将数字孪生（digital twin）与人工智能 （AI） 相结合，可以减少甚至消除产品制造过程中的“臆测”几率，降低因不合理的想法实施带来的损失。那么，到底什么是数字孪生，它又是如何使现实中的生产过程变得更加高效的？CXO TALK采访了西门子公司研发执行副总裁诺伯特·高斯博士。

数字孪生（digital twin）与人工智能 （AI） 相结合

西门子公司研发执行副总裁诺伯特·高斯博士将数字孪生定义为“物理实体全方位的数字化表示”。数字孪生技术可以加快产品上市时间、降低制造成本，并能够帮助企业开发更加有利的产品组合。

高斯博士阐述了“基于人工智能的仿真”是如何代替“创建多个物理原型”来实现新产品设计的。他还分享了西门子公司在产品生命周期内如何将“物理产品的数字化版本”与人工智能相结合。该产品生命周期包括设计、部件、制造、运营以及服务和维护。

此外，高斯博士还分析了过去十年中，西门子为了引入数字孪生自动化所面临的各种挑战，最后，他向考虑使用数字孪生技术的企业提出了一些建议。

简单来说，数字孪生是物理产品全方位的数字化表示。这个概念关键在于“物理产品全方位”，这意味着它涵盖了产品的整个生命周期。比如，它涉及产品的设计，包括从机械的角度来设计产品，它还关系到设备的嵌入式软件，以及与其相关的流体力学、电气等等很多方面。

当然，数字孪生也描述了如何制造产品，以及产品在操作、使用和维护期间的各种行为，总之，它应该是囊括整个产品生命周期的。

想象一下，如果我们在数字世界中拥有能够真正全面表示物理产品的数字孪生体，在有需要的时候我们就可以在数字世界中执行任何任务，使我们的工作效率加倍提升。比如，在数字世界中我们可以通过模拟仿真来测试各种想法和方案，相比传统的物理原型设计，在时间、资金、人力等各方面都能够实现最大化的节约。

数字孪生之所以能够应用到产品开发生命周期的所有阶段，是因为它能够实现许多不同模型的仿真，而不仅仅是一个模型。为此，企业可以在任何有需要的阶段采用适当的模型进行应用。

通常来说，“生命周期”是从产品设计或者工厂设计开始的。

在这个阶段，你可以尝试各种可能的想法。你可以构建产品的CAD模型，并对这些模型进行仿真测试。在这个过程中，你可以不断的对模型进行优化，并寻找最佳的模式。或许，你还要寻求最终物理产品所要使用的嵌入式软件，在这个阶段你同样可以采用模拟仿真的方式来测试，而无需真正的在物理实体上进行详细编码的方式去实现。

你可以在很多领域进行仿真，比如，CAD建模、软件仿真、流体力学计算、电路模拟……在产品设计阶段，人们有很丰富的模型来使用。

然后，下一个阶段我称之为“产品制造”阶段，也就是产品进入生产制造的一个阶段，你同样有很多的仿真工作可以开展。

比如说，你可以对产品的生产过程进行仿真或者设计，这是为产品的“可制造性”进行探索。这允许你在数字空间中构建一个反馈循环，通过模拟其制造方式来设计其可制造性。

一旦完成了制造过程的设计，你就可以着手对设计方案进行设施了。比如，对这些信息进行自动化的前馈，进而自动化的生成PLC代码。再比如，通过这个过程你就可以完成“前馈-反馈”系统的设计。

在产品制造阶段，你还可以对制造过程进行优化。

这时候，您或许需要一个相当准确的制造基地本身的模型，以便优化产品生命周期的这个阶段。

接下来的一个阶段就是“运营”，这是产品生命周期中最长的阶段。

在运营过程中，你还需要以最佳方式让整个系统高效运转。例如，你可能希望优化燃气轮机的效率或最大限度地减少燃气轮机的排放。或者，你还希望最大限度地减少大型电机的计划外的停机时间，等等。

在运营过程中，你应该采用不太复杂的模型。尤其当你需要进行实时调整和优化的场景下，系统无法承受复杂模型带来的数小时的处理时间。这时候，你需要想办法降低模型的复杂性。同时，对于要优化的关键组件，运营模型还必须非常准确。你可以尝试着降低模型的逻辑复杂性，以便可以为优化运营进行线上和实时的模拟。

最后还有一个很重要的阶段，那就是服务和维护。

在这个阶段人们通常需要采用数据驱动的模型。需要说明的是，人工智能在预测性维护场景下，从某种角度来看，只不过是另一种由数据驱动和定义的模型。这种模型也是产品生命周期中最后阶段需要使用到的。

重要的是，通过这个思路你会发现这种虚实结合的数字孪生理念是一个真正的前馈循环组合，越来越多的过程和操作你都可以通过自动化来完成。这也是从服务到制造、从服务到设计下一代产品、从工厂到设计等的良性反馈循环。

在公司层面上，西门子15年前就开始了数字孪生的探索。至少在10几年前，公司已经在这方面做了大量的投入，以确保产品在差异巨大的生命周期各个阶段的表示完全一致性，比如找到嵌入式软件在产品的机械设计阶段和流程设计阶段的联系，以及它在不同的阶段的表现，并最终将这种联系体现到数字孪生体系中去。在这个体系中，还有一个非常重要的组成部分，就是我们销售的产品。根据垂直领域划分市场的不同，它们的寿命在10到30年之间。

现在，从消费者角度来看，我们都已经习惯了每两三年更换一次设备。但是，我们仍然必须确保我们数字孪生体系下生产和销售的产品在 10 年、15 年甚至 20 年后仍然能够准确的表示，因此我们确实需要管理产品的生命周期。我们必须能够更新相关的软件，并在数字孪生体中表现出这些变动。我们必须确保已构建的数字孪生体能够不断的随着产品及其环境的变化而变化。你可以这么理解，如果你建造一个更大的工厂，你需要有一份工厂的设计图纸，如果图纸上对一些地方进行了改动，那么当我们真正的建造这个工厂的时候，这些变化也需要根据新的图纸来落实。

这种数字孪生的实施理念和流程已经在西门子公司建立起来了，也是公司的一个重要投入。当然，这不仅仅是将定义这些模型的能力引入公司，更重要的是这些模型和流程已经固化到公司现实中的工具箱和套件中了。

人工智能是一种技术，我认为它在数字化领域和数字孪生技术一样都很重要。数字孪生之所以重要，是因为数字化就意味着需要构建物理产品的数字表示形式。然后是人工智能，因为数字化确实与来自油田、工厂等任何地方的产品数据有关，并且从这些数据中挖掘价值，这个过程离不开人工智能。这就是这两种技术在数字化过程中脱颖而出的原因。

二者“走”到一起，而且实际上，它们也总是经常被人“相提并论”，在某些角度来看不足为奇。我之前提到，当涉及到维护，特别是预测性维护、预防性维护时，你确实需要基于数据构建模型，这些模型当然有很多都是人工智能的范畴。同时，我们也能看到人工智能模型和其他的物理实体的数字化模型其实都是数字孪生的一部分，所以，从这一方面来说，人工智能实际上一直是数字孪生的一部分。虽然我知道，对大多数人来说，这是一个不同的概念，而且它们确实是分属不同的领域，但是现在在数字化领域它们确实走到了一起。

人工智能在数字孪生的应用不止在维护这方面，还包含很多的其他应用。比如，我们可以将人工智能应用在模型降阶方面。模型降阶是一种已知技术，但在某些情况下，我们需要更高的复杂性和非线性模型，而这些模型使用传统技术很难线性化。比如，我们可以使用神经网络生成一个相当准确地表示电机的模型。

我们把非常复杂的设计模型放到神经网络中，借助深度学习可以把10亿个自由度的模型，削减到100个自由度，但是，经过削减的这100个自由度的模型，仍然能够提供我们所需要的模型能力。比如，我们不能直接测量大型电机的关键状态，也不能实时模拟这个状态，但我们通过这种降维方式仍然能够知道电机的运转状态。

我们还在“生成式设计”中使用人工智能。现在，生成式设计或者叫衍生设计、创成式设计的方法并不新鲜。但是，借助人工智能，我们尝试做的不仅仅是生成式机械设计，还做到了电路的设计。这样一来，我们就能拓宽所探查的设计空间，进而能够获得更多的设计选项。

通常来说，所有经过生成式设计生成的设计方案都必须进行模拟，这些模拟非常耗时。我们不是使用人工智能来进行方案模拟，而是使用人工智能预先选择可用性最高的设计选项。例如，在有限元模拟中收敛。我们首先利用人工智能来探索生成式设计的设计空间，然后使用人工智能来减少我们需要模拟的方案数量，我认为这种应用具有巨大的潜力。我们已经在多个领域这样做了，我相信它真的可以帮助我们拓展更多的应用。

实际上，我不认为有"最好的"应用场景这一说法。我确信数字化关乎产品的整个生命周期，当然，也取决于具体垂直行业领域。因为在一些垂直行业里面，并不是在所有阶段，你都需要应用数字孪生。比如有些产品运转和运营都很简单，这时就没有必要对其进行实时内联仿真。从本质上讲，对于每个市场、每个产品所有者来说，他必须明白在整个生命周期中产品都需要某种数字化的表示，以加快产品上市时间、降低制造成本，同时能够获得更广泛有效的投资组合，以便于为市场提供更好的产品和服务。当然，这依赖于通过各种方式获取到的各种各样的数据，比如传感器、服务报告……许多数据源，直到现在，其实在很多情况下，这些数据并没有真正被利用，也没有被挖掘出足够多的价值，但是在数字化时代，这些数据，以及从中获取的价值能够也需要反馈到未来的产品线。

我再次强调一次，我不认为哪些行业或者场景更加适合数字孪生。但同时，我们也不得不认识到采用数字孪生需要考虑自身处于哪个市场、属于哪种产品线等，这听起来像是有些矛盾。但是，就目标而言，数字孪生必须涵盖整个产品生命周期。

最关键的决策是如何开启数字孪生的旅程。在这方面我们没有一个蓝图，告诉一个公司应该在哪个产品、在哪个生命周期阶段进行。这时候，我们建议企业仔细分析所处的市场走势，以及如何找到自身与竞争对手的差异化优势，这包含当前的差异化竞争优势，以及如何打造未来的差异化竞争优势，及其原因等等。我认为数字化本质上是数字孪生，当你认清了差异化优势的时候，那里就是你启动数字孪生的地方。

企业都有竞争对手，重要的是企业能够找到自身的核心市场，也就是能够成为行业领导者的领域，能够认清对企业自身来说，什么才是最重要的。这是我们需要区分或想要区分为我们的产品的企业战略。当然，企业战略还有其他很多方面，但是，从投资组合战略的角度来看，就目前来看在投资组合上企业能够获得差异化竞争优势的突破口，我认为只有通过在投资组合中的数字化部分也处于领先地位，这才有可能打造未来的差异化竞争力。