2023年7月28日，一份在数字孪生界颇具影响力的白皮书发布——《数字孪生工业软件白皮书》。本白皮书是由中国数字孪生界的知名团队——北航陶飞教授团队召集全国数十家工业软件产业的相关软件企业、工业企业和科研机构共同打造而成。本白皮书提出了一款工业软件是不是数字孪生工业软件的判断标准。

参考该白皮书，笔者结合自己所在企业的工程实践，提出数字孪生工业软件的十大特征。我们认为，除了具有数字模型建立的基础能力之外，数字孪生工业软件还应具备另外十大特征，一款软件符合这十大特征越多，那么它越像一款数字孪生工业软件。这些特征有益于工业企业选型数字孪生工业软件，也有益于工业软件企业发展自家的数字孪生工业软件。

这十大特征分别是：互动性、预测性、预感性、实时性、交互性、平台性、使命性、遗传性、社会性和开放性，如图1所示。下文分别对这十大特征给予展开讨论。

数字孪生工业软件首当其冲的特性是互动性。数字孪生这一概念提出的当天，就有人在追问它和仿真的区别，叹曰“既生仿，何生孪”，就像周瑜追问苍天“既生瑜，何生亮”一样。其实，数字孪生和仿真最大的区别就在于互动性。仿真的确是需要建立物理对象的数字镜像，也的确可以模拟物理对象行为，甚至这种行为仿真是可以具有时间特征的，即动态的，但所有仿真都是基于提前假设（想定）的初始条件（初态）和边界条件（环境）的。在真实世界中，物理对象的状态和环境其实是随时间千变万化的，这种变化即没法在想定时遍历，更没法实时（也就是并不反映当下的真实）。因此，只有建立了数字体和物理对象之间的互动关系，才可能基于当前的环境和状态来诊断和预测下一个状态。所以，缺少了互动系统，就不能称其为数字孪生体系。于是，我们将数字孪生系统定义为是由物理对象、数字镜像及互动系统构成的体系，如图2所示。

数字孪生工业软件的互动性由物联网（IOT）技术来提供。ITO技术为数字孪生体提供了“测量与控制”能力，用来实现数字体与物理对象之间实时互传信息和数据。数字模型利用测量系统，通过传感器获得物理对象的状态数据，譬如尺寸、速度、温度、光洁度等；利用控制系统，数字模型通过致动器向物理对象发送致动指令，譬如停止、加速、调节角度等。

如果说数字建模为数字孪生体建立了躯体的话，那测量和控制能力就像给数字孪生体安装一套类似生物的神经系统。生物的神经系统有两种，一种是感觉神经，就像这里的测量系统，另一种是运动神经，就像这里的控制系统。神经系统的存在，让数字孪生体可以感知和驱动物理世界。

数字孪生工业软件的预测性是基于完整信息和明确机理计算未来。预测性采用的主要技术是仿真，将数字模型与物理机理相结合，包括材料性质、理论规律、工程规律等，根据完整和实时的边界条件和物理状态，来计算和预测数字模型的下一步状态。仿真预测的输出结果必须具有确定化和无二义性的特征。

此处所说的仿真是广义仿真，那些具有明确物理机理的计算过程都属于广义仿真，包括物理（如流动、力学、化学等）原理确定并被实践验证，往往被作为成熟理论来使用，包含公理、定理、公式、数值计算、工程算法、经验公式等。模拟仿真采用的工具包括算法程序、各类CAE工具，譬如物理场仿真、人群仿真、交通仿真、物流仿真、组织仿真等，如图3所示。

我们把仿真预测称为“先知”，该过程提供了数字孪生体的“左脑”。人类的左脑专事逻辑推理和理性判断，只要具有明确规律和逻辑，不管多复杂，总是可以通过推理获得明确的结论，提前知道数字孪生体和物理对象将会发生什么。此时的数字孪生体就是一个有头脑、会思考的智能孪生体，特别是类似人类的理性思维特征。我们曾提出“无仿真，不孪生”的观点，就是因为数字孪生体的最有价值的特征是理性思考和智能判断，而仿真才能提供这样的特性。

数字孪生工业软件的预感性是基于不完整信息和不明确机理来推测未来。我们的世界中，大多数现象的物理规律并不明确，大多数情况无法获得完备的边界条件和物理状态，但我们仍然不得不对未来做出预测，哪怕是再模糊的判断，仍然好于毫无判断。如果要求数字孪生体越来越智能和智慧，就不应局限于人类对物理世界的确定性知识。其实人类本身就不是完全依赖确定性知识而领悟世界的。

人工智能（AI）技术是预感性的关键技术。利用交互性收集的数据，采用AI技术建立物理世界的近似模型，依据当前边界条件和物理状态进行下一步状态的预测，并且对近似模型逐步修正和优化。当前边界条件和物理对象状态虽不完整，但也只能作为近似模型的输入条件，输出的结果当然距离物理世界的真实情况有一定偏差。

我们把AI预感特性称为“先觉”，提供了数字孪生体的“右脑”，如图4所示。人类的右脑专事感性思维，利用直觉和第六感来获得对世界的判断和预测。当然这里指的直觉那种优秀的直觉，而非普通人的直觉。优秀的直觉源于对丰富经历和有效经验的高度总结，还需要经常性的深度思考和远期瞭望，恰似被良好训练的超大模型的AI。我们的社会中确有一类具有这种优秀和敏锐直觉的人，是他们引导着我们的企业、机构甚至人类的发展方向。

类似交互性，实时性是数字孪生与传统仿真和传统AI的另外一项巨大区别。

传统仿真过程通常是提前判定未来产品可能面对的各种环境，换算为工况或边界条件，同时给出可能的初始条件，然后预测给定时间后的产品运行状况。但实时仿真则需要获得即时的环境和物理世界的当前状态，以此作为边界条件和初始条件，来预测物理世界未来的运行状况。“实时”二字依赖于“互动”过程的测量系统来保证。

通常来说，CAE有两种类型：物理场仿真和系统仿真。物理场仿真通常是三维的，计算规模大、时间长，通常无法满足数字孪生体与物理对象实时交互的需要；系统仿真通常是一维的，具有速度快的优势，通常可以达到实时交互要求。因此，在数字孪生实践中，往往需要把三维仿真过程进行降阶（ROM），抽取其中你关注的特性和参数，转换成一维模型来参与计算。如图5所示。

通过AI过程形成的初始模型通常与实际情况有偏差，如果不能实时，该模型就无法进化。在数字孪生体实时数据分析过程中，随着机器学习的持续，算法和模型逐步改善，近似模型会越来越逼近物理机理，预测结果也会逼近物理世界。也正是因为这个原因，业界有人将AI视为科学研究的“第四范式”，科研方法从传统的三种方法——理论、实验、计算拓展到第四种方法，即AI。

数字孪生体是为人服务的，人需要通过影响数字孪生体的行为来影响物理世界，所以人机交互必然也是数字孪生系统应用的重要组成部分。人机交互是人类与数字模型打交道的直观可视化界面。这里可以展示数字孪生体的数据，了解数字孪生体的状态，也可以操作和干预数字孪生体，同时实现对物理对象的干预。

数据的可视化展示技术以及超现实（XR，包括虚拟现实（VR）、增强现实（AR）及混合现实（MR））技术是人机交互的两个重要技术。数据的可视化展示技术将数据和信息输出为高清、直观、可视化、可交互的图形图像，通过对数据的操作可以实现与数字孪生体乃至物理对象的操纵。超现实技术提供的深度沉浸技术让人类与数字世界交互模式可以与物理世界类似。（图6）

人机交互更像是数字孪生体的“五官”，但又超越五官所能提供的功能，将数字孪生体的应用推向极致。对人类来说，五官是人们相互认识、了解和沟通的界面，通过望闻问切基本可以了解人的身体状况，通过眼神和语言的交流可以了解人的精神状况。而数字孪生体的人机交互所提供的能力则超越了人体五官所能提供的功能。超现实技术使数字化的世界在感官和操作体验上更加接近物理世界，让“孪生”一词变得更为精妙。但在数字世界中，人类又具有超人般的特异功能，可以无限驾驭数字世界，例如变换大小、穿墙而过、隔空取物、时空穿越等。此时，人通过数字孪生体，开始获得超体的体验。《黑客帝国》电影给出了人机交互终极体验，人类与黑客帝国（Matrix）世界打交道的方式是：人的意识通过网络进入系统，与其中的各种数字孪生体进行交互。

数字孪生体本质上也是一个软件，是由另一个数字孪生软件开发而成，这个软件称为数字孪生开发平台，是数字孪生体的母体，我们将其称为数字孪生母体。数字孪生体是数字孪生母体下的蛋，并且孵成小鸡，如图7所示。我们比喻为小鸡而不仅仅是蛋，是因为数字孪生体是个可以自运行的APP，也就是说数字孪生体自己带有运行时（Runtime），可脱离平台的自运行的小型化软件（APP）。本文题目所说的数字孪生工业软件，就是这个数字孪生母体，即数字孪生开发平台。

自从数字孪生概念诞生，业界就一直有一种声音，认为数字孪生体应该具有针对物理世界的无限逼真度，要求数字孪生体和物理世界“一模一样”。其实，这是一种奢望甚至痴心妄想。一个数字孪生体应该有特定的使命：只能反映物理对象的部分体貌特征和行为特性，不能奢望反映物理对象的全部，只能选择与目的（需求、场景）相匹配的核心特征和关键行为来建立孪生体。

举几个实例，譬如，为了研究设备的全局特性，我们只能建立系统模型来进行系统仿真，而不能建立三维实体模型来进行全物理场的计算。同样的原因，如果只关注电路运行参数，我们就只建立电路原理模型而不是建立电路板模型。对于具有大量机构装置的设备，为了获得机构的运行规律，我们只应建立多刚体模型，而不能建立全柔体模型，虽然从理论上讲柔体模型更逼近真实世界，但海量的计算规模及其导致的误差，使得实际计算结果未必真的比多刚体模型更接近物理世界。同样的原因，如果结构刚度是主要关注指标，那我们更希望把梁壳结构用梁壳单元来简化，而不是用全实体单元进行计算。

所以，我们应该追求数字孪生软件应该追求“可信度”，而不是“逼真度”。可信度是与使命、目的、需求和场景相关的概念，而逼真度则是一个绝对量。追求逼真度既不可能（很困难）又没必要。因此，我们接受数字孪生体的“不完美”，而不是因为“孪生”二字就追求无谓的“逼真”。

同一物理对象在生命周期的不同阶段有不同的数字孪生体。数字资产记录了数字孪生体整个生命周期中的全息数据，并反映这些数据在数字孪生体整个生命周期中的演变路线，同一物理对象的孪生数据必须连贯和传承。我们需要记录孪生体整个生命周期中的全息数据，以反映数据在孪生体全生命周期的演变。在这路演变中，数字孪生体中的数据就像生命体的基因，它的积累、管理、追溯和共享既是其存在的基本特征，又是其进步的必要手段。数字资产通过传承、协同和进化，向历史学习，向他人学习，从而实现持续成长。

这种过程需要基于统一数据标准进行数据融合与共享，统一数据底座和数据模型便具有异常的重要性。数字线程是承载遗传性的关键技术。数字线程是指可扩展、可配置和组件化的企业级分析通信框架。基于该框架可以构建覆盖系统生命周期与价值链全部环节的跨层次、跨尺度、多模型的集成视图，进而以统一模型驱动系统生存期活动，为决策者提供支持（图9）。

数字线程的目标就是要在系统全生命期内实现在正确的时间、正确的地点，把正确的数据传递给正确的对象。这一目标和上世纪九十年代PDM/PLM技术和理念出现时的目标完全一致，只不过数字线程是要在数字孪生环境下实现这一目标。数字线程是与某个或某类物理实体对应的若干数字孪生体之间的沟通桥梁，这些数字孪生体反映了该物理实体不同侧面的模型视图。

物理世界的普遍联系决定了不同数字孪生体之间具有普遍联系性，人与人之间的联系构成了人类社会，数字孪生体之间的联系构成了数字社会。人类之所以进步，是因为我们的祖先和同期贤达将他们的思想和成果用某种手段保留和传递，使得我们可以传承祖先和贤达的智力资产。