公司动态

摘要

数字孪生、赛博物理系统、智能制造、工业互联网这四大术语，是近几年业界当红热词。在国内业界，赛博物理系统兴于2014年，智能制造热于2015年，工业互联网火于2017年，数字孪生则红于2019年。

四大术语是各自独立，还是彼此相关？可能绝大多数人认为彼此相关，但是四个术语之间的异同是什么？相关内涵有多少？运行逻辑之间到底是什么关系？可能确实不太好说清楚。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”^[1]，尝试分析、比较一下四个术语的内涵和实质。

在研究方法上，笔者采用了抽象的图示方式：用一条水平线将画面分为上下两个空间，上半部分是赛博空间（包含数字逻辑、电磁频谱和网络），下半部分是物理空间（包含机器/设备/业务活动/流程等物理系统）。用四个大圆圈来分别描述每个术语的基本内涵、组成要素和运行逻辑。

二、数字孪生的基本内涵

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核心，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，也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？等等，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，必须要让人用五官感受到，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。因此，在笔者参与赛迪研究院研究的数字孪生模型中，表达了如下观点：数据是基础，模型是核心，软件是载体^[10]。

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。

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，让客户清清楚楚、明明白白地知道该产品的来龙去脉，是以什么市场需求和功能条件为约束而设计和制造，所有零部件的设计、生产、测试、物流过程都有数字孪生体，都是可追溯的。在该产品的使用维护阶段，假如遇到了疑难复杂问题必须要做实验或验证的话，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，可以设置任何极限条件做任何次数的虚拟研制，直到验证取得令人满意的成果并且有了百分之百的把握之后，再在物理产品上做验证，这样就会做到“验证即成功”^[3]。

数字孪生体既可以在物理实体之前（由人构建而）先行诞生，预先做待开发产品的数字体验，也可以在该产品的物理实体退出市场甚至在自然规律作用下实体灭失之后，仍然持久地在赛博空间永续存在。因此，笔者也把数字孪生体定义为当今数字社会/智能社会的“遗传基因”^[3]。通常进入赛博空间的数字孪生体是无法彻底删除的。

内涵：用赛博世界连接物理世界，数字形态传承；

实质：数据+模型+软件，基于数字体验而优化物理产品。

三、赛博物理系统的基本内涵

CPS与数字孪生既有相似之处，也有明显不同。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“控制物理设备”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，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^[1]，是第四次工业革命重要标志，也是一个融合了赛博装置的物理设备的智能表现。作为使能技术，CPS在智能制造、工业互联网中都起着关键作用。

CPS是智能制造和工业互联网的基本运行机理的抽象与提炼。在智能制造和工业互联网中，一定会发现CPS的身影，它变化形式多样，尺度大小不一，可能以单元级、系统级、系统之系统（SoS）等不同的系统级别来出现^[4]。

内涵：实现数物融合控制；

实质：以“感知-分析-决策-执行”智能闭环，精准控制物理系统的形与态。

四、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。在国务院2015年发布的《中国制造2025》中，阐明了智能制造是主攻方向，让该术语再次在国内流行。今天的智能制造与30多年前的“智能制造系统”在内涵上是有区别的。

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。即以智能工厂为单元，“将各种不同层面的IT系统集成在一起（例如执行器与传感器、控制、生产管理、制造和执行及企业计划等不同层面）”，实现纵向集成和网络化制造系统（企内链）；“通过产品全生命周期和为客户需求而协作的不同公司，使现实物理世界与赛博世界完成整合”，实现产业链以及生产者与消费者的端到端集成（价值链）；“将各种使用不同制造阶段和商业计划的IT系统集成在一起，这其中既包括一个公司内部的材料、能源和信息的配置，也包括不同公司间的配置”，实现企业生态圈的横向集成与社会化协作（价值网）^[6]。

2017年中国工程院提出了中国模式的智能制造“三范式”^[9]，认为数字化制造是智能制造第一种基本范式，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第二种基本范式，或称作“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，或叫新一代智能制造。智能制造“三范式”的英文是：Digital Manufacturing, Smart Manufacturing和Intelligent Manufacturing。“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、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）^[6]，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。

笔者定义：“智能制造，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，在给定的时间、目标场景下，优化配置资源的一种制造范式。”该定义所涉及的各项基本要素是：

智能机理：状态感知-实时分析-自主决策-精准执行-学习提升，系统按照场景而不是按照固定程序来自主工作；

操作对象：数据（信息与知识的载体）；

使能：软件中的算法与规则（数字化知识）；

本质：数据自动流动，并因自动流动而形成信息/知识泛在；

目的：消除工业复杂系统的不确定性；

约束：给定时空场景；

价值：优化配置制造资源。

智能制造的基本要素和作用机制如图3所示。

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，智能设备实现了“学习提升”，动作过程执行得越来越好。

在笔者出版的《机·智：从数字化车间走向智能制造》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^{[3] [5]}。因为从另一个角度来看，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。没有CPS使能，就没有智能制造落地。

内涵：优化配置制造资源；

实质：实现企内链、价值链和价值网，构建新制造生态。

在图4中，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，特别是在用工业品，向基于云的新价值链网发展：

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^[7]，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为工业APP，因此，在赛博空间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。

在对工业互联网的内涵理解上，赛迪研究院和工业互联网研究院也提出了“三全”的思路：全要素，全产业链，全价值链。虽然术语和解读有所不同，但是都是在试图突出工业互联网基于云的新价值链网，各方对工业互联网基本内涵的理解上总体上是趋于一致的。

内涵：优化配置工业资源；

实质：基于云的新价值链网，构建新工业生态。

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”。

图5是四个术语的内涵、构成及作用机制的几种展现与对比。

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、物理相对平衡对等；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。图5中四个大圆圈位置高低不同，粗略地展示了这一演变趋势。

七、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、实质和运行逻辑上有不少共同点，但是也有明显区别。四个术语在内涵和组成上呈现出赛博与物理相互虚实融合、占比交替占优的演变过程。

对于这四个术语，清晰理解异同，抓住内涵实质，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了较为明晰的指导，避免了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。

由于篇幅所限，本文仅对这四个术语的基本内涵与相互之间关系进行了初步阐述。作为新工业革命的重要组成部分，这个四个术语在智能制造研究与推进方面具有很强的现实意义，建议相关研究人员做进一步研究，能更详实、更系统地厘清这四个术语产生的背景、内涵、关系、技术路径、应用场景、典型案例等内容。如果条件允许，建议政府组织相关专家，在深入研究的基础上，编写四个术语的白皮书，为广大理论研究者与企业智能制造与工业互联网的实践者，提供有益的参考与指导资料。

[1] 胡虎, 赵敏, 宁振波, 等. 三体智能革命 [M]. 北京: 机械工业出版社, 2016.

[2] M Grieves. Digital twin:manufacturing excellence through virtual factory replication. Whitepaper.Melbourne, FL: Florida Institute of Technology; 2014.

[3] 赵敏, 宁振波. 铸魂：软件定义制造 [M]. 北京: 机械工业出版社, 2020.

[4] 中国信息物理系统发展论坛. 信息物理系统白皮书(2017) [R]. 北京: 中国信息物理系统发展论坛, 2017.

[5] 朱铎先, 赵敏. 机·智：从数字化车间走向智能制造 [M]. 北京: 机械工业出版社, 2018.

[6] ZVEI. The Referencearchitectural model RAMI 4.0 and the industrie 4.0 component [R]. Frankfurt:ZVEI, 2015.

[7] 工业互联网产业联盟. 工业互联网平台白皮书(2017) [R]. 北京: 工业互联网业联盟, 2017.

[8] 工控网/工业以太网. 三大要素考验工业互联网[EB/OL], 北京：工控网https://gongkong.ofweek.com/2013-08/ART-310008-8420-28716983.html, 2013-08-30

[9] 周济等，中国智能制造发展战略研究[J]，北京：《中国工程科学》，2018年04期

[10] 张洪国等，《数字孪生白皮书》(2019年) [R]，北京：赛迪网，2019-12-19

【作者简介】

赵敏——走向智能研究院执行院长，中国发明协会常务理事，创新方法研究会常务理事，英诺维盛公司总经理。国内著名两化融合/智能制造/工业互联网/工业软件专家，U-TRIZ创始人。正高工。在国内外媒体和国际国内学术会议发表文章和论文百余篇，为企业解决200多个技术难题。著有《创新的方法》、《TRIZ入门及实践》、《知识工程与创新》、《TRIZ进阶及实战》、《三体智能革命》、《智能制造术语解读》、《机·智：从数字化车间走向智能制造》等专著、合著。

朱铎先——北京兰光创新科技有限公司及机智互联（北京）科技有限公司董事长，国内知名智能工厂/数字化车间实战型专家。高工。兼任中国机电一体化协会MES分会副理事长、走向智能研究院数字工厂首席专家等职。具有二十多年制造业信息化研究与应用经验。指导研发的设备物联网、MES等产品已在航空航天等数百家企业得到成功应用。提出了“CPPS人机网三元战略”、“六维智能工厂”等具有独到见解的理论。撰写智能制造方面文章数十篇，合著《机·智：从数字化车间走向智能制造》、《人本：从工业互联网走向数字文明》、《三体智能革命》等智能制造丛书。

本文由赵敏、朱铎先原创，享有全部著作权。欢迎原文原版转载本文章，并保留作者姓名和原发微信公众号“英诺维盛公司”。

凡是有意去除原创作者姓名和原发布公众号、故意造成“佚名”文章，并且未经授权许可，擅自在其它网站或微信公众号发布本文章的行为，都将被视作是侵权行为，有可能被追究法律责任。