部署数字双胞胎:企业可以面临的7个挑战以及如何导航
数字孪生的承诺:变革系统及更远
在当今快节奏的世界中,惊喜似乎每天都在发生。这就是为什么像数字孪生这样的工具变得越来越有价值。正如罗克韦尔自动化旗下Plex的产品管理副总裁Ara Surenian对ZDNET解释说:“能够模拟和模仿现实世界的环境,让你根据收集的数据做出明智的决策。这非常有益。”
但数字孪生到底是什么?可以将它们想象成物理系统、机器甚至生态系统的软件复制品。通过模仿这些实体,它们使我们能够预测结果、优化性能并降低成本——所有这些都不需要触及真实物体。无论是改进工业机械、优化供应链,还是测试城市规划场景,数字孪生都具有巨大的潜力。
数字孪生如何重塑产品开发

数字孪生不仅仅关乎效率;它们还在革命化产品开发。当与扩展现实(XR)结合时,它们创造出增强可视化和协作的沉浸式体验。例如,制造商可以模拟装配线,工程师可以在虚拟蓝图中漫步——所有这些都在动工之前。这是一个游戏规则的改变者。
然而,实施数字孪生并非没有挑战。让我们深入探讨一些障碍以及行业领导者建议如何克服它们。
挑战与解决方案
1. 复杂性
复杂性常被认为是部署数字孪生的最大障碍之一。施耐德电气机器人卓越中心主任Christine Bush指出:“公司往往追求完美,而不是满足于‘足够好’。”她建议:“从小处开始。在可控环境中通过试点项目展示投资回报。”
为了避免被压倒,专注于特定地点而不是整个系统。Surenian建议:“确定数据最容易获取的区域,并问自己想回答什么问题。是产能?库存?需求预测?从那里开始。”
2. 不完整的网络
数字孪生要蓬勃发展,组织需要强大的网络连接。诺基亚贝尔实验室解决方案研究总裁Thierry Klein强调:“连接至关重要——不仅是网络层面,还有人与机器之间的连接。”
AI可以在这里弥合差距。集成的AI模型可以分析数据、推荐行动并模拟场景,使数字孪生随时间变得更智能。Klein补充说:“AI将数字孪生转变为能够自主优化的动态工具。”
3. 数据速度
实时数据处理至关重要。Databricks的AI副总裁Naveen Rao强调了这一点:“如果你的模型不够快,警报可能会来得太晚,导致昂贵的维修或团队间的不信任。”
为了解决这个问题,公司必须投资于高性能计算和边缘分析,以确保数据流畅且快速地流动。
4. 用户界面不够实时
虽然数字孪生在模拟方面表现出色,但它们的界面有时未能达到预期。XR和VR技术通过提供交互式仪表板,让用户直观地探索系统,承诺解决这一问题。
然而,安全问题仍然至关重要。Bush说:“XR和VR是出色的工具,但必须在可控环境中小心实施,以避免事故或干扰。”
5. 不一致的标准
缺乏通用的标准导致数据孤岛,阻碍整合。Trimble的创新副总裁Shelly Nooner强调需要开放、可互操作的标准。像BuildingSmart这样的组织正在为建筑等行业开发框架,铺平道路。
6. 管理多样化的数据输入
数字孪生在很大程度上依赖于传感器数据和物联网设备。施耐德电气的创新产品负责人Robert Bunger强调了组织这些输入的重要性。他说:“整合各种数据流同时保持模型同步是一项艰巨的任务。”
机器学习运营(MLOps)可以在这里提供帮助。通过持续重新训练模型并确保访问控制,企业可以保持准确性和透明度。
7. 技能差距
最后,专业人才的短缺构成了一项挑战。ISG的顾问Ryan Hamze建议投资于本地劳动力培训。与技术公司的合作也可以弥合技能差距。
结论:以业务为中心的方法
最终,数字孪生的成功取决于它们与业务目标的契合。EY咨询公司新兴技术执行董事Jason Noel强调了为非技术利益相关者设计数字孪生的重要性。
Noel表示:“以人为中心的数字孪生赋予了跨部门的决策者权力。它们将洞察力无缝整合到工作流程中,推动更明智的选择和行动。”
通过专注于可用性和协作,数字孪生可以转变行业并重新定义产品开发的未来。
相关文章
美国股市触及历史里程碑,人工智能与航空航天巨头准备开启万亿美元时代
埃隆·马斯克、山姆·阿尔特曼和达里奥·阿莫迪,这三位科技领域的巨头,正推动其各自的企业迈向首次公开募股(IPO)。随着 SpaceX、OpenAI 和 Anthropic——这三家估值接近万亿美元的行业巨头——即将上市,2026 年被预测将成为美国历史上新股发行规模最大的一年。这一历史性的资本激增已引起全球金融界的关注,成为检验公共市场吸收如此大规模资金能力的关键压力测试。这些主要融资活动的同步启动预计将打破 2021 年创下的 1560 亿美元纪录。超级独角兽的资本博弈每家公司上市的路径
瑞典人工智能初创公司Lovable Eyes在完成主要融资轮后估值达132亿美元
随着人工智能驱动的编码工具日益普及,瑞典初创公司 Lovable 已获一轮重大融资。该公司计划筹集 30 亿美元,其估值有望升至 132 亿美元——这是去年 12 月记录的 66 亿美元的两倍。预计 Menlo Ventures 将主导此次投资。Lovable 的吸引力源于其核心的“氛围编码”(vibe coding)技术,该技术通过消除对复杂编码技能的需求来简化软件开发。用户只需以自然语言描述其需求,系统即可自动生成应用程序。这种直观的方法吸引了个人开发者、设计师和小企业,并扩展至 Work
Google 测试 Remy AI 代理,以 Gemini 为重点转向用户控制
根据《商业内幕》的报道,谷歌正在测试 Remy,这是 Gemini 的一款全新 AI 个人代理工具。该工具旨在代表用户执行任务,从而简化专业工作流程和日常事务。目前,Remy 正在 Gemini 应用的内部员工专属版本中进行测试。该报告引用了一份内部文件以及对两位熟悉该项目的个人的采访。内部资料将 Remy 描述为“全天候个人代理”,将 Gemini 定位为能够代表用户行事的主动助手。接近该项目的消息人士证实,谷歌员工正在积极测试 Remy。谷歌发言人拒绝提供进一步评论。该报告未提及公开发布
相关专题推荐
评论 (6)
0/500
デジタルツインの導入って実際にどんな課題があるんだろう?記事によると7つもチャレンジがあるみたいだけど、特にセキュリティとデータ統合の部分が気になるなぁ…🤔自社で使えるかどうかは、結局トライアンドエラーが必要そう。でも未来のツールだから、遅れないようにしないとね。
Ehrlich gesagt finde ich es wichtig, dass solche Artikel auch die praktischen Hürden ansprechen. Immer alles als 'Game-Changer' zu verkaufen ist eine Sache – die Implementierung ist oft was ganz anderes. 😅
Digital twins são fascinantes, mas a implementação parece um pesadelo logístico! 😅 Será que as empresas pequenas conseguem acompanhar essa tecnologia sem quebrar o orçamento? Adoraria ver cases reais de PMEs usando isso.
Digital twins sound like sci-fi magic! 🪄 Super cool how they can mirror real-world systems, but I bet setting them up is a nightmare for small businesses. Too pricey or just too complex?
Super cool to see digital twins in action! But man, deploying them sounds like a tech rollercoaster—7 challenges? I bet half are about data chaos. Anyone got tips for small biz diving into this? 😅
数字孪生的承诺:变革系统及更远
在当今快节奏的世界中,惊喜似乎每天都在发生。这就是为什么像数字孪生这样的工具变得越来越有价值。正如罗克韦尔自动化旗下Plex的产品管理副总裁Ara Surenian对ZDNET解释说:“能够模拟和模仿现实世界的环境,让你根据收集的数据做出明智的决策。这非常有益。”
但数字孪生到底是什么?可以将它们想象成物理系统、机器甚至生态系统的软件复制品。通过模仿这些实体,它们使我们能够预测结果、优化性能并降低成本——所有这些都不需要触及真实物体。无论是改进工业机械、优化供应链,还是测试城市规划场景,数字孪生都具有巨大的潜力。
数字孪生如何重塑产品开发

数字孪生不仅仅关乎效率;它们还在革命化产品开发。当与扩展现实(XR)结合时,它们创造出增强可视化和协作的沉浸式体验。例如,制造商可以模拟装配线,工程师可以在虚拟蓝图中漫步——所有这些都在动工之前。这是一个游戏规则的改变者。
然而,实施数字孪生并非没有挑战。让我们深入探讨一些障碍以及行业领导者建议如何克服它们。
挑战与解决方案
1. 复杂性
复杂性常被认为是部署数字孪生的最大障碍之一。施耐德电气机器人卓越中心主任Christine Bush指出:“公司往往追求完美,而不是满足于‘足够好’。”她建议:“从小处开始。在可控环境中通过试点项目展示投资回报。”
为了避免被压倒,专注于特定地点而不是整个系统。Surenian建议:“确定数据最容易获取的区域,并问自己想回答什么问题。是产能?库存?需求预测?从那里开始。”
2. 不完整的网络
数字孪生要蓬勃发展,组织需要强大的网络连接。诺基亚贝尔实验室解决方案研究总裁Thierry Klein强调:“连接至关重要——不仅是网络层面,还有人与机器之间的连接。”
AI可以在这里弥合差距。集成的AI模型可以分析数据、推荐行动并模拟场景,使数字孪生随时间变得更智能。Klein补充说:“AI将数字孪生转变为能够自主优化的动态工具。”
3. 数据速度
实时数据处理至关重要。Databricks的AI副总裁Naveen Rao强调了这一点:“如果你的模型不够快,警报可能会来得太晚,导致昂贵的维修或团队间的不信任。”
为了解决这个问题,公司必须投资于高性能计算和边缘分析,以确保数据流畅且快速地流动。
4. 用户界面不够实时
虽然数字孪生在模拟方面表现出色,但它们的界面有时未能达到预期。XR和VR技术通过提供交互式仪表板,让用户直观地探索系统,承诺解决这一问题。
然而,安全问题仍然至关重要。Bush说:“XR和VR是出色的工具,但必须在可控环境中小心实施,以避免事故或干扰。”
5. 不一致的标准
缺乏通用的标准导致数据孤岛,阻碍整合。Trimble的创新副总裁Shelly Nooner强调需要开放、可互操作的标准。像BuildingSmart这样的组织正在为建筑等行业开发框架,铺平道路。
6. 管理多样化的数据输入
数字孪生在很大程度上依赖于传感器数据和物联网设备。施耐德电气的创新产品负责人Robert Bunger强调了组织这些输入的重要性。他说:“整合各种数据流同时保持模型同步是一项艰巨的任务。”
机器学习运营(MLOps)可以在这里提供帮助。通过持续重新训练模型并确保访问控制,企业可以保持准确性和透明度。
7. 技能差距
最后,专业人才的短缺构成了一项挑战。ISG的顾问Ryan Hamze建议投资于本地劳动力培训。与技术公司的合作也可以弥合技能差距。
结论:以业务为中心的方法
最终,数字孪生的成功取决于它们与业务目标的契合。EY咨询公司新兴技术执行董事Jason Noel强调了为非技术利益相关者设计数字孪生的重要性。
Noel表示:“以人为中心的数字孪生赋予了跨部门的决策者权力。它们将洞察力无缝整合到工作流程中,推动更明智的选择和行动。”
通过专注于可用性和协作,数字孪生可以转变行业并重新定义产品开发的未来。
美国股市触及历史里程碑,人工智能与航空航天巨头准备开启万亿美元时代
埃隆·马斯克、山姆·阿尔特曼和达里奥·阿莫迪,这三位科技领域的巨头,正推动其各自的企业迈向首次公开募股(IPO)。随着 SpaceX、OpenAI 和 Anthropic——这三家估值接近万亿美元的行业巨头——即将上市,2026 年被预测将成为美国历史上新股发行规模最大的一年。这一历史性的资本激增已引起全球金融界的关注,成为检验公共市场吸收如此大规模资金能力的关键压力测试。这些主要融资活动的同步启动预计将打破 2021 年创下的 1560 亿美元纪录。超级独角兽的资本博弈每家公司上市的路径
瑞典人工智能初创公司Lovable Eyes在完成主要融资轮后估值达132亿美元
随着人工智能驱动的编码工具日益普及,瑞典初创公司 Lovable 已获一轮重大融资。该公司计划筹集 30 亿美元,其估值有望升至 132 亿美元——这是去年 12 月记录的 66 亿美元的两倍。预计 Menlo Ventures 将主导此次投资。Lovable 的吸引力源于其核心的“氛围编码”(vibe coding)技术,该技术通过消除对复杂编码技能的需求来简化软件开发。用户只需以自然语言描述其需求,系统即可自动生成应用程序。这种直观的方法吸引了个人开发者、设计师和小企业,并扩展至 Work
デジタルツインの導入って実際にどんな課題があるんだろう?記事によると7つもチャレンジがあるみたいだけど、特にセキュリティとデータ統合の部分が気になるなぁ…🤔自社で使えるかどうかは、結局トライアンドエラーが必要そう。でも未来のツールだから、遅れないようにしないとね。
Ehrlich gesagt finde ich es wichtig, dass solche Artikel auch die praktischen Hürden ansprechen. Immer alles als 'Game-Changer' zu verkaufen ist eine Sache – die Implementierung ist oft was ganz anderes. 😅
Digital twins são fascinantes, mas a implementação parece um pesadelo logístico! 😅 Será que as empresas pequenas conseguem acompanhar essa tecnologia sem quebrar o orçamento? Adoraria ver cases reais de PMEs usando isso.
Digital twins sound like sci-fi magic! 🪄 Super cool how they can mirror real-world systems, but I bet setting them up is a nightmare for small businesses. Too pricey or just too complex?
Super cool to see digital twins in action! But man, deploying them sounds like a tech rollercoaster—7 challenges? I bet half are about data chaos. Anyone got tips for small biz diving into this? 😅





首页






