数字化大体系中，数字孪生的概念极为重要。数字孪生也被称为数字映射、数字镜像。

什么是数字孪生？3D模型建立是否就是数字孪生？对于工程行业建立了BIM模型是否算实现数字孪生？数字对象与物理对象呈现什么样的关系时，算是实现了数字孪生。这些问题理清非常重要。

“数字孪生”概念和技术如此重要，2016年起，Gartner连续四年都将“数字孪生”（Digital Twin）列为当年的十大战略科技发展趋势，持续看好数字孪生在未来发展的前景。

（图片来自Gartner）

理论与实证越来越多验证，数字孪生技术已是我们向智慧行业和智慧社会发展的关键技术，要想实现智慧化，必先实现数字化，数字孪生技术是实现数字化必备技术。没有对管理对象和业务实现数字孪生，数字化原则上就没有实现，智能化也就不可能实现。

很多人认为，“数字孪生”思想由密歇根大学的教授 Michael Grieves 博士最早2002年提出的， 但并没有充分资料支撑。真正有据可查的是，美国空军研究实验室（AFRL）最早2009提年出了数字孪生概念，用于解决战斗机维度工作的数字化支持。2009年美国空军实验室（AFRL）提出了“机身数字孪生（Airframe Digital Twin）”的概念。2010年NASA也开始在技术路线图中使用“数字孪生（Digital Twin）”术语。

大约从2014年开始，西门子、达索、PTC、ESI、ANSYS等知名工业软件公司，都在市场宣传中使用“Digital Twin”术语，并陆续在技术构建、概念内涵上做了很多深入研究和拓展。

“数字孪生”的定义

数字孪生的定义还没有完全被权威定义，还各有说法：

百度百科采用的美国国防采办大学的定义：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、多物理量、多尺度、多概率的仿真过程，在虚拟空间中完成映射，从而反映相对应的实体装备的全生命周期过程。数字孪生是一种超越现实的概念，可以被视为一个或多个重要的、彼此依赖的装备系统的数字映射系统。

德勤的定义：从根本上讲，数字孪生是以数字化的形式对某一物理实体过去和目前的行为或流程进行动态呈现，有助于提升企业绩效。

资料来源：德勤大学出版社

ANSYS公司：数字孪生是在数字世界建立一个与真实世界系统的运行性能完全一致，且可实现实时仿真的仿真模型。利用安装在真实系统上的传感器数据作为该仿真模型的边界条件，实现真实世界的系统与数字世界的系统同步运行。

中国航空工业发展研究中心刘亚威：从本质上来看，数字孪生是一个对物理实体或流程的数字化镜像。创建数字孪生的过程，集成了人工智能、机器学习和传感器数据，以建立一个可以实时更新的、现场感极强的“真实”模型，用来支撑物理产品生命周期各项活动的决策。

本文的“数字孪生”定义：数字孪生就是通过软件数字建模技术将管理运营对象（物理实体、业务或流程）在软件系统（数字世界）中实现数字还原和数字建模，尽可能实现数字模型与物理世界中的物理对象一一对应，实现完全的映射，不仅具有有业务、管理所需要的所有高细度数据，还能仿真出真实管理运营对象的越来越全面的业务逻辑、空间逻辑和物理逻辑。这样就实现了管理运营对象的数字孪生，即在软件系统有一个管理运营对象的数字孪生体，可以越来越完全的反映、模拟和仿真真实管理运营对象的真实情况，这样可以还原过去，预测未来，验证很多假定，给予设定的场景数据，就能验证会发生的结果。

随着近年数字建模技术的快速发展，通过数字孪生技术实现城市、行业、企业和业务智能化管理有了可行的路径。

数字建模技术的体系很庞大，传统的信息化系OA、ERP统也能实现线性流程和业务的数字建模，在一些行业包括工程行业的某些业务在其它数字化技术如IOT的协同下，实现业务的数字化是可行的。有没有实现数字化建模，关键在看数字对象能否1:1还原业务对象，业务逻辑能模拟仿真出来，所有的数据能调到利用，所有的数据关系能还业务对象真实逻辑构建出来，因此并不是实现3D才是数字化，当然更不是大数据就是数字化。

大数据与数字孪生

有了大数据，为什么还要数字孪生。大数据与数字孪生无必然关系，数据量再大，也很难反映真实世界关系，且缺少数字孪生体构建数据关系，大量数据无法解读，无法利用，无法创造数据价值，所以数字化（实现数字孪生）才极为重要。

现在很多互联网大厂擅长大数据处理和算法，在零售等一些相对简单的行业可以说是有了数字化能力，但对于工程、智慧城市这些基于建筑、工程项目和城市基础设施的领域，这些大厂的数字化能力仍然相差很远。

当前我们有了越来越大的感知能力，即掌握的数据越来越大。但现在实际情况是很多数据根本用不起来，并消费巨大的存储空间和能源，原因在于这些数据之间关系建立不起来，很难实现集成计算、整体计算，即现在人们很难读这些数据，因此数据利用率很低。如果这些数据的业务逻辑、空间逻辑、物理逻辑被高效率低成本、完全与物理世界一样在虚拟世界中被建立起来，就可以被系统高效率计算利用。

工程行业的数字孪生：BIM是关键

实现工程行业的数字孪生，需要一系列数字化技术的集成应用，OA、ERP、IOT、AI算法等信息技术系统都会是其中的重要组成部分，其中BIM最为关键，是工程企业成为基于数字模型运营企业的基础性技术。

BIM虽然充满争议，却是建设行业实现数字化关键

这是工程行业的本质决定的。工程行业是所有行业中产品最大，不标准产品，数据量最大，低维度的数据库很难完成物理对象的数字化建模，即实现物理对象的映射。

我们也可以用传统信息化系统OA、ERP等解决一些业务、流程的数字化，只要通过这些信息系统实现足够细度、完整数据的获取，并且能还原却能动态仿真、模拟出业务和流程的业务逻辑，原则上就算实现了数字化。但无论项目管理的核心业务还是企业级的核心业务，如成本、质量、安全、技术，甚至是财务管理，真正实现工程业务（物理对象）在数字对象的还原仿真，需要BIM数字对象的技术支撑，否则难以做到。

BIM的本质是人类开始可以用一个数据库技术来表达一个大型复杂工程，以往人类只能用线条和平面来表达一个工程，仅这一点，BIM就是人类革命性技术，将带来整个社会的深远影响，

几个认知误区

传统信息化就是数字化

不能实现物理对象 1:1 数字还原，建立完全仿真出物理对象业务逻辑的信息系统原则就未达到数字化的层级，现有传统信息化技术对较简单业务和流程能实现数字化建模，对大量核心业务脱离BIM技术还是不能实现数字化。

3D就是数字化

非BIM的3D模型技术都是非数字化的，激光扫描、倾斜摄影形成的3D模型是非数字化的。还是要根据数字化的定义去判断数字化的实现程度。不能还原仿真业务逻辑的信息模型都还不是数字化模型。

蓝图、电子文档（PDF、CAD）、OA&ERP、BIM、AI，是工程行业从物理介质表达，到电子化、信息化、数字化，最后到智能化，这是一个渐近的过程。

仅有IOT的智慧工地

IOT不论有多少个专业系统，原则上物联网应用，还远未达到智能化程度。基本上只实现了信息的实时感知，各个IOT系统的数据业务关系并未建立起来，未能对所有IOT子系统数据实现集成计算，当作一个整体来处理数据，智能化程度就还相当有限。

没有数字化就在讲智能化

AI的作用是有前提的。

AI通过机器学习可以分析出相关性，或判断出一些趋势，但更多的业务分析还是不行，只能用于局部小场景。事实了如果数字对象已能还原出物理对象的业务逻辑，不用AI 算法，直接用业务算法即能解决大部分业务问题。数字化对象对算法的要求降低了，更准确了，算力要求更低了。

结语：智能化企业是基于数字模型运管的企业

要实现智能化企业，要先实现数字化转型和升级，即要先完成所有业务和决策越来越基于管理的数字化模型，对工程实体进行数字化建模，对管理流程进行数字化建模，对企业运营模式进行数字化建模。

对工程企业用好BIM就是关键之一，虽然BIM近年还有不小负面影响。BIM技术已相当成熟，用好还要花些心思。