近日，麥肯錫發布《技術熱門趨勢報告》（The Top Trends in Tech），對世界科學技術發展趨勢進行了研究。報告認為，更高水平的流程自動化、可視化，分布式基礎設施、下一代計算平臺、AI應用等已經成為各行各業的發展趨勢。同時，報告還對其中具有重要影響科學技術進行了深入洞察，具體包括：數字孿生、3-D/4-D打印技術、應用AI技術、云計算、邊緣計算、區塊鏈等等。文章選取其中部分技術洞察進行編譯分享，本期提供了麥肯錫有關“數字孿生”的洞察分析。

    以下是報告詳細內容：數字孿生數字孿生指的是某項資產的數字復制品，通過集成來自數字和物理世界的數據，可以：

    完成產品開發、制造流程規劃、工具開發和可維護性成本優化過程中的虛擬工程；▘實現營業資產的性能優化。

    通過集成來自設計、工程、制造和服務功能的端到端數據，數字孿生可以模擬一項資產的期望狀態或其在現實場景中的行為。管理層如果具有該領域的洞察，就能快速做出決策或自動優化行為。

    技術成熟情況

    數字孿生技術正在從基礎研究向大規模應用過渡，現在處于過渡的中間階段，尚未成為一項大規模落地的成熟技術。

    到2022年，數字孿生技術的使用相比2018年將增加3倍，70%的制造商將定期運用數字孿生技術。

    行業適用情況

    數字孿生技術正在從特定行業向各行各業應用過渡，現在處于過渡的中間階段，尚未成為一項在多個行業普遍落地的成熟技術。

    數字孿生對企業的價值

    增強預測能力：利用不同的建模技術預測各種情景下的未來。▘績效跟蹤和持續改善：利用數字孿生對某項資產的績效歷史進行統一整理，從而持續改進關聯資產和流程。▘了解資產前景：利用數字孿生集成各類數據，從而揭示資產間的影響和依賴。▘實現自動化：根據數字孿生產生的洞見將決策點編碼和自動化，從而減少決策者之間的重復決策。▘構建數據湖：由于創建數字孿生需要一個共同的數據源，所以公司不得不改變他們的數據收集和分析方法，這將創造更多的數字化和優化的可能性。

    應用示例

    01

    縮短進入市場的時間

    無需搭建基礎設施或產品就能夠模擬設計選項，實現設計虛擬化、開發和測試(例如通過同步工程做出制造驅動的設計決策)。

    如：汽車原始設備制造商在使用數字孿生前需要按順序做出設計決策，因而受到限制。特別是在設計安全帶緊固系統時，需要花費3天多的時間，增加了整體設計耗時。而根據設計和工程團隊的約束因素和目標建立了數字孿生模型后，確定最佳設計選項所花時間僅略大于1分鐘。

    02

    提高產品或服務開發的質量

    在真實環境測試(如多物理模擬)之前，就能查看各種設計選項在性能模擬中的情況。

    如，在使用數字孿生前，飛利浦生產的醫療成像設備(如磁共振成像)很難使醫生根據一組二維圖像重建和解釋病人心臟的解剖結構。但在使用數字孿生后，則可以根據患者的數字孿生創建三維心臟模型，提供有關心臟的規格和動態變化等詳細深入的信息。與使用二維醫學圖像相比，心臟模型將手術時間減少了82%。

    03

    提高息稅折舊攤銷前利潤

    降低運營成本(如通過有根據的流程規劃)、增加收入(如提升產品/服務的性能)。

    美國內華達州卡森市在用水高峰時期偶爾會停水。為此該市利用數字孿生來模擬未來供水情況(例如在用水高峰時期的情況)，以保證供水并節省運營成本。在使用數字孿生后，根據數字孿生提供的深度信息能夠重新實現3個縣之間的供水平衡。未來這種供水平衡將由數字孿生自動控制。引入數字孿生后，不僅使得工作時間減少了15%，還能保證5萬人口的水源穩定提供。

    此外，數字孿生還能減少資本密集型投資，使得管理者能夠根據模擬結果做出投資決策，從而降低冗余或替換的風險(因為產品是定制的)。同時，數字孿生還可以增加項目確定性，通過模擬可能路徑、追蹤績效并對標里程碑，在偏離項目計劃的情況下及時糾正(如把數字孿生運用到建設中的復雜項目)。

    發展前景

    未來五年數字孿生技術的發展前景如下：

    階段一：基于模擬的數字孿生技術將得到廣泛應用

    大型技術公司(如微軟云)使得技術孿生成為一種日益普遍的服務，從而增加該技術的使用案例。一旦出現了典型使用案例，也就是利用數字孿生獲得大量商業利益的案例(例如制造業中的機器操作優化)，就能鼓勵其他行業應用數字孿生。

    階段二：增強端到端的決策制定和優化

    數字孿生會被應用到包括設計和售后服務（端到端）的各個階段，將各個階段中產生的洞見整合起來，然后將這些洞見打包，使其可視化。管理層利用數字孿生提供的洞見和其他用戶技術(如混合現實)能夠做出更好的決策。由于數字孿生覆蓋了端到端，因此能進一步優化流程自動化，從而進一步提升效率，為公司創造收益。

    階段三：自動優化資產和連續制造

    AI驅動的流程優化和機器控制(如機器人)使得離散制造和連續制造之間的界限變得日益模糊。將數字孿生集成到物聯網/邊緣環境中后，數字孿生就變成了物理資產的智能軟件驅動程序，支持實時分析、反饋和實施。如果要在不同的生態系統和供應鏈中運用數字孿生技術，就需要實現應用環境(如客戶關系或價值鏈)的全數字化。

    數據/資料來源：1.專家采訪；2.麥肯錫公司的分析；3.Gartner物聯網部署情況調查（2018年）；4.國際數據中心2017年10月發布的《前景：全球物聯網2018年預測》；5.Forrester對AI的預測（2020年）；6.IHS Markit報告（2020年）；7.Fauenhofer研究所。