不管你知不知道，数字孪生确实火了。
以它为技术底座的智慧城市增长惊人，2016年的时候，全国有300多个城市在建设智慧城市；2019年，这个数字是500个；又过了一年，试点的城市有700座了。
"数字孪生"的名字起得中肯，把真实世界的物体投射到数字世界中，形成孪生体，用以观测、甚至预测该物体的发展，这就是数字孪生。它被广泛运用在工业、智慧城市、智能物流等等领域。
举个例子，假如把它用在健康领域，我们可能会戴上智能手环等数据采集设施，把身体数据实时投射到系统中，系统自动生成我们的3D模型。外貌、骨骼状况、各个器官的健康状况，通过数字3D模型都一览无余。
当然，"观察"只是基础，它最核心的作用是"推演"。假设国家的新冠疫苗还在实验阶段，不确定是否对人有害，可以在系统中给虚拟的数字孪生体"注射"，数字孪生体模拟出身体的虚拟环境，最终推演出新冠疫苗是否安全。
受限于现有技术，验证药物安全性当然还没有实现，但数字孪生技术在各领域全面开花，是不争的事实。
会思考的城市、会主动进行效率优化的工厂、不用实体车撞击测试也能算出安全指数的汽车研发部门，数字孪生的应用边界突破想象。看似"玄乎"的技术，实际与我们的生活息息相关。
数字孪生：缘起航天航空，落脚各行各业
不少现今被广泛使用的技术，都脱胎于航空航天领域。
比如GPS，来自于美国研制的卫星定位系统，现在被广泛应用于民用定位；比如新型材料，应用在宇航器上的蜂窝铝，因防水防潮且质轻的特性，被制作成卫生间吊顶，走入千家万户。尖端科技的向下渗透，是生活水平提高的源动力。
数字孪生技术同样如此，它的落地应用早于理论，首次实践的是美国国家航空航天局。当时，NASA制造了两个完全一样的空间飞行器，其中一个留在地球，用来投射并预测执行任务的飞行器的状态，辅助宇航员在紧急情况下做出正确决策。值得注意的是，当时的"孪生体"还处于早期状态，仍然是实物。
直到2003年时，迈克尔·格里夫斯提出了"虚拟孪生体"的概念，数字孪生技术才正式有了理论雏形，并开始把形象投射到虚拟世界中。
它很快在工业领域得到了运用。较为简单的应用方式是，工厂建立虚拟装配模型，让工程师更好地了解已有产品的结构和运行状态。更深度一些的应用方式，则需要介入得更早，在研发期就运用数字孪生。比如ANSYS公司为通用电气做的数字孪生体系，它把每个配件（涡轮、引擎等）都制作成数字孪生体，研发时先装配出虚拟产品，并在虚拟空间进行调试，确认其各项参数符合预期，最后选出效率最佳的方案用在实体模型上。
在开模生产样机之前，就能搞清楚设计模型的缺陷并完成升级，这大大释放了研发的时间成本与资金成本。
（图源《数字孪生》陈根，虚拟装配模型，侵删）
说到这里，或许你也发现了，数字孪生技术与CAD有些许相像，它们都有虚拟实体；但两者绝不相同，数字孪生体是通过传感器不断采集并更新信息的，且它的核心点在于"计算出最优方案"，降低决策成本，而非CAD所强调的外观展示。
且不提功能，就单单从技术实现的角度来看，数字孪生也要复杂得多，它是一个集云计算、数据采集、通信、人工智能等技术于一身的组织体。
一个数字孪生体系必须包含数据保障层、建模计算层、功能层、沉浸式体验层。具体说来，a)需要先通过传感器完成数据采集，并且通过5G、光纤等方式完成数据传输。b)数据进入建模层后，通过云计算完成处理。c)在功能层被包装成符合企业/政府需求的、可落地的功能，比方说流水线各设备的寿命预估，在设备损毁前就触发预警。d)体验层也就是交互界面，当系统的数据信息非常庞大时，直观可感的交互也需要谨慎设计。
（图源《数字孪生》陈根，数字孪生技术的模型，侵删）
现今，这套系统正在加速落地，在多个行业中获得青睐。以大火的物联网为例，13%的物联网企业实施了数字孪生项目，还有62%的企业正在实施或有计划实施；此外，它在智慧城市及工业领域的普及同样迅速，波音777客机的研发就完全通过数字孪生进行，300多万个零部件，都靠数字仿真实现推演，研发周期缩短30%。
智慧城市虽好，但这些瓶颈还精准卡在七寸
·相比过去，现在的智慧城市覆盖领域更广，与居民联系更紧密
现今数字孪生最火的应用领域，莫过于智慧城市。为此，各国都全力展开了竞速。
韩国在2004年就提出了u-Korea发展战略，它的设想是用无线传感器，掌握停车场、地下管道等设施的状态。当时韩国供水系统的漏水率高达14.1%，通过传感器实时追踪渗漏情况后，漏水率大为降低，仅在供水系统上，这项革新平均每年为一座城市节约564万美元。而u-环境系统，可以检测空气质量，并自动开启道路洒水系统。
2007～2009年期间，一波智慧城市的尝试接连涌现。美国IBM和迪比克市宣布共建美国首座智慧城市，它很快为全市更换了数控水电计量器；欧盟提出智慧城市建设目标；澳大利亚开启智慧电网改造，希望能快速定位到电力故障的发生地点。
假如我们来复盘这个阶段的智慧城市项目，会发现它们所尝试的领域依然较为单一，运用方式也较为简单。主要集中在排水管网、电网、燃气管网、路灯等市政设施的管理，通过计算来分析已产生的故障，定位故障点，并派专员处理。
（城市路灯体系，图源版权共享网站Pexels）
2010年后，智慧城市的发展进入新阶段。从应用领域来看，智慧城市的覆盖广度增加，交通效率优化、寻人成为核心发力点；从使用技术来看，自动驾驶、人脸识别、AI技术得到广泛应用，因数据采集与云计算基础建设的完善，推演能力也有了大幅进步。
比如说百度主打的智能红绿灯项目，感知到拥堵情况后，自动调整红绿灯时长，大约能节约30%左右的交通延误时间。
此外，新阶段的智慧城市还有一个重要特征——2010年后4G爆发，移动互联网发展让更多用户触网，也因此智慧城市可以直接辐射C端用户。如果说此前智慧城市的尝试依然是在封闭系统中的，只能做到电网检测等，这个阶段它被赋予了更多民生需求。
京东数科与首钢基金S-PARK合作推出的"智能停车系统"sonic，就将大兴机场的停车场资源映射到了数字孪生体上，并实时将用户引导至闲置停车位。此外各类政务小程序也被开发出来，居民可直接在线上完成政务事务的办理。
·但智慧城市的落地依然不够理想，它面临严重的协同问题，以及资金问题。
尽管功能相当美好，但智慧城市的落地其实没那么容易。
落地过程中，协同问题相当严重，企业首先得搞清楚，找哪个政府部门对接。现在对接的管理部门五花八门，有的在规划建设部门，有的在发展改革部门，有的在工业和信息化部门，各部门对技术与业务的理解都有不同。
就算找到对接部门，打通数据也绝不容易。根据研究员金江军的说法，我国电子政务系统建设先纵后横、纵强横弱，而纵向信息系统建设又没有给地市、区县留数据接口。结果是，很多数据落在上级部门（省里或国家部委），真正去落地智慧城市的地市、区县，反而缺少核心数据。各层级、各部门各搞一套CIM系统的现象同样常见，烟囱林立，数据难打通，兼且系统重复建设严重。
也有一些企业搞定了前期的一切，在落地时，发现成本比预想的超出太多。智慧城市需要为每个项目搭建团队，等到落地时，产品测试还得驻扎当地不断调试改进。智慧城市系统还远远无法做成标品，按需定制背后需要整个团队做水磨工夫。
·技术层面，虚拟实体精细度受限。
现在，智慧城市面临的一大困境是虚拟实体的精细度显著不足。数字孪生的第一层就是数据保障层，但受限于技术或成本，传感器很多时候还做不到对城市数据的全域感知。而相比于航天航空、工业领域，城市的版图几何级增长，精细化尺度的城市数据采集，自然难上加难。
举个例子，假如智慧城市想建立小区级路网，并准确区分哪些路可供电瓶车行驶、哪些路仅限步行，这个路网该如何建立？倘若派出员工去每个小区测绘，人力成本会非常大，数据也做不到实时更新；但传感器所提供的数据，很可能仅止于"城市中人的移动数据"，而且GPS数据还有可能有0～15米的偏差。
想要解决，要么优化传感器，让基础数据就自行区分是何种路面（这在现在是不可能的）；要么研发独特算法来解决。
这种数据采集与应用层面的困境还有不少，但总体类似，要么由于传感器数量限制或损坏，导致数据的量和精确度不够；要么数据种类不同，很难直接处理并生成想要的结果。同样的问题，还发生在交通流、能耗等数据的采集与处理中。虚拟环境是地基，它的不完善会导致后续的模拟推演、人工智能决策被局限。
冲击瓶颈，技术、硬件领域迎来这些突破
目前智慧城市所面临的现实问题里，政务协同需依靠顶层设计推动，目前国家正着力避免数据孤岛与系统重复建设，提高协同效率。
而数据的采集与处理，还需企业来实现突破；此外，硬件的建设，也有助于整个产业的长期发展，目前国内已有相关的进步案例。
①技术突破-京东数科时空数据处理
还是回归"虚拟实体精细度受限"的问题，其中小区等非主干道的路径优化，已经被京东的时空大数据引擎——JUST所攻克。
所谓时空数据，是企业比较容易获得的脱敏终端数据，它会包括两个要素，终端的空间地理位置与时间，它们叠加在一起形成了行动轨迹。这些终端轨迹是海量的，要将其处理成功能明确的路网地图并不容易，JUST引擎会用"专有AI算法"过滤掉误差数据，然后对轨迹分段，提炼其中的有效部分。最后再用特征抽取、轨迹数据道路转换、中心线提取、路网整合和精细化的数据处理等手段，完成一张颗粒度极细的小区路网。
由于它是根据终端数据绘制而成，当小区进行路面维修，导致路网变化时，它也能很快更新出新的路径，符合数字孪生体对实时更新的要求。
除了京东数科之外，其它企业同样在数据采集、处理领域做了不少努力，目前较为成熟的是客流数据、物流数据、车流数据等的运用。
②硬件突破-雄安新区建设超算云
雄安新区是智慧城市的一个标杆，中国移动中标后对它进行了全面的改造。
它已落地的主要成就是完成了"城市物联网统一开放平台"的建设，在去年已经进入试运行阶段。这个平台接入了新区的水、电、气、热、道路交通、建筑的感知设备，可实现统一观测。末端设备的功能也集成得相当全面，单说路灯，就肩负着安防监控等9项功能。
中国移动完成了城市基础设施的管控，中国电信又开始推动底层算力的跃进。智慧雄安所区别于其它城市的，是超算云的建设，它由中国电信与雄安合作开发，占地45亩，预计在2022年投产运营。
在国内公有云商用成熟的背景下，政府与企业都能较为轻松地获得无限算力，但它的原理本质上是把计算任务分配给不同服务器处理，中间会产生通信时延。而超算云将超级计算机上云，在高性能计算上更有优势，适合处理数据密集型计算任务。
智慧城市产生的数据是海量的，而雄安打算打造一个"边缘计算、云计算、超算"相结合的计算体系，满足计算需求，在硬件建设层面形成突破。
尾声：数字孪生未来还有哪些可能性？
脱离智慧城市领域，数字孪生技术在其它行业内也有了不少新兴应用方式。
比如达索，它主要服务于飞机制造商，除了对产品本身建模，它把其原材料也数字化了，使用者可以更好地体验不同的外部环境给产品带来的变化，对波音等公司而言，堪称实用利器。
现今数字孪生技术依然运用于2B领域，随着新技术的突破，说不定在几十年后，它会将部分数据开放，并用于个人娱乐。
未来的某一天，或许我们可以靠着数字孪生技术环游世界。戴上一副VR眼镜，直接"空降"到虚拟孪生体中的冰岛，传感器采集到的图片信息实时传输过来，我能看到橘红的夕阳在堆满蓝冰的沙滩徐徐落下。
（用VR感受世界，图源版权共享网站Pexels）
要想实现这个"美梦"，暂且要等VR、数据传输技术有跨时代突破。
无论如何，数字孪生已经实现了一次又一次的版图升级——单个物体-工厂流水线-整个城市——那么未来出现"全球虚拟副本"，也并非遥不可及。
