近日，美国知名UI设计软件Figma封停被美国制裁公司账号，大疆等企业将受影响的消息在国内设计圈传开，这再一次引发人们对进口替代的关注。

在工业领域，工业软件的“卡脖子”问题是我国工业高质量发展的阿喀琉斯之踵。以数字孪生应用为抓手，将人工智能技术与工业软件相结合，通过数据科学优化机理模型精度和性能，或许是实现核心算法和工业软件替代的另一条道路。

人类对数字世界的关注，今时今日正处在历史的巅峰时期。以元宇宙大热为标志，物理世界仿佛成了大家急于摆脱的沉重枷锁，虚拟数字化形态下的永生才是未来。

与此同时，已经诞生了20年的数字孪生概念于近年再次炙手可热。不论是《“十四五”信息化和工业化深度融合发展规划》、《“十四五”智能制造深度发展规划》，或是科技部“网络化协同制造与智能工厂” 等国家层面的专项政策，都在强调数字孪生技术对工业制造业高质量发展的重要意义和作用。

到底什么是数字孪生？为什么会在当下成为新的风口？

数字孪生，简言之是以数字化方式创建物理实体的1：1虚拟映射。

它需要先用建模工具在数字空间构建起精准物理对象模型，再利用实时物联网数据驱动模型运转，使得物理世界和数字世界可以全面建立实时互联、互通和互操作。目的是通过各种数据、模型、信息的集成，构建起虚拟实体对物理实体的分析、决策、控制能力，从而优化物理世界的资源配置效率。

数字孪生最早源自PLM（产品全生命周期）的思考和延展，并率先应用于航空航天领域。

飞机、火箭这类复杂的机械设备极其昂贵，产品设计或任务执行中一旦出错代价高昂，其数字孪生体通过各种模拟和仿真进行提前预演，可降低实际运行中的风险。

数字孪生近两年被重新提起，甚至被写进国家级别的工业发展战略纲要，主要是由技术和需求两方面驱动：

从需求层面出发，我国制造业面临着低端供给过剩、高端供给不足、创新能力不适应高质量发展要求等诸多挑战，产业的智能化转型和产业价值体系的提升需求迫切。

与仿真、工业互联网等其他数字化技术相比，数字孪生可以在产品研发、生产制造、设备运维、营销售后的全链条发挥重要作用。

研发阶段，数字孪生能够通过虚拟调试加快推动产品研发低成本试错。

生产阶段，数字孪生能够构建实时联动的三维可视化工厂，提升工厂一体化管控水平。

运维阶段，数字孪生将仿真技术与大数据技术结合，不仅能够知道工厂或设备“什么时候发生故障”，更能定位“哪里发生了故障”，极大提升了运维的安全可靠性。

从技术层面出发，数据采集、数据通讯、实时分析和AI智能决策的发展提供了应用的支撑底座。

得益于物联网和传感技术的成熟，工业数据的可获得性和成本大大降低。5G、IPv6等通讯技术的商用落地，为海量数据即时传递提供通讯保障。云计算、边缘计算、AI等技术的快速发展则在计算能力和数据应用处理上补齐短板。

可以说，我国在数据获取、传输、计算、管理一体化等方面的技术能力已经走在了世界前列，数字孪生所需要的支撑技术已经成熟。

但是数字孪生作为一系列数字化技术的高阶融合，熟练应用非一朝一夕可实现。

从“工业数字孪生技术架构图”可知，全套技术从最前端的数据采集、处理和分析，到设备级、产线级乃至全厂级的仿真建模，多模型的无缝集成、模型上线后的修正验证，以至到最末端的人机交互，这些对应用工厂的数字化基础、领导者对管理模式的改革魄力、企业的资金实力、技术供应商的系统工程思维都提出了较高的要求。

正因如此，我国的工业孪生数字在现阶段更像是摸着石头过河，而有些企业已经走在了探索的前列。

大型国有钢铁集团和造车新势力厂商的数字孪生实践

钢铁企业是流程制造行业的代表，生产过程连续、安全生产要求高、产线长、数字化基础较好是该类企业的典型特征。

某大型国有钢铁集团作为全球最大钢铁制造企业，早在2015年就启动开展智慧制造和数字化转型的系统筹划和战略布局。

为了在激烈的国际竞争中持续保持行业领先地位，该集团以旗下王牌产品为试验田，建设智慧工厂项目。

2019年上半年，智慧工厂建成投运，无人化、自动化设备在生产、仓储、物流等环节的规模应用为产品质量、用户服务能力、生产效率的提升提供显著赋能。

但如何提升现场生产线的整体管理效率、实现重点设备可预测性维护、减少危险作业环境的人工参与度依然是尚未完全解决的痛点。

钢铁生产线巡检是现场管理的一个重要环节。该工厂的一条完整钢产线长达2-3km，原先分布着4个大机组，每个机组均需配备一个操作室，用以监控人机结合作业多的重要工序、重点设备的运行状态。

产线现场作业长介绍说，如果只用一个机组来监控和巡检，一条产线从头至尾跑下来就要40多分钟，硅钢产品质量要求又很高，过去发现产品质量或者生产设备出现问题，先得和值班作业长汇报，然后值班作业长再找调度……一圈下来，很可能已经错过了最佳处理时机。

经过多种技术方案的评估，该工厂最终决定在一条产线上进行数字孪生的应用试点。通过构建产线三维几何模型，为各个设备、零部件几何模型添加信息属性，并与对应位置 IOT 数据相结合，形成可视化的虚拟产线，并达到了如下功能：

·产品-设备-人员的全流程实时监控和真实互动

·控制系统集成接入，双向控制

·历史质量问题趋势追溯

·重点设备可预测性维护

·重点设备能源精细化管理

传统设备预测性维护往往只能预测“设备什么时间坏”，不能预测“设备哪个关键部位出现了问题”。

而基于数字孪生的数据集成性、实时性、仿真性，可以将问题定位到具体位置，并给出最佳响应决策和提供远程控制能力。这让现场劳动效率大幅提升，岗位工作负荷也随之显著下降。

一些数据指标给出了更坚实的经济效益证明——产线上的4个操作室缩减为1个集控中心，带来人力成本在内的管理运营成本下降60%，管理效率提高25%，故障响应时间缩短15%，能耗成本降低10%。

汽车制造业是另一个非常适合数字孪生应用落地的行业。

作为少品种大批量离散制造的代表，汽车制造业具有产品种类少、规模大、生产标准化、对生产效率和质量要求高等特点。

大部分汽车产业链上的企业在生产环节已经实现自动化，而数字孪生能从产品研发、设备管理、工厂管控、物流优化等诸多方面赋能。例如沃尔沃将数字孪生应用于汽车整车研发，在设计环节实现产品优化，降低了约4%的气动阻力；越南Vinfast汽车厂依托西门子产线规划数字孪生解决方案将建厂时间缩短了50%。

国产造车新势力之一的A汽车，是汽车行业内首家实现全厂级数字孪生的企业。

A汽车江西工厂的负责人曾在采访中透露，传统汽车工厂最大的困局就是车间内、车企各部门之间、车企与客户之间信息不流通。

为打破信息孤岛，实现研发、生产和市场整个价值链的数据贯通，A汽车早在规划物理工厂的初期就决定要同步打造数字孪生工厂。

A汽车的数字孪生智慧工厂集合冲压、焊装、涂装、总装与电池包生产全工序于一体，厂区实现1200多个数据采集点位的实时采集和上传，使实体工厂与数字工厂数据贯通、无缝衔接，并实现了如下功能：

·13个成本中心管理流程全梳理/覆盖

·660余项管理指标梳理及呈现

·SAP/MES等10个+业务系统数据接入

·1200+数据点信息实时获取

·生产线状态实时互动及真实还原

·生产线故障快速响应与介入

·线下直营店用户销售系统连通

通过3D数字化工厂的展示，综合性运营指标的分析预测，结合物流、冲焊涂总、质量等车间级管理报告数据，A汽车数字孪生智慧工厂实现了基于数据驱动的管理与决策，并带来实际的经济价值——管理效率提升25%，单车生产综合能耗降低25%，管理运营成本下降15% ，一次报交合格率提升5%。

这两个数字孪生案例的实施方背后并非鼎鼎大名的国际巨头，而是一家成立于2017年的科技企业——网思科技。

网思科技作为一家新锐企业，能早在2020年就为行业标杆客户实施出国内为数不多的产线级、全厂级工业数字孪生应用，其商业模式、技术方向和行业趋势洞察都颇具借鉴意义。

「博观智造」独家采访了网思科技高级副总裁兼数字孪生事业部负责人李英杰，希望借其实践管中窥豹，看一看工业数字孪生在我国现在能做什么，未来走向何处。

意料之外，情理之中的入局者

所有的先发优势都离不开敏锐的市场洞察和前瞻性的技术储备。

早在2016-2018年，Garter就已经连续三年将数字孪生列为十大战略科技发展趋势。但彼时国内的主要关注点仍在移动互联网上，工业领域的主要政策尚在普及数字化制造基础和工业互联网基建层面。

2018年，时任IBM大中华区用户体验中心解决方案总经理的李英杰承接了工业互联网产业联盟上海创新中心展厅的项目，其中一个板块就是数字孪生。

在项目实施和客户沟通的过程中，他敏锐地察觉到这可能是国家在工业领域的下一步重点推动方向，而他的团队核心能力之一就是3D数据建模、实时渲染和可视化。

2019年，5G开始迎来商用元年，三大运营商从B端工业生产场景出发，开始做各种试点应用。同年，李英杰携团队加入网思科技。

作为咨询顾问出身且长期活跃在一线的IT从业者，他认为数字孪生所需要的底层支撑技术将会在不久后达到商用标准，企业已经可以提前做好相关布局。

身为一个成立不久又尚未融资的科技企业，网思并没有在早期盲目投入研发，而是一方面研究目前国际上相对领先的解决方案和技术路线，一方面通过与客户的交流评估当下数字孪生在国内落地的可行性，并根据反馈小步迭代自己的产品，寻找product-market fit。

前文提到，数字孪生作为数字化和智能化的高阶应用，对企业的数字化基础、资金实力和领导者的战略眼光都有颇高的要求，注定了最早吃螃蟹的都是行业龙头。

这类客户资源成为许多初创企业的第一道门槛。

网思虽然成立时间不久，但核心创始团队均有IBM多年的市场拓展经验，积累了广阔的产业人脉，练就了对市场需求的敏锐嗅觉。这也是网思早在2019年初就能够接触并参与大型国有钢铁集团数字化战略规划的一个原因。

第二个重要优势是公司在咨询和IT实施上的复合能力。

以李英杰为代表，公司有一批出身于IBM全球企业咨询服务部的业务骨干。咨询顾问最核心的能力就是快速了解行业，并从业务角度出发，拆解和分析问题，给出解决方案。丰富的行业专家顾问资源也为网思在进入新行业时快速获取行业know-how提供宝贵输入。

与一般的咨询公司不同，网思还拥有IT项目实施经验丰富的技术团队，从而保证了从前端咨询到后端落地的一体化交付。

“其实我们的钢铁客户最初也没想到要用什么技术工具，只是提到了一些运营管理上的痛点。数字孪生是我们在多次brainstorming的过程中碰出来的一个解决方案。网思又有技术基础能够快速做出demo，这也给了客户信心。”

汽车客户的赢单反映了网思的第三点优势——本地化、定制化的集成服务能力。与钢厂不同，A汽车打造数字孪生工厂、树立行业标杆的目标早早确定，方案竞争者不乏来自SAP、艾森曼等熟悉汽车领域的国际巨头，或是在汽车制造某一核心环节有成熟方案的垂直厂商。

但大厂的问题在于不仅价格非常昂贵，而且很难做定制化含量很高的项目。垂直领域的厂商又只精通某一板块，“大家都没有做过全厂级的数字孪生，一个机械臂企业遇到的技术难点和障碍和网思并没有太大区别。”

网思团队咨询背景的优势再次体现——能够站在工厂管理者角度，通盘思考整体的解决方案和业务价值。识别出某些具体环节的特殊问题，则交予合作伙伴共同协作解决。

李英杰举例，“有个汽车客户希望解决焊点质量检测，这个确实不在我们的专业范畴内，但我们知道从哪找合适的供应商来帮我突破单点难题。”

在工业数字孪生摸着石头过河的应用阶段，不同角色有不同的服务角度，在李英杰看来，网思科技要做的是一个整合者，发挥自身理解客户需求以及工程化落地的能力，从标杆客户的实施项目中积累行业经验和先发优势，在需求广阔的重点行业中跑马圈地，持续深耕。

而面对项目制VS标准化的永恒难题，李英杰的答案是短期内不可能做到100%标准化，但未来会在两个方向上推进：

一是针对不同行业推出行业标准包，提供针对不同环节和流程的标准化模块，让客户能够根据自身情况个性化的组合；

二是在部分算法、分析模型和量化指标上做到标准化。

公司理想的商业模式也将从项目制交付转变成标准产品+运营服务。

伴随着工厂工艺的提升、管理流程的优化、生产产品的变更、产线设备的迭代，数字孪生必然要持续不断的提供后续的运维和调优，数据和AI分析能力的持续积累还有机会带来新的应用场景，这也符合数字孪生动态化的核心特征。

标准化产品降低客户的前期一次性投入成本，运营服务又让服务商可以获得持续、稳定现金流的机会，这无疑对供需双方都是更加健康的商业模式。

这也意味着，把握好先发优势快速占位，并在头部客户的深度服务中快速内化出标准化能力对网思这样的企业极为关键，这也对公司的技术能力提出了更高的要求。

我国的工业数字孪生未来要走向何处？

工业领域对数字孪生在多个场景上处于刚需阶段，产业链上下游有望涌现更多提供解决方案的创新企业。

我们认为，我国的工业数字孪生发展将呈现以下几点特征：

01 场景应用上仍然处于初级阶段  需要较长时间探索

当下数字孪生应用，在深度上更注重场景的描述和有限的判断，尚未完全实现仿真决策与控制，在广度上也未能完全打通研发-制造-运维的一体化服务。

大量企业内、行业内的数据采集能力参差不齐，一些核心进口设备的底层关键数据也无法有效感知。

此外，对于已采集的数据闲置度高、缺乏数据关联和挖掘相关的深度集成应用也导致数据的潜藏价值难以发挥。

以下几类关键场景更有可能成为短期的应用方向：

一是向数字化基础较好的工厂普及三维可视化改造，以实现运营管理层面的效率提升；

二是提升部分场景的虚拟制造和诊断应用水平。除了基于CAE做产品研发之外，还可以进一步从设备虚拟调试、工艺流程虚拟规划、仿真操作培训等环节入手，应用数字孪生技术。

三是部分实时仿真/智能仿真分析的单点突破。实时仿真和智能仿真分析离不开高精度的复杂机理建模与数据科学的高阶融合，需要依赖专精的技术团队做关键技术的重点攻关。

02 核心技术上优劣势均较为突出  总体机遇大于挑战

由于我国工业历程发展时间短，工业软件核心模型、算法和系统工程能力与欧美相比有明显的差距，这成为国家关键“卡脖子”的短板。

但我国的优势在于工业门类齐全、场景众多，有机会充分释放工业数据的红利。并且在人工智能、大数据、5G网络等技术上占据领先身位。

以数字孪生应用为抓手，将人工智能技术与工业软件相结合，通过数据科学优化机理模型精度和性能，有望带动工业软件和核心算法的发展。

03 商业策略上应多方投入权衡  推动应用成功落地

高速发展的市场规模，持续运营带来的高用户黏性，行业龙头客户的标杆效应和高客单价，让这个行业必然会迎来百舸争流的竞争局面。数字孪生厂商要平衡研发投入和市场拓展节奏，率先跑马圈地获取先发地位。

标杆客户的需求能否满足，取决于数字孪生厂商的方案咨询能力+技术落地能力。

数字孪生产业链环节很长，包括数据采集、模型建构、仿真分析、人机交互、行业应用等环节。目前呈现明显的碎片化，每个产业环节都有相应的公司在提供服务，每家的规模都相对有限，能够从顶层设计上提供全套的方案咨询能力，在生态上又能整合产业链上下游提供完整的技术落地交付能力的供应商，将会具备更强的竞争力。

标杆客户在行业发展早期对供应商的能力沉淀和快速复制有着重要意义，在头部客户和合作渠道上倾注力量的厂商将获取明显资源优势，从而确保业务的延续性。

此外，本土企业的另一大优势，是可以满足客户即时响应和定制化需求的服务能力。相较于国外厂商，这也是国内厂商能够迅速起步，获取客户信赖的重要原因之一。

数字孪生虽然是个闭环的回路，但其发展的终极指向必然是一个开放的生态平台，只有这样才能满足不同的应用场景。在数字化已经不可逆的大趋势和国家政策的大力驱动下，我们相信这个生态体系必定会蓬勃发展，未来会在越来越多的服务和产品上得以应用。

免责声明：市场有风险，选择需谨慎！此文仅供参考，不作买卖依据。

责任编辑：kj005