尽管用数字化模型表达现实物体已经不是新鲜事,但数字孪生与传统数字模型之间仍有巨大区别——就是要与实体始终保持“孪生”关系。
未来几年,数字孪生有望与物联网技术(包括传感器、高级数据分析、数据驱动制造以及数字经济等)结合,最终带来更准确、更高效的制造与管理能力,降低制造成本,并最终在更长的生命周期内实现最佳产品效能。
英国数字建造中心是商业、能源与工业战略部(BEIS)与剑桥大学合作建立的机构。该中心主任Mark Enzer表示,数字孪生应该能运用来自数字建筑、高性能资产、智慧城市、数字经济乃至互联民众的丰富数据。
英国数字建造中心希望探索如何在这些数据的推动下,更好地设计、建造、运营和集成建筑环境,尝试让数字化全面渗透进基础设施、建筑与公共事业等各个层面。
Enzer在本次公共事业周WWT智能水资源大会上表示,“说起数字孪生,它体现的其实就是信息价值链——一种物理与数字之间的双向连接。我们构建数字孪生的出发点绝不是因为有趣,而应该考虑明确的诉求。”
建立数字孪生
Enzer还简单介绍了创建数字孪生的四个关键阶段。
首先,他强调“设计”阶段应该以信息管理与数据收集技术的最佳实践为核心,强调建立具备“更佳性能”的资产与基础设施。
在随后的“制造”阶段,最重要的就是利用新兴数字制造、信息、管理与制造技术来提高制造过程中的安全性、质量水平与生产效率。
在“运营”层面,Enzer解释道,则需要依靠有效的信息管理方法来改善制造的效能和服务水平。
最后,在“整合”阶段,他强调应了解智能制造如何提高公民的生活质量,特别是怎样利用信息持续推动社会、经济基础设施与服务。
实现最佳决策
这项工作的一大核心,就是在整个制造项目内开展有效的信息管理,并将这种管理能力贯彻到人员、流程与技术的部署当中。Enzer解释道,“应该把信息当作核心。这一切都是为了让人们能够利用信息做出更佳决策,实现流程的改进与顺畅互通,更明智地应用并整合各类技术成果。”
因此,在制造领域应用数字孪生的根本目的,应该是让数字模型自己“说话”,而非简单建立起“包罗万象的大规模模型”;否则,“这只会是一场彻头彻尾的噩梦。”
从本质上讲,国家层面的数字孪生计划需要以结果为导向,专注于实现项目的预期成果、根植于现有系统并辅以强有力的价值观指引。
指导原则
我们的制造系统由经济、社会与自然基础设施等多种元素构成,如果能将这些基础设施连接起来,我们就能在必要时进行更有针对性、更富实效的干预——这种能力对于大多数行业、特别是需要灵活调整和实时干预的公共事业部门而言至关重要。
为此,要想让数字孪生成为跨部门、乃至全行业中的核心组成部分,当务之急就是建立一种通用语言,确保不同产品间可以“相互交流”、共享参考数据并建立起通用数据模型。
Enzer还补充道,虽然数字孪生在人力与组织等方面带来不少现实挑战,但英国数字建造中心已经发布Gemini原则框架,希望解决这些横亘在数字孪生面前的障碍。
Gemini原则框架由英国数字建造中心于2018年12月发布,希望能在整个制造领域之内建立起统一的信息管理方法——特别是共识性的定义与原则,以便降低数据共享门槛。
作为其中的核心理念,框架要求一切数字孪生项目都须具备明确的目的、必须值得信赖且必须有效运作。
这些原则被描述为“信息管理框架与国家数字孪生的良心”,目标就是让英国的数字孪生项目始终遵循强有力的价值主张与造福公众的利益指导。
好文章,需要你的鼓励
OpenAI发布ChatGPT Atlas AI浏览器,支持网页问答、历史查询和邮件改写等功能。同时曝光秘密项目Mercury,雇佣约100名前投行精英以每小时150美元训练AI金融模型。公司还因用户滥用Sora生成马丁·路德·金视频而暂停相关功能。此外,医疗AI搜索引擎OpenEvidence获2亿美元融资,估值60亿美元。
浙江大学团队提出动态专家搜索方法,让AI能根据不同问题灵活调整内部专家配置。该方法在数学、编程等任务上显著提升推理准确率,且不增加计算成本。研究发现不同类型问题偏爱不同专家配置,为AI推理优化开辟新路径。
随着Chrome和Safari主导浏览器市场,众多替代浏览器正在挑战这些行业巨头。本文梳理了当前顶级替代浏览器,包括AI驱动的浏览器如Perplexity的Comet、Arc公司的Dia、Opera的Neon和OpenAI的Atlas;注重隐私的浏览器如Brave、DuckDuckGo、Ladybird和Vivaldi;以及专注特定领域的浏览器如Opera Air和SigmaOS。这些浏览器通过AI集成、隐私保护、定制化和专注用户福祉等特色功能,为用户提供了多样化的浏览体验选择。
清华大学研究团队提出SIRI方法,通过"压缩-扩张"交替训练策略,成功解决了大型推理模型"话多且准确率低"的问题。实验显示,该方法在数学竞赛题上将模型准确率提升43.2%的同时,输出长度减少46.9%,真正实现了效率与性能的双重优化,为AI模型训练提供了新思路。