大家可能對《黑客帝國》或者《模擬人生》游戲中的數字孿生場景記憶猶新。如今，云基礎設施、邊緣計算、物聯網、分布式數據管理平臺和機器學習能力的迅猛發(fā)展，已經讓數字孿生從科幻作品轉化成更趨主流的真實業(yè)務功能。

但要想在企業(yè)之內落地數字孿生，技術人員首先需要跨越鴻溝，更好地理解自己的業(yè)務和運營技術體系。Syntax公司數據管理與創(chuàng)新合作伙伴Jens Beck表示，“CIO和IT領導者們必須意識到，OT是一個不同于IT的世界，而完美的數字孿生必須能將兩者結合起來。”

長久以來，企業(yè)一直將OT和IT分別對待，但如今的制造業(yè)、建筑業(yè)、零售業(yè)等需要打通物理與數字兩端通道的公司必須努力將二者統(tǒng)一起來。數字孿生正是實現這種連接的手段，掌握著優(yōu)化生產、提高質量的鑰匙。更重要的是，利用真實數據配合機器學習來改進產品、服務和業(yè)務流程，也將帶來以往難以想象的戰(zhàn)略收益。

下面，我們將分享與各領域專家的交流心得，總結出嘗試建立數字孿生時需要完成的七個初始步驟。

1、研究部署

在集思廣益并深入探索任何一個新的技術領域之前，我們首先應當研究早期采用者的業(yè)務狀況、用例和收益。對于數字孿生，這項技術在制造、建筑、醫(yī)療保健等領域已經不乏現實案例，甚至包括人腦本身。

希望在新興技術領域有所作為的領導者，需要收集這些故事來營造探索熱情。這些故事在鼓舞人心之余也能指明潛在的發(fā)展方向，并以務實的態(tài)度用業(yè)務成果吸引支持者。如果您的直接競爭對手已經成功部署了數字孿生，那么援引對方的用例也能給公司內部帶來緊迫感。

2、找到改變游戲規(guī)則的機會

數字孿生的實現成本非常昂貴。例如，一支研究小組為一棟商業(yè)辦公樓開發(fā)數字孿生的成本約在120萬到170萬美元之間。因此在開發(fā)數字孿生之前，團隊應當明確記錄產品愿景、考慮業(yè)務原理并估算財務收益。

有時候，能夠改變游戲規(guī)則的方案更能成功吸引投資。TCS首席信息官Abhijit Mazumder就分享了一個安全，“2020年，TCS與地方上一家非政府組織合作，希望解決COVID-19疫情帶來的問題。企業(yè)數字孿生能夠模擬整個過程，預測影響疫情傳播的因素——包括病毒特征、人口異質性和流動模式。城市的數字孿生相當于「計算機模擬」性質的實驗，能夠在不損害公共健康和安全的情況下，幫助探索出有效的干預措施。”

3、考慮生命周期管理

數字孿生的開發(fā)需要時間和成本，更需要持續(xù)支持以確保模型能始終交付準確的結果。John Snow Labs首席技術官David Talby就分享了探索數字孿生前需要掌握的三項基本原則：

• 有明確的業(yè)務用例——不要為了搞技術而搞技術；
• 確保模型、服務或模擬中的數字孿生群體，真正對應現實世界中的人群；
• 準備好MLOps工具集，快速可靠地實現數字孿生模型的開發(fā)和部署。

Talby的主要建議是預先考慮到整個生命周期中的各項要素，特別是用于支持機器學習模型和設備自動化部署的功能。

4、運用系統(tǒng)設計工具

在設計好業(yè)務案例和生命周期之后，團隊應當考慮使用哪些工具開始自己的計劃和實驗。IndustrialML公司CEO Arjun Chandar建議使用CAD軟件或仿真工具，“立足設計工程開展數字孿生試驗，并估算物理環(huán)境對新產品的影響。”

下面來看專業(yè)領域中常用的系統(tǒng)設計工具示例：

• Autodesk數字孿生，用于建筑、工程和結構；
• Bentley基礎設施數字孿生，用于信號塔和供水系統(tǒng)等；
• 通用電氣數字孿生，用于設備、網絡和制造流程；
• 西門子數字孿生，用于消費品的設計、開發(fā)和制造；
• 博世數字孿生，用于智能建筑，包括空間管理和預測性維護。

這還只是其中幾個例子。對于從事數字孿生工作的技術人員來說，熟悉運營團隊所使用的工業(yè)平臺將是非常重要的一課。

5、定義使用者和機會空間

當技術人員著手推進一項技術計劃時，首先需要確定誰是最終用戶、最終平臺供誰使用。IT領導者則應定義誰能從數字孿生中受益最多，而且通常來講主要受益者應該是從事運營工作的人員。

Beck表示，“數字孿生的主要功能在于合并OT/IT數據，并在必要時通過數據分析或AI/機器學習將這些數據集融入上下文。但它的真正力量，是讓工程師、維護人員和其他技術人員等OT端成員能夠檢索數據點，畢竟只有他們才完全理解這些數據點。”

下一步則是了解使用者的角色，確定他們的工作流程和操作中有哪些部分能從數字孿生的數據收集、機器學習預測和場景規(guī)劃中受益。

Chandar解釋道，“在制造和運營方面，IT領導者可以為其物理生產區(qū)域建模以模擬產品流程，也可以對組裝或物流步驟建模以將新產品組合在一起。所有這些用例都可以擴展，由生成式AI補充傳統(tǒng)的有限元分析機制，并以虛擬方式測試新產品。在實際部署工廠生產線之前，可以對新產品的生產流程進行數字化分析和模擬，并為所有制造流程建立起數字版本的表示。”

6、構建可擴展的數據平臺

數字孿生將生成PB甚至更大規(guī)模的數據，必須保護和分析好這些數據，并借此維護機器學習模型。其中一大關鍵架構考量，就是設計出用于收集物聯網實時數據流的數據模型和流程，同時輔以數字孿生端的數據管理架構。

TigerGraph公司等來解決方案負責人Harry Powell表示，“在為中等規(guī)模的組織創(chuàng)建數字孿生時，需要厘清數百萬個數據點和相互關系。要查詢該數據，則須遍歷或跳過數十個鏈接，理解數千個對象間的關聯。”

不少數據管理平臺都支持實時分析和大規(guī)模機器學習模型。但是，用于模擬數千甚至更多實體（例如制造組件或智能建筑）行為的數字孿生還需要能夠查詢實體及其相互關系的數據模型。

Powell表示，“目前，企業(yè)正在使用圖數據庫創(chuàng)建數字孿生，用以支持各種運營分析并收集具備可操作性的及時商業(yè)情報。具體的數字模型構建可以較為宏觀，只包含業(yè)務中最重要的組成部分，例如整個工廠、倉庫和供應線；也可以比較細化，涵蓋廠區(qū)內的單一設備、貨架和運送卡車。”

7、培養(yǎng)云與新興技術能力

要想構建數字孿生平臺、集成來自無數物聯網傳感器的數據并打造可擴展的數據平臺，首先需要確保IT部門具備大規(guī)模技術基礎設施的核心部署能力。在IT團隊考慮用例并試驗數字孿生功能的同時，IT領導者就必須考慮到生產級數字孿生所需要的云、基礎設施、集成和設備方案。

Beck對配套基礎設施提出了這樣的建議，“為了擴展數字孿生，IT負責人應該相對傾向選擇云平臺，同時繼續(xù)保留一部分邊緣技術，例如超大規(guī)模設施、物聯網設備管理和數據科學等。”

除了基礎設施之外，Mazumder還建議發(fā)展能力以支持新興設備和分析能力。“數字孿生的成功，離不開強大的數字核心、離不開AI/機器學習和AR/VR等云原生應用的支持。無論具體選擇哪種基礎設施，這一切都將成為組織處理數據、實現應用功能的關鍵。”

總結

數字孿生擁有巨大潛力，但此前缺乏先進技術能力的企業(yè)一直無法滿足其規(guī)模性與復雜性要求。如今情況開始變化，積極學習并主動與運營部門開展合作的IT領導者，將有機會為組織帶來前所未有的數字孿生能力。