作為推動新一輪科技革命的顛覆性技術之一，數字孿生從提出之初就以其獨特的科技優勢、 廣闊的應用前景、無窮的發展潛力，受到全球業界專家的關注。 同時，人工智能、物聯網、云計算、大數據和區塊鏈等前沿信息技術的迅猛發展和廣泛應用， 為數字孿生的實現提供了堅實的技術底座。 通過開發數字化產品，改變產品設計、開發、制造和服務全生命周期流程，連接內部和外部環境，數字孿生能夠加速數字化、網絡化、智能化發展進程，可加速企業數字化轉型，促進數字經濟發展。

數字孿生是具有數據連接的特定目標實體的數字化表達， 該數據連接可以保證物理狀態和虛擬狀態之間以適當的速率和精度進行同步。 數字孿生具備實時交互、彈性擴展、高度保真、閉環優化等優勢，在城市、交通、制造、能源、建筑、農業、水利和國防等多個領域得到了廣泛應用。

1 系統參考架構

國家標準 GB/T 43441.1—2023《信息技術 數字孿生 第 1 部分：通用要求》對數字孿生的定義是： 數字孿生是指具有保證物理狀態和虛擬狀態之間以適當速率和精度同步的數據連接的特定目標實體的數字化表示。

數字孿生系統是一種基于數據驅動來實現目標實體與數字實體間各要素動態迭代的系統， 通常由目標實體、數字實體、兩者之間的數據連接以及數據連接過程中涉及的模型、數據和接口等要素組成，其參考架構由目標實體、孿生互動、數字實體和服務應用 4 部分構成，如圖 1 所示。 其中，實體是指具體或抽象的事物，包括這些事物之間的關聯。數字孿生系統擁有目標實體和數字實體兩類實體。

圖 1 數字孿生系統的參考架構

目標實體是現實世界被選中進行數字化映射的實體，屬于具體事物，包括實體本體和關聯關系。實體本體可依據產生時間、邏輯屬性和復雜程度進行分類，而關聯關系依據特征屬性和更新情況進行分類。

孿生互動是數字孿生系統中目標實體和數字實體之間的信息交互過程， 旨在實現目標實體和數字實體的動態迭代， 支持目標實體和數字實體以虛實結合的形式提供服務應用，包括測量與感知、反饋與控制等操作。 測量與感知可給出目標實體的數字化表達，內容包括目標實體的幾何特征、物理屬性和約束條件等； 反饋與控制包括數字實體對目標實體的信息反饋、輔助決策和執行控制等操作。

數字實體是目標實體的數字化映射， 包括數字模型和孿生數據。 數字模型通過對實體本體和關聯關系進行映射，反映目標內外特征和行為規律，主要包括幾何模型、物理模型、行為模型、規則模型、算法模型、優化模型和知識模型等；孿生數據是目標實體相關信息的數字化表達，主要包括本體數據、規則數據和衍生數據等。

服務應用通過應用支撐技術來實現行業服務，包括應用支撐和行業服務等。應用支撐包括可視化、仿真、分析、預測、優化和決策等技術；行業服務包括數字孿生在城市、交通、制造、能源、建筑、農業、水利和國防等領域的應用。

2 成熟度評價模型

數字孿生系統的成熟度評價模型由 11 個域、24 個指標構成，如圖 2 所示。 這 11 個域分別是數字模型域、孿生數據域、孿生互動域、可視呈現域、模擬仿真域、分析預測域、優化完善域、決策控制域、功能更新域、集成融合域和系統管理域。

圖 2 數字孿生系統的成熟度評價模型

數字模型域用于實現目標實體和數字實體的數字化映射，主要包括模型類型、模型精度和可復用性3 個指標。 其中，模型類型主要評價幾何模型、物理模型、行為模型、規則模型、算法模型、優化模型和知識模型的數量和質量等內容； 模型精度主要評價對模型類型、數量的要求以及精度調整能力等內容；可復用性主要評價模型配置形式及覆蓋范圍等內容。

孿生數據域用于實現目標實體和數字實體信息的數字化表達， 主要包括數據采集和數據處理 2 個平（手動或自動）、數據來源（傳感器或知識庫）、數據體量（局部或全生命周期）等內容；數據處理主要評價數據處理模式（手動或自動）、數據處理實效性（實時或非實時等）、數據處理正確率、數據處理速度等內容。

孿生互動域用于實現目標實體和數字實體之間的信息交互過程，主要包括連接性和實時性 2 個指標。 其中，連接性主要評價管控配置實體的能力（人工或自適應）、連接的穩定性、連接重構能力等內容；實時性主要評價平均交互時延、交互時延自適應調整能力等內容。

可視呈現域使用計算機圖形、圖像處理和數字建模等技術來呈現目標實體的模型和特征，主要包括可視化內容和可視化方式 2 個指標。 其中，可視化內容用于評價呈現內容的類型（基礎信息、動態數據、模型狀態、管控結果、預測結果、優化結果）、呈現的時效性（實時或非實時）等內容；可視化方式用于評價呈現的維度（二維或三維）、呈現的穩定性（靜態或動態）、呈現的關聯性（獨立呈現、連續呈現或聯動呈現）。

模擬仿真域通過將模型轉化為軟件，來模擬目標實體的確定性規律和完整機理，主要包括仿真精度和仿真速度 2 個指標。 其中，仿真精度用于評價對功能性需求的滿足程度、仿真結果與實際運行結果的一致性等內容；仿真速度用于評價實時決策、目標實體實際演進速度對于預測仿真速度要求的滿足程度。

分析預測域通過算法對數字實體進行時空推理、業務場景模擬分析、個性化計算和趨勢推演，基于目標實體的歷史數據和實時運行數據來預先推測目標實體的性能狀態、安全狀態、工作狀態等，主要包括預測精度、預測時長和參數規模 3 個指標。 其中，預測精度用于評價預測依據（歷史數據模型、真實動態數據、現有知識模型）和預測對象（數值、運行過程、狀態、性能、運行過程、變化趨勢）；預測時長用于評價預測實體未來變化時間量級（秒級、分鐘級）、智能管控或自主演化總時長與預測時長的比較，參數規模用于評價智能管控和自主演化所需參數能否得到滿足。

優化完善域基于對數字空間的仿真、分析和預測，改進和完善目標實體全生命周期的結果，并動態、實時和持續作用于物理空間，實現模型、算法和資源配置優化等， 主要包括優化內容和優化程度 2個指標。 其中，優化內容用于評價優化對象（行為、組成、結構）的完備性；優化程度用于評價優化效果、對其他實體運行結果的影響。

決策控制域通過分析與推理目標實體和數字實體相關信息，提出科學合理的解決方案，并向目標實體下達控制指令為決策人員提供實施建議，主要包括控制目標實體和控制數字實體 2 個指標。 其中，控制目標實體用于評價控制和配置目標實體的自動化程度、控制精度、對目標實體進行改造的能力；控制數字實體用于評價控制和配置數字實體的自動化程度、控制精度、對數字實體進行改造的能力。功能更新域通過對現有功能進行組合、分解、增強和選擇性裁剪操作，將功能自動遷移至另一種場景，實現相關功能自動部署，主要包括功能重構和功能遷移 2 個指標。 其中，功能重構用于評價可視化、仿真、預測、 控制和優化功能的重構能力（人工或自動）；功能遷移用于評價將數字孿生系統功能自動遷移至目標實體與數字實體演化過程所需場景。集成融合域通過導入模型、插件、集成傳感器、通信、智能分析、決策、機器學習等系統功能，融合MR（混合現實）、VR（虛擬現實）、腦機接口、大數據、大模型、機器學習、預測分析算法和知識圖譜等新技術，實現與傳感器、通信、智能分析、決策、機器學習等系統的實時交互，主要包括系統集成和新技術融合 2 個指標。 其中，系統集成用于評價模型插件導入能力，以及與傳感器、通信、智能分析、決策、機器學習等系統的功能集成和實時交互能力；新技術融合用于評價數字孿生系統與 MR、VR、腦機接口、大數據、大模型、機器學習、預測分析算法和知識圖譜等新技術的融合能力，以及融合后的實現效果。

系統管理域通過對物理和數字實體、 數據、內容、行為等要素進行安全管理，以及對模型、數據、算法、系統、平臺等要素進行資源管理，實現人力、設備、平臺的按需安全配置，主要包括安全管理和資源管理 2 個指標。 其中，安全管理用于評價系統在物理和數字實體安全、數據安全、內容安全、行為安全等方面的管理能力，資源管理用于評價系統在模型、數據、算法、系統、平臺等方面的管理能力。

3 發展階段劃分

依據數字孿生系統的成熟度評價模型，可以將數字孿生劃分為 5 個發展階段，即以虛仿實、以虛映實、以虛控實、以虛預實和虛實共生，如圖 3 所示。

3.1 以虛仿實

作為數字孿生發展的第一階段，以虛仿實是指采用可見光建模、結構光建模、激光點云建模、維度建模、實體聯系建模、手工建模、傾斜攝影建模等技術，來實現對目標實體結構外觀、屬性特征和能力行為的定義與數字化描述，其評價指標要求具體如下。

圖 3 數字孿生發展階段劃分

a）數字模型域。 模型類型：應是物理模型、幾何模型、行為模型、規則模型的任意一種。 模型精度：應需準確描述目標實體物理屬性、幾何結構、行為的某一方面。 可復用性：支持人工配置模型部分內容以實現復用。

b）孿生數據域。 數據采集：具備人工采集數據、目標實體靜態參數和從歷史運行過程或經驗中采集數據的能力。 數據處理：具備人工方式識別目標實體參數和明確現有數據間顯性關系的能力。

c）孿生互動域。連接性：具備人工管控配置數字實體和目標實體的能力。 實時性：無要求。

d）可視呈現域。 可視化內容：支持數據標簽、標識等模型基礎信息的呈現。可視化方式：支持 2D（二維）或 3D（三維）可視化展示和通過動態圖表連續呈現數據

e）模擬仿真域。仿真精度：滿足對目標實體進行仿真分析的基本需求。 仿真速度：無要求。

f）分析預測域。 預測精度、預測時長、參數規模：無要求。

g）優化完善域。 優化內容、優化程度：無要求。

h）決策控制域。控制目標實體：支持人工控制和配置目標實體。控制數字實體：支持人工控制和配置數字實體。

i）功能更新域。 功能重構、功能遷移均無要求。

j）集成融合域。 系統集成：支持導入利用其他建模軟件構建的模型， 或將其他軟件建模功能作為插件集成在數字孿生系統中。 新技術融合： 能夠融合MR、VR 等技術，或已將這些技術投入實際應用。

k）系統管理域。安全管理：具備與該等級功能對應的物理和數字實體、數據、內容、行為等系統安全管理能力。 資源管理： 具備與該等級功能相應的模型、數據、算法、系統、平臺等資源管理能力，并根據管理需要配置相應的人力、設備、平臺等資源。

以虛仿實階段的典型特征是“人工交互，離線仿真”。 在此階段，數字孿生模型從物理屬性、幾何結構、 能力行為和運行規則某個或多個維度對目標實體單方面或多方面的屬性和特征進行數字化描述，在一定程度上取代了目標實體參與實驗驗證和仿真分析， 但模型與目標實體之間無法直接進行數據交換和實時交互， 需要通過人工參與達成間接虛實交互，如人工控制和配置目標實體、數字實體。

3.2 以虛映實

作為數字孿生發展的第二階段， 以虛映實是指通過單向數據實時傳輸， 來實現數字實體動態跟隨目標實體的運行過程，其評價指標要求具體如下。

a）數字模型域。模型類型：至少應包含幾何模型和行為模型。模型精度：應能精準描述目標實體幾何結構和運行狀態。可復用性：支持人工配置模型部分內容以實現復用。

b）孿生數據域。數據采集：具備使用傳感器自動采集數據和目標實體運行動態數據的能力。 數據處理：具備實時整合不同來源、不同格式數據，并通過實時分析目標實體運行數據將其轉化為數字實體所需輸入參數或狀態變量的能力。

c）孿生互動域。連接性：具備連接目標實體與數字實體重要動態參數的能力。實時性：平均交互時延應為分鐘級。

d）可視呈現域。可視化內容：支持動態數據和基于動態數據驅動的模型狀態的實時呈現。 可視化方式：支持聯動顯示動態數據、模型信息和模型變化過程，并可按需調整呈現方式。

e）模擬仿真域。仿真精度：滿足對目標實體進行仿真分析的基本需求。 仿真速度：無要求。

f）分析預測域。 預測精度、預測時長、參數規模均無要求。

g）優化完善域。 優化內容、優化程度均無要求。

h）決策控制域。控制目標實體：支持人工控制和配置目標實體。控制數字實體：支持依據目標實體的運行數據對數字實體進行一致性控制。

i）功能更新域。 功能重構、功能遷移均無要求。

j）集成融合域。 系統集成：支持集成傳感器或通信系統功能，并與傳感器或通信系統進行實時交互。新技術融合：能夠融合 MR、VR 等技術，或將這些技術投入實際應用。

k）系統管理域。安全管理：具備與該等級功能對應的物理和數字實體、數據、內容、行為等系統安全管理能力。 資源管理： 具備與該等級功能對應的模型、數據、算法、系統、平臺等資源管理能力，并根據管理需要配置相應的人力、設備、平臺等資源。以虛映實階段的典型特征是“單向映射，動態可視”。 在此階段，目標實體相關時敏性數據驅動數字孿生模型常態運行， 其運行過程和實時狀態可同步直觀呈現， 且數字孿生模型的仿真結果與目標實體實際運行結果一致， 在一定程度上解除了時空和環境約束條件對目標實體監測的制約。需要注意的是，目標實體的控制和配置、 模型內容的復用和操作仍需人的介入和干預， 目標實體的可視化遙控尚未實現遠程操控。

3.3 以虛控實

作為數字孿生發展的第三階段， 以虛控實是指通過雙向數據實時傳輸達成數字實體與目標實體間的雙向交互，以實現數字實體對目標實體運行過程的實時監測與管控，其評價指標要求具體如下。

a）數字模型域。模型類型：至少應包含幾何模型和行為模型。 模型精度：應能精準描述目標實體行為變化過程。 可復用性：支持人工配置模型部分內容以實現復用。

b）孿生數據域。 數據采集：具備獲取數字實體運行過程以及目標實體與數字實體交互過程動態數據的能力。 數據處理：正確率與速度應滿足目標實體實時管控需求，具備通過實時分析數字實體運行數據生成目標實體控制指令的能力。

c）孿生互動域。連接性：具備常規高吞吐和高并發情況應對能力，擁有連接動態檢測、評估或預警機制，且連接具有相對穩定性。 實時性：平均交互時延應為秒級。

d）可視呈現域。 可視化內容：支持對目標實體管控結果的實時呈現。 可視化方式：支持聯動顯示動態數據、模型信息和模型變化過程，并可按需調整呈現方式。

e）模擬仿真域。仿真精度：滿足對目標實體進行仿真分析的基本需求。 仿真速度：無要求。

f）分析預測域。 預測精度、預測時長、參數規模均無要求。

g）優化完善域。 優化內容、優化程度均無要求。

h）決策控制域。 控制目標實體：依據對數字實體的虛擬控制和配置，實現對目標實體的及時控制與配置，控制精度應滿足目標實體的應用需求。 控制數字實體：在依據目標實體運行數據對數字實體進行一致性控制時，人工操作可無縫接管數字實體控制權。

i）功能更新域。 功能重構：支持人工配置目標實體管理和控制功能。 功能遷移：無要求。

j）集成融合域。 系統集成：支持集成目標實體控制系統功能，并與目標實體控制系統進行實時交互。新技術融合：能夠融合預測分析算法、機器學習、知識圖譜、腦機接口、大模型、大數據等技術。

k）系統管理域。 安全管理：具備與該等級功能對應的物理和數字實體、數據、內容、行為等系統安全管理能力。 資源管理：具備與該等級功能對應的模型、數據、算法、系統、平臺等資源管理能力，并根據管理需要配置相應的人力、設備、平臺等資源。以虛控實階段的典型特征是“雙向交互，遠程管控”。 在此階段，數字實體中孿生模型的運動邏輯和控制邏輯已相對完整，能夠精準反映目標實體行為變化過程，可以接受控制指令并在數字實體中完成比較復雜的運行過程。 同時，基于以虛映實，構建從數字實體到目標實體的數據傳輸通道，實現實時雙向虛實閉環交互，為目標實體提供可視化遙控能力，進一步削弱了時空和環境約束條件對目標實體操控的制約。 雖然對目標實體的控制并不一定達到智能水平或最優化目標，但是目標實體的管控效率仍得到大幅提高。

3.4 以虛預實

作為數字孿生發展的第四階段，以虛預實是指基于數字實體信息達成對目標實體的預測性分析和智能決策，以實現對目標實體的智能管控，其評價指標要求具體如下。

a）數字模型域。 模型類型：至少應包含幾何模型、物理模型、行為模型、規則模型、算法模型、優化模型和知識模型。 模型精度：應能精準描述目標實體的運行機理，可通過按需加載輕量化或高精度模型來實現模型精度調節。 可復用性：支持人工配置算法模型、優化模型、知識模型、物理模型和行為模型，支持行為模型的自主復用。

b）孿生數據域。 數據采集：具備從知識庫中采集數據的能力。 數據處理：具備從歷史數據中實時提取特征和從歷史數據和當前數據實現數值實時預測的能力，且具備實時分析和分解復雜管控方案的能力。

c）孿生互動域。連接性：擁有自適應配置或容錯機制，且具備知識庫和人的連接能力。 實時性：平均交互時延應為毫秒級。

d）可視呈現域。 可視化內容：支持對預測結果、優化結果和管控方案實施過程的實時呈現。 可視化方式：支持聯動顯示動態數據、模型信息和模型變化過程，并可按需調整呈現方式。

e）模擬仿真域。仿真精度：滿足實時決策對預測內容精度的要求。 仿真速度：滿足實時決策對預測仿真速度的要求。

f）分析預測域。 預測精度：具備依據真實動態數據的精準數值預測能力和依據歷史數據、模型的精準運行過程預測能力。 預測時長：應能依據動態數據實現秒級預測，預測時長應不小于智能管控過程所需總時長。 參數規模：應包括與管控需求有關的大部分參數。

g）優化完善域。優化內容：應包括目標實體在未來一段時間內的行為。 優化程度：應優于目標實體原方案運行效果，且對目標實體之外的其他實體運行結果不會產生顯著影響。

h）決策控制域。 控制目標實體：支持將智能管控方案分解為目標實體可執行的簡單控制指令。 控制數字實體：支持將智能管控方案分解為數字實體可執行的簡單控制指令。

i）功能更新域。 功能重構：應能對可視化、仿真、預測和控制功能進行人工重構。 功能遷移：無要求。

j）集成融合域。 系統集成：支持集成智能分析和決策系統功能，并與智能分析和決策系統進行實時交互。 新技術融合：能夠融合預測分析算法、機器學習、知識圖譜、腦機接口、大模型、大數據等技術。

k）系統管理域。 安全管理：具備與該等級功能對應的物理和數字實體、數據、內容、行為等系統安全管理能力。 資源管理：具備與該等級功能對應的模型、數據、算法、系統、平臺等資源管理能力，并根據管理需要配置相應的人力、設備、平臺等資源。以虛預實階段的典型特征是“時效分析，孿生預演”。在此階段，通過與目標實體進行雙向實時閉環交互，數字孿生模型能夠動態實時地反映目標實體當前的實際運行狀態。數字孿生模型顯性機理和數字孿生數據隱性規律的有機結合，在一定程度上能夠實現對目標實體未來運行過程的在線預演和對目標實體未來運行結果的預測，從而達成將未知轉化為預知、將突發和偶發問題轉變為常規問題的目標。

3.5 虛實共生

作為數字孿生發展的終極目標和最高階段，虛實共生是指實現數字實體和目標實體在全生命周期中的自主學習和迭代優化，其評價指標要求具體如下。

a）數字模型域。 模型類型：至少應包含幾何模型、物理模型、行為模型、規則模型、算法模型、優化模型和知識模型。 模型精度：模型精度可調整，應能精準描述目標實體物理、幾何、行為、規則等方面的全部信息。 可復用性：支持全部模型的自主復用。

b）孿生數據域。 數據采集：具備數字孿生系統外部數據和目標實體全生命周期數據的采集能力。數據處理：應能對各種類型和來源數據進行實時解析、歸類、存儲和利用。

c）孿生互動域。 連接性：應能自動識別、重構和新增連接關系。 實時性：平均交互時延應為毫秒級，且可按需對交互時延進行自適應調整。

d）可視呈現域。 可視化內容：支持對目標實體的變化過程、數字實體的變化過程、交互關系的變化過程等演化內容的實時呈現。 可視化方式：支持聯動顯示動態數據、模型信息和模型變化過程，并可按需調整呈現方式。

e）模擬仿真域。仿真精度：確保仿真結果與實際運行結果一致。 仿真速度：應大于目標實體實際演化的速度。

f）分析預測域。 預測精度：應能依據歷史數據、實時數據、現有知識、現有模型精準預測目標實體的狀態、性能、運行過程和變化趨勢。 預測時長：應能依據動態數據實現分鐘級預測，預測時長應不小于目標實體與數字實體演化過程所需總時長。 參數規模：應包括數字孿生系統中已明確的全部參數。

g）優化完善域。優化內容：應包括數字孿生系統在未來一段時間內的行為、組成、結構。 優化程度：應優于數字孿生系統依據原方案運行的最終效果。

h）決策控制域。 控制目標實體：支持對目標實體的外觀、內部結構、功能、交互關系、關聯關系進行改造。 控制數字實體：支持對數字實體的模型內容、模型結構、模型間關聯關系和數據進行改造。

i）功能更新域。 功能重構：應能對可視化、仿真、預測、控制和優化功能進行自動重構。 功能遷移：應能將數字孿生系統功能自動遷移至演化過程所需場景，實現相關功能的自動部署。

j）集成融合域。 系統集成：支持集成機器學習系統和新接入數字孿生系統，并與機器學習系統和新接入數字孿生系統進行實時交互。 新技術融合：能夠融合預測分析算法、機器學習、知識圖譜、腦機接口、大模型、大數據等技術。

k）系統管理域。安全管理：具備與該等級功能對應的物理和數字實體、數據、內容、行為等系統安全管理能力。 資源管理： 具備與該等級功能對應的模型、數據、算法、系統、平臺等資源管理能力，并根據管理需要配置相應的人力、設備、平臺等資源。虛實共生階段的典型特征是“決策優化，動態重構”。 在此階段，數字孿生模型不僅能夠實時反映目標實體的運行狀態，而且還能利用歷史數據、實時數據、策略算法、現有知識和現有模型，達成決策實時智能優化和目標實體智能管控的目標。同時，目標實體和數字實體通過雙向交互能夠實時感知和識別對方的更新內容，并利用預測分析算法、機器學習、知識圖譜、腦機接口、大模型、大數據等技術，來實現目標實體和數字實體的自主構建或動態重構， 確保在長期運行過程中數字實體的仿真結果與目標實體的實際運行結果保持動態一致性，提升可視化、仿真、預測、控制和優化等功能的有效性，實現高質量、低成本、可持續的數字孿生。

4 結束語

作為一種集成創新的技術體系， 數字孿生是具有數據連接的特定目標實體的數字化表達， 該數據連接可以保證物理狀態和虛擬狀態之間以適當的速率和精度進行同步。經過多年探索，數字孿生發展已進入快車道，成為培育新興產業集群、助力數據要素價值化、實現產品制造現代化、促進傳統產業轉型的重要抓手，數字孿生相關技術、應用、產業、標準、機制等不斷發展和完善。