元宇宙是被戳破的第一个算力泡沫，被热炒到1.3万美元的地皮价格现在已经被暴跌到2500美元，成交数量到现在每月只剩不到2000笔。
因为元宇宙对现实世界的还原度太低，消费者的体验感太差，像素堪比《我的世界》，作为只面向C端消费者的娱乐产品，玩起来甚至不如15年前的QQ宠物。比如刷到美食视频，大家都想要一款可以闻到气味的手机，这需要可以收集传输味道信号的传感器才行，如果元宇宙可以打造《头号玩家》里的绿洲世界，不需要借助周杰伦等名人购入元宇宙资产的新闻炒作，但是只能做到视觉仿真的元宇宙，除了和虚拟货币搭台唱戏，没有任何用处。致命问题是距离写字楼太近，距离工厂太远，包括苹果VR眼镜的失败，消费级的仿真产品在没办法做到味觉、嗅觉甚至于触觉的全方位还原之前，很难实用。但是工厂不一样，大部分工业生产设备本质就是投入生产材料，产生生产结果的数据运算，不需要复刻所有的物理细节，只需要收集有限的关键数据就可以做到数字孪生的效果，帮助提高流水线生产效率，数字孪生在工业领域真的有戏。
数字孪生看着像未来的科幻世界，实际在上世纪就已经有了雏形。数字孪生简单来说就是把现实世界的工厂、流水线、道路等等全部搬到赛博空间，用算力和代码取代钢筋和水泥，再次构建一切。之前土木梦想是三总五项，今天在工地打灰的都跑路了，大猛子们功不可没，根本上还是因为现实世界的基建已经盖到头了，不可能在水泥墙上雕花；不过赛博空间里的房子很多连地基都没打，如果把现实世界里的房子、工厂、山川、湖泊全部在赛博空间复刻一遍呢？这项工程比给喜马拉雅山装电梯要赚钱。
打个比方，3D沙盘可以看作最早的“数字孪生”，人类尝试还原客观世界，用山峰、河流等地形用泥土等材料实现等比例的静态还原，不过没办法和现实世界同步，比如突然发生滑坡等地形变动不能够实时体现，因为缺乏传感器不能够及时感知姿态、压力的变化。最早的工业应用可以追溯到上世纪就在用的工业仿真软件，例如军迷很熟悉的模拟风洞和CAD系统制造的数字样机，不用费时费力去造真机，而是利用数字模拟的方式，先在模拟风洞吹风来测试关键数据，检测设计的可行性，仿真效果的好坏同样依赖传感器能否及时准确传回关键数据。这些可以落地的案例全部需要依托工厂，需要和制造业紧密结合，而不是写字楼，因为目前传感器只能做到测量物体加速度或者振动、环境光照强度等关键数据，可以满足工业生产的需求。所以能够建模还原现实世界中的工厂和流水线只是第一步，关键还是依靠传感器实现对关键数据的收集、分析以及后续的建模预测。
前两年在概念的炒作下，大屏幕＋3D模型可视化成为数字孪生的标配，典型就是120寸大屏幕上放着工厂的全景图，做几个的动画效果，再把不知道几年前的数据标注在各条流水线上，最大的作用就是让不在基层的经理看着界面很简洁舒服，与其叫数字孪生不如叫数据可视化。这种形态难以提高实际生产效率，只能是给上级看着漂亮，作用类似于大厂PPT，制作工具是unity引擎，技术门槛低到令人发指，以至于很多本科生的毕业设计就是用unity做套所谓智慧城市系统，只是把城市的平面地图搬到了网络空间，只做到了数据的整合标注，难以辅助未来决策。同时受制于传感器限制，数据动态同步能力差，比如城市里某个建筑的寿命情况变化根本没办法及时获知，所以也就做不到提前维护，道路车流量的变化可以实时感知，不过因为所需算力过多，导致成本居高不下，难以大规模铺开。
说到底，受制于现在的技术水平，数字孪生更多的是愿景，比如《航空周报》做过这样的预测，2035年交付给航空公司的不只是实体客机，还有一架数字客机，这架数字客机会以数据的形式实时同步实体客机的使用情况，比如每次飞行后机体零部件的使用寿命等信息，这样会极大的提升地勤的工作效率，并且提高飞行安全性。但是这样高精度的数据需要极高精度的传感器，来收集气压、气流温度等数据，按照现在地球的技术水平，难以复制出真正的物理细节，需要三体人的技术才能做出可以实时模拟客机寿命情况的传感器。就算传感器问题解决，后续在数据的模型建立上也会遇到麻烦，代码能跑起来是对现实逻辑的抽象复刻，BUG是代码运行中遇到了不符合逻辑的情况导致的漏洞，所以代码运行也必须符合现实逻辑，不存在大力出奇迹的情况，客机这些复杂的飞行数据之间的逻辑关系也是难以摸清楚。
针对特定场景有独特的解决方案
所以2023年在概念破产后，花重金请软件公司做数字孪生，结果做了堆模型的冤大头企业慢慢减少，业内开始转向做特定场景的数字孪生，开发可以在生产过程中起到具体作用的软件，并且出现了相当一批优秀案例比如港口的动态管理这些系统、高危行业培训、太阳能智能调控等。比如太阳能发电板在安装的时候需要选择太阳照射时间最长的最优位置，使用过程中，太阳的东升西落、阴雨天气等情况，导致无法最长时间发电，如果事先建立整个太阳能发电厂的数字孪生，就可以在位置选择上，大量减少实地勘探的人力成本，在使用依靠传感器的实时数据，同步调整面板朝向，最大限度发电。赛博空间因为是数据构成，可以随便怎么“作”，无论摧毁多少次只需要一键就能还原，所以非常适合飞行员培训这种特定情景。
模拟飞行舱视景系统就是典型案例，飞行舱由运动、视景、计算机等五大部分构成，为飞行员提供模拟画面的视景系统部分长期被卡脖子，因此国内228台模拟飞行舱基本全部进口。随着《王者荣耀》《蛋仔派对》这些游戏的建模日益精美，同样是模拟画面，为什么不用游戏引擎来做一套视景系统呢？游戏公司开窍了，拥有屠龙宝刀，就去做实景模拟系统，历时多年，终于从图像渲染到软硬适配上下游全产业链实现国产自研。视景系统不仅可以模拟海洋、沙漠、城市等不同场景，以及白天黑夜、四季等动态变化，让飞行员训练不需要亲自开飞机上天找鸟撞，还可以应用到高空人员培训等高危场景，至少让“菜鸟”提前心理适应。包括港口的数字孪生，识别条船的位置，评估所需要的停港时间，精准管控每条船的进出港以及吊装时间，给岸上的物流车更畅通的道路规划，极大地提升货物运转效率。
互联网赋能传统行业还是服务传统行业？
周鸿祎说过，过去十年是消费互联网，未来十年是产业互联网，消费互联网的核心在于供需的精准匹配，商家需要平台去获客，消费者需要平台来满足日常需求，所以平台的生态位不可或缺，过去二十年线上产业的高歌猛进，也让互联网企业产生了可以改变一切的错觉。但是工业互联网的商业模式更多的是售卖软件和服务，相当于制造业是甲方，互联网企业是乙方，需要去满足甲方的需要。互联网企业习惯以自我为中心，往往忽视企业的实际需求，过度依赖之前的经验路径，而且各大厂、中厂都在疯狂制造甲方看不懂的概念，把“对齐颗粒度”这些互联网黑话搬过来糊弄制造业企业。程序员和工程师也存在巨大的认知差异，很少有既懂代码又懂流水线的复合型人才，整个行业缺乏统一的共识和标准，没有客观的评价标准，难以推进规模化，只能花大成本去和每个客户沟通，做定制案例。比如制造业企业做数字孪生出发点还是业务需求，需要的是对某几个关键环节进行升级，固化工作流程，提高生产效率，而互联网企业坚持做个全生产流程的可视化，驴唇不对马嘴。
甲方有时候也会为难乙方，在具体的工厂场景，生产计划的排期、良品率等不可控因素，导致数据采集、筛选成本极高，因此建立的模型有很大的不确定性，很多制造业企业又对数据处理成本有着误解，比如数字孪生项目的500W的预算，数字孪生企业只能做到最原始的数据收集，只需要再加100W就能给到优质的数据包，但是制造业企业不想给，又急着赶工期，导致交付的软件效果一言难尽。
元宇宙的路子没有错，网络空间盖房子、建工厂是必然的方向，建筑原料从钢筋水泥变成了算力数据，程序猿是建筑工人的定位，开发软件、游戏引擎取代了搅拌机这些设备。
从加密货币到现在的生成式大模型，都对算力芯片有极大需求，尤其是前些年的挖矿潮，需要大量的显卡，直接导致芯片价格暴涨，叠加热钱泛滥，催生算力金融化的特征，算力成为新的蓄水池，不过都面临着“距离工厂太远，距离写字楼太近”的问题，可落地的商业解决方案一直难以出现，只能一轮一轮地热炒概念。
第一轮AI浪潮冒出来的C端通用大模型都遇到了瞎编乱造和答非所问的问题，因为大众语料库过于繁杂并且垃圾信息污染严重，反而B端的垂直大模型的语料库经过专业人士筛选和回归验证，质量起码可以保证下限，已经看到投入实际生产的可能。
数字孪生天然和工业相联系，只要肯花钱，可以筛选出优质数据包，数字孪生的理想状态是实现生产过程全数据的动态同步，难点在于传感器的数据收集筛选和建立模型，从而辅助决策，而不是简单的生产过程3D可视化。
36Kr/ 虎嗅/ 观察者网风闻社区/ 网易新闻/
