傳遞服務(wù)。

　　L3-預(yù)測(cè)性專注于對(duì)無(wú)法測(cè)量的數(shù)值做出預(yù)測(cè)（例如虛擬傳感器、基于機(jī)器學(xué)習(xí)的異常檢測(cè)等），并使用預(yù)測(cè)模型了解不同行為在持續(xù)操作下所對(duì)應(yīng)的未來(lái)狀態(tài)。這些模型可以基于純科學(xué)原理推斷、純數(shù)據(jù)驅(qū)動(dòng)（例如使用AI/ML分析），也可以是二者相結(jié)合。

　　L3級(jí)別的典型用例包括運(yùn)營(yíng)規(guī)劃與預(yù)測(cè)性維護(hù)（資產(chǎn)績(jī)效管理）、以及群組管理等。例如，L3中的混合模型可以預(yù)測(cè)健康狀態(tài)（虛擬傳感器）等量化指標(biāo)，并預(yù)測(cè)按當(dāng)前方式持續(xù)運(yùn)行時(shí)的剩余使用壽命（RUL）。模型提供的預(yù)測(cè)還能夠在L1層級(jí)中結(jié)合上下文情境實(shí)現(xiàn)可視化（例如2D儀表板/3D/AR/VR）。這里以農(nóng)產(chǎn)品市場(chǎng)為例，AWS為我們的客戶Descartes Labs提供支持，幫助該實(shí)驗(yàn)室使用衛(wèi)星圖像分析北美大陸范圍內(nèi)的農(nóng)作物健康狀況，同時(shí)結(jié)合價(jià)格、供需及其他市場(chǎng)數(shù)據(jù)生成商品市場(chǎng)預(yù)測(cè)。利用這些洞見結(jié)論，客戶將根據(jù)這些預(yù)測(cè)決定最佳對(duì)沖或交易策略，將信息轉(zhuǎn)化為價(jià)值數(shù)百萬(wàn)美元的交易利潤(rùn)。

　　L4-活動(dòng)性則專注于模型的可更新能力，特別是在單一實(shí)體級(jí)別上提供可操作性洞見結(jié)論。當(dāng)然，在必要時(shí)這種洞見水平也可以推廣到群組級(jí)別。L4層級(jí)代表著數(shù)字孿生的高峰，到這里也就實(shí)現(xiàn)了我們提出的數(shù)字孿生完整定義。L3-預(yù)測(cè)性與L4-活動(dòng)性之間的主要區(qū)別，在于模型本身能否根據(jù)物理實(shí)體及環(huán)境的數(shù)據(jù)進(jìn)行持續(xù)更新。從業(yè)務(wù)角度來(lái)看，L4級(jí)別的數(shù)字孿生模型能經(jīng)由更新不斷適應(yīng)物理系統(tǒng)在時(shí)間尺度上的行為變化，而L3數(shù)字孿生則僅適用于實(shí)時(shí)預(yù)測(cè)（即短期未來(lái)的情況）。之所以會(huì)這樣，是因?yàn)槭褂脷v史數(shù)據(jù)訓(xùn)練出的預(yù)測(cè)模型不可能準(zhǔn)確反映物理系統(tǒng)上出現(xiàn)的、不存在于訓(xùn)練數(shù)據(jù)集內(nèi)的趨勢(shì)。在實(shí)踐活動(dòng)中，這種不準(zhǔn)確模型給出的遠(yuǎn)期預(yù)測(cè)會(huì)引發(fā)大量誤差，致使預(yù)測(cè)結(jié)果隨時(shí)間推移而愈發(fā)無(wú)用。

　　L4級(jí)數(shù)字孿生的典型用例包括情境（假設(shè)）分析與關(guān)于最佳行動(dòng)的說(shuō)明性指導(dǎo)。例如，L4級(jí)數(shù)字孿生能夠?qū)︼L(fēng)力渦輪機(jī)齒輪箱的剩余使用壽命做出預(yù)測(cè)。軸偏移、軸承磨損、潤(rùn)滑膜厚度等模型參數(shù)都將根據(jù)物聯(lián)網(wǎng)數(shù)據(jù)定期更新，確保能夠準(zhǔn)確反映設(shè)備的整體退化狀態(tài)。之后，操作人員即可利用這套模型確定最佳預(yù)防性維護(hù)計(jì)劃。

　　如今，我們的大部分客戶還處于數(shù)字孿生之旅的早期探索階段。他們正努力將不同來(lái)源的數(shù)據(jù)連接起來(lái)，并將匹配上下文的可視化分析結(jié)果呈現(xiàn)在儀表板或沉浸式環(huán)境（L2級(jí)數(shù)字孿生）當(dāng)中。迄今為止，第一批應(yīng)用方案已經(jīng)出爐，但往往高度定制化、只適用于少數(shù)高價(jià)值用例（例如噴氣式發(fā)動(dòng)機(jī)、動(dòng)力裝置及工業(yè)設(shè)施的運(yùn)行）。在未來(lái)幾年中，希望AWS IoT TwinMaker等服務(wù)的上線能夠幫助客戶降低成本、簡(jiǎn)化部署，全面推動(dòng)上下文可視化用例的廣泛普及。此外，我們還希望讓高級(jí)預(yù)測(cè)建模方法（L4級(jí)數(shù)字孿生）在高價(jià)值用例中逐步落地。當(dāng)下，這些方法主要存在于學(xué)術(shù)文獻(xiàn)當(dāng)中，只有少數(shù)利基團(tuán)隊(duì)在進(jìn)行相關(guān)研發(fā)。相信這些方法最終也將步入主流、融入我們的日常生活，允許每個(gè)人制作出適合自己的L4級(jí)活動(dòng)數(shù)字孿生。