數字化轉型是當前很多組織的發力點，形式多樣。數據要素則是一個重要線索。數據要素已經從國家層面正式提出來，這是一種全新的思維方式轉變。每一個數據，其實都是數據要素，但這個要素一直在變換形態。從設計、研發、生產、制造、營銷，一直到用戶使用，它面向的群體是不一樣的。因此，數字要素是有生命力和應用場景的。在數字化轉型過程中，如何發揮數字要素的價值，非常值得關注。而不同的相關群體，如在預測和決策方面所要求的數據要素，關系也大不相同。


數字孿生是將數據要素重新編織在一起的重要載體。在整個數據要素的變化過程中，包括設計對象數字化、運行環境數字化、運行模型數字化，同樣的數據參與了不同的流程，呈現了不一樣的特征。

數字孿生就像是數字化的替身演員，與物理實體相比，它的試錯成本會大幅度降低。人們在現場完成調試和改善的成本是巨大的，而利用數字孿生技術則可以利用模型驅動，提前虛擬試錯，減少昂貴的物理實體的移動和消耗。

筆者在2008年就開始組建數字孿生的團隊，為一家煙草工廠的設備零部件建立起 3D 虛擬輔助維修，以解決昂貴的機器維修問題。當時一臺設備的投入動輒上億人民幣，近2萬個零部件，沒有三年以上的培訓，工人不敢開動機器；而一旦機器有了故障，往往需要等國外工程師來修復。后來采用了將機器零部件逐一建立1:1的數字模型，然后按照機器運動軌跡，建立空間實際運動機理，并且將電路圖、使用指南的知識都進行了數字化。這三者不同的數據要素重新結合在數字孿生機器里。當機器有故障的時候，維修人員就可以按圖索驥，直接在屏幕上分析出故障位置，并且借助于電子手冊，找到合理的維修方式。早期的數字孿生，讓一臺高不可攀的設備，變成可以輕松上手的尋常機器。

十三年過去了，隨著數字化技術的完善，數字孿生也越來越成熟。2021年5月27日，國家統計局公布了《數字經濟及其核心產業統計分類(2021)》(簡稱“統計分類”)。數字孿生首次列入其中，正式成為國家統計指標。

從數據要素到數字孿生，落地應用越來越務實，這是數字化轉型的快速進步。

那么，數據源從何而來，向何而去？道理很簡單，實踐很繁雜。

這幾年的智能制造，讓IT與OT兩個不同方向的團隊開始走向融合。但是信息化的團隊盡管在絞盡腦汁研究機器如何管理，如何做設備控制模型，但實際對設備并不了解。而OT的團隊則不懂編碼技術，心中萬千體會也無法實現軟件化表達。如果這是兩支團隊分別行動，那么IT與OT兩張皮的現象是永遠存在的。后面我們用數字孿生技術最好的方法是，OT人士和IT人士組成一個緊密的團隊，并且以數字孿生為對象，將很多數據在邊緣側解決。特斯拉電動車就代表了一種很簡單而先進的方式。汽車有兩類芯片，一類芯片是控制車子的運行，還有一類芯片在管理現場設備。在行駛過程中，邊緣側會有自己的處理程序。如果碰到一條新路，云端沒有的時候，邊緣側先形成一套路徑。隨后這段新路段的所有數據，就會全到云上。而后下載到任何一臺特斯拉的汽車，一條新路變成了所有車的老路。數據的特征描述也同樣非常重要。就地處理數據，就涉及到數據清洗。很多臟數據和不準確的數據需要剔除掉。而對于處理好的數據，由于如此之多，必須能夠快速合理地設置標簽，以便于后續不同場合進行調用。就地處理，實現標簽認定和標識界定，就可以使得數據的去向變得非常清晰。

工業互聯網平臺的架構，從邊緣層、PaaS，到SaaS層來區分，這是一種視角。如果完全從另外的角度來看，也就是數據要素的架構。一個工業互聯網平臺里面，它的數據要素是什么？所有數據放在這里是干什么，為什么要放在這個位置，哪些數據是在Paas層，哪些是在邊緣層，搞清楚這個原理了，工業互聯網平臺就迎刃而解了。

原來的信息化系統都是由N個不同信息化公司建立的，所有數據都是單列的，天生就是煙囪式一樣的相互分離。很多數據庫，如ERP數據庫、MES數據庫、大數據數據庫、邊緣側的數據庫，都各自為政。但是如果從場景應用出發，從數字孿生角度看，就可以把數據庫做成一體化。有了被標識過的數據，無論它們來自何方，都可以按照一個數據庫進行統一排隊和分類。就像是用同一個數據庫，將各種數據庫直連，人們可以在任何時候，尋找所需要的數據模型，改變響應的指標參數。

數字孿生是應用場景的虛擬化，每一個領域、每一個行業、每一個設備、每一個裝備、每一個產品都是不一樣的，而不一樣的數字孿生的數據要素，如何變成統一？就是要靠數據標識。只有數據標識統一，才能讓數據實現自動化流動，可以實現橫向集成或者縱向集成。

那么既有的信息化系統需要重構嗎？

并不需要。原有系統的數據可以看成是風箏，而這些系統自有的標準和規范，就像是風箏的拉線。任何第三方的數據（風箏）抽取以后，都可以帶著“尾巴”參與業務的重新編排使用，而借助于拉線則很容易跟原有系統建立關聯。在新的數字化平臺上，數據是自由流動的，而且可以實現數據自動化，推動數字孿生完成規定動作。。


數字孿生為場景而生。如果它無法快速復制，那么建立一個一個數字孿生將是昂貴的。最好的方法就是將支撐數字孿生的數據要素形成模型化和規則化的方式。同時要有數字孿生生產平臺實現數字孿生的快速生產、調用、復制和組合。

如果把數字模型、驅動模型、設計模型、管理模型全部融合成數據標簽，實現自由流動，那么這樣數字孿生將可以變得廉價。而且，它可以實現跨界面的應用。例如原來一臺人機界面只能看到某一臺設備的情況，而現在數字孿生的跨界面性，可以使得一個人可以隨時調出其他機器的設備運行情況，而且可以實現交互，甚至反控。

一個數字化工廠在建設過程當中，可以同步建立一個數字孿生平臺。設計圖紙會同時導入到數字孿生平臺，二者按照1:1的比例關系。與此同時，這些模型之間，按照一定的約束關系進行重新組合。當生產線發生變化的時候，由于數字孿生帶有的數據，具有邏輯可追溯性，因此很容易進行再次組合。一臺機器原來放在A廠區，現在放到B廠區了。只要點擊相關運行程序，A廠區所有的數據都會全部調用過來，B廠區的人就只需要尋找變化量進行配置，其他數據配置都是一鍵導入。大大降低了生產線的調試時間。五年前一個工廠的數字孿生，20個人需要一年。而現在5個人2個月就能建一個數字化工廠的數字孿生空間，而且展示的面板都是不用寫代碼的。

表面的柔性，離不開底層的支撐。在建設數字孿生平臺的過程中，首先需要支持多種協議接口，強大的集成功能包括輔助決策。而數據則是多樣化，包括設計數據、經營管理數據、裝備銘牌數據等。除了這些靜態數據之外，還要包括各種生產工藝配方、設備消耗、人員管理、日常排班等動態數據。數字孿生在建設的過程當中，它與數據要素是交融的。除此之外，每一個環節里面還需要加入控制邏輯，實現具體的業務模型驅動。只有這樣，一個工廠才能從數據工廠變成模型工廠，最終走向智能工廠。

筆者十年來通過實踐，建立了一個龐大的知識圖譜，很多知識通過數字化進入了一個企業的知識體系。一家制造商生產的價值7000萬的設備，在賣給客戶的時候，沒有一頁說明書，沒有一本操作手冊。所有數據、信息和知識點，都包含在機器系統之中。這種連裝備帶知識的一體化數字化交付機器的方式，引起了用戶的高度好評。昂貴機器的使用，再也不需要很高的門檻。數據要素，通過知識圖譜，構建了一個一個友好界面的數字孿生，與工廠操作工可以實現高度互動和智能性輔導。一臺設備的旁邊，悄然駐扎了設計師、工藝員和故障維修工。

這種數字孿生平臺可以實現跨產業的應用。在一個省的數字化轉型項目中，它需要從一產一直到三產的全產業鏈聯動。首先從原產地的育苗、山林、陽光等開始記錄數據。隨后進入復雜的制造環節，既有發酵等流程行業工序，也有高速包裝這樣的典型離散制造。最后進入流通環節，也可以實現消費者一碼追溯。數據要素在全環節的流動過程中，層層增值，而不同形式的數字孿生，則相互交融、套合，形成一套全鏈價值的提升。

數據要素已經獨立解放出來，呈現出自己活靈活現、天馬行空的風格，但有效的約束是必不可少的。而數字孿生則讓數據流動變得井然有序，充分吸收不同系統的數據來形成價值合力，逐漸釋放數據要素的交易性特征。從這些角度出發，數字化轉型就有了堅實的基座。