Digital twins（数字孪生技术）最初被用于更好地理解计算机芯片、工厂车间或像喷气发动机这样的复杂机器的工作原理。然而，当与人工智能结合时，它们为组织带来了指数级的强大力量。

图源：Rob Schultz / Shutterstock

20世纪90年代初，Karen Panetta（凯伦·帕内塔）在Digital Equipment Corporation担任工程师时，共同发明了首个CPU数字孪生模型 。

她说：“制造计算机芯片时，里面有数十亿个晶体管。你不可能用探针和电线逐个检查。要是我们能有一个数字孪生模型，在不同条件下人为地让它出现故障，并借此找出制造缺陷，那不是很好吗？”

Panetta（帕内塔）如今是Tufts University（塔夫茨大学）工程学院负责研究生教育的院长，她在计算机视觉领域的开创性工作也使她成为人工智能领域的创新者。如今，数字孪生和人工智能正以一种相互放大彼此潜力的方式结合在一起，为企业创造了前所未有的新机遇。例如，数字孪生现在正与人工智能一起用于模拟疾病和人体器官、监测大型基础设施项目、分析IT基础设施等等。

“网络安全将是第一个大力应用这项技术的市场，”她说。公司创建系统的数字孪生模型，并用它们收集传入的数据。“现在你可以接入不同的工具或供应商，测试人们可能的入侵方式。”

数字孪生与人工智能相结合具有巨大潜力，而且如今在企业中已经存在许多实际用例。数字孪生的部分价值在于，它是一个从多个系统收集数据并以合理方式整合数据的平台。但Gartner（高德纳）分析师Alfonso Velosa（阿方索·维洛萨）表示，现实情况是数据仍然分散。“尽管大家都说我们对客户或患者有统一的视图，但数据仍来自专有的孤立系统，”他说，“而这正是数字孪生擅长解决的问题之一。”

他还说，数字孪生还融入了领域知识，并与特定的业务需求相契合。将数字孪生与人工智能相结合，引领我们迈向这项技术的下一个发展阶段。

“在Gartner，我们现在将其称为智能模拟。”Velosa（维洛萨）补充道，“我们预计它将成为前12大颠覆性因素之一。”

今年4月，Gartner预测，到2032年，智能模拟将为超过25%的战略业务决策提供支持，到2027年，首家企业将能够通过使用模拟孪生功能量化节省10亿美元的运营成本。

此外，根据Hexagon去年年底对600多位高管的调查，从汽车、建筑、工程到建筑施工、石油和天然气以及城市规划等领域，80%的领导者表示，人工智能让他们对数字孪生更感兴趣。

一、人工智能如何为数字孪生“超级赋能”

McKinsey（麦肯锡）表示，数字孪生模型的设计和构建可能很困难，但LLMs（大型语言模型）可以帮助编写相关代码，从而加快开发过程。生成式人工智能模型还可以在保留关键信息的同时压缩数据，使数字孪生能够更好地管理所需的大量数据。此外，它们可用于为数字孪生生成模拟场景，或作为数字孪生的自然语言界面，让人们使用起来更加便捷。

Hexagon还指出，除了其他事项外，59%的领导者表示人工智能用于处理前端数据，56%用于增强用户界面，27%用于辅助决策。

以数字孪生的用户界面为例。尽管数字孪生比原始数据输入更直观，但这并不意味着任何人都能立即了解实际情况。

“生成式人工智能可用于审视整个模拟过程，并将其转化为人类易懂的摘要，”Carnegie Mellon University（卡内基梅隆大学）教授Ari Lightman（阿里·莱特曼）说，“它可以告诉我可能忽略的信息，并以我能理解的方式进行总结。”

人工智能还能让用户通过自然语言与之交互。最近一个电信网络的案例显示，数字孪生模拟网络中断，以查看流量如何重新路由，并使用LLMs作为界面，使高管更方便地使用数字孪生。

“以前是数据科学家构建模拟模型，”PwC（普华永道）新兴技术负责人Scott Likens（斯科特·利肯斯）说，“现在可以有一个轻量级界面，将人类语言转化为系统所需的控制指令。而且由于模拟模型内置了推理能力并能进行规划，它们可以自行重写模拟过程，提供更多的变化形式。”

俄勒冈州尤金市的4J学区是使用人工智能驱动数字孪生技术的组织之一。该学区的高级网络工程师Ben Shapiro（本·夏皮罗）负责为16000多名学生和50000多台设备提供技术支持。有了数字孪生技术，即使是初级技术人员也能轻松了解网络的运行状况。该学区采用了Juniper Networks（瞻博网络公司）的Marvis Minis网络数字孪生系统，并结合了Mist AI技术。而且，平台中的生成式人工智能聊天机器人让操作变得更加便捷。“Marvis改变了技术支持的模式，使其更加普及，”他说，“我的目标是让一线的初级技术支持人员能够自行判断问题，而不必事事向我汇报。”

不过，Marvis Minis目前还不支持运行模拟程序，但未来可能会实现这一功能。“利用Mist收集的数据和遥测信息，确保网络能够适应未来的需求，这将非常棒，”他说，“不再仅凭猜测，而是有数据支持，并能够向管理层量化呈现相关情况，这会是一件好事。”他表示，目前他只能依靠自己的直觉。

二、人工智能驱动的人类数字孪生

高智能生成式人工智能模型的出现，为数字孪生开辟了前所未有的新应用场景。例如，长期以来，公司一直使用机器学习技术对客户进行细分，并预测不同类型客户的需求。有了生成式人工智能，公司可以为单个客户创建逼真的数字化身。

“现在，营销或产品团队可以与这个数字孪生体进行交流，询问‘你会买这套新书系列或这个游轮套餐吗？’”Gartner的Velosa（维洛萨）说，“或者，‘在这些六个选项中，你更喜欢哪一个？’他们实际上是在与数字化身对话。”

为什么只停留在创建单个化身呢？数字孪生技术还可用于模拟整个焦点小组。数字咨询公司Publicis Sapient（阳狮睿思）负责数据战略与人工智能的董事总经理Simon James（西蒙·詹姆斯）表示，这有点类似于在模拟陪审团面前试验一种策略。例如，如果一家公司正在测试潜在的广告方案，它可以让来自不同人口统计群体的具有代表性的客户数字孪生体组成一个虚拟焦点小组来评估这些广告。以阳狮睿思为例，公司可能会收到潜在客户的信息咨询请求。

James（詹姆斯）说：“我可能会组建一个由不同CIO组成的小组，其中一个可能非常注重成本，另一位则对技术细节有深入了解。让他们阅读你的文档并提出问题。”

他表示，现在就衡量公司是否因这一过程赢得了更多业务还为时尚早。

他说：“我们在寻求一切优势。我认为这能让你了解一些不同的观点，如果你是在孤立的环境中工作或团队规模较小，可能就无法获得这些观点。有时候，获取外部观点是很有帮助的。”

卡内基梅隆大学的Lightman（莱特曼）表示，人工智能还可以用于模拟单个员工，例如工厂中的工人。

他说：“在制造业中，你可以对人类活动进行建模和分析，比如有维修工人和操作人员。”然而，这种特殊应用也存在风险。例如，员工有什么补救措施吗？Lightman（莱特曼）问道。他们可以拒绝被模拟吗？也许他们不希望自己的活动被建模。

他说：“在将某些行为数字化的过程中，人们可能会有所顾虑。我认为企业必须更加透明地说明收集数据的原因以及如何使用这些数据。”

三、工作流程或整个公司的数字孪生

为了将人工智能融入业务工作流程，企业必须深入了解这些工作流程的实际情况。

“我们并不了解企业的实际运营方式，”ABBYY公司负责流程人工智能的产品营销经理Jon Knisley（乔恩·克尼斯利）说，“在这方面，我认为流程数字孪生将具有巨大价值。”

人工智能很快就能帮助企业弄清楚员工在公司里实际的工作内容，这在过去一直是个难题。流程挖掘本应起到辅助作用，但实际的业务流程往往不一致、缺乏文档记录，甚至存在错误。

Knisley（克尼斯利）说：“我们的大部分工作围绕流程数字孪生展开——分析日志数据和用户活动数据，并将其转化为对正在进行的工作的一种呈现形式。我们有丰富的安全、营销和财务数据，但一直缺乏高质量的流程数据。”他表示，缺乏流程数据是阻碍公司真正实现数据驱动的最后一个重大障碍，“这是关键所在。”

有了人工智能，公司可以运用智能来处理这项任务，还能将交易数据、日志数据与其他信息来源相结合。阳狮睿思的James（詹姆斯）表示，例如，由于资源和限制条件不同，公司内的一个团队处理特定任务的方式可能与其他团队有所不同。再比如，在某个流程中，个体参与者可能有一定的自主决策权。

他说，数字孪生通常用于模拟供应链或配送中心。他说：“人工智能带来的改变是，它不再是一个基于规则的系统，你可以给予供应链中的参与者一定的自主决策权，让他们采取不同的行动。你可以将感知和思考节点放入你的系统。”例如，大学城的一位商店经理可能会发现，周六上午有40%的客流量。他说：“所以我不想出现缺货的情况。”这样一来，整个系统就能变得更加智能。

James（詹姆斯）说：“采用人工智能驱动的方法，你可以让框架自行找出最佳策略。一段时间以来，这一直是深度学习网络逐渐显现的特性。你不用明确教它如何下棋，但它能自行找出赢得比赛的最佳策略。”

四、人工智能如何从数字孪生中受益

并非只有人工智能能让数字孪生变得更好，数字孪生也能提升人工智能的性能。

“我们正在使用数字孪生为LLMs生成信息，”普华永道的Likens（利肯斯）说，并补充道，由数字孪生生成的合成数据质量更高。“我们发现，数字孪生有潜力生成我们所需的缺失数据，而且由于这些数据基于实际数据，因此与实际环境更加契合。”

Keysight Technologies（是德科技），一家电子公司，负责软件测试自动化的总经理Gareth Smith（加雷斯·史密斯）表示，数字孪生是一个系统的运行模型。“它的响应方式会模仿物理系统的预期响应。”

这意味着数字孪生为人工智能模型训练生成的合成数据，可能比传统合成数据技术生成的数据更丰富、更全面。

数字孪生还有一个潜在应用场景，可能在今年变得更加重要，那就是帮助理解和扩展智能体系统。智能体使公司能够实现复杂业务流程的自动化，比如解决客户问题、撰写提案，或设计、构建和测试软件。智能体系统可以由多个数据源、工具和智能体组成，它们之间以非确定性的方式相互作用。这可能极具强大功能，但也极其危险。因此，数字孪生可以监控智能代理系统的行为，确保其不会失控，并测试和模拟该系统在新情况下的反应。

麦肯锡在4月份的一份报告中称，如今，75%的大型企业都在积极投资数字孪生技术，以扩展人工智能解决方案。“在未来十年，成功的财富1000强企业将利用数字孪生技术来运营业务，并测试他们最具大胆的战略，”麦肯锡合伙人Alex Cosmas（亚历克斯·科斯马斯）表示。

这些数字孪生将是企业运营的复制品，也是其完整价值链的模拟。正如Cosmas（科斯马斯）所说，它们将成为有活力、能发展的资产，解决越来越多的问题。

“企业领导者将在模拟环境中测试众多决策和一系列可能的情景，而无需担心干扰其核心业务，”他补充道。最棒的是，这些数字孪生从一开始就应该能够实现自我盈利，并带来正的投资回报率。

作者：Maria Korolov（玛丽亚·科洛洛夫）

Maria Korolov（玛丽亚·科洛洛夫）是一位报道人工智能和网络安全的获奖科技记者。她还写科幻小说，编辑一本科幻和幻想杂志，并主持一个YouTube节目。

译者：宝蓝

睿观：人工智能（AI）与数字孪生技术正形成强大的协同效应，相互“超级赋能”（心关系）。一方面，AI（尤其是生成式AI）通过加速开发、提供自然语言交互界面、并模拟从单个客户到整个业务流程的复杂场景，使数字孪生变得更强大、更易用（AI赋能孪生）。另一方面，数字孪生也通过生成高质量的合成数据来训练AI模型，并为复杂的智能体（Agent）系统提供监控与测试环境来反哺AI（孪生赋能AI）。二者的深度融合正催生出被称为“智能模拟”的颠覆性能力，为企业进行大胆的战略决策验证与AI规模化应用开辟了全新路径（未来价值与影响）。

金句：当AI为数字孪生注入“灵魂”（智能与交互），数字孪生也为AI提供了成长的“土壤”（高质量数据与实验场），二者携手，正在构建一个可模拟、可预测的未来。