新工业革命四大术语辨析

　　数字孪生（Digital Twin）、赛博物理系统（Cyber-Physical Systems）、智能制造（Intelligent Manufacturing）、工业互联网（Industrial Internet）这四大术语，是近几年业界的当红热词。

　　四大术语是各自独立，还是彼此相关？它们之间的异同是什么？相关内涵有多少？运行逻辑之间有什么样的关系？

　　笔者根据长期的业务实践和理论研究结果，结合《三体智能革命》中的“20字箴言”—“状态感知、实时分析、自主决策、精准执行、学习提升”，尝试分析、比较这四个术语的内涵和实质。

　　数字孪生的基本内涵

　　数字孪生是在软件定义作用下，长期要素数字化所形成的结果。此处要素泛指物理世界的各种人、机、物、数据、图文、语言、物理信息等实体要素。可以说，数字孪生是一种经过长期发展形成的数字化通用技术。

　　数字孪生有两层意思，一是指物理实体与其数字虚体之间精确映射的孪生关系；二是将具有孪生关系的物理实体、数字虚体分别称作物理孪生体、数字孪生体。一般情况下，数字孪生亦指数字孪生体。

　　因为数字孪生的概念还在不断发展与演变中，所以目前业界尚无对其公认的标准定义。有资料显示，数字孪生一词是由迈克尔·格里夫（Michael Grieves）教授于2003年在密歇根大学执教时提出的。数字孪生概念被提出后，很快被美国国防部应用于航空航天飞行器的健康维护与保障领域。德国西门子、法国达索、美国通用电气等公司也积极跟进。特别是近些年，随着智能制造等概念的推进，数字孪生已成为智能制造的通用技术，在军工制造、高端装备等行业得到了广泛应用。

　　国内一些学者对数字孪生也进行了深入的研究。北京航空航天大学陶飞教授的团队较早开展了数字孪生研究，他们在国际上首次提出了“数字孪生车间”的概念，并在《Nature》杂志上在线发表了题为《Make More Digital Twins》的评述文章。德勤《2020技术趋势报告》中将数字孪生作为未来的五大趋势之一；在《三体智能革命》《机·智：从数字化车间走向智能制造》等著作及多篇文章中也对数字孪生进行了研究与解读。这些研究成果对数字孪生的理论研究与工程实践起到了很大的推动作用。

　　数字孪生是在“数字化一切可以数字化的事物”的大背景下，通过软件定义，在数字虚体空间中所创建的虚拟事物，与物理实体空间中的现实事物形成了在形态、质地、行为和发展规律上都极为相似的虚实精确映射，让物理孪生体与数字孪生体具有了多元化映射关系，具备了不同的保真度（逼真、抽象等）。数字孪生不但持续发生在物理孪生体的全生命周期中，而且数字孪生体会超越物理孪生体的生命周期，在赛博空间持久存续。充分利用数字孪生可在智能制造中孕育出大量的新技术和新模式，推动智能制造和工业互联网的应用与发展。

　　数字孪生基本内涵和组成要素如图1所示。图1大圆圈中表达的内容有三种：第一是数字孪生基本要素；第二是物理实体和数字虚体之间的映射关系；第三是数字孪生作用机制和运行逻辑。

　　笔者用“△○□”这三个彼此相邻的实线几何图形表示不同类型的物理实体要素；用其虚线几何图形表示这些物理实体要素在赛博空间的数字映射（数字虚体或数字孪生体）关系；用“数据”表示从物理实体感知/采集到的物理信息转化为的比特数据单向上行进入到数字虚体；虚线箭头表示虚实之间的数据流动方向；四个顺时针转的大箭头，既表示了“物理信息-比特数据-数字信息-数字知识-数字决策”的转换过程，也表示了“状态感知-数字体验-辅助决策-一次做优”的数字孪生作用机制。

　　模型和数据是评价数字孪生保真度的关键。模型是构建数字孪生的基础，在机理模型上，可以由数/理/化模型、因果模型、功能模型、系统模型、详细设计模型、仿真分析模型等组合构成；在数据分析模型上，可以由机器学习模型、经验模型、降阶模型、故障模型等构成。机理模型与数据分析模型的综合应用，构成了数字孪生的模型来源。

　　数据是体验数字孪生的基础。数字虚体藉由传感器等获得的数据，能不能实时、准确地反映物理实体设备的工作状态？如果网络有一定的时延，时延到底是多少？如果现场有一定的干扰，干扰数据能不能排除？这些都是数字孪生技术需要研究和解决的问题。如果这些问题不能解决，体验就变成了表演，仿真也就成了“仿假”，数字孪生体也就会变成可以人为设置的数字动画。

　　仅有模型和数据这两个关键要素，仍然不足以完整描述数字孪生。数字孪生所要达到的数字体验，必须让人用五官感受到，其中最主要的感受是让人看到—即模型、数据的可视化，这个任务必须由而且只能由软件来实现。无疑，软件是数字孪生要素的载体，可以理解为在数据孪生中，数据是基础，模型是核心，软件是载体。

　　从数字孪生发展历程来看，在模型上，先有机理模型，后有基于数据采集与大数据分析得来的数据分析模型；在数据上，先有基于IT视角的模型数据化，后有基于CT视角的数据通信与传输。最终，模型+数据+软件发展成为一种基于精准数据的数字体验技术。数字体验是数字孪生对工业技术的极其重要的贡献与补充，很多新技术、新产品、新业态就是在此基础上发展而成的。

　　例如，在产品交付时，产品的物理实体和数字孪生体将被同时交付给客户，让客户清楚明白地知道该产品是以什么样的市场需求和功能条件为约束而设计和制造出来的。其所有零部件的设计、生产、测试、物流过程都有數字孪生体，都是可追溯的。在该产品的使用维护阶段，假如遇到了疑难问题必须做实验或验证的话，也可以不必在物理产品上做实验或验证，而是在其数字孪生体上以数字体验的方式来做实验或验证。在数字孪生体上可以设置各种极限条件做不限次数的虚拟研制，直到验证取得令人满意的成果之后，再在物理产品上做验证。

　　因此可以理解为，数字孪生的内涵是用赛博世界连接物理世界，完成数字形态的传承；而其实质则是数据+模型+软件基于数字体验来优化物理产品。

　　赛博物理系统的基本内涵

　　CPS于2006年由美国国家自然科学基金会（NSF）的海伦·吉尔首次提出，随着德国在工业4.0中的推广应用而在全球业界兴起。美国国家标准与技术研究院（NIST）、国家自然科学基金会（NSF）、伯克利大学、德国国家工程院（acatech）、弗劳恩霍夫协会等科研机构对CPS进行了一系列研究，提出了一些理论框架。

　　近几年，一些有关CPS的书籍也陆续推出，如伦敦国王学院军事研究系教授托马斯·瑞德的《机器崛起：遗失的控制论历史》、美国辛辛那提大学JayLee教授的《CPS：新一代工业智能》以及一些国内著作，均对CPS进行了不同角度的研究与阐述。

　　在数字孪生体基础上，数据不断被感知和采集，从“△○□”的物理实体设备上行到其数字孪生体。数字孪生体中的软件按照预先设定的模型和规则，经过分析、推理之后，给出该场景下最适宜的控制指令；控制指令从数字孪生体下行到物理实体设备的控制器，驱动设备的执行器精准动作，以实现对物理实体设备更好、更精确的控制，这是CPS的实质内容。如图2所示，在技术上，CPS完成了四个大箭头所表示的“状态感知-实时分析-自主决策-精准执行”的智能闭环。

　　CPS与数字孪生既有相似之处，也有明显的不同之处。相似之处在于，CPS也会像数字孪生一样建立颗粒度不同的虚实对应的映射关系。明显不同在于，在数字孪生中数据是单向从物理实体到数字孪生体的，没有以数据“控制物理設备”的行为发生；而在CPS中，控制指令从数字孪生体下行到物理实体设备中，与上行数据形成闭环。另一个明显不同在于，在经过“感知、分析”之后，数字孪生体在软件定义下实现了自主决策，直接操控了物理设备的运行结果。

　　状态感知-实时分析-自主决策-精准执行所形成的智能闭环，是智能系统的基本特征，是第四次工业革命的重要标志，也融合了赛博装置物理设备的智能表现。作为使能技术，CPS在智能制造、工业互联网中起着关键作用。

　　因此可以理解为赛博物理系统的内涵是实现数物融合控制；其实质是以“感知-分析-决策-执行”的智能闭环精准控制物理系统的形与态。

　　智能制造的基本内涵

　　智能制造术语源于日本在1990年所倡导的“智能制造系统（IMS）”国际合作研究计划。此后德国工业4.0小组在《德国工业4.0战略计划实施建议》中推出通过“三项集成”实现智能化生产与服务模式。近年来我国在智能制造领域也进行了诸多研究和讨论。2017年，中国工程院提出了中国模式的智能制造“三范式”，认为数字化制造是智能制造的第一种基本范式，也称作第一代智能制造，是智能制造的基础；数字化网络化制造是智能制造的第二种基本范式，可称作“互联网+制造”或第二代智能制造；第三种基本范式是数字化、网络化、智能化制造，也叫新一代智能制造。“三范式”既具有很强的前瞻性、体系性，又具有很强的务实性，对学术界、企业界研究和推进智能制造具有较好的实操性指导。

　　智能制造聚焦在制造领域，基本上与德国工业4.0实现对标，强调CPS是使能技术。德国工业4.0组件参考架构模型（RAMI4.0）对CPS进行了较为准确的定义和技术阐述。2013年的RAMI4.0版本主要论述CPS，而2019年的版本增加了对数字孪生的论述。可见工业4.0本身就包含了CPS和数字孪生，智能制造亦是如此。

　　可以理解为智能制造是基于CPS技术构建“状态感知-实时分析-自主决策-精准执行-学习提升”的数据闭环，以软件形成的数据自动流动来消除复杂系统的不确定性，在给定时间、目标的场景下，优化配置资源的一种制造范式。

　　在图3中，物理实体设备（“△○□”实线）及其数字孪生体（虚线）一直以虚实精确映射的方式存在，但是，物理实体设备（“△○□”）从企业资产的角度来说，可能分属于不同的企业/工厂/车间，具有不同的工作场景，组成上相对封闭与固化，因此用长方框来组合表达。从物理实体设备感知和采集的数据上行到数字孪生体，数字孪生体设备发出的控制指令下行到物理实体设备（其运行机理参见前文CPS内容，四个顺时针小箭头形成单元级智能闭环）。四个大箭头所表示的“状态感知-实时分析-自主决策-精准执行”的系统级智能闭环一直顺时针按序运转，反复迭代。经过长时间、大数据量的深度机器学习后，智能设备实现了“学习提升”，动作过程执行得越来越好。

　　在《机·智：从数字化车间走向智能制造》一书中，把智能制造简要表述为：智能制造是“人智”转“机智”的所有活动。从另一个角度来看，把人类的智能（人智）从隐性知识变为显性知识，再把知识写入软件，软件嵌入芯片，芯片嵌入盒子（PLC、DCS等），盒子嵌入物理设备，就形成了CPS越来越多的“人智”进入物理设备，促进了“机智”的爆发，于是有了智能的机器和智能的制造过程。在软件定义与赋能下，形成了智能制造新范式。可以说没有CPS使能，就没有智能制造落地。

　　因此可以理解为智能制造的内涵是优化配置制造资源；其实质是实现企内链、价值链和价值网，构建新制造生态。

　　工业互联网的基本内涵

　　工业互联网从技术上说起源于工业以太网和设备物联网，从术语上说由中国上海可鲁软件公司在2007年提出，从普及上说得力于美国GE公司的大力提倡与推动。

　　工业互联网的“第一性原理”，就是要广泛地联接各种机器设备和工业系统，由此而实现“联接-管控-优化-效益”的基本逻辑：由联接而实现数据采集，由数据采集而实现数据实时传输、设备实时监测和设备行为的实时洞察，由此而有凭有据、精细化地进行制造资源的优化配置。

　　工业互联网因为大范围联接了更多的工业要素，情况会比智能制造稍微复杂一些。海量数据、泛在联接、优化配置工业资源，是工业互联网的基本内涵；全国大范围、社会大尺度、跨行业大协作（“三大”）是业界对它的基本期待。

　　工业互联网的组成要素和作用机制如图4所示。在图4中，其高度类似于智能制造、数字孪生、CPS都同时存在。但是不同之处在于，智能制造聚焦于制造领域，以智能工厂为单元，其所联接的终端以企业（不限于本地）边界内部的设备和在制品为主；而工业互联网的联接范围从一开始就不局限于企业边界，而是以价值链，甚至是以价值网作为起点，直面“三大”需求，联接企业内外部要素。

　　1.超越时空限制，打破原有相对封闭和固化的工业系统格局，以相对离散的形态更广泛、轻灵地联接机器、原材料、控制系统、信息系统、产品、数据以及人的业务活动等工业要素（图4中物理要素有些已经不在原有方框内），优化配置工业资源。

　　2.打造支撑制造资源泛在联接、弹性供给、高效配置的工业互联网平台，构建基于海量工业大数据采集、汇聚、分析的服务体系，形成新工业生态。

　　3.基于对工业大数据的分析结果，洞察物理世界过去一直发生但是无法观测到的物理活动细节，由此而更好地集成工业场景的实况信息，做好研发、生产、服务与管理决策。

　　4.工业互联网不断促进硬件/软件捆绑功能解耦，促进传统工业软件解构，基于微服务和云架构而重构工业App，因此，在赛博空间中就不再是与物理设备完全精确映射的数字孪生体，而是将原有数字孪生体打散后重组、重构，建立了新型联接关系的数字孪生体。

　　具有新型联接关系且离散度较高的数字孪生体在泛在联接、高效协同方面更为出色，在优化配置工业资源方面更加容易。让大范围管控和优化“系统之系统（SoS）”、实现超大型企业的精细化运营成为可能。

　　因此可以理解为工业互联网的内涵是优化配置工业资源；其实质是基于云的新价值链网构建新工业生态。

　　四个术语的相互比较

　　在分析了四个术语的内涵、实质和主要特征之后，不难看出，数字孪生、赛博物理系统、智能制造、工业互联网四个术语在发展上一脉相承，在内涵和实质上有不少共同点，但是也有明显区别。

　　共同点：四个术语都是由物理空间的物理实体与其在赛博空间映射出来的数字孪生体两大基本要素组成，都属于新工业革命的活动内容，都可以给企业带来新技术、新模式和新业态。

　　差异点：在内涵/实质上四大术语各不相同。数字孪生主要是在赛博空间对物理实体与业务流程等现实对象进行映射、仿真、优化和数据支持等数字形态传承类的活动，重在数字体验，以期最大幅度地通过优化数字孪生体而提升物理世界的材料、时间、能量、人力等作业效率与质量；数字孪生体与物理实体相融合，引入控制功能形成智能闭环后，形成了CPS，强化了对物理实体的形和态的精准控制；多个多级别的CPS彼此互联而构建了智能工厂，基于企内链、价值链、价值网络完成特定领域的工业要素集成与制造过程，优化配置制造资源，形成新制造生态；工业互联网则是将智能制造系统进一步离散化、解构与重构，实现海量工业要素的泛在联接，超越企业边界管控物理设备（特别是在用品），在更大的范围内优化配置工业资源，形成新工业生态。这是一种由企业内到企业外，由在制品到在用品，由价值链网到新价值链网，由新制造生态到新工业生态的数字化转型过程。

　　表1列出了四个术语之异同以及从左到右的数字化转型升级过程。由表1不难看出，数字孪生作为一种数字化通用技术，以“模型+数据+软件”贯穿于四个术语，成为数字社会/智能社会的“遗传基因”。

　　在赛博、物理两大空间占比上，四个术语有微妙差异。数字孪生体始于IT领域，赛博空间占比偏多；CPS强调数字虚体与物理实体深度融合，赛博空间、物理空间相对平衡对等；智能制造基于智能工厂，以CPS实现对物理系统的精确控制，物理空间占比稍高；工业互联网以基于云的新价值链网来泛在联接工业要素和强化工业数据的采集与处理，赛博空间占比略多。这是一个虚实相互融合、占比交替占优的演变过程。

　　结论

　　数字孪生、赛博物理系统、智能制造、工业互联网这四个术语，在发展上一脉相承，在内涵、实质和运行邏辑上呈现出赛博空间与物理空间相互虚实融合、占比交替占优的演变过程。

　　对于这四个术语，清晰理解它们之间的异同，抓住内涵和实质，有助于澄清概念，正本清源，可为这些概念的理论研究与工程实践提供较为明晰的指导，避免对这四个术语人为的边界模糊、功能泛化，影响这些概念在科研与实践中的应用；也有助于发挥四个术语的各自特长，引导企业将智能制造、工业互联网这些新工业革命的具体活动内容在不同的行业领域中做好实践与落地。

　　赵敏 朱铎先

关注读览天下微信， 100万篇深度好文， 等你来看……