孪生世界白皮书（案例实践篇），于 2023 年 4 月编制数字孪生世界白皮书（技术实践篇）， 于 2025 年 4 月编制数字孪生世界白皮书（智能算法篇）。 特别说明：本白皮书内所有案例截图均为模拟数据。 主编单位：杭州易知微科技有限公司 编写指导（排名按姓名拼音首字母）： 陈为 浙江大学计算机学院教授 邓贵德 中国特种设备研究院正高级工程师 杨秦敏 浙江大学控制科学与工程学院教授 3%以下；在工业场景中，自编码器 驱动的设备故障预警系统减少非计划停机 30%。 智能算法的融合应用还体现在多源异构数据的实时处理与动态适应上。通过集成传感 器数据、遥感影像与业务日志，大模型可动态优化城市内涝模拟、港口物流调度等复杂场 景。黄河流域泥沙冲淤模型即通过无人机测深数据与智能插值算法，实现水下地形的高频 更新，防洪调度效率提升 40%。此外，基于强化学习的智能决策系统在电网负荷平衡、交 通信号优化中展现出自主进化潜力。 数字孪生技术的核心在于对多源异构数据的深度融合与智能解析，其应用场景的拓展 高度依赖于复杂数据的高效处理能力。地理数据处理通过整合 DEM、LiDAR 等数据，构 建高精度三维地质模型，结合 AI 算法实现地质灾害动态模拟（如滑坡预警、洪水淹没分 析），并应用于水利工程优化与城市规划决策。例如，黄河流域通过无人机测深技术实时 数字孪生世界企业联盟 DTWEA 数字孪生世界白皮书(2025) 2 更新水下地形数

and analytics Seamless collaboration across disciplines 从精益制造发展到智能制造需要哪些步骤？ I. 虚拟呈现制造流程。 首先，需要模拟实际制造流程，包括工艺节点和制造 线，对其进行虚拟再现，以获得对规划和生产必要的 洞察，从而消除缺陷和产品返工，提高 NPI 良率。 II. 实时报告和分析。 其次，需要利用来自 MES 的实时生产数据实现闭环， 1 0 0 1 0 0 0 1 0 1 0 0 1 0 1 1 1 0 0 1 1 1 1 0 0 1 0 0 0 1 0 1 0 0 1 0 1 1 1 0 0 1 X 首先，需要模拟当前的半导体制造流程，包括工艺节点、制造线和实时生产数 据，对其进行虚拟再现，以获得所需的洞察，从而改进工艺、消除缺陷和返 工，实现更高的 NPI 良率。 企业需要由数字孪生提供支持的工厂仿真和流程仿真来创建实际制造流程的虚 品的绩效洞 察，找到解决方法。 数字孪生是产品（产品数字孪生）或其制造流程（生产数 字孪生）的高精度虚拟模型。在构建半导体产品或设计实 际制造操作之前，这些模型在虚拟模型中模拟真实世界的 条件。仿真可用于模拟多个能够通过更低成本进行虚拟评 估的假设场景，以优化产品和流程。 数字孪生会通过企业的半导体 MES 不断更新，以确保出 色的精度。通过不断从现实制造流程中收集数据，制造仿

(programmable logic controller, PLC) 等控制系统的流程工业企业显著提升了生产装置的自动化水平, 实现了从少人化到无 人化操作的跨越, 并进一步推动了制造执行系统、流程模拟软件、先进过程控制软件、控制系统性能 评估和诊断软件等一系列流程工业智能工厂核心工业软件的自主研发和国产化进程 [2]. 流程工业智能工厂建设到今天, 在感知生产过程数据、提升自动化水平、减少人员操作等方面已 “下一个效益提升点”. 然而, 当前基于一系列核心工业软件建设的流程工业智能 工厂在精益化运行方面仍面临不少瓶颈 [1,4,5], 具体表现为以下几个方面. (1) 数据透明化程度还需提升. 制造执行系统、流程模拟软件、先进过程控制软件、控制系统性能 评估和诊断软件等核心工业软件在运行过程中均产生了大量有价值的二次数据, 然而当前阶段企业管 理者需要通过定制报表才能获取所需的企业运行数据, 难以实现全面的数据透明化 层、SaaS 层, 按照智能工厂建设内容划分, 可分为智能装备、智能控制、工业互联网基础设施、核心平台和数据库、智能生产、智能保障、智能供 应链、智能经营等方面. 不论是哪种智能工厂架构, 制造执行系统、流程模拟软件、先进过程控制软件、控制系统性能评 估和诊断软件等核心工业软件均在智能工厂运行中发挥了重要的作用, 是国内外智能工厂解决方案供 应商的核心竞争力所在, 下面将介绍这四类核心工业软件在国内外的发展情况

图 3-2：一次开发 多端部署 多端开发环境 HUAWEI DevEco Studio 是面向全场景多设备提供的一站式开发平台，支持多端双向 预览、分布式调优、分布式调试、多设备模拟、低代码可视化开发等能力，帮助开发者降低 成本、提升效率、提高质量。HUAWEI DevEco Studio 提供的核心能力如下图所示： 图 3-3：HUAWEI DevEco Studio 效果的双向定位修改。 4. 多端模拟器 移动应用开发时需要使用本地模拟器来进行应用调试，实现快速开发的目的。鸿蒙生态 应用需要运行在多种不同类型的设备上，为此 HUAWEI DevEco Studio 提供了不同类型的 设备模拟，支持开发者在多个模拟设备上同时进行开发调试，降低门槛、节约成本。 16 DevEco Studio 在模拟器中预置了 Mate、Pura 系列机型的模板，同时也支持自定义屏幕参 系列机型的模板，同时也支持自定义屏幕参 数。另外为支撑多设备并行调测，提供了多屏模拟能力，可以在一个模拟器上同时进行最多 4 种设备的并行调试。 5. 多端测试 DevEco Studio 针对多设备静态编码检测、运行效果检测提供了两种类型检测工具。  Code Linter 编码检测：支持对应用/元服务的代码文件进行扫描、检测，对于违反 多设备开发规范的代码进行告警。典型规范如颜色使用固定值、字体单位未使用

论建模（理论科学）、计算模拟（计算科学） 以及数据密集型科学 2。实验科学由自然现 象和实验结果归纳出一般性规律，但没有抽 象出经验规律背后的普适理论。理论科学基 于自然现象或实验结果，提炼科学问题并形 成科学假设，然后运用逻辑推理和数学分析， 构建普适理论，但难以在复杂系统中实验验 证。计算科学以科学模型为基础，通过数值 方法模拟复杂系统，但需要简化模型以及提 高模拟精度，以解决模拟系统精度低且计算 研究中运用最多的 AI 方法和技术（图 1.7）。 如今，大语言模型（LLMs）已经成为物质 科学、生命科学、社会科学等领域的通用科 研工具。强化学习方法在工程系统控制、数 学定理证明及物理模拟等复杂场景中占据主 导地位。计算机视觉技术在生命科学和地球 环境领域渗透显著。此外，分布式学习、图 神经网络、可解释 AI 和边缘智能在不同学 科中均得到广泛应用。AI 技术图谱揭示了一 个根本性转变：AI 生态系统动态模拟 跨尺度建模 模型可解释性 物理约束 数据增强 图像处理 随机森林 模型分割 边缘智能 分布式学习 大语言模型 联邦学习 边缘计算 混合精度算法 随机梯度下降方法 泛化能力 策略优化 图神经网络 生成模型 扩散模型 因果推断 循环神经网络 启发式算法 非凸优化 强化学习 人工智能辅助临床决策 模型压缩 演化模拟 多模态大模型

数量已达 101 个， 呈逐步上升态势。这些备案的 模型和算法广泛分布于各个领域，为医疗健康行业 的智能化发展提供了有力的技术支撑与保障。具体 的分布领域如下： · 问诊对话占比 48%，即模拟医生问诊过程，基于用户 输入的症状与病史等文本信息，为用户提供疾病诊断与 治疗建议； · 健康评估与咨询占比 24%，即根据用户输入的问题文 本，生成医学相关文本答案，为用户提供健康咨询、报 告解读、用药指导、膳食建议等功能； 中，科研服务相关投资 有涉及 对文献语义理解和知识关联 挖掘能力有限，可能遗漏 重要信息 教学智能辅助 主要应用于医学教育机构，在实 际临床教学场景中的应用较少 中，教育科技与医疗交 叉领域受关注 模拟场景与真实临床场景 存在一定差距，难以完全涵 盖复杂多变的临床情况 医药创新 蛋白质结构预测与生成 AlphaFold 等技术成果已广泛应 用于科研和药物研发前期，为产 业提供关键基础数据 高，引发科研机构与药 能力体系及可复用、可扩展的解决方案，助力医疗健康行业 AI 应用开发和数智化转型。 总体篇 场景篇 趋势篇 为医疗健康行业模型的训练和推理提供 AI 基础算力 医疗和生命科学的科研计算（如分子模拟、基因组学分析等）和模型训练对算力需求极高，计算任务节点间高 频数据交互，对集群内通信性能、计算资源利用需求高；需要大吞吐量、高 IOPS、低成本海量文件存储支持。 阿里云提供弹性、高性能、高可用的

智能养护 √ 76 智能张拉 √ 77 智能压浆 √ 78 隧道工程 超前地质预报 √ 79 开挖数据管理 √ 80 沉降裂缝监控 √ 81 环境信息监控 √ 82 机电工程 BIM 模拟 √ 83 信息追溯 √ 84 安装调试 √ 85 智能配电网 √ 86 质量管理 机电工程 智能库房 ○ 87 水下开挖 工程 船舶定位 √ 88 开挖深度监测 √ 89 开挖宽度监测 91 疏浚土泄露监测 √ 9 基本规定 序号 功能名称 功能需求 92 水工建构筑 物工程 智能养护 √ 93 智能张拉 √ 94 智能压浆 √ 95 设备安装 工程 BIM 模拟 √ 96 信息追溯 √ 97 安装调试 √ 98 智慧用电 ○ 99 验收环节 验收流程 √ 100 质检评定 √ 101 整改闭合 √ 102 安全管理 安全教育 √ 103 自动预警 ○ 111 环境管理 扬尘监测 √ 112 噪声监测 √ 113 水质监测 √ 114 有害气体监测 √ 115 BIM 应用 项目建设 准备阶段 深化设计 √ 116 施工模拟 √ 117 项目建设 实施阶段 进度管理 √ 118 预算与成本管理 √ 119 质量与安全管理 √ 120 竣（交）工模型 √ 121 运维管理 阶段 运维数据集成 √ 122

Twin）是指某一物理对象、系统 或过程的数字化虚拟模型，它与物理实体同步交互， 用于模拟、集成、测试、监控和维护等目的。它由物理 实体、数字映射模型以及两者之间的数据通信通道 （即“数字线索”）构成。数字孪生能够虚拟构建产品 数字化模型，并对该数字化模型进行仿真测试和验 证；在生产制造过程中，它能模拟设备运转，实时模拟 参数调整带来的变化，极大地降低物理原型制作的成 本和时间，有效实现设计过程中的降本增效。该技术 次工业革命的产物，具备从大量数据中学习 规律，并执行感知识别、预测决策等智能行为的能力。 在工业生产领域，AI技术具备广泛的应用基础。 在产品设计阶段，引入数字孪生技术构建产品和 生产流程的虚拟仿真模型，并通过 AI 技术模拟不同 图1 2020—2025年中国数字孪生市场规模 350 300 250 200 150 100 50 400 中国数字孪生市场规模/亿元 0 2020 2021 2022 用云端计算资源创建虚拟原型并进行仿真测试，以评 估设计方案的可行性和性能，降低物理原型制作的成 本和时间投入，有效实现设计过程中降本增效的目 标 ［4］。 2.3 融合人工智能的数字孪生技术 随着科技的进步，早期侧重于利用模拟模型和简 单规则进行离线分析的融合技术已不能满足工业制 造的智能化需求，实时数据驱动的智能闭环控制已成 为智能制造业发展的标准架构 ［5］。数据是 AI 算法的 核心要素，优质的数据是推动人工智能在工业界应用

1038/s41586-025-08737-1 量子信息技术发展与应用研究报告（2025 年） 16 中性原子量子计算是竞争中的后起之秀，通过光镊捕获中性原 子，利用里德堡态强相互作用实现门操作和模拟演化，具有可扩展 性强、相干时间长、适合量子模拟等优势，近年来比特规模扩展、 操控方案等方面科研成果亮点频出。2025 年，NIST 基于超精细结构 在光镊中捕获两原子之间共振-偶极子相互作用，为控制冷原子提供 新思 圳量子院报道33实现对量子比特及其耦合器上泄露信息的同时抑制， 并展示该方案与量子纠错的兼容性，以及抑制纠错线路中关联错误 方面性能。2025 年，清华大学提出适用于量子模拟的量子错误缓解 方法，可有效抑制幺正错误和随机错误对模拟量子计算能谱求解的 影响34。亚马逊等报道35利用级联玻色子量子比特实现量子纠错编码， 错误率从每个周期 1.75%降低到 1.65%。耶鲁大学联合团队报道36基 于 用场景实现问题求解功能的模块化封装。Quantinuum 推出量子化学 软件 InQuanto 的 4.0 版本，允许编译和执行更复杂的量子线路用于 实现量子化学模拟39。Qunova 将 HI-VQE 量子算法部署到 IBM 的 Qiskit 函数目录中，可面向化学、制药及工业工程领域实现量子模拟40。 量子计算编译软件核心功能是实现量子程序从高级语言描述到 底层硬件指令的转换与优化。IBM 发布 Qiskit SDK v2

逐步推理。比如“销量下降”→“检查天气”→“对比竞争对 手”→“得出结论”。 • 多代理协作（Agenting）：多个AI模块分工，一个查销量，一个查外部新闻，一个做预测，最后汇总。 • 预测与模拟：用统计模型或机器学习，预测未来（如销售额forecasting）。 应用效果 • 例如，老板问“明年销量会怎样”，AI不仅给数字，还能说“基于天气和竞争趋势等，预计增长5%”。复杂 任务自动化 复杂任务自动化，AI大模型嵌入的BI产品能够实现“多个Agent快速沟通协作”。 当前状态 • 链式思维已有大模型实现（如GPT），多代理已有大模型实现（如xAI的Grok能协同工作） AI大模型 链式思维 多代理协作 预测与模拟 ◼ AI赋能BI通过复杂推理与多代理协作，从“单一分析”迈向“智能协同” 在传统BI系统中，分析主要依赖于简单的统计方法，如加总、平均或趋势分析，这些 方法在处理基础数据时效果显著，但在面对复杂问题时，往往显得力不从心。AI的引 在数据 处理、分析、可视化等方面的效率和准确性。AI for BI模式的主要产品类型包括 智能问答式BI、对话式BI、AI增强式BI等。 纬度 人工智能（AI） 商业智能（BI） 定义 使计算机模拟、延伸人的智能 利用数据分析提供企业决策支持 功能 自动化决策、预测分析、智能控制 数据整合、可视化、业务分析 技术 机器学习、深度学习、自然语言处理等 数据仓库、ETL、数据挖掘等 应用 自动驾驶、智能客服、医疗诊断等