制造业视角：从“数字孪生”到“工业4.0”

从制造业视角来看，制造与数字和信息科技的融合其实并非新鲜事。

“数字孪生”“智能制造”“产品生命周期管理”“工业4.0”，近年来这些层出的概念不同于“软件吃掉世界”和“在线”这样从比特世界主导企业发出的声音，“数字孪生”“工业4.0”都是工业制造领域里内生的对数字和信息技术应用于生产环节的探索。

这些概念的内涵和外延当下并未统一。以“数字孪生”为例，今天，它不仅被用于产品的生产制造流程中，还开始出现在一座城市的规划建设和一幢建筑的设计流程中。从这个意义上看，人们已经很难去辨明热门词汇的意涵与所指，但回溯其起源脉络，可能对我们理解产业走向数字技术之路有所助益。

业界公认的“数字孪生”概念起源要追溯到2002年密歇根大学产品生命周期管理中心（Product Lifecycle Management Center）的成立。当时该大学的教授迈克尔·格里夫斯（Michael Grieves）向工业界人士作了一个题为“PLM的概念性设想”的演讲。演讲提出了数字空间、虚拟空间，从现实空间到虚拟空间的数据流连接，以及从虚拟空间到现实空间和虚拟子空间的信息流连接。格里夫斯当时认为，每个系统都由两个系统组成，一个是一直存在的物理系统，另一个是包含了物理系统所有信息的新虚拟系统。这个概念模型被命名为镜像空间模型。

2003年他在讲授PLM（Product Lifecycle Management，产品生命周期管理）课程时使用了“数字孪生”（Digital Twin）一词。2014年他撰写的《数字孪生：通过虚拟工厂复制实现卓越制造》一文又对这一概念进行了较为详细的阐述。“数字孪生”被用来描述产品的数字化结果，不仅是对物理实体的虚拟再现，还可以模拟对象在现实环境中的行为。

格里夫斯认为，任何一个产品在本质上都具有双重性，它既是物理的，也是虚拟的。虚拟信息是被浪费的物理资源的替代品，物理对象具有信息的等效性。信息是对物理环境的当前和过去状态的感官以及对物理世界里所允许的所有操作和影响的理解，有了信息，就能知道事情的状态。

根据格里夫斯的观点，产品生命周期管理则是一个信息驱动的方法，来创建、制造、支持和处理产品。通过这种集成的信息驱动的方式，可以管理产品的生命周期及其周边环境设计的各个方面的人、流程、活动以及技术，从产品设计到制造，部署到维护，服务、报废处理直到产品的生命周期的终结。

“数字孪生”的术语虽然流行于业界的时间并不长，但是有关其技术内涵的探索和实践却早已开始。格里夫斯对“数字孪生”和产品生命周期的理论探讨也植根于40多年的工业界从业经验。20世纪后半叶，汽车、飞机等复杂产品工程领域出现的“数字样机”概念可能是这种“数字孪生”的起点。

2009年美国空军实验室提出了“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。

也是2010年，美国国防高级研究计划局（DARPA）发起的自适应运载器制造（AVM）计划，提出“重新发明制造”，目标是通过彻底变革和重塑装备制造业，将武器装备研制周期缩短到现在的五分之一。AVM的核心思想是，颠覆“设计—制造—测试—再设计”的流程，产品设计、仿真、试验、工艺、制造等活动全部都在数字空间完成，重建制造体系。

2014年开始，西门子等知名工业软件公司都加入了“数字孪生”的热潮中。工业界越来越重视物理实体在数字赛博空间的模型化存在和反馈——通过外界传感器感知物理对象从微观到宏观的所有特性，从而展示产品的生命周期的演进过程。

人们理解产品从此多了一重维度，物理世界发生的一切，都可以实时反馈到数字空间，从而指导物理实践。

另一个大热的概念“工业4.0”，在2011年汉诺威工业博览会上被首次提出，指的是“物和服务联网使创建涵盖整个制造流程的网络成为可能，该网络使普通工厂转变为智能工厂”。这一概念提出的初衷是提升德国工业的竞争力，利用数字化的进步，来建设下一代工厂。它有着切实的社会背景——在金融危机之后，德国企业接收到的订单大幅下降，制造企业要应对产能的峰谷变动，提高企业在现实环境中的应对能力。

德国国家科学与工程院2014年的报告指出，“工业4.0”所构建的网络将把数字虚拟空间和现实物理空间进行连接，形成信息物理系统（Cyber-Physical System, CPS），机器、仓储系统和生产设施都被CPS整合在一起。CPS由能够独立自动交换信息、触发行动及相互控制的智能机器、储存系统和生产设施组成，这为制造、工程、物料使用以及供应链和生命周期管理所涉及的工业流程改进提供了便利。

“工业4.0”从提出之初就扎根制造业，它被广为人知也得益于世界第一大工业展——汉诺威工业博览会。随着影响力的扩大，“工业4.0”也被称为第四次工业革命，与之相对应的前三次工业革命分别是以水力和蒸汽为动力的机械制造革命，以电力为动力的大规模生产革命和电子学、IT技术应用带来的自动化革命。之后各国从提升本国制造业竞争力的层面掀起了制造与新技术革命相结合的热潮，“工业4.0”的所指也越来越宽泛。

“数字孪生”“工业4.0”的纷繁概念、理义辨析在这股浪潮里已经不再重要，正如行业从业者所意识到的，在这波数字技术与制造相结合的浪潮里，最重要的并非它叫什么，而是让它发生以及它带来的影响。

国内智能制造领域的学者安筱鹏认为，制造业数字化意味着制造业范式迁移进入新阶段。所谓范式变迁的提法要追溯到微软研究院研究员、关系型数据库的鼻祖吉姆·格雷。他在著名的题为“科学方法的革命”演讲中认为，科学研究分为四类，沿着人们认知世界的历史长河，分别是模型推演、实验归纳、模型推演和数据密集型科学发现（Data-Intensive Scientific Discovery）。其中，“数据密集型计算”通过大数据方法来分析解决科学问题，同时基于数据思考和设计实施科学研究，能诞生数据密集型的知识发现，它是科学研究的第四范式。

这种思维方式引入制造业，产生的化学效应颇受关注。人类改造世界的方法正从传统的理论推理和实验验证向模拟择优和大数据分析转变。

在理论推理阶段，人类认知世界的关键要素依赖于少数天才科学家。进入试验验证阶段，以爱迪生发明灯泡为例，这种认知方法以“假设+试验+归纳”为关键要素，依赖于设备材料的高投入和过程的长周期大协作。20世纪80年代后，以波音777研发为代表的模拟择优法兴起，它依赖高质量肌理模型的支撑，投入少、周期短。而新世纪之后，GE通过以平台优化风电设备性能为代表的大数据分析方法，用海量数据和大数据分析模型作为关键要素，这是一种数据驱动的新的制造范式。

总之，不论是“工业4.0”“第四次工业革命”“智能制造”，还是“产业互联网”“互联网+”和“新制造”，本质都指向上世纪末以来的计算机数字技术革命给从狭义到广义的生产制造流程带来的变革。

它是两条路的合流——数字的产业化和产业的数字化都朝着人类的生产方式变革而前进。这种变革可以发生在细小的零部件、设备的感知决策层面，也可以发生在组织联通层面、供应链的衔接层面及生产和消费的互动层面。这是人、设备和信息的同频共振。

最终，比特和原子世界从泾渭分明、互不关联到融合，通过数字技术，比特和原子间的互动复杂度、信息颗粒度和深度及一致性得以提升，全要素、全流程实现数字化，物理实体的制造过程和虚拟制造实时交互得以实现。