中金 | 元宇宙系列之数字孪生——概念与技术篇：模型驱动，耦合虚实

Delphinmeer 2022-08-19 发布于广东

展开全文

数字孪生是采用信息技术对物理实体的进行数字化定义和建模的过程，其核心理念在于通过对“数字孪生体”的仿真、控制、预测，对物理实体实现反哺优化，因此数字孪生有时也会被称为“工业元宇宙”。本文从数字孪生的理念与根技术角度出发，梳理数字孪生的理念的实现所需要的各大环节根技术，并对在各环节积极布局的行业头部厂商进行了梳理。我们认为目前数字孪生这一概念仍处于概念完善、技术演进、应用探索阶段，随着各环节根技术的持续迭代以及应用基本框架的确立，数字孪生将能够在更多的场景得到应用落地，以模型数字化赋能千行百业。

摘要

数字孪生的核心是要建立虚拟数字孪生体，进而反哺优化物理实体。数字孪生是要建立能够实时表征物理实体全生命周期的数字模型，实现物理与数字世界的闭环交互，高效协同产品生命周期中的各环节，通过对孪生体的仿真、控制、预测来对物体实体和生产过程实现改进优化。数字孪生的三大核心特征为实时闭环、数据支撑以及高保真与交互性，其实现有助于提升物理世界的生产运营效率，应用场景涵盖制造、建筑、特种、工厂运营、城市管理等多个领域。

数字孪生以模型数据为核心，根技术支撑数据全生命周期的各个环节。数字孪生以模型数据为根基，各环节根技术贯穿了模型数据的全生命周期。模型数据获取阶段主要包括IOT与动作捕捉相关设备技术，实时获取高保真数据；模型数据搭建阶段主要包括建模、渲染、仿真，构建物理实体对应数字模型；模型数据整合与可视化阶段主要包括数字孪生平台与系统，整合不同类型数据，协助数字孪生实现；模型数据互动阶段主要包括VR等技术，进一步提升了人与孪生出的数字世界的交互；支撑功能包括云计算、AI以及通信技术，为模型数据的传输、分析、计算提供基础设施的支持。

数字孪生应用仍处于技术完善与行业渗透期，海内外厂商在各大根技术环节积极前瞻布局抢占先机。数字孪生经过数十年的探索实践，目前已经进入了技术完善与行业渗透的关键阶段，包括物联网、工业软件、图形引擎、云计算等多个领域的厂商均在各自涉及的根技术环节积极推进数字孪生方向的应用探索。展望未来，我们相信数字孪生将会持续技术演进、应用拓展、标准完善的进程，加速进入各大行业商业化落地的成熟阶段。

风险

各环节技术迭代升级速度不及预期；各领域应用适配程度不及预期。

正文

数字孪生：耦合物理与数字世界，赋能多元应用场景

数字孪生的理念构想：基于虚拟数字孪生体，反哺优化物理实体

数字孪生是要建立能够实时表征物理实体全生命周期的数字模型。数字孪生（Digital Twin）是是采用信息技术对物理实体的组成、特征、功能和性能进行数字化定义和建模的过程，即在“虚拟世界”中建立与“物理实体”的几何拓扑属性、物理属性所相对应的“数字孪生体”。数字孪生充分利用物理模型、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，借助物理实体的数据进行实时演化，并在过程中进行仿真、控制、预测等操作并将结果反馈给物理实体，从而起到优化并协助物理实体的作用。

图表：实现数字孪生的整体流程

资料来源：西门子官网，中金公司研究部

数字孪生的实现有助于提升物理世界的生产运营效率，在制造、建筑、城市管理等多个场景投入应用。通过应用建模、仿真以及数据分析等技术，能够在计算机虚拟空间建立与物理实体完全等价的信息模型——“数字孪生体”，并可基于“数字孪生体”对物理实体进行仿真分析和优化，进而反哺在物理世界中的生产与运营管理流程，实现降低产品故障率、链接各开发流程、缩短开发周期，提高生产效率等功效。数字孪生理论及技术应用具有普适性，在多领域渗透，形成“数字孪生+”应用场景。目前主要的应用场景已涵盖智能制造、工程建设、城市管理、医学分析等领域。

► 智能制造：智能制造是当下发展的重点产业之一，强调智能技术与制造技术的融合，服务于制造业转型升级，主要包括设计、加工、装备、服务四大环节。数字孪生充分集成整合多学科多领域技术，通过感知、建模、仿真、分析、优化等步骤面向产品制造全生命周期，通过数字孪生体进行合理可靠高效分析并反馈给物理实体，协助提升产品质量、产能于效率。目前，智能制造是数字孪生落地最多的领域，数字孪生在智能制造中应用于产品设计、工艺规划、仿真验证、质量管理追溯、预测性检测与维护、反馈优化等多个环节。

► 工程建设：数字孪生为工程建设全流程提供支持与帮助，整合处理工程中产生与所需的海量数据，通过数字孪生平台对数据进行统一整合与数字化呈现。在工程设计阶段，数字孪生采集并整合的实景数据形成数字模型，供设计师参考并了解现场具体条件与情况；在落地与施工阶段，数字孪生模型实时反应建设进展与变化，对各参数进行实时监控并展示，保障工程高效安全进行；在交付验收阶段，数字孪生使精细化验收成为可能，通过数字模型与平台有利于检查与模拟各设计部件及对应参数。

► 城市管理：数字孪生通过将物理世界中的场景、人、物等要素数字化，协助城市管理有序运行。其在动态交通规划、安全综合治理、设计施工、城市公共服务等细分领域持续发力，为更高效的城市管理打下了坚实的基础。通过1：1复原真实城市空间，以最为直观和精确的方式呈现给城市管理者与居民，同时提供对于城市的动态推演等分析，服务于城市规划与管理。数字孪生技术赋予城市更有效的统筹规划与治理能力，为城市进一步发展提供强劲动力。

► 智慧医疗：数字孪生有助于协助医疗研发、实时监测健康状况、预测策略变更结果、验证医疗方案等。在医疗研发方面，数字孪生技术有助于收集与研发相关的大量数据、对医疗方案及其副作用进行模拟验证，高效提高研发成功率；在健康监测方面，数字孪生技术有潜力通过扫描仪器和可穿戴设备将现实身体及各参数进行数字化复制，并对其进行实时监控与指数追踪，在现有健康检测基础上进一步提供更全面、更及时、更精确的监测与提示。

► 能源开采：能源开采复杂的开采环境对于设备、人员及操作有十分严苛的要求。目前，开采过程信息互通能力不足，开采数据实时反馈与监控难以实现。针对种种相关问题，数字孪生技术及平台有能力逼真模拟能源开采情况并实时动态反馈开采过程中各种参数，有助于可视化、透明化能源开采全流程，从而达到信息互通、装备协同、高效安全开采。

图表：数字孪生行业应用

资料来源：工信部、中金公司研究部

数字孪生的五大要素：物理实体、虚拟孪生体、数据、关联、服务。物理实体包含物理世界中的各个物件、系统以及传感设备。其中，传感设备由于实时收集物件和系统的状态与相应数据。虚拟空间等价孪生体可以理解为数字孪生体，用于在数字空间中表征对应的物理实体，包括实体的属性、特征等各维度参数。数据既包括直接获取得到的物理实体的数据也包含数字空间中生成的数据。关联代表各部分之间的实时联系，物理数据被传输到数字模型中，数字孪生生成的数据反馈给物理实体便于调整与优化。服务则代表数字孪生整个系统产出的结果与对现实的意义。

数字孪生的三大核心特征：实时闭环、数据支撑、高保真与交互性。数字孪生基于计算机软件对随时间变化的物理实体进行实时状态表征、同时通过仿真、模拟等操作进行反馈、优化物理实体，具备实时性与闭环性。数据驱动反应了数字孪生的特征与本质，以数据流通与高效利用实现协助优化物理世界。此外，高保真与交互性也是数字孪生重要特征。数字孪生要求与物理实体高度仿真，追求真实与接近性。Gartner亦提出数字孪生主具备高交互性特征，具有评估可能发生状况的能力。

图表：数字孪生生态五要素

资料来源：《Digital Twin Driven Smart Manufacturing》（Fei Tao等，2019）、中金公司研究部

图表：数字孪生生态五要素相互关联

资料来源：《Digital Twin Driven Smart Manufacturing》（Fei Tao等，2019）、中金公司研究部

数字孪生的演进历程：从建模仿真，到MBSE，再到全流程孪生

回顾历史，数字孪生理念出现已久，在理论与技术发展中其意涵逐渐成熟深化。数字孪生理念的源头可以追溯至上世纪建模与仿真技术（CAD/CAE）的诞生初期，当时学界和产业界就已经开始探索如何更好地利用建模和仿真数据，去反哺设计和制造环节，实现工艺和制造流程的优化；其后的PLM/PDM系统的发展正是体现了这一理念，为产品研发端建立了统一的模型数据平台；而之后MBSE概念的出现，更使得产品模型数据化的范围进一步向后端制造与验证流程延伸；而随着物联网、人工智能、大数据等新兴技术的发展，结合了多项前沿技术后的数字孪生平台得以实现产品全生命周期的模型数据化，以及数据的实时流转反馈，但我们认为这距离完整的数字孪生理念的实现仍然具有一定的距离，技术结合应用与理念落地的深化仍有较大空间。

图表：数字孪生雏形概念演进路线重要节点

资料来源：工信部、中金公司研究部

► CAD/CAE：CAD、CAE分别代表计算机辅助设计和计算机辅助工程，其诞生将过去必须通过手工绘制的图纸以及仿真分析计算利用电脑工业软件完成，显著减轻工作量并提升了产品的研发效率。在该阶段中，相关工业软件仅仅作为工具将物理实体转化为软件中的模型，仅用于协助生产。同时，该阶段各软件仅负责对单一环节的处理，不包括产品生产的全部流程，数据不流转于各个环节，亦不具备实时更新的特点。

► PLM：PLM指产品全生命周期管理，在软件领域常展示为战略性数字化产品软件与应用平台，集成与产品相关的流程、人力与财务资源、重要信息等内容，致力以低成本功耗及高效率生产产品。在该阶段中，数据的重要性具有显著的提升，PLM打通产品各环节的数据并进行存储与应用，将数据贯穿于策划、设计、开发、验证、生产、维护的全生命周期。PLM主要特征为包含对于产品全生命周期、全生产流程的考量，但是并不能实现实时动态的更新，环节之间的反馈仍有延迟。

► MBSE：MBSE指基于模型的系统工程，主要特征为运用数字化建模代替文档，进一步强调形式化、系统性以及贯穿产品全生命周期的理念，以连贯的多视角数字化模型实现跨领域各环节的动态关联。著名的VV曲线阐释了MBSE从研发段到生产验证各环节的工作流，左板块体现模型研发段，右板块同时显示虚拟验证与实物验证两种验证，体现设计即可用的理念。该阶段中，MBSE主要作为系统性、全流程的概念与框架进行展现，为数字孪生打下基础。

► Digital Twin：Digital Twin即为数字孪生，数字孪生概念于2002年由密西根大学教授Michael Grieves首次提出并不断得到提炼升华[1]。数字孪生的理想状态是通过融合各领域技术，贯穿设计、验证、仿真、制造、运营、后期维护等各环节全流程，真正实现包括实体、逻辑、行为等在物理世界与虚拟世界的实时动态双向映射。近年来，数字孪生在各领域持续渗透并落实，逐步成为数字化转型的关键技术。该阶段是数字孪生概念的理想最终阶段，将物理实体数据化、各个环节间彼此连结，实现数字世界反馈物理世界，提升产品的生产效率以及可用、可靠性，同时降低各环节生产设计风险等作用。

数字孪生的发展方向：技术演进、应用拓展、标准完善

立足当下，数字孪生介于技术完善期与行业渗透期。数字孪生融合数据感知、建模仿真、机器学习、云计算等多元技术，各项技术仍在不断发展进行突破创新。与此同时，在制造、医疗、交通运输等领域中，数字孪生正逐渐体现不可替代的潜力，协助行业提升效率。在技术体系架构方面，数字孪生平台与生态系统应用逐渐成熟。工信部于《数字孪生应用白皮书2020》中指出数字孪生生态系统由基础支撑层、数据互动层、模型构建层与仿真分析层、共性应用层以及行业应用层。基础支撑层获取并提供物理世界相关数据与信息、建模与仿真层进行数字孪生体的建模与仿真、功能层由各种先进技术为背书为数字孪生提供多样有效的功能并最终落地到各个领域，数据互动层则通过数字线程等技术在全流程中提供数据传输与支撑工作。该生态系统反映出物理实体与数字孪生相互作用、互为共存。

图表：数字孪生生态系统

资料来源：工信部、中金公司研究部

展望未来，我们认为数字孪生在长时间不断发展与完善的过程中将逐步成为解构与优化物理世界的不可或缺的工具。数字孪生将充分赋能数字化转型这一大势，通过连结各交叉领域知识与融汇多元技术助力大幅度提升物理世界效率。意识到数字孪生潜能的同时我们需要明确的是，数字孪生目前仍处在发展初期，为挖掘并发挥其发展潜力，需要各种相关技术持续发展与积淀，不断攻克还未解决的问题并深化应用并落实到行业中。以下，我们将从技术、标准化、应用层面探讨数字孪生可能的未来发展趋势。

► 技术演进：数字孪生将进一步综合融合多领域技术，在感知、建模仿真、智能决策等多方面实现技术进化。数字孪生技术体系十分复杂、且有较长产业链，需要各环节共同发力、协同创新，不断向稳定成熟地技术体系进发。随着技术地积淀与发展不断提升感知、建模、仿真等核心技术实力。同时，融合大数据、人工智能等支撑技术，向自动化、智能化转变。实现由数字化重现向分析预测以及协助决策逐步升级。

► 标准完善：随着数字孪生不断发展，相关标准与指导性框架将会持续统一与完善。随着ISO、IEEE、全国信息技术标准化技术委员会等国内外标准化组织与机构对于数字孪生标准化的探讨与推进，数字孪生基础共性及相关关键技术框架标准将不断被立项、探讨与整合，相关标准体系已逐渐初步建立。未来将会进一步形成国际、国家、行业等标准，使得数字孪生得以更广泛而高效地发展与应用。

► 应用拓展：数字孪生具备辅助决策、提升产能等重要作用，将进一步渗透各领域、赋能数字化转型。Gartner认为数字孪生将发生颠覆性创新并逐步渗透到各企业中。Markets and Markets预测数字全球孪生市场规模将于2026年增长至482亿美元。随着技术逐渐成熟，数字孪生将在工业领域将进一步赋能产品全生命周期产品，在智慧城市领域进行智能化决策辅助等，并在医疗、能源、军事等更多的领域打开应用场景，不断协助优化物理世界发展。

图表：数字孪生未来发展趋势

资料来源：工信部，Markets and Markets, 中金公司研究部

数字孪生根技术：贯穿模型数据的全生命周期

数字孪生以模型数据为核心，根技术支撑数据全生命周期的各个环节

数字孪生概念的实现基于众多根技术的融合与连结。数字孪生的核心与根基是数据，数字孪生各环节与流程反映了在不同阶段对数据进行的处理。因此，通过与数据流通的各环节进行对应有助于深入理解数字孪生技术。在此，我们按照数据流通的阶段讨论各根技术并将其进行分类。我们认为，数字孪生主要包括数据获取，基于模型数据的建模渲染仿真，数据整合与可视化，数据互动以及支撑功能五个方面。每个阶段包含不同技术实现具体支撑。

数字孪生各项根技术组成总体技术架构，技术架构主要包含基础支撑层、数据互动层、建模与仿真层、功能层以及应用层。技术架构各环节与数据流通各环节根技术均可一一对应。基础层主要负责获取物理过程及其环境的关键数据，包含基础设施与工业设备、流程，使用物联网与感知等技术；建模构建层采用建模与仿真技术，反应物理实体的机理模型、数据驱动模型、以及模型间操作，与仿真分析层共同发力构建物理世界的数字孪生体并进行分析优化；数据互动层借助5G、数字线程、AR/VR/XR等技术传输、处理数据，将各层次各部分进行连接；功能与应用层运用AI大数据、人工智能、云计算与边缘计算等相关数字孪生技术赋能不同场景，协助专家深度分析、进行高效决策。同时，通过AR/VR等技术实现人机交互功能，与用户端直接进行对接。

图表：数字孪生相关技术与流程示意图

资料来源：《Digital Twin Driven Smart Manufacturing》（Fei Tao等，2019），中金公司研究部

► 模型数据获取：数据获取与感知是数据孪生的第一步与重要基础。所需搜集的数据主要包括静态物体运行各类参数与数据，动态物体的姿势状态等。相关重要技术包括IOT与感知技术、动态捕捉技术等。IOT与感知技术是指运用RFID、PLC、OID、传感器等软硬件获取物理实体运行态势并进行监测；动捕技术是指通过多传感器、信号传输等设备获取、跟踪、记录人或物体的运动状态，在数字世界中实时反应物体的动态状况。

► 模型数据搭建：建模、渲染、仿真技术是数字孪生的核心技术。建模是指通过相应软件将将物理世界模型化，主要包含线框、曲面、实体、参数化建模等方法；渲染是指基于建模生成的三维模型进一步完善，赋予孪生体相对应物理世界中的所有参数，使数字空间满足真实视觉效果，主要包含光栅化以及光线追踪等技术；仿真技术是确认构建成的模型的真实性和有效性，其主要包括有限元分析（FEA）、计算流体动力学（CFD）、多体系统（MBS）等技术。

► 模型数据整合与可视化：数据平台承担数据整合与可视化的职责。数据平台融合各种工具，起到对不同类型的数据进行整合与处理，保证各环节数据之间互通，并将数据与相关结果及结论以可视化的形式反馈给决策者等作用，在数字孪生环节中展现协助的功能。未来，随着各项支撑技术的发展，数字孪生数据平台可能进一步结合如机器学习、计算机视觉等技术，实现数据可视化、分析、决策等一体化平台。

► 模型数据互动：数据互动可以理解为可视化的进阶版本，该环节进一步提升人与孪生出的数字世界的交互。目前主要包括AR、VR等技术，期待未来有更多可能的新兴技术诞生。数据互动相关个技术在数字孪生中的作用主要体现在与其他技术相结合后提供诸如业界沉浸式培训、巡检等更好的服务。

► 支撑功能：支撑功能在数字孪生中的作用主要是为数据分析、预测与决策的强劲支撑。数字孪生以海量数据为基础，如何对这些数据进行快速计算及高效分析非常重要，支撑功能相关各技术在这方面提供帮助。相关技术主要包括人工智能、云计算、边缘计算、大数据技术等。

数字孪生各环节根技术互为耦合、协同发力。物联网与感知技术实时获取物理实体运行态势、进行监测并为在数字空间中建模提供数据支持；建模、渲染仿真技术作为数字孪生核心技术严格精确地提供对物理世界的数字重现、精确映射物理世界中的事件过程并进行分析优化、协助决策；平台与系统提供串联与整合功能；AR/VR/XR等技术赋予用户更具沉浸感的操作与使用体验；支撑技术为数字孪生各项功能提供支持。而对于数字孪生应用的赋能者而言，覆盖根技术环节越多，则越能覆盖更多数据流通环节，能够攫取到价值链上更多环境的商业价值。

模型数据获取：物联网与感知技术

物联网与感知技术对物理实体运行态势进行实时监测并获取数据。物联网主要包含四要素：终端、传感器、网络以及服务，用于获取物理世界的海量数据并进行处理、连结、分析、反馈，从而起到监控与优化的作用。感知技术是实现数字孪生生态全流程映射与交互的起始部分与重要环节。感知技术包含全域标识、多传感器融合等细分技术，提供精准可靠的测量与物理实体的各项参数。该技术目标在于获取物理实体数据、明确物理实体的状态、在空间中的具体唯一位置等信息。感知技术常用软硬件包括包含OID、传感器等。

物联网与感知技术为数字孪生应用提供底层模型数据来源的支撑。数字孪生的实现基于大量可用且有效的数据，物联网与感知技术通过传感器、监视器等相关设备直接实时得到产品全生命周期的相关数据并通过自动上云的方式为数字孪生提供足够的数字“养料”，从而为之后可以更好地将产品与服务数字化及可视化做足准备。IOT技术在各行业的数字孪生中都体现重要作用，诸如在智能制造中通过感知与监控实时维护机器使用能力、在供应链领域可视化传输地点、环境等重要信息。随着物联网技术的不断提升，获取实时数据的能力不断增强，为数字孪生打下坚实的基础、源源不断为后续步骤提供有效有价值的数据。

图表：物联网在数字孪生中的应用

资料来源：《Digital Twin Driven Smart Manufacturing》（Fei Tao等，2019），中金公司研究部

Microsoft Azure IOT、PTC ThingWorx IOT等众多物联网平台基于IOT数据及与计算为数字孪生提供海量、有效的数据。Azure IOT作为物联网平台通过获取得到的物理世界数据，用于创建真实物品、地点、业务流程和人员的数字表示形式并在数十亿台 IoT设备建立双向通信。其通过利用跨边缘和云的托管和平台等服务构建智能环境，帮助企业对设备和应用程序进行连接、监视、自动化和建模，从而做出更好的产品、优化运营和成本，推动转型并实现预期的业务成果并打造突破性的客户体验的见解。同时，Azure IOT平台为每台设备提供安全性保护并能实现设备预配自动化从而加速IOT部署。

图表：Microsoft Azure IOT工业应用案例架构

资料来源：Microsoft官网，中金公司研究部

图表：PTC ThingWorx IOT 解决方案

资料来源：PTC Community，中金公司研究部

动作捕捉针对动态的实体，实时采集其数据并生成其姿势与状态的数字孪生体。动作捕捉是运用各类传感器对人或物体的动作进行追踪与记录，获取虚拟“骨架”并运用计算机程序在“骨架”上覆盖所需信息生成具有同样动作的“数字虚拟体”。动作捕捉技术的出现与成熟使得人们不需要绘制各帧图像就可得到连续场景与连续镜头。动作捕捉根据使用场景及特点主要分为机械式、电磁式、光学动捕、惯性动捕等不同类型，采集数据并提供交互能力，其中目前最主流的为光学动捕以及惯性动捕。随着动作捕捉技术的日益成熟，其逐渐广泛应用于影视、医疗、机器人等各项领域，为日后在数字孪生中的应用打下良好的基础。

图表：动作捕捉在数字孪生中的应用

资料来源：NOKOV官网，中金公司研究部

动作捕捉技术已有数十年发展历史，诸多海内外公司在此领域深度布局。海外方面，微软、英特尔、Leap Motion等公司均有较为领先且完善的解决方案；国内方面，我国大量动捕相关企业也在不断探索与研发。青瞳视觉在动捕领域自主研发红外光学动捕系列产品，在虚拟仿真、动画影视、生命科学等领域均取得了不错的突破。同时，借助于公司在计算机视觉、人机交互等领域的积累，较好实现虚实空间数据映射，打通物理与数字世界。诺亦腾在动作捕捉和3D运动测量方面全球领先，致力于通过对人、物的精确感知与智能分析，构建运动状态的数字孪生。

图表：英特尔3DAT系统捕捉速度滑冰动作

资料来源：英特尔官网，电子工程世界，中金公司研究部

图表：青瞳视觉动作捕捉部分案例

资料来源：青瞳视觉公司官网，中金公司研究部

模型数据搭建：建模、渲染、仿真

建模、渲染与仿真技术在数字空间中构筑物理实物的数字孪生体。建模即是将物理世界数字化、为物理实体生成数字孪生的技术方法；渲染是指基于建模出的模型进一步完善纹理、视觉、几何等要求，使其满足真实3D场景效果；仿真技术用于确认数字孪生模型化反应物理实体的正确性及有效性。建模、渲染与仿真技术将获取到的物理实体的数据信息在数字世界中进行孪生模型搭建，赋予其与现实物理世界相对应的数学属性、物理属性，并呈现出尽可能真实的视觉效果。

建模引擎是提供建模、渲染与仿真的核心平台，支撑起数字孪生底层模型数据的搭建。广义的建模引擎泛指工业软件领域的几何建模内核以及娱乐领域的动画、游戏建模引擎内核等，在实际的应用中，建模引擎处于底层硬件算力资源以及上层应用之间的中间层，其负责通过3D图形API调用底层算力资源，实现对象的造型建模、图形建模、仿真计算，演化出在泛工业（制造、建筑、特种应用、智慧城市等）、泛娱乐（游戏、影视、动画等）场景的丰富应用，其是三维图形开发领域的“中间件”。在数字孪生应用中，具有建模引擎能力的工业软件厂商以及图形引擎厂商也主要在模型数据搭建环节扮演输出建模能力的角色。

图表：图形引擎支撑起工业与娱乐领域的诸多建模、渲染与仿真应用

资料来源：各公司官网，中金公司研究部

达索、AVEVA等工业软件厂商在建模、渲染、仿真领域积淀深厚，持续推动数字孪生在各领域各行业应用。达索专业的3D Experience通过使用全生命周期中的所有数字资产，提供数据驱动和基于模型的解决方案，通过建模、仿真等技术连结虚拟与数字世界，在工业设备、航空航天、生命科学等众多领域得到广泛应用。近年来，AVEVA公司推出适用于各领域3D设计的新一代产品E3D Design，其具有强大的建模与可视化能力，能够快速生成准确的图纸和报告，以降低新建和新建项目的成本、时间进度和商业风险。在建模效率方面，AVEVA E3D比传统的PDMS快30-50%。同时，与公司其他产品诸如AVEVA Connect一起使用，可在云上创建数字孪生，大大提升设计与制造效率。

图表：AVEVA E3D Design示意图

资料来源：公司官网，中金公司研究部

图表：达索3D Experience示意图

资料来源：公司官网，中金公司研究部

Unity、Unreal等图形引擎为各领域的数字孪生模型开发提供标准的开发平台。Unity和Unreal是目前全球应用最为广泛的两块游戏引擎，而近年来其应用领域也从游戏进一步衍生至工业建模、建筑建模、城市建模等领域，并在数字孪生的实现中投入到底层的建模渲染与仿真应用。Unity其近年来推出了Unity Reflect、Interact等系列非游戏领域应用套件，并且Unity平台本身也在诸多的智慧城市、智慧工厂项目中得到应用，作为项目对象模型搭建和模型渲染的底层平台。Unreal则更侧重于大型3A游戏的开发，其采取源码开放的模式，使得开发者能够更好地进行修改调整以实现更灵活、高效、符合场景的需求。在最新的UE5版本中进一步强化了动态全局光照等技术，在游戏美术领域取得进一步突破。

图表：Unity引擎工业产线解决方案

资料来源：公司官网，中金公司研究部

图表：Unreal引擎实时建模解决方案

资料来源：公司官网，中金公司研究部

模型数据整合与可视化：数字孪生数据平台

数据平台承担数字孪生中海量数据集成与可视化的职责。数据平台需要融合各种工具才能更好的在数字孪生环节中起到协助的作用。数据平台运用数据库、大数据等相关技术整合结构化、半结构化、非结构化等海量的不同类型的数据进行预处理并加以使用。同时，数据平台需要结合数字线程等通信能力进行数据的整合，实时反应物理实体的当前状态等。数据平台作为物理实体对应的若干数字孪生间的沟通桥梁，通过提供访问、整合以及将数据转化为可操作性信息传递给对应的决策者。未来，我们认为数字孪生数据平台有可能结合更多计算机图形学、机器学习等技术，实现数据可视化、分析、决策等一体化平台。

51WORLD、能科科技等公司为数字孪生提供可视化平台服务或系统支持，赋能各项业务。51WORLD与北交院共同打造了国内首个宏、中、微观交通流仿真平台，实现了数字孪生可视化与仿真交互系统“一张图”，精细化还原了北京西三环全域三维全要素场景。在数智赋行领域，针对日常维护管理效率低且资源消耗大、智能化程度不高等问题，51WORLD通过提供建模与智能监控等赋予结构物智能化监测、应急、养护、运维、决策能力，为交通管理方提供更为精准的交通管控能力。能科科技围绕工业互联网经营生态，基于制造装配工艺提供数字孪生产线建设、数字孪生测试台建设及其相关服务，实现自动化和智能化的实践。

图表：51World数字孪生平台

资料来源：公司官网，中金公司研究部

图表：能科科技数字孪生测试台

资料来源：公司年报，中金公司研究部

模型数据互动：VR、AR、XR

数据互动阶段进一步提升了人与孪生出的数字世界的交互。目前，数据互动主要包括虚拟现实（VR）、增强现实（AR）等技术，为物理实体、数字孪生及用户构筑了交互的渠道。VR为用户构建了一个全新的数字化虚拟场景，该场景可以基于现实也可以与现实无关，可以基于用户沉浸式的体验。AR在现实世界的基础上添加虚拟数字化的物品、信息对现实进行强化。

数据互动阶段可以理解为数字可视化的进阶版本。在此阶段，数字孪生世界与人的关系更进一步，不仅仅可以观察数字孪生世界，更可以参与其中的变化并对相应的物理世界做出指导与参考。同时，不同身份的人均可以参与交互的过程，实现不同的目的：生产者可以通过沉浸式交互在孪生空间中进行测试、提升产品生产过程中的安全性与设计的效率与成功率；使用者可以通过交互感受在孪生空间中感受产品的使用体验等。在数字孪生中，VR、AR等交互技术通过提供给用户更为直观的、沉浸式的交互与操作方式，使分析与操作数字孪生或数字世界的方式更接近于物理实体或世界。

图表：VR、AR技术介绍及在数字孪生中的应用

资料来源：《Digital Twin Driven Smart Manufacturing》（Fei Tao等，2019）、中金公司研究部

VR、AR在数字孪生中的作用主要体现在与其他技术相结合后提供更好的服务。中控技术通过VR、AR等算法与工具，为工业企业在装置投运后实现设备状态实时精准管理，工艺参数模型持续优化和迭代，同时便于员工进行数字化工厂巡检，及时有效安全地发现与排除问题故障等后期运维与服务。此外，AR、VR可以协助虚拟培训，中控技术利用AR、VR技术为员工提供沉浸式体验3D数字化工厂的功能，对工厂内设备使用操作方法、运维、生产安全等不同环节进行数字化虚拟培训，有效提升员工相应知识与技能，从而更好增强企业的应急管控能力。

图表：VR+数字孪生实现巡检

资料来源：幻威动力官网，中金公司研究部

图表：VR+数字孪生提供沉浸式培训教学

资料来源：中控技术官网，中金公司研究部

支撑技术：云计算、边缘计算、人工智能

云计算、边缘计算等技术为数字孪生提供数据分析、预测与决策的强劲支撑。在数字孪生的基础数据获取层，物联网产生了难以想象的不同类型海量数据，而将这些数据转化为有用的信息则需要强大的计算能力，因此云计算、边缘计算等计算技术。云计算利用网络通过将数据拆分成子问题并利用网络中大量的硬件与软件资源对子问题进行快速处理并将结果反馈给用户。边缘计算则更加强调速度与安全性，边缘指靠近终端或数据源头，边缘计算则指采用集存储、应用、计算等核心能力的平台提供就近计算服务。这些计算方法的融合为数据孪生实时快速的数据处理提供技术支撑。云计算和边缘计算等技术为数字孪生提供更为高效与智能化的分析，从而实现数字孪生内部的计算与处理，为数据共享与智能化奠定基础。

人工智能等计算机技术在数字孪生中有助于数据更高效的分析与应用。人工智能的目的是赋予机器以人的智慧使得计算机能以人类智能做出反应，主要可以分为机器学习、计算机视觉、自然语言处理、工业智能化技术等。人工智能作为支撑技术可以应用于对采集数据的分析并进行运维监督、产品寿命预测以及提供决策可能等方面，从而创造应用价值。

图表：云计算、雾计算、边缘计算在数字孪生中的应用

资料来源：《Digital Twin Driven Smart Manufacturing》（Fei Tao等，2019），中金公司研究部

图表：人工智能在数字孪生中的应用

资料来源：中金公司研究部

附录：数字孪生根技术海内外主要厂商概览

图表：数字孪生各根技术环节主要布局公司概览

资料来源：各公司官网，中金公司研究部

风险提示

各环节技术迭代升级速度不及预期。数字孪生目前仍处于概念完善和技术演进阶段，诸如物联网设备安全、个人隐私等问题需要持续突破，动作捕捉目前精度仍有较大提升空间且成本较高，AI技术亦需要更大的算力。各项根技术相辅相成，若某一环节技术升级速度不及预期，可能影响数字孪生整体技术体系的构建。

各领域应用适配程度不及预期。数字孪生的最终目的是实现各领域的落地应用，而目前商业应用领域仍处于初级阶段，由于相关人才稀缺、商业实践成本较高等因素可能导致数字孪生概念与技术落地需要更长时间。

[1]https://www./publication/307509727_Origins_of_the_Digital_Twin_Concept

文章来源