数字孪生是物品或者过程在技术上的精确虚拟复制品,它通过数据和信息反馈与现实世界中的对应物耦合。这是一种设计和测试方法,正在吸引着越来越多企业采用。
德勤咨询公司智能制造部门高级经理Kenneth Norton解释说,数字孪生的核心是使用基于数学或物理学的模型来模拟或预测物理世界中对应物的可能行为、性能属性或结果。他表示:“来自物理产品和系统的传感器和实时性能数据可以用来提供反馈并调整虚拟模型。”他表示:“商业化软件应用在计算和可视化方面的能力提升导致了各行业数字孪生使用案例激增,因为企业希望改善其产品、生产过程和端到端供应链的性能。”
Booz Allen Hamilton管理咨询公司负责人Sandy Marshall表示,通过创造复杂的洞察力提高业务绩效、降低风险和更明智的决策,数字孪生创造了价值,为构成我们周围世界的数百万不同数据流的高级整合、分析和可视化打开了大门。
数字孪生日渐成风
数字孪生自美国宇航局在20世纪60年代试行之后出现。Marshall表示:“我们最近开始看到对数字孪生技术的兴趣在不断上升。”她观察到,随着越来越多的组织利用他们的数据进行决策优化,供应商已经开始提供解决方案,推动向数字孪生的转型。
Marshall表示,支持和维持这种向更广泛使用的转变将会需要在安全的云环境中运行的数字孪生,并且能够实现开放和灵活的开发。“这将使企业能够安全地部署并更快地开始利用数字孪生的价值,同时继续建设这项技术并使之逐渐成熟,在更长的生命周期内支持更多的整合和用例。”
Capgemini Engineering(工程咨询公司)执行副总裁兼首席软件官Jani Zhang解释说,数字孪生技术允许企业更好地模拟产品,在数字状态下设计和架构,从而降低开发成本。“给数字孪生添加物理属性,让工程师们能够模拟这些物理属性对特定环境或情景的反应。”
数字孪生的起步
对于缺乏必要的内部知识的组织来说,成功建立数字孪生战略的第一步是找到具有适当专业知识的合作伙伴。Marshall表示:“以这里为起点,确定你当前的需求,例如你的用例和用户是一个很好的开始。”“掌握你的用例将使你能够证明投资回报率并让利益相关方参与进来。”
Norton表示,开始使用数字孪生技术的最佳方式是确定具体的改进机会。潜在的用户应该有结果预期以及要实现的商业价值。他解释称:“评估可用的数据集和对整个组合的预期结果进行建模的能力,可以为具体合作伙伴或技术供应商选择以及推进的逻辑顺序提供信息。”
Norton补充表示,在数字孪生技术方面表现出色的组织通常都采用了一种共同的模式,即采用了强大的基础技术,如产品生命周期管理和制造执行系统,这些技术提供了数字孪生技术需要的、企业范围内的数据集。
工作中的数字孪生
Marshall表示,数字孪生提供了一个机会,能够给产品开发带来积极的影响。“例如,可以在产品或过程的整个生命周期内实现数据透明以及所有利益相关方之间的协作。”
Norton表示,数字孪生技术加快了产品开发,同时缩短了上市时间并提高了产品性能。使用计算机辅助设计和先进模拟技术设计和开发产品的能力也可以促进协作,实现数据驱动的决策,设计出市场优势并减少设计流失。“此外,开发一个集成数字线路可以实现整个产品生命周期的数字孪生,通过利用来自制造和现场的反馈,进一步改善产品的设计和性能。”
Marshall表示,在前期使用数字孪生和生成式设计可以使产品设计更有依据,让团队能够根据经过排序的需求生成各种可能的设计,然后对提出的设计进行模拟。她补充表示:“在产品使用周期内使用数字孪生,可以让他们从现场用户那里获得数据反馈,从而更好地进行开发。”
数字孪生投资应始终以推动商业价值为目标。Jani Zhang建议说:“用例必须定义清楚,并有可衡量的关键绩效指标来证明其价值。”“一旦价值得到了证明,就需要领导层的支持来确保概念验证能够规模化推广,真正实现投资回报。”她补充表示,典型的错误包括在没有明确成功定义而且未能证明潜在商业价值的情况下进行过多的概念验证项目。
数字孪生带来的竞争优势
Jani Zhang表示,数字孪生技术如果操作和实施得当,可以给采用者带来巨大的竞争优势。然而,她警告说,虽然许多行业领导者正在接受这种方法,但是其他许多人仍然不以为然、犹豫不决或者袖手旁观。Zhang指出,“这是由于各种障碍造成的,例如投资回报率实现滞后或者公司文化。”“在这些情况下,数字孪生的益处没有充分实现。”
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。