信息、模型、软件，一直都在试图解释它们的物理背面。

世界是三元的，由物质、信息和能量组成。信息往往是物理资源的增值部分，它对外释放可以解读的含义。一个不携带任何信息的物理实体，是不可想象的。平时人们一般会更在意物理实体的价值，而信息则往往被忽略。但在关键设备的制造上，信息的掌握远胜于物理产品的拥有。

1980年中国最早引入的30万、60万千瓦的电厂设备，历经三年的谈判才从五家中选择了2家。谈判最艰难的，首先是价钱。例如普遍被看好的美国GE，报价比西屋公司要高一倍，只能放弃；第二个难点就是技术图纸的转让。当时瑞士BBC（后来合并成ABB公司）为此离开了谈判桌。而最后入选的西屋和另外一家公司，则做出了巨大的让步。他们最后提供的发电机组信息资料，高达35吨。（相比一台重量高达1.5万吨的60万千瓦电站锅炉，这个数字也真是惊人，当然这个单位本身也是一个讽刺。在进入数字化时代之前，一台设备的信息也只能向物理产品借用量度单位）。在这些资料之中，光图纸加起来就近十万张。这就是谈判的价值，技术的引进，最重要的是将信息做了一次巨大的空间交换。如果没有清晰的信息，各种制造活动和产品，都是令人费解的存在，而且运行效率也是极其低效。而在当下，信息的储存方式已经大不相同了，论吨重的样本和技术资料已经消灭了物理载体，这也使得物理实体的增值信息更加难以获取。博世力士乐的电子液压泵阀产品、卡特彼勒的工程机械，新产品的技术资料已经全部采用电子图纸。以前四处可见的非授权维修厂，凭借一张图纸就可以进行维修的时代，行将结束。信息再次隐身。仅仅靠着物理形态的辨认，追赶者想获取和识别先行者的意图，将变得越来越困难。

信息一直以各种方式替物理实体做解释，模型就是一种常见的例子。模型是信息的一种高级表达，它呈现高度组织化的特点，而且一般具有模块性，可以方便地重复使用。重用性是模型的最大美德，这太符合了人类分类记忆的需要。设计研发工程师借助于这些模型，脑海里的各种创意，被快速组合，形成可制造的产品。

第一和第二象限的穿梭

一个产品在数字化设计的过程，可以分解成各种颗粒度的数字模型。这些模型存在于一个世界，而物理产品和制造过程则存在于另外一个世界。这就是数字空间和物理空间的区别，二者可以看成是数学坐标轴上第一象限和第二象限的区别。中间存在着一条虚实分界线-·。

图1 从数字空间到物理空间

设计完成之后，最终会有一个确定的数字模型包（比如EBOM），跨越这条隐线，进入制造环节。但实际上，当设计师的细节设计冻结之后，并不会立刻在车间启动机器进行规模性生产，这中间还有一个环节就是物理样机。它会被制作出来，用来检查和验证数字空间的模型，是否准确匹配，包括人机工程、动力特性等。这是作为模型走向产品的最后一道防线，物理样机必须能够证明自身携带了正确的信息。显然，物理样机将生产的预见性，往前推移了一步，尽管两者都在同一个物理空间，都在第二象限。

很显然，没有物理样机的模型，直接进行生产将是冲动而危险的旅途。而在实践中，物理样机依然也是昂贵的，尤其是当它无法证明，一台样机的信息恰如其分地表达了模型的诉求，那么回头返工自然是难免的。工期、成本都会急剧上升，这是很多产品开发失败或者延期的原因。经常有人会说，设计决定了70%的成本，那是因为设计不仅仅需要完成物理产品的功能表达，而且在一开始就要设计出好的逻辑，让信息在整个前后流程中保持一致，贯穿产品生命周期之中。而大量失败的物理样机，则证明了信息的一贯性并不容易保持。产品不得不重回原点，而大量的资源早已经被消耗，一个工厂就会表现出缺乏竞争力的态势。

为了避免物理样机做无谓的冒险，生产的预见性，再一次被前移。它重新回到数字空间，数字样机在第一象限出现了，它对一个模型的性能、可制造性等，给与了更多的仿真与模拟。1989年，当时的仿真公司MDI（后来被MSC收购）最早提出了“虚拟原型“的概念，而其他计算机辅助设计CAD厂家如欧特克、UG、达索系统等，都从各自角度提出了数字原型、主动样机、数字样机等概念，其中数字样机DMU（DigitalMock-Up）的说法被广泛使用。它将三维模型之间的更多关系和上下文含义都倾注之中，并且进行了复杂的模拟。数字样机的存在，大大减少了物理样机的失败性（有些时候干脆直接替代真实的样机）。由于信息传递的一致性，制造的难度被大幅度降低。数字样机是一种信息代替物理的彩排，也是工业软件的一次大胜，它大大推动了用户端的普及。从这个角度讲，物理样机是一种信息资源阻塞而形成的昂贵过渡品。一辆汽车在真正走向规模制造前，需要花费巨大的成本去做吹风实验。汽车会被安置在一个巨大的风洞，通过强大的气流来模拟挡风玻璃、车体造型等阻力分布情况。而飞机、航天器的风洞实验则更是昂贵。造价巨大的风洞，可以说为物理实体而准备的纯金试验台。风洞一响，黄金万两。这都是信息堵塞而形成的昂贵代价。而后来，人们开始采用数字样机进行吹风实验的时候，成本开始大幅度降低。美国最著名的风洞实验室，兰利实验室的风洞开机次数现在是越来越少。

从这个角度而言，设计是最昂贵的制造。可惜这个环节，经常被选择性认知的障眼法给抹掉了。人们只相信在车间里高速旋转的机器，和跑来跑去的AGV小车。只有这些忙碌，才被认为是昂贵的成本因此格外受到重视。而设计，往往沦为制造工艺的从属。信息则更是被甩到一边。

密歇根大学Mr.Grieves教授在《虚拟完美模型：驱动创新与精益产品》一书中曾经提到：“信息是被浪费的物理资源的替代品”。如果我们往前推一步，就会发现，许多工厂里的成本浪费，其实都是从信息被忽视开始的。一台机器开始“生病”的时候，总会出现先兆性的信号。然而这种信号或者过于微弱，或者直接被省略，最后会造成工厂设备的OEE效率很低。从这个意义而言，如果要真正关注机器效率的提升，关注物料消耗的合理性，那么仅仅采用高档机器或者自动化仓储系统，是远远不足够的。这些机器、零部件之间的信息是如何传递和识别，才是提高效率的关键。

当这种信息传递被堵塞之后，物理资源的浪费将不可避免地加速。为什么丰田的精益模式经美国学者整理披露之后，一鸣惊人，成为所有工厂管理者的楷模？那是因为，在几乎所有看上去组织管理良好的工厂里，仍然存在着大量漫不经心的浪费。这些浪费是以机器停歇、重复加工、原料堆压、质量恶化、延迟交货等看得见的形式存在。而丰田的精益模式，则找到了背后那些关键的不可见的信息流。物品不再轻易被移动（如及时生产所倡导的零库存模式，就是为了封杀不必要的物体搬动），因为物理移动是有巨大成本代价。而廉价的信息流则需要先跑动起来。正确的时间、正确的工位，正确物料，都是由于信息流先行一步，才得以实现。

这是工厂一侧繁忙的景象，而工厂的另一边，则是用户的天地。

第三象限的产品孤儿

一件产品最终来到用户的手中，之前其实是走过了漫长的路。它最早起源于一个设计人员的神经元冲动，那个冲动就是一个主意。设计师将这个神经元冲动，捕捉后通过设计软件，将其转换成一个有尺寸有约束的模型。这个模型，通过虚拟数字样机DMU，和各种模拟仿真以确定未来的性能表现之后，就进入物理样机阶段，并且走向物理产品的制造。这是一个从数字空间，进入物理空间的过程。产品从第一象限的数字空间，进入了第二象限的物理空间。

图2 传统制造的产品三象限

产品制造完毕之后，就会交付给用户使用。产品离开了第二象限，进入第三象限的用户空间，而这正是一个产品的正常归宿，也是它实现价值的地方。唯有购买使用，一个产品才被确认为一个商品。第三象限最大的价值，就是确立了产品的终极意义。

然而，绝大部分产品，进入第三象限之后，就会跟制造厂家失去联系。这种现象，可以被称之为“产品孤儿”。它在第二象限由制造工厂生产，但它出厂进入第三象限之后，就基本与厂家无关——只有在故障需要质保的时候，二者才重新搭建那未必愉快的连接。产品失联最重要的原因是，产品从设计到制造全过程的信息，基本停止了流动。它或许留在制造商的手里，用户并不知道；或者产品运行的信息，留在用户这一头，粗心的用户未必关注，制造商也无从了解。

产品孤儿，本质上是因为信息流的断裂而形成的。这种断裂，是以用户与制造商之间的若有若无的连接作为分解线。支付完成的一霎那，二者的连接强度立刻急剧下降。考虑到制造商与用户之间，还有众多的分销商、代理商、安装队等，信息被彻底地打碎，七零八落，稀稀疏疏地存放在不同层级的机构之中。

设计、制造和用户，是发生在I、II、III三个象限的事情。设计和制造，在用户的另一边；制造和用户所构成的物理世界，在设计模型的另一边。象限之间的穿越，对于信息而言，并不完美，有些有用信息会流失而有些无关信息则会增加。这些都增加了回溯的难度。但重要的是，物理实体的移动是昂贵的，而信息流的移动是极其廉价的而且可以重复使用。因此让信息流替代物理的移动，总归是廉价的方式。

这种最基本的产品流转路径和背后的信息流动，主宰了数千年的商品社会的模式，而半个多世纪以来的设计工具和软件的大量使用，让信息的流动变得越来越透明，信息流动不畅而导致物理资源的浪费也变得令人瞠目结舌，信息的价值也开始备受人关注。

数字孪生的崛起

这样的认识，正在缓慢地得到强化。有了信息、模型、软件、数字样机的概念作为铺底，一种更容易理解、更亲民的概念开始登场。

数字孪生的概念，跟前面提到的Grieves教授有密切的关系。不出意料的是，这位教授是数字化制造四十多年的参与者，对PLM（全生命周期管理）软件了如指掌。很显然，这个概念的提出，跟产品全生命周期、产品模型、数字化制造等都有着密不可分的联系，数字孪生被看成是“把物理系统的数字化信息，重新构建成一个独立体”。而美国宇航局NASA在2010年发布的《模拟仿真技术路线图》则应该最早地在文献中明确提出了数字孪生的概念。

如果认为这是一个明星的动作替身，考虑到这个替身从来就是一个不曾公开的存在，物理存在几乎零，那么这种理解也是未尝不可。相比而言，Gartner将其定义为“真实世界实体或系统的数字表示”，这就要宽泛和笼统的多。它甚至提出的数字孪生组织DTO，未免让人更加难以摸得着头脑。

美国NASA在火箭台上则展开了非凡的实践。一台火箭和它对应的数字孪生，给予了人们直观地想象，并且真正形成了工程价值。然而，彼时的数字孪生，仍然是一个昂贵的奢侈品，或者说是一个高高在上的模型。它只能在非常有限的场合下工作。再到后来，GE航空的发动机，将数字孪生进一步请下神殿，形成商业化应用。在GE90的发动机引擎中，物理传感器只有14个，但它构建了数字孪生的模型。通过大量虚拟传感器，和各种时序数据，形成了庞大的数据流并进行针对性的分析。发动机的远程维护，变得更加可控，这是一个巨大而成功的商业模式。顺势而为，再到后来，GE的工业互联网概念名声大噪，也就顺理成章。

那为什么到了今天，这个概念才开始变得炙手可热。这背后最大的推手，无疑要属于物联网。万物互联，这种野心也包括万物的影子。而廉价传感器的普及、数字化技术的深度覆盖，让连接几乎无处不在。这也使得数字孪生，彻底摆脱了一个学术概念，成为舞台中心的关键角色。

数字孪生的“生命”从什么时候开始激活？这诞生一刻的荣耀，并不属于它的制造商。它并不是从设计软件CAD开始，也不是从PDM开始，无论设计师、制造商赋予它多少丰厚的“嫁妆”（模型、数据库、算法等），它的生命都是从交付给用户的那一霎那开始。这是一个模型，打开窗口走向光明最有意义的时刻。在此之前，所有的动作，都只是调试，都只是一个生命的准备。如果说，跟随新产品相伴而生的孪生，可以称之为原装数字孪生，那么围绕着已经运转的既有设备，也可以直接构建出“流通数字孪生”，它将指向更加明确的目标。

数字孪生就像是一张维基百科的网页，从一开始的空白，到第一篇文章，到更多的文章，这些网页会越来越厚，相互之间的连接也会越来越复杂。它们记载着数字孪生的成长，而这背后就是一种尝试，试图记录物理产品随时随刻的真实状态。再想一个简单的场景，如果翻阅微信支付上的一笔笔流水，这些数字所形成的轨迹，其实是以一种数字孪生的形态，记录了你的信用表现。

从这里我们会发现，数字孪生跟传统的模型、软件，最大的不同在于，它是自生长的动态模型。如果能够快速浏览一个数字孪生的全部寿命（这可能是几分钟，也可能是几十年），或许可以看到它进化的痕迹。就像一闪而过的人类进化史：一只猿猴站起来，手里有了火种，学会驯服小麦和绵羊，成为食物链顶端的万物之王，从田边进入城市。同样，数字孪生，由于具备积累记录、仿真优化的能量，开始学会不断增长。《人类简史》的作者赫拉利提到：认知革命（智人最早的起源阶段）让历史从生物学中脱离而独立的推动力，在此之前，所有人类的行为其实都是生物学的范畴。数字孪生当然不具备生物体的特征，但如果以这种比喻的方式来看，可记录能仿真，也使得数字孪生从模型范畴中进一步分离，二者有交叉，但也有更大的作用。

第四象限的新主人

产品的全生命周期（包括交付后的使用、运维直至报废），一直是产品制造商非常感兴趣的地方。但是这样的代价和成本往往都很高，只有少数高价值的产品才具有如此开发的必要性。对于美国NASA这样的机构，每一个发射的航空器都是昂贵无比，全生命周期追踪更是一个关乎生死的问题。因此这些实践，只能用于大型工程背景，并无法使得数字孪生在商业上广泛使用。

然而物联网的普及，改变了这一布局。一个产品交付用户之后，由于网络的无处不再，数据传输的便利性，追踪一个实体以及根据它的模型进行仿真，都变得触手可得。在用户侧出现了的数字空间的全新疆土。原本空荡的第四象限，有了新主人。数字孪生，它既呼应了物理产品的存在，同时也跟用户的使用息息相关。安静的第四象限，由于数字孪生的出现而变得热闹起来。

图3 第四象限的新主人

在没有数字孪生之前，三个象限有两个信息流通道，设计与制造之间是双向通道，这是信息空间和物理空间的交互。它可能在一个机构之内，也可能不属于一个机构。而制造与用户之间，一般而言是单通道，产品制造的信息传递给用户之后，就关闭了通道。产品处于“孤儿”无联系的状态。当然也会有例外，例如远程维护，就是一个制造与用户的双向信息交流。即使没有数字孪生的概念，罗罗发动机在1998年的时候，已经成功地将它远在天边飞翔的发动机监管起来，并且成功地将其锁定为一门商业模式。这一奇袭，曾经导致GE发动机，丢失了全日航空公司这样的忠实客户。而后来，这一种商业模式，已经成为航空发动机行业的标配，并且成为工业互联网领域最经典的奠基性案例。

图4 三条信息新通道

由于数字孪生在第四象限站稳脚跟，它增加了三条数据通道。一条是数字孪生与物理产品之间的交互：这是数字孪生的支点性定义。如果没有这一点，数字孪生与它的前身——各种模型，就毫无差别。数字孪生之所以从模型堆里面脱颖而出，就是它具备了与物理实体的交互性、相似性，许多场合还具有实时性。一向沉寂无声的数据仓库中，第一次传出了规律性的心跳声。这是第四象限作为全新疆土，对第三象限宣告了一个兄弟般的存在。

如果说产品孤儿是一个少言寡语的物理实体，那么数字孪生可就是一个热情洋溢的饶舌者。如果不加以限制，无时无刻它都在“说”个没完，海量数据是它最拿手的产出。这些海量数据是对物理世界的描述、诊断、预警甚至预测。而在特殊的情况下，这些数据也会触发实际的操作，从而控制物理产品。当然，这一点在工业领域，往往会被视为危险的动作。

第二条信息通道，就是它将自身的线索，返回到了制造商的手中。这条通道的合法性，还有很多限制和讨论。但制造商，终于可以拥有足够的信号，倾听产品咚咚的回音。这是一个里程碑性的握手，对于制造商改善产品的性能，意义重大。

中国工业文明有缺陷之痛，其中一点就是制造商与用户之间，无法形成友好而持续的互动。一旦产品交付之后，运行数据就被切断，持续的设计验证之路也成为断头路。而这本来是提升产品反馈信息的最好机会。一个锅炉厂、汽轮机厂，数亿元的设备交付给发电厂之后，基本上就各奔东西了。如果电厂未来有一天回头来找主机厂，那一般不是别的事情，而是“找茬”的，为出现的各种故障而要求修复。

第三条信息通道，是数字孪生指向了设计部门。一般而言，制造环节，会把数字孪生反馈的信息，提供给设计部门。然而更直接的方法就是，设计部门可以直接得到物理产品的动态信息。PTC曾经展示了一个令人心热的场景，那就是一辆自行车在穿越街道跨过小溪的时候，给设计部门传递回来的扭矩、胎压等信息。一个设计师，终于可以最直接地看到，自己的想法如何在物理世界进行打拼。那应该是一个无比自豪的时刻。

数字孪生，改变了人们对一个产品工况的期待。一辆汽车、一台机器，无论如何个性化定制，当它离开工厂之后，就会呈现一种平均数的特点。你的机器形状、尺寸，有可能是世界上唯一的一台，但它的平均能耗、常规应用场景都是被锁定在一个区间范围。机器设计参数，都会被提前设定为平均工况。原因很简单，信息流在产品交付的一霎那，就被切断了回路。制造商无法知道机器运行的实时情况。而数字孪生，让个性化定制，进一步走向了应用的定制化。实际上，个性化定用比个性化定制，更能体现用户专有价值的实现。

一家航空公司同时定制的5架同一批次同一型号的飞机，其数字孪生是各不相同的。尾号为N123的空客A321，一旦投入运营，就有其独一无二的数字孪生N123，即使它们出厂交付的时候所携带的信息完全一样。它使得一架飞机的运维，开始走向不同的场景。也就是说，由于有了数字孪生，机器的工况被即时记录，被压缩了的平均工况，开始复原成一种瞬时参数。只有到了这一步，才产生了真正的个性化意义。而这就回归了数字孪生的价值：它本来就是为了实时优化物理产品的性能而诞生的。

图5 从个性化定制走向个性化定用

而如果能够将全程的数据流打通，那么从第一象限到第四象限，就会形成一个源源不断的数据流。跨越四个象限的数据流动，才是驱动产品设计的澎湃动力。数字孪生在第四象限的崛起，使得整个数据流第一次在全生命周期内形成彻底的闭环。而这种信息交互与通讯的框架，保证信息传递的准确与保真，则显得尤其重要。

说到底这只是模型

数字孪生是描述世界的一种模型，或者说是一种高级模型。因为它包含了数据、分析、专业知识和软件能力，有各种接口和应用。但由于它的仿真能力，比模型有更多的针对性和能动性。在这一点上，它跟软件也有类似的地方。

这意味着数字孪生并不是真实世界的全部反应。它永远只是对物理世界的一个局部模仿、一个随动的模型、一个有缺陷的影子。它唯一努力的方向，就是向真实无限靠拢。这意味着，一个数字孪生的高保真度（HighFidelity）是一个关键命题。尽管这个独立体希望尽量接近真身的样子，但这是一个不可完成的使命。琳琅满目的数字孪生，就像苹果园里眼花缭乱的苹果，大大小小，都经历了丰收的季节。但在摘下之后，大小光润的不同，要分很多等级。优良的苹果可以卖出好价钱，而没开眼的苹果甚至都无法进入交易市场。数字孪生同样也是可以分好坏等级的。健康的数字孪生，会有更好的保真度；而一个糟糕的数字孪生，会远远地偏离它的物理实体。它完全有可能给人们虚假的信息，这就是危险的数字孪生。可以说，在数字孪生们的世界里，如果一个一个数过去，那一定是到处充满了病怏怏的病夫——它们并不能完成人们对数字孪生所寄予的那些过于热情的期待。

决定数字孪生健康度的要素，就要看数字孪生是以何种方式被构建出来。可惜，数字孪生现在被各个行业使用，全无数字孪生的标准，而每个公司又各有自己的定义。

总而言之，当下过于热心的描述，未免让人对它充满膜拜、放松警惕而疏忽事实的真相：数字孪生并没有全部重构物理产品的全部。恰恰相反，在绝大多数情况下，它是物理实体大量裁剪后的高浓缩简版。一台上千个零部件的机器，会被不同的用户裁剪成不同的颗粒度，也许只有几个零部件，进入数字孪生的世界。数字孪生，天生就是一个不完整的存在。

当然，它还是热烈的来了。

上有系统下有工具

健康的数字孪生，是如何产生的？专业知识当然是关键。而理解它的体系和工具，也是必不可少的。

尤其是对于复杂产品的数字孪生的构建，需要深刻地理解数字孪生的周边环境。它的出现，代表了一种全新的时空观连接，从过去现在到未来，从物理空间到数字空间。这背后是一个庞大的关系体系，而破解这种复杂关系的方法，就需要一套系统工程的方法论，需要对系统需求有一套完整的描述方式。

实际上NASA在2010年出现的数字孪生，有着严肃而宏大的工程背景。首先NASA打算把数字孪生完整地用在金星探索（VenusLander）计划之中，这是NASA野心勃勃的太空探索计划中的一部分。更重要的是，数字孪生是出现在一套完整的系统工程的技术架构体系之中，包括计算、建模、仿真和信息处理这四大金刚。数字孪生是四大金刚层层编织之后呈现的数字之心。可以说，数字孪生是推行了多年的基于模型的系统工程（MBSE），与物联网（IoT）时代的一个交集。如果剥离这些前后环绕的条件要素，视MBSE如无物，数字孪生难免不被庸俗化，被单独拎出来，变成了一件有趣好玩的界面游戏。单独的数字孪生是乏力的，它只是视觉上肤浅，满足了一种追求华丽表面的心思。只对数字孪生呈现了偏爱而舍弃了它背后的系统工程思维，就跟买椟还珠并无两样，这是工业界的一种选择性短见。如果进而将数字孪生放大成一种轰轰烈烈的示范项目，那更是会成为一个悲哀。

图6 NASA的系统分解结构图

要建设数字孪生，底层工具必不可少，工业软件最为明显。如果能够理解数字孪生最早是源自PLM的思考和延展，那么就可以理解为什么传统的PLM软件厂商（包括CAD、CAE软件），对数字孪生会如此热心。原有的武器擦得雪亮，就可以大展身手。有了传统工程师一直在使用的工具，结合当前流行的微服务、容器等技术，数字孪生也可以借助工业互联网平台进行搭建。GE为它的GE90的引擎，建立一个数字孪生，需要25周的时间。而借助于工业互联网平台，这个时间被期待降低到6周。构建之后，数字孪生可以以各种功能模块的方式，被嵌入到工业APP之中，也可以通过浏览器的方式，看到它所推送的信息和结果。

构建数字孪生就像是构建一座宫殿。屋顶是系统工程的架构，地基是各种软件。建造者将各种行业知识加载其中。当数字孪生备受赞美的时候，更需要深度领会系统工程才是引领结构的根本，而工业软件则是离不开的工具。

小记：小心概念风暴

数字孪生在第四象限所要代表的物理实体，无论是一台海上风机，或是一座宏伟的建筑，还是一个人口繁荣的城市，甚至是一个供应链，情况并没有太大的变化。少数、局部的物理特征，重新构建了一个令人耳目一新的新世界，这个世界可以伸缩、可以回放、可以重构，它更接近于“一切尽在掌握”的雄心。

数字孪生从第四象限的崛起，意味着制造商关注的焦点，从“产品经济”转向了“体验经济”。一个用户的体验，是一个很难量化的事情。然而通过数字孪生，很多抽象的参数，被实实在在的行为，忠实地记录了下来。体验经济，不再是心领神会的艺术，而是可以被捕捉的科学法则。这使得制造商的盈利点，有了新的蓝海航程。数字孪生实现了“个性化定用”，这也使得“个性化定制”的内在属性得以充分的发挥，这是体验经济的终极目标。大规模定用实现千人千面千机变。

可以说，数字孪生成为数据的全新分发中心。这就是第四象限的崛起的真正含义。它让一个三象限世界，终于变成一个完美对称的四象限世界。而产品的全生命周期的数据流，终于可以形成一个有价值的闭环。制造与服务的融合，变得更加顺理成章。

然而数字孪生终究只是一种可以仿真的模型，一种与工业互联网相得益彰的模型。它本身并不自动地释放价值，更不能看成是一种独立的生产力。单独拔高数字孪生的价值，并无太大的意义。它带来的最大启发，就是用更多的信息流动和数据分析构建一套“行为暴露真相”的叙事方式。在美国、在日本、在德国，数字孪生都只是一个普通的学术概念，工程界平静地拿来引用，不沾半点神奇星火。这更多的是一种思维方式的进化。与其迷恋数字孪生的魔力（其实没有），不如借机大力熏陶和推动系统工程思维的落地，否则数字孪生真的变成了一种推销工具软件的最好广告语。

林雪萍｜数字孪生：第四象限的崛起