数字孪生

概念炒作后,数字孪生更需要“埋头苦干”

近日,中科院院士、北京大学环境科学与工程学院院长朱彤在第二届中国数字碳中和高峰论坛的演讲中提到,传统的物理模型在预测预报中存在很多未解的不确定性因素,而只有将数字模型和大量数据融合起来,才有可能更加准确模拟地球发生了什么以及预测未来会发生什么的现象。由此派生出了“数字孪生地球”的概念。

近日,中科院院士、北京大学环境科学与工程学院院长朱彤在第二届中国数字碳中和高峰论坛的演讲中提到,传统的物理模型在预测预报中存在很多未解的不确定性因素,而只有将数字模型和大量数据融合起来,才有可能更加准确模拟地球发生了什么以及预测未来会发生什么的现象。由此派生出了“数字孪生地球”的概念。

不容置疑的是,尽管元宇宙这个概念热度下降,人们的憧憬也越来越淡化,但是数字孪生的却并没有随着热度的下降而被遗忘,相反的是,数字孪生平台已经开始在越来越多的行业、企业、甚至城市落地应用,从能源、水利、电力,到工厂车间、传媒会展、高校实验室,数字孪生的身影无处不在,越来越多的人开始享受数字孪生带来的“红利”。

三大核心技术方向

数字孪生是充分利用物理模型、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。数字孪生并不是一项单独的技术,而是多技术、多领域融合而成的系统工程,它帮助我们从系统工程的角度来看待物理世界与数字世界之间的互动。从技术角度看,数字孪生涉及到物联网、云计算、人工智能、大数据、建模仿真、GIS、5G等数字化基础设施,每一项技术的创新和发展都将推动数字孪生的进步和发展,有研究者把数字孪生分成了L1-L5五个层次,如下表所示。

数字孪生的五个等级,来源:数据猿整理

整体来看,目前绝大多数的数字孪生平台还处于L3相对比较早期的阶段,到L4可能还需要比较长的时间。为了更加细致的观察数字孪生的发展,数据猿将重点放到三个核心技术上:建模仿真、无代码和人工智能等新型技术的融合。

仿真是除了理论和实验之外,第三种帮助我们认识世界的方式。建模仿真技术是构建数字孪生的第一步,数字孪生体模型不仅要在几何结构上与物理实体保持一致,更重要的是能模拟物理实体的时空状态、行为、功能等。然而,当前大多数仿真建模方法都存在灵活性差、配置复杂易出错等缺陷,要实现高置信度的数字孪生体模型,还需要在高保真建模仿真技术上取得进一步发展。

目前,建模与仿真技术正呈现出实时化仿真、分布式嵌入式仿真、云端建模与仿真、多端建模与仿真和模型资源共享、虚实结合的建模与仿真、人与加工过程参与建模与仿真互动、大数据驱动的混合建模、人工智能和群体智能优化技术结合的建模与仿真等趋势,建模仿真技术未来不仅高保真,还更智能化。

无代码也是数字孪生领域的关键技术,传统的数字孪生项目往往需要会编程的开发人员参与,项目的技术门槛高、制作成本高、制作周期长。无代码技术的引入能够大幅降低技术门槛,加快数字孪生在行业场景中的渗透,同时帮助运营商降低成本,提升效率。但是,目前多数无代码平台都是“表单驱动”和“模型驱动”,这两种方式虽然简单好用,但是难以应对复杂场景的需求,目前,已经有企业开始探索基于“数据驱动”和“智能驱动”的无代码平台。从行业观察角度来看,“智能驱动”的无代码平台尚处于早期探索阶段,但“数据驱动”的无代码平台和制作工具却已经开始落地应用。在实际应用中,数字孪生模型建立以后,需要接入海量的物联网数据才能使模型“动”起来,因此,多源异构数据的融合处理能力也是数字孪生落地面临的一个亟待解决的痛点问题。

数字孪生世界的构建必然要依赖人工智能等新型技术的发展,从技术方面看,人工智能为数字孪生体运行过程中提供了诊断、预测、决策等核心支撑,这构成了数字孪生信息中枢的智能引擎。目前人工智能技术在多场景和跨场景应用中的发展还不够,整体的价值体现还比较有限。同时,人工智能的发展也受到算法、算力和数据量的影响,这不是一朝一夕即可完成的技术。另外,数字孪生与人工智能的融合过程中,可能会遇到各种意想不到的困难和挑战,甚至存在未知风险,每个行业和企业的情况也不同。不过,业内已经有不同领域的公司,开始从不同的角度探索数字孪生世界与人工智能的融合。

两类刚需用户群体

伴随着大数据、物联网、5G通信技术和人工智能等数字化基础设施的不断发展,数字孪生市场已经逐渐呈现规模化发展态势。目前,数字孪生在智慧城市、建筑工程、城市管理和工业制造等领域开始广泛应用。根据IDC的数据显示,2020年全球数字孪生市场规模达52.2亿美元,到2024年,数字孪生市场规模有望达到212.8亿美元,年复合增长率超过40%。随着技术的不断发展和应用场景的多样化,可以说,数字孪生在未来3-5年,仍将处于高速高速发展阶段。

2018-2025年全球数字孪生市场规模及增长率,数据来源:IDC

从一级市场的投融资情况看,数字孪生领域的融资事件在最近一年也是频繁发生。数据猿统计了最近一年数字孪生领域的投融资情况,如下表所示。

最近一年数字孪生领域的投融资事件,来源:数据猿根据公开资料整理

从融资公司的基本信息来看,获得融资的公司中,有一半是做平台服务商的公司,也就是偏向于应用场景的落地。只有两家公司的业务是偏向于仿真建模方向,还有三家是偏向于数字孪生与新型技术融合的公司,比如数字孪生与大数据、人工智能的融合等。从投资方来看,根据披露的信息看,政府背景和金融机构背景的投资方较多,民企背景的投资方较少,数字孪生企业整体的融资金额至少也是千万级别。

在数字孪生领域中,数据猿选取了四家比较有代表性的公司,它们分别从不同的角度探索数字孪生的落地应用。四家公司分别是:众趣科技、DataMesh、孪数科技和艾迪普。

众趣科技是一家基于AI三位机器视觉和SaaS云服务技术,探索的方向是将三位物理生活空间“克隆”到互联网上,从而构建3D互联网-元宇宙。公司的产品既有硬件也有软件,软件主要是VR-云服务平台,主要是用来展示,硬件产品主要是为了采集物理实体空间的数据信息,上传到云平台上。最常见的场景就是“云看房”、“云旅游”等。目前,众趣科技的主要解决方案都是针对房地产、文旅、会议展厅、场景网购等行业和领域。像众趣科技这类公司的探索方向,主要是基于静态场景的立体化展现,它的可以让用户获得置身室内的感觉,但是很难有动态化的体验。

DataMesh主要专注数字孪生+XR技术,结合IoT数据与云端资源将企业知识经验数字化,以低成本、轻量化的方式帮助企业实现数字化转型。DataMesh的产品和服务方向主要是围绕着日常生产环节展开,比如常见的运维管理、车间巡检、仿真培训、施工建设等,在应用行业方面,DataMesh的产品和服务在生产制造、新能源汽车、道路交通、电力电网、建筑行业等多个领域落地应用。整体来说,DataMesh的探索方向并不是简单的展示,更强调虚拟世界和物理实体世界之间的互相协助、优势互补,进而帮助企业实现降本增效的目的。另外,DataMesh选择服务生产制造的企业用户,这类用户虽然行业不同,但是在某些场景中的需求非常相似,所以产品和服务在不同行业中的渗透力更强。

孪数科技是一家专注为企业元宇宙提供空间数字孪生创建及交互技术的公司,公司的研发方向主要是基于对底层CPU、GPU硬件及操作系统的优化和适配,通过对多源异构空间大数据处理,融合AI仿真算法与多终端三维渲染引擎的能力,满足用户在全场景、全要素、全生命周期中,对空间数字孪生内容的不同需求。目前,孪数科技的产品主要有QuantumCity和LinkME QuickSOP两部分,基于两款产品的功能和市场的需求,当前,孪数科技的产品和服务方案已经在能源、生产园区、港口等多个领域落地实践。

艾迪普是一家业界领先的数字内容智能生产及虚拟现实、虚拟仿真和数字孪生解决方案提供商。在底层技术和文件格式方面,其推出了完全自主知识产权的IDP Engine实时三维图形图像引擎,打破国外垄断,实现技术完全自主可控。同时实现自有文件格式MSD封装,该文件中嵌入了3D对象逻辑编排及交互信息,用户打开文件后,不需要借助其它软件通过编程方式实现逻辑关系,即可直接使用。在工业数字孪生应用中,可以很好的解决数字孪生体内部逻辑的保护问题。在工具方面,其基于自研引擎打造的iVis信息三维可视化工具,通过无代码可视化编程节点编辑方式构建起数据与3D对象之间的交互逻辑关系,以自有AI算法模组为基础,快速实现数字场景构建、数据对接、效果设置、交互设计、实时渲染输出等,解决了传统数字孪生项目制作中存在的技术门槛高、开发成本高、交付周期长等痛点问题。此外,该工具还与CGSaaS数字资产云平台无缝对接,平台中的海量模板、素材、模型等3D数字资产,可以帮助客户快速完成数字孪生可视化业务场景的还原与想法实现。

从上述几家数字孪生典型企业的探索方向来看,每家企业都有各自的特色,既有专注于数字孪生场景展现,也有虚拟世界与现实世界互动互补的服务。数字孪生无论在什么领域探索哪个方向,其底层技术的共性并没有变,比如建模仿真、大数据的传输与分析、人工智能算法的应用等,虽然不少公司在同一领域中均有涉及,侧重的方向也不尽相同,但是,几乎所有的领域都是服务于企业用户,像电影《头号玩家》中,类似于游戏的C端服务方向目前很少见。究其原因,主要是B端和G端的场景更固定、更加简单,而且单一场景成功之后更容易快速复制,实现商业化。

数字孪生从概念走向现实

据调研机构MarketsandMarkets预测,预计2027年全球数字孪生市场规模将增长到735亿美元。随着数字化的深入推进,数字孪生已经进入了一个产业爆发期。当前,数字孪生已经在工业、农业、教育、建筑等多个领域得到应用,通过数实融合助推实体经济发展。

在无人产线的工业环境中,运营人员需要监管的范围广、维度多,监控管理系统繁多,而且绝大多数是独立运营、分散管理,这就造成了不少“信息盲区”的存在,使得运营者和管理者无法掌控全局,难以实时做出最优决策,这就存在较大的生产安全隐患。而无人产线数字孪生系统的出现,实现了全要素数字化、生产过程实时可视化和运行状态监测智能化的效果,如此以来,运营人员和管理者就可以基于全流程可视化建立业务决策模型,实现产线状态评估、问题诊断、生产状态预测和优化,提升了工作效率,当然也降低了成本,某些用户的人员配置减少60%,项目成本也缩减60%以上。

在高校的某些实验室中,师生经常需要做危险度较高的实验,类似的安全事故也偶有发生,如果单单通过文本、PPT、视频教学,学生理解不深刻,此时,基于新型无代码数字孪生工具,学校可以低成本构建化工生产数字孪生实验室,通过对实验室工艺流程进行数字孪生应用场景构建,1:1还原物理设备,实时数据驱动,多种交互能力,实现了物理世界实验室状态的精细化呈现,既帮助教师和学生完成教学任务,也保障了实验安全。

压制发展的三座“大山”

尽管数字孪生企业在不断探索更多方向和领域,产品更加丰富、技术不断提升、场景更加落地,但是整个行业目前仍然面临着很多挑战。数据猿认为,数字孪生的全面发展和推进需要解决三大关键性难题。

首先是数据孤岛。这类问题经常出现在各种场景比项目中,比如在智慧水利的项目中,数字孪生平台通常需要收集河流的水文、天气、地形地势等方面的数据信息,甚至需要这些信息的历史数据,而这些数据往往并不在同一个部门,需要跨部门、跨地域收集,这时就很容易出现数据采集门槛高、信息基础设施建设不平衡的情况,如果这些信息无法正常采集,可能平台的应用功能会受到很大影响。因此,部门协调往往是需要最先克服的难题。

其次,建模困难。在大量的网络数据下,数据建模不仅要保证模型的丰富功能,还要考虑模型的灵活性和可扩展性,这就使得基本模型和功能模型的建设更加困难,有时基本模型建好了,但是随着应用的深入和场景的变化,未来可能随时要扩展。很多时候这就意味着需要“重新来过”,这种“劳民伤财”的情况也经常发生。

第三,缺乏行业标准。数字孪生涉及到5G、物联网技术、大数据、云计算、人工智能、模拟技术、网络和信息安全技术等,部分技术成熟度低,这就导致平台模型标准化滞后。缺乏标准化会使得行业的成本越来越高,各家平台难相融,无形中加剧了行业的正常竞争,出现资源浪费的情况。

基于此,数据猿认为,对于数字孪生这个新兴的领域,政府监管部门应该积极的引导和鼓励,首先由政府部门牵头,制定行业标准和规范,避免出现相同资源过度投放和研发的现象,同时对于数据的使用规范也需要加强规范和引导,促进部门的协同;其次,行业的参与者需要不断加强技术的研发投入,尤其是完全自主的技术研发,实现全面国产化;第三,平台公司需要多尝试跨行业、跨领域的合作与协同发展,与客户公司形成互利共赢的良好关系。

随着新兴技术的不断发展和创新,数字孪生在现实世界的落地应用将更加快速,平台的应用和功能更加完善、更具实时性和科学性,虚虚实实、真真假假,虚拟的孪生世界将为真实的物理世界弥补不足,平行世界或许就在不远的将来真实发生。

文:赢家 / 数据猿

关键词

24快报
JSON抓取失败