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。

除了模型之外，软件也是信息的一种高级组织形式。它萃取了信息中的知识，成为可执行的信息组合包。相对于松散的信息而言，它的战斗力优势就像是一个全副武装的士兵之于一个赤手空拳的平民。可惜，这个比喻在中国是经不起推敲的。因为一台设备的估价，和一套软件的估价，几乎是天壤之别。如果没有设备撑腰，软件由于无形而经常被看作是无价。它经常被捆绑在机器中一并销售，看上去像是“免费赠送”的。软件巨大的价值，却只能以设备的溢价来表达。这是一种选择性认知，体现了人们对信息价值依然充满了许多无知。

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。

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[敏感词]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[敏感词]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[敏感词]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[敏感词]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[敏感词]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[敏感词]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[敏感词]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。