作为推动新一轮科技革命的颠覆性技术之一，数字孪生从提出之初就以其独特的科技优势、 广阔的应用前景、无穷的发展潜力，受到全球业界专家的关注。 同时，人工智能、物联网、云计算、大数据和区块链等前沿信息技术的迅猛发展和广泛应用， 为数字孪生的实现提供了坚实的技术底座。 通过开发数字化产品，改变产品设计、开发、制造和服务全生命周期流程，连接内部和外部环境，数字孪生能够加速数字化、网络化、智能化发展进程，可加速企业数字化转型，促进数字经济发展。

数字孪生是具有数据连接的特定目标实体的数字化表达， 该数据连接可以保证物理状态和虚拟状态之间以适当的速率和精度进行同步。 数字孪生具备实时交互、弹性扩展、高度保真、闭环优化等优势，在城市、交通、制造、能源、建筑、农业、水利和国防等多个领域得到了广泛应用。

1 系统参考架构

国家标准 GB/T 43441.1—2023《信息技术 数字孪生 第 1 部分：通用要求》对数字孪生的定义是： 数字孪生是指具有保证物理状态和虚拟状态之间以适当速率和精度同步的数据连接的特定目标实体的数字化表示。

数字孪生系统是一种基于数据驱动来实现目标实体与数字实体间各要素动态迭代的系统， 通常由目标实体、数字实体、两者之间的数据连接以及数据连接过程中涉及的模型、数据和接口等要素组成，其参考架构由目标实体、孪生互动、数字实体和服务应用 4 部分构成，如图 1 所示。 其中，实体是指具体或抽象的事物，包括这些事物之间的关联。数字孪生系统拥有目标实体和数字实体两类实体。

图 1 数字孪生系统的参考架构

目标实体是现实世界被选中进行数字化映射的实体，属于具体事物，包括实体本体和关联关系。实体本体可依据产生时间、逻辑属性和复杂程度进行分类，而关联关系依据特征属性和更新情况进行分类。

孪生互动是数字孪生系统中目标实体和数字实体之间的信息交互过程， 旨在实现目标实体和数字实体的动态迭代， 支持目标实体和数字实体以虚实结合的形式提供服务应用，包括测量与感知、反馈与控制等操作。 测量与感知可给出目标实体的数字化表达，内容包括目标实体的几何特征、物理属性和约束条件等； 反馈与控制包括数字实体对目标实体的信息反馈、辅助决策和执行控制等操作。

数字实体是目标实体的数字化映射， 包括数字模型和孪生数据。 数字模型通过对实体本体和关联关系进行映射，反映目标内外特征和行为规律，主要包括几何模型、物理模型、行为模型、规则模型、算法模型、优化模型和知识模型等；孪生数据是目标实体相关信息的数字化表达，主要包括本体数据、规则数据和衍生数据等。

服务应用通过应用支撑技术来实现行业服务，包括应用支撑和行业服务等。应用支撑包括可视化、仿真、分析、预测、优化和决策等技术；行业服务包括数字孪生在城市、交通、制造、能源、建筑、农业、水利和国防等领域的应用。

2 成熟度评价模型

数字孪生系统的成熟度评价模型由 11 个域、24 个指标构成，如图 2 所示。 这 11 个域分别是数字模型域、孪生数据域、孪生互动域、可视呈现域、模拟仿真域、分析预测域、优化完善域、决策控制域、功能更新域、集成融合域和系统管理域。

图 2 数字孪生系统的成熟度评价模型

数字模型域用于实现目标实体和数字实体的数字化映射，主要包括模型类型、模型精度和可复用性3 个指标。 其中，模型类型主要评价几何模型、物理模型、行为模型、规则模型、算法模型、优化模型和知识模型的数量和质量等内容； 模型精度主要评价对模型类型、数量的要求以及精度调整能力等内容；可复用性主要评价模型配置形式及覆盖范围等内容。

孪生数据域用于实现目标实体和数字实体信息的数字化表达， 主要包括数据采集和数据处理 2 个平（手动或自动）、数据来源（传感器或知识库）、数据体量（局部或全生命周期）等内容；数据处理主要评价数据处理模式（手动或自动）、数据处理实效性（实时或非实时等）、数据处理正确率、数据处理速度等内容。

孪生互动域用于实现目标实体和数字实体之间的信息交互过程，主要包括连接性和实时性 2 个指标。 其中，连接性主要评价管控配置实体的能力（人工或自适应）、连接的稳定性、连接重构能力等内容；实时性主要评价平均交互时延、交互时延自适应调整能力等内容。

可视呈现域使用计算机图形、图像处理和数字建模等技术来呈现目标实体的模型和特征，主要包括可视化内容和可视化方式 2 个指标。 其中，可视化内容用于评价呈现内容的类型（基础信息、动态数据、模型状态、管控结果、预测结果、优化结果）、呈现的时效性（实时或非实时）等内容；可视化方式用于评价呈现的维度（二维或三维）、呈现的稳定性（静态或动态）、呈现的关联性（独立呈现、连续呈现或联动呈现）。

模拟仿真域通过将模型转化为软件，来模拟目标实体的确定性规律和完整机理，主要包括仿真精度和仿真速度 2 个指标。 其中，仿真精度用于评价对功能性需求的满足程度、仿真结果与实际运行结果的一致性等内容；仿真速度用于评价实时决策、目标实体实际演进速度对于预测仿真速度要求的满足程度。

分析预测域通过算法对数字实体进行时空推理、业务场景模拟分析、个性化计算和趋势推演，基于目标实体的历史数据和实时运行数据来预先推测目标实体的性能状态、安全状态、工作状态等，主要包括预测精度、预测时长和参数规模 3 个指标。 其中，预测精度用于评价预测依据（历史数据模型、真实动态数据、现有知识模型）和预测对象（数值、运行过程、状态、性能、运行过程、变化趋势）；预测时长用于评价预测实体未来变化时间量级（秒级、分钟级）、智能管控或自主演化总时长与预测时长的比较，参数规模用于评价智能管控和自主演化所需参数能否得到满足。

优化完善域基于对数字空间的仿真、分析和预测，改进和完善目标实体全生命周期的结果，并动态、实时和持续作用于物理空间，实现模型、算法和资源配置优化等， 主要包括优化内容和优化程度 2个指标。 其中，优化内容用于评价优化对象（行为、组成、结构）的完备性；优化程度用于评价优化效果、对其他实体运行结果的影响。

决策控制域通过分析与推理目标实体和数字实体相关信息，提出科学合理的解决方案，并向目标实体下达控制指令为决策人员提供实施建议，主要包括控制目标实体和控制数字实体 2 个指标。 其中，控制目标实体用于评价控制和配置目标实体的自动化程度、控制精度、对目标实体进行改造的能力；控制数字实体用于评价控制和配置数字实体的自动化程度、控制精度、对数字实体进行改造的能力。功能更新域通过对现有功能进行组合、分解、增强和选择性裁剪操作，将功能自动迁移至另一种场景，实现相关功能自动部署，主要包括功能重构和功能迁移 2 个指标。 其中，功能重构用于评价可视化、仿真、预测、 控制和优化功能的重构能力（人工或自动）；功能迁移用于评价将数字孪生系统功能自动迁移至目标实体与数字实体演化过程所需场景。集成融合域通过导入模型、插件、集成传感器、通信、智能分析、决策、机器学习等系统功能，融合MR（混合现实）、VR（虚拟现实）、脑机接口、大数据、大模型、机器学习、预测分析算法和知识图谱等新技术，实现与传感器、通信、智能分析、决策、机器学习等系统的实时交互，主要包括系统集成和新技术融合 2 个指标。 其中，系统集成用于评价模型插件导入能力，以及与传感器、通信、智能分析、决策、机器学习等系统的功能集成和实时交互能力；新技术融合用于评价数字孪生系统与 MR、VR、脑机接口、大数据、大模型、机器学习、预测分析算法和知识图谱等新技术的融合能力，以及融合后的实现效果。

系统管理域通过对物理和数字实体、 数据、内容、行为等要素进行安全管理，以及对模型、数据、算法、系统、平台等要素进行资源管理，实现人力、设备、平台的按需安全配置，主要包括安全管理和资源管理 2 个指标。 其中，安全管理用于评价系统在物理和数字实体安全、数据安全、内容安全、行为安全等方面的管理能力，资源管理用于评价系统在模型、数据、算法、系统、平台等方面的管理能力。

3 发展阶段划分

依据数字孪生系统的成熟度评价模型，可以将数字孪生划分为 5 个发展阶段，即以虚仿实、以虚映实、以虚控实、以虚预实和虚实共生，如图 3 所示。

3.1 以虚仿实

作为数字孪生发展的第一阶段，以虚仿实是指采用可见光建模、结构光建模、激光点云建模、维度建模、实体联系建模、手工建模、倾斜摄影建模等技术，来实现对目标实体结构外观、属性特征和能力行为的定义与数字化描述，其评价指标要求具体如下。

a）数字模型域。 模型类型：应是物理模型、几何模型、行为模型、规则模型的任意一种。 模型精度：应需准确描述目标实体物理属性、几何结构、行为的某一方面。 可复用性：支持人工配置模型部分内容以实现复用。

b）孪生数据域。 数据采集：具备人工采集数据、目标实体静态参数和从历史运行过程或经验中采集数据的能力。 数据处理：具备人工方式识别目标实体参数和明确现有数据间显性关系的能力。

c）孪生互动域。连接性：具备人工管控配置数字实体和目标实体的能力。 实时性：无要求。

图 3 数字孪生发展阶段划分

d）可视呈现域。 可视化内容：支持数据标签、标识等模型基础信息的呈现。可视化方式：支持 2D（二维）或 3D（三维）可视化展示和通过动态图表连续呈现数据

e）模拟仿真域。仿真精度：满足对目标实体进行仿真分析的基本需求。 仿真速度：无要求。

f）分析预测域。 预测精度、预测时长、参数规模：无要求。

g）优化完善域。 优化内容、优化程度：无要求。

h）决策控制域。控制目标实体：支持人工控制和配置目标实体。控制数字实体：支持人工控制和配置数字实体。

i）功能更新域。 功能重构、功能迁移均无要求。

j）集成融合域。 系统集成：支持导入利用其他建模软件构建的模型， 或将其他软件建模功能作为插件集成在数字孪生系统中。 新技术融合： 能够融合MR、VR 等技术，或已将这些技术投入实际应用。

k）系统管理域。安全管理：具备与该等级功能对应的物理和数字实体、数据、内容、行为等系统安全管理能力。 资源管理： 具备与该等级功能相应的模型、数据、算法、系统、平台等资源管理能力，并根据管理需要配置相应的人力、设备、平台等资源。

以虚仿实阶段的典型特征是“人工交互，离线仿真”。 在此阶段，数字孪生模型从物理属性、几何结构、 能力行为和运行规则某个或多个维度对目标实体单方面或多方面的属性和特征进行数字化描述，在一定程度上取代了目标实体参与实验验证和仿真分析， 但模型与目标实体之间无法直接进行数据交换和实时交互， 需要通过人工参与达成间接虚实交互，如人工控制和配置目标实体、数字实体。

3.2 以虚映实

作为数字孪生发展的第二阶段， 以虚映实是指通过单向数据实时传输， 来实现数字实体动态跟随目标实体的运行过程，其评价指标要求具体如下。

a）数字模型域。模型类型：至少应包含几何模型和行为模型。模型精度：应能精准描述目标实体几何结构和运行状态。可复用性：支持人工配置模型部分内容以实现复用。

b）孪生数据域。数据采集：具备使用传感器自动采集数据和目标实体运行动态数据的能力。 数据处理：具备实时整合不同来源、不同格式数据，并通过实时分析目标实体运行数据将其转化为数字实体所需输入参数或状态变量的能力。

c）孪生互动域。连接性：具备连接目标实体与数字实体重要动态参数的能力。实时性：平均交互时延应为分钟级。

d）可视呈现域。可视化内容：支持动态数据和基于动态数据驱动的模型状态的实时呈现。 可视化方式：支持联动显示动态数据、模型信息和模型变化过程，并可按需调整呈现方式。

e）模拟仿真域。仿真精度：满足对目标实体进行仿真分析的基本需求。 仿真速度：无要求。

f）分析预测域。 预测精度、预测时长、参数规模均无要求。

g）优化完善域。 优化内容、优化程度均无要求。

h）决策控制域。控制目标实体：支持人工控制和配置目标实体。控制数字实体：支持依据目标实体的运行数据对数字实体进行一致性控制。

i）功能更新域。 功能重构、功能迁移均无要求。

j）集成融合域。 系统集成：支持集成传感器或通信系统功能，并与传感器或通信系统进行实时交互。新技术融合：能够融合 MR、VR 等技术，或将这些技术投入实际应用。

k）系统管理域。安全管理：具备与该等级功能对应的物理和数字实体、数据、内容、行为等系统安全管理能力。 资源管理： 具备与该等级功能对应的模型、数据、算法、系统、平台等资源管理能力，并根据管理需要配置相应的人力、设备、平台等资源。以虚映实阶段的典型特征是“单向映射，动态可视”。 在此阶段，目标实体相关时敏性数据驱动数字孪生模型常态运行， 其运行过程和实时状态可同步直观呈现， 且数字孪生模型的仿真结果与目标实体实际运行结果一致， 在一定程度上解除了时空和环境约束条件对目标实体监测的制约。需要注意的是，目标实体的控制和配置、 模型内容的复用和操作仍需人的介入和干预， 目标实体的可视化遥控尚未实现远程操控。

3.3 以虚控实

作为数字孪生发展的第三阶段， 以虚控实是指通过双向数据实时传输达成数字实体与目标实体间的双向交互，以实现数字实体对目标实体运行过程的实时监测与管控，其评价指标要求具体如下。

a）数字模型域。模型类型：至少应包含几何模型和行为模型。 模型精度：应能精准描述目标实体行为变化过程。 可复用性：支持人工配置模型部分内容以实现复用。

b）孪生数据域。 数据采集：具备获取数字实体运行过程以及目标实体与数字实体交互过程动态数据的能力。 数据处理：正确率与速度应满足目标实体实时管控需求，具备通过实时分析数字实体运行数据生成目标实体控制指令的能力。

c）孪生互动域。连接性：具备常规高吞吐和高并发情况应对能力，拥有连接动态检测、评估或预警机制，且连接具有相对稳定性。 实时性：平均交互时延应为秒级。

d）可视呈现域。 可视化内容：支持对目标实体管控结果的实时呈现。 可视化方式：支持联动显示动态数据、模型信息和模型变化过程，并可按需调整呈现方式。

e）模拟仿真域。仿真精度：满足对目标实体进行仿真分析的基本需求。 仿真速度：无要求。

f）分析预测域。 预测精度、预测时长、参数规模均无要求。

g）优化完善域。 优化内容、优化程度均无要求。

h）决策控制域。 控制目标实体：依据对数字实体的虚拟控制和配置，实现对目标实体的及时控制与配置，控制精度应满足目标实体的应用需求。 控制数字实体：在依据目标实体运行数据对数字实体进行一致性控制时，人工操作可无缝接管数字实体控制权。

i）功能更新域。 功能重构：支持人工配置目标实体管理和控制功能。 功能迁移：无要求。

j）集成融合域。 系统集成：支持集成目标实体控制系统功能，并与目标实体控制系统进行实时交互。新技术融合：能够融合预测分析算法、机器学习、知识图谱、脑机接口、大模型、大数据等技术。

k）系统管理域。 安全管理：具备与该等级功能对应的物理和数字实体、数据、内容、行为等系统安全管理能力。 资源管理：具备与该等级功能对应的模型、数据、算法、系统、平台等资源管理能力，并根据管理需要配置相应的人力、设备、平台等资源。以虚控实阶段的典型特征是“双向交互，远程管控”。 在此阶段，数字实体中孪生模型的运动逻辑和控制逻辑已相对完整，能够精准反映目标实体行为变化过程，可以接受控制指令并在数字实体中完成比较复杂的运行过程。 同时，基于以虚映实，构建从数字实体到目标实体的数据传输通道，实现实时双向虚实闭环交互，为目标实体提供可视化遥控能力，进一步削弱了时空和环境约束条件对目标实体操控的制约。 虽然对目标实体的控制并不一定达到智能水平或最优化目标，但是目标实体的管控效率仍得到大幅提高。

3.4 以虚预实

作为数字孪生发展的第四阶段，以虚预实是指基于数字实体信息达成对目标实体的预测性分析和智能决策，以实现对目标实体的智能管控，其评价指标要求具体如下。

a）数字模型域。 模型类型：至少应包含几何模型、物理模型、行为模型、规则模型、算法模型、优化模型和知识模型。 模型精度：应能精准描述目标实体的运行机理，可通过按需加载轻量化或高精度模型来实现模型精度调节。 可复用性：支持人工配置算法模型、优化模型、知识模型、物理模型和行为模型，支持行为模型的自主复用。

b）孪生数据域。 数据采集：具备从知识库中采集数据的能力。 数据处理：具备从历史数据中实时提取特征和从历史数据和当前数据实现数值实时预测的能力，且具备实时分析和分解复杂管控方案的能力。

c）孪生互动域。连接性：拥有自适应配置或容错机制，且具备知识库和人的连接能力。 实时性：平均交互时延应为毫秒级。

d）可视呈现域。 可视化内容：支持对预测结果、优化结果和管控方案实施过程的实时呈现。 可视化方式：支持联动显示动态数据、模型信息和模型变化过程，并可按需调整呈现方式。

e）模拟仿真域。仿真精度：满足实时决策对预测内容精度的要求。 仿真速度：满足实时决策对预测仿真速度的要求。

f）分析预测域。 预测精度：具备依据真实动态数据的精准数值预测能力和依据历史数据、模型的精准运行过程预测能力。 预测时长：应能依据动态数据实现秒级预测，预测时长应不小于智能管控过程所需总时长。 参数规模：应包括与管控需求有关的大部分参数。

g）优化完善域。优化内容：应包括目标实体在未来一段时间内的行为。 优化程度：应优于目标实体原方案运行效果，且对目标实体之外的其他实体运行结果不会产生显著影响。

h）决策控制域。 控制目标实体：支持将智能管控方案分解为目标实体可执行的简单控制指令。 控制数字实体：支持将智能管控方案分解为数字实体可执行的简单控制指令。

i）功能更新域。 功能重构：应能对可视化、仿真、预测和控制功能进行人工重构。 功能迁移：无要求。

j）集成融合域。 系统集成：支持集成智能分析和决策系统功能，并与智能分析和决策系统进行实时交互。 新技术融合：能够融合预测分析算法、机器学习、知识图谱、脑机接口、大模型、大数据等技术。

k）系统管理域。 安全管理：具备与该等级功能对应的物理和数字实体、数据、内容、行为等系统安全管理能力。 资源管理：具备与该等级功能对应的模型、数据、算法、系统、平台等资源管理能力，并根据管理需要配置相应的人力、设备、平台等资源。以虚预实阶段的典型特征是“时效分析，孪生预演”。在此阶段，通过与目标实体进行双向实时闭环交互，数字孪生模型能够动态实时地反映目标实体当前的实际运行状态。数字孪生模型显性机理和数字孪生数据隐性规律的有机结合，在一定程度上能够实现对目标实体未来运行过程的在线预演和对目标实体未来运行结果的预测，从而达成将未知转化为预知、将突发和偶发问题转变为常规问题的目标。

3.5 虚实共生

作为数字孪生发展的终极目标和最高阶段，虚实共生是指实现数字实体和目标实体在全生命周期中的自主学习和迭代优化，其评价指标要求具体如下。

a）数字模型域。 模型类型：至少应包含几何模型、物理模型、行为模型、规则模型、算法模型、优化模型和知识模型。 模型精度：模型精度可调整，应能精准描述目标实体物理、几何、行为、规则等方面的全部信息。 可复用性：支持全部模型的自主复用。

b）孪生数据域。 数据采集：具备数字孪生系统外部数据和目标实体全生命周期数据的采集能力。数据处理：应能对各种类型和来源数据进行实时解析、归类、存储和利用。

c）孪生互动域。 连接性：应能自动识别、重构和新增连接关系。 实时性：平均交互时延应为毫秒级，且可按需对交互时延进行自适应调整。

d）可视呈现域。 可视化内容：支持对目标实体的变化过程、数字实体的变化过程、交互关系的变化过程等演化内容的实时呈现。 可视化方式：支持联动显示动态数据、模型信息和模型变化过程，并可按需调整呈现方式。

e）模拟仿真域。仿真精度：确保仿真结果与实际运行结果一致。 仿真速度：应大于目标实体实际演化的速度。

f）分析预测域。 预测精度：应能依据历史数据、实时数据、现有知识、现有模型精准预测目标实体的状态、性能、运行过程和变化趋势。 预测时长：应能依据动态数据实现分钟级预测，预测时长应不小于目标实体与数字实体演化过程所需总时长。 参数规模：应包括数字孪生系统中已明确的全部参数。

g）优化完善域。优化内容：应包括数字孪生系统在未来一段时间内的行为、组成、结构。 优化程度：应优于数字孪生系统依据原方案运行的最终效果。

h）决策控制域。 控制目标实体：支持对目标实体的外观、内部结构、功能、交互关系、关联关系进行改造。 控制数字实体：支持对数字实体的模型内容、模型结构、模型间关联关系和数据进行改造。

i）功能更新域。 功能重构：应能对可视化、仿真、预测、控制和优化功能进行自动重构。 功能迁移：应能将数字孪生系统功能自动迁移至演化过程所需场景，实现相关功能的自动部署。

j）集成融合域。 系统集成：支持集成机器学习系统和新接入数字孪生系统，并与机器学习系统和新接入数字孪生系统进行实时交互。 新技术融合：能够融合预测分析算法、机器学习、知识图谱、脑机接口、大模型、大数据等技术。

k）系统管理域。安全管理：具备与该等级功能对应的物理和数字实体、数据、内容、行为等系统安全管理能力。 资源管理： 具备与该等级功能对应的模型、数据、算法、系统、平台等资源管理能力，并根据管理需要配置相应的人力、设备、平台等资源。虚实共生阶段的典型特征是“决策优化，动态重构”。 在此阶段，数字孪生模型不仅能够实时反映目标实体的运行状态，而且还能利用历史数据、实时数据、策略算法、现有知识和现有模型，达成决策实时智能优化和目标实体智能管控的目标。同时，目标实体和数字实体通过双向交互能够实时感知和识别对方的更新内容，并利用预测分析算法、机器学习、知识图谱、脑机接口、大模型、大数据等技术，来实现目标实体和数字实体的自主构建或动态重构， 确保在长期运行过程中数字实体的仿真结果与目标实体的实际运行结果保持动态一致性，提升可视化、仿真、预测、控制和优化等功能的有效性，实现高质量、低成本、可持续的数字孪生。

4 结束语

作为一种集成创新的技术体系， 数字孪生是具有数据连接的特定目标实体的数字化表达， 该数据连接可以保证物理状态和虚拟状态之间以适当的速率和精度进行同步。经过多年探索，数字孪生发展已进入快车道，成为培育新兴产业集群、助力数据要素价值化、实现产品制造现代化、促进传统产业转型的重要抓手，数字孪生相关技术、应用、产业、标准、机制等不断发展和完善。

作者：国防科技大学信息通信学院 郎为民 李辉  陈哲 赵卫虎 安海燕