數字化大體系中，數字孿生的概念極為重要。數字孿生也被稱為數字映射、數字鏡像。
什么是數字孿生？3D模型建立是否就是數字孿生？對于工程行業建立了BIM模型是否算實現數字孿生？數字對象與物理對象呈現什么樣的關系時，算是實現了數字孿生。這些問題理清非常重要。
“數字孿生”概念和技術如此重要，2016年起，Gartner連續四年都將“數字孿生”（Digital Twin）列為當年的十大戰略科技發展趨勢，持續看好數字孿生在未來發展的前景。
（圖片來自Gartner）
理論與實證越來越多驗證，數字孿生技術已是我們向智慧行業和智慧社會發展的關鍵技術，要想實現智慧化，必先實現數字化，數字孿生技術是實現數字化必備技術。沒有對管理對象和業務實現數字孿生，數字化原則上就沒有實現，智能化也就不可能實現。
很多人認為，“數字孿生”思想由密歇根大學的教授 Michael Grieves 博士最早2002年提出的， 但并沒有充分資料支撐。真正有據可查的是，美國空軍研究實驗室（AFRL）最早2009提年出了數字孿生概念，用于解決戰斗機維度工作的數字化支持。2009年美國空軍實驗室（AFRL）提出了“機身數字孿生（Airframe Digital Twin）”的概念。2010年NASA也開始在技術路線圖中使用“數字孿生（Digital Twin）”術語。
大約從2014年開始，西門子、達索、PTC、ESI、ANSYS等知名工業軟件公司，都在市場宣傳中使用“Digital Twin”術語，并陸續在技術構建、概念內涵上做了很多深入研究和拓展。
“數字孿生”的定義
數字孿生的定義還沒有完全被權威定義，還各有說法：
百度百科采用的美國國防采辦大學的定義：數字孿生是充分利用物理模型、傳感器更新、運行歷史等數據，集成多學科、多物理量、多尺度、多概率的仿真過程，在虛擬空間中完成映射，從而反映相對應的實體裝備的全生命周期過程。數字孿生是一種超越現實的概念，可以被視為一個或多個重要的、彼此依賴的裝備系統的數字映射系統。
德勤的定義：從根本上講，數字孿生是以數字化的形式對某一物理實體過去和目前的行為或流程進行動態呈現，有助于提升企業績效。
資料來源：德勤大學出版社
ANSYS公司：數字孿生是在數字世界建立一個與真實世界系統的運行性能完全一致，且可實現實時仿真的仿真模型。利用安裝在真實系統上的傳感器數據作為該仿真模型的邊界條件，實現真實世界的系統與數字世界的系統同步運行。
中國航空工業發展研究中心劉亞威：從本質上來看，數字孿生是一個對物理實體或流程的數字化鏡像。創建數字孿生的過程，集成了人工智能、機器學習和傳感器數據，以建立一個可以實時更新的、現場感極強的“真實”模型，用來支撐物理產品生命周期各項活動的決策。
本文的“數字孿生”定義：數字孿生就是通過軟件數字建模技術將管理運營對象（物理實體、業務或流程）在軟件系統（數字世界）中實現數字還原和數字建模，盡可能實現數字模型與物理世界中的物理對象一一對應，實現完全的映射，不僅具有有業務、管理所需要的所有高細度數據，還能仿真出真實管理運營對象的越來越全面的業務邏輯、空間邏輯和物理邏輯。這樣就實現了管理運營對象的數字孿生，即在軟件系統有一個管理運營對象的數字孿生體，可以越來越完全的反映、模擬和仿真真實管理運營對象的真實情況，這樣可以還原過去，預測未來，驗證很多假定，給予設定的場景數據，就能驗證會發生的結果。
隨著近年數字建模技術的快速發展，通過數字孿生技術實現城市、行業、企業和業務智能化管理有了可行的路徑。
數字建模技術的體系很龐大，傳統的信息化系OA、ERP統也能實現線性流程和業務的數字建模，在一些行業包括工程行業的某些業務在其它數字化技術如IOT的協同下，實現業務的數字化是可行的。有沒有實現數字化建模，關鍵在看數字對象能否1:1還原業務對象，業務邏輯能模擬仿真出來，所有的數據能調到利用，所有的數據關系能還業務對象真實邏輯構建出來，因此并不是實現3D才是數字化，當然更不是大數據就是數字化。
大數據與數字孿生
有了大數據，為什么還要數字孿生。大數據與數字孿生無必然關系，數據量再大，也很難反映真實世界關系，且缺少數字孿生體構建數據關系，大量數據無法解讀，無法利用，無法創造數據價值，所以數字化（實現數字孿生）才極為重要。
現在很多互聯網大廠擅長大數據處理和算法，在零售等一些相對簡單的行業可以說是有了數字化能力，但對于工程、智慧城市這些基于建筑、工程項目和城市基礎設施的領域，這些大廠的數字化能力仍然相差很遠。
當前我們有了越來越大的感知能力，即掌握的數據越來越大。但現在實際情況是很多數據根本用不起來，并消費巨大的存儲空間和能源，原因在于這些數據之間關系建立不起來，很難實現集成計算、整體計算，即現在人們很難讀這些數據，因此數據利用率很低。如果這些數據的業務邏輯、空間邏輯、物理邏輯被高效率低成本、完全與物理世界一樣在虛擬世界中被建立起來，就可以被系統高效率計算利用。
工程行業的數字孿生：BIM是關鍵
實現工程行業的數字孿生，需要一系列數字化技術的集成應用，OA、ERP、IOT、AI算法等信息技術系統都會是其中的重要組成部分，其中BIM最為關鍵，是工程企業成為基于數字模型運營企業的基礎性技術。
BIM雖然充滿爭議，卻是建設行業實現數字化關鍵
這是工程行業的本質決定的。工程行業是所有行業中產品最大，不標準產品，數據量最大，低維度的數據庫很難完成物理對象的數字化建模，即實現物理對象的映射。
我們也可以用傳統信息化系統OA、ERP等解決一些業務、流程的數字化，只要通過這些信息系統實現足夠細度、完整數據的獲取，并且能還原卻能動態仿真、模擬出業務和流程的業務邏輯，原則上就算實現了數字化。但無論項目管理的核心業務還是企業級的核心業務，如成本、質量、安全、技術，甚至是財務管理，真正實現工程業務（物理對象）在數字對象的還原仿真，需要BIM數字對象的技術支撐，否則難以做到。
BIM的本質是人類開始可以用一個數據庫技術來表達一個大型復雜工程，以往人類只能用線條和平面來表達一個工程，僅這一點，BIM就是人類革命性技術，將帶來整個社會的深遠影響，
幾個認知誤區
傳統信息化就是數字化
不能實現物理對象 1:1 數字還原，建立完全仿真出物理對象業務邏輯的信息系統原則就未達到數字化的層級，現有傳統信息化技術對較簡單業務和流程能實現數字化建模，對大量核心業務脫離BIM技術還是不能實現數字化。
3D就是數字化
非BIM的3D模型技術都是非數字化的，激光掃描、傾斜攝影形成的3D模型是非數字化的。還是要根據數字化的定義去判斷數字化的實現程度。不能還原仿真業務邏輯的信息模型都還不是數字化模型。
藍圖、電子文檔（PDF、CAD）、OA&ERP、BIM、AI，是工程行業從物理介質表達，到電子化、信息化、數字化，最后到智能化，這是一個漸近的過程。
僅有IOT的智慧工地
IOT不論有多少個專業系統，原則上物聯網應用，還遠未達到智能化程度。基本上只實現了信息的實時感知，各個IOT系統的數據業務關系并未建立起來，未能對所有IOT子系統數據實現集成計算，當作一個整體來處理數據，智能化程度就還相當有限。
沒有數字化就在講智能化
AI的作用是有前提的。
AI通過機器學習可以分析出相關性，或判斷出一些趨勢，但更多的業務分析還是不行，只能用于局部小場景。事實了如果數字對象已能還原出物理對象的業務邏輯，不用AI 算法，直接用業務算法即能解決大部分業務問題。數字化對象對算法的要求降低了，更準確了，算力要求更低了。
結語：智能化企業是基于數字模型運管的企業
要實現智能化企業，要先實現數字化轉型和升級，即要先完成所有業務和決策越來越基于管理的數字化模型，對工程實體進行數字化建模，對管理流程進行數字化建模，對企業運營模式進行數字化建模。
對工程企業用好BIM就是關鍵之一，雖然BIM近年還有不小負面影響。BIM技術已相當成熟，用好還要花些心思。
