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

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

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

应与持续 迭代。 5G 与工业物联网：为远程运维、实时数据采集、高精度定位提供了网络基础。在 5G 数 字孪生工厂中，能实现对人员、设备的全方位实时监控与调度。 数字孪生：不仅用于物理工厂的模拟优化，也正逐步应用于人力资源领域。基于数字孪生 技术构建的虚拟仿真实训系统，能极大降低实操培训成本与安全隐患，助力高技能人才培 训，如四川应用的 5G+XR 技术每年助力培训超 10 万高技能人才。 测效率提升 90%，人力成本下降 80%。 预测性维护：通过传感器和 AI 算法预测设备潜在故障，变“事后维修”为“事前维护”， 大幅降低停机损失。 数字孪生工厂：将物理工厂全要素映射到虚拟空间，实现模拟、监控与优化。施耐德电气 的开放自动化平台与 5G 深度融合，实现了设备的虚拟化和软硬件解耦，部署时间大幅缩 短。 2.2.3 供应链管理：从“线性链条”到“网状生态” 成熟度：中等，但协同价值巨大。 值创造的实践。它通过数字化的手段，为物理世界中的实体（小到一个零件、一条产线， 大到一个工厂、整个供应链）在虚拟空间中创建一个完全对应的“数字双胞胎”。这个双 胞胎不仅是三维模型，更是动态的、数据驱动的、可模拟、可预测的。 产线级数字孪生：优化生产与调试 虚拟调试：在物理产线搭建之前，先在虚拟环境中完成机械设计、电气设计和自动化程序 的集成与测试。这能够提前发现 80%以上的设计错误，将现场调试时间从数月缩短至几

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），于 2025 年 9 月编制数字孪生世 界白皮书（视觉语言篇）。 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 高透明度的主题色蒙版，营造全息投影的穿透感； 数字孪生世界白皮书 10  点线几何面矩阵：利用不同明度、灰度的主题色点线面组合作为主要装饰元素；  霓虹灯光效点缀：高明度亮点配合高饱和度的弥散光效来模拟霓虹效果。 1) 元素搭配 2) 适用场景 常用于军事指挥、汽车自动驾驶、智能巡检、创新技术演示等场景，给用户带来沉浸 式的场景体验。 3) 设计要点 FUI 风格中的点线面装饰相对繁复 GPU 的通信时间，多用于绘制大量具有相同网 格，但位置、旋转、缩放信息不同的物体。 简单来说，上万的集装箱是由相同的模型“复制”后，摆放在不同位置形成的。可以 利用同一个集装箱模型加上实例化技术，模拟呈现出 4 万多个集装箱堆放的效果。模型 大小从接近 300 MB 直接下降到 10 MB 以内，保证交互效果始终流畅： 数字孪生世界白皮书 69 2 数据驱动解决实例化模型呈现单色： 通过“模型实例化”解决了

16 21,637 14 0.5% 10 产品测试 239 4 85.3% 3 17,097 22 -2.5% 23 大客户销售 223 5 -28.5% 28 19,354 16 1.3% 9 模拟芯片设计 218 6 -5.2% 9 33,527 1 1.3% 8 39 热门职能 近1个月 人力需求 招 聘 量 涨 幅 招聘量 细分职能 招聘量 招聘量排名 招聘量环比变 化率 8% 13 25,688 8 -2% 14 质量保证 149 11 -27% 27 17,669 20 -2% 15 设备工程 124 12 -3.9% 7 16,260 25 3.5% 1 模拟版图设计 107 13 -16.4% 15 18,626 19 -2.1% 19 算法 104 14 -9.6% 11 31,532 2 2.2% 5 采购 81 15 -30.8% 30 15 年总现金收入 10分位 50分位 90分位 芯片设计 芯片设计 芯片架构工程师 44.4 61.5 89.8 59.2 80.6 117.4 芯片设计 模拟芯片设计师 32.5 49.4 72.6 39.3 60.2 88.5 芯片设计 模拟版图设计师 25.4 34.5 50.8 32.7 44.6 64.5 半导体研发 封装研发工程师 18.2 25.9 39.8 22.9 32.6 49

数据中筛选出对特定癌症靶点具有抑制 作用的化合物，并通过进一步的计算模拟优化其分子结构，提高其 生物利用度和降低毒性。 此外，DeepSeek 还可以应用于虚拟筛选（VS）中，通过分子 对接和分子动力学模拟技术，预测化合物与靶点蛋白的结合模式。 这种方法不仅能够节省实验资源，还可以在早期阶段排除那些不具 备成药性的化合物。例如，在抗病毒药物研发中，DeepSeek 可以 通过模拟病毒蛋白与候选药物的相互作用，筛选出具有高结合亲和 是否顺畅，功能是否正常。此阶段应重点关注数据格式转换、 接口调用频率和响应时间。 3. 性能测试：评估系统在高负载情况下的表现，包括处理大量并 行请求的能力、系统稳定性和恢复能力。可以使用模拟工具生 成模拟医疗数据流，进行压力测试。 4. 安全测试：确保系统遵循医疗数据保护标准，如 HIPAA，测 试数据的加密传输、访问控制和审计日志功能。 5. 用户接受测试（UAT）：邀请医疗机构的最终用户进行实际 以适应患者病情的变 化。 在接口开发过程中，应采用敏捷开发方法，确保各模块的快速 迭代和优化。同时，需进行严格的测试，包括单元测试、集成测试 和系统测试，确保接口的稳定性和可靠性。测试环境应模拟真实医 疗场景，评估接口在不同负载和网络条件下的表现。 以下是一个接口性能测试的示例数据： 接口名称 平均响应时间 （ms） 最大并发用户数 错误率 （%） 患者数据接口 50 1000

光经典计算可分为数字光计算和模 拟光计算。数字光计算是利用光学器件逻辑门，通过复杂的逻辑门组合构建类似 传统数字电子计算原理的计算系统完成计算，但目前尚未被验证是一种有效的、 通用的计算架构。模拟光计算则是利用多维光场调制实现某种专用的光学信息处 理，其实现人工智能常用的光神经网络主要通过基于自由空间光学系统和基于集 成光学平台两种方式。基于自由空间光学系统的光神经网络利用光在自由空间的 在光电混合架构中，计算任务被拆分为线性与非线性两部分，分别由光芯片 与电芯片协同完成。其计算流程具体如下： 图 4 光电混合计算示意图 1）数据载入：计算开始时，电芯片从存储器中读取待处理数据，经数模转 换器转换为模拟电压信号。该信号随后驱动光学调制器，如马赫-曾德尔调制器 （Mach–Zehnder Modulator，MZM），对光源（如激光器）产生的连续光波进行 幅度、相位或偏振态的调制，从而将电信号承载的信息“写入”光信号之中。 低，是光 中国移动 面向新型智算的光计算白皮书（2025） 12 计算的核心优势所在。 3）结果转换与电域非线性处理：经过光学元器件处理后的输出光信号，由 光电探测器阵列接收，并将其转换为模拟电流信号，再经过模数转换器恢复为数 字结果。此时得到的结果仅为线性计算的输出，为了实现完整的神经网络，线性 计算的结果会被送入电芯片，在电域执行激活函数、池化等非线性操作，最终形 成有效的计算结果。

和抽检监督，维护人员可以实时查看设备的运行状态和 故障信息并根据提示进行维修。沉浸式培训为员工培训 提供更加真实、沉浸式的培训环境，通过创建虚拟工厂 环境，员工可以在不接触实际设备的情况下进行模拟操 作并熟悉生产流程和操作规范。 1.3.3 融合化：走向办公与生产业务数据融合和场景虚实融合 高品质的办公网络提升了信息传输的速率及质量，叠加 数字孪生技术将全面赋能沉浸式办公，打通物理空间与 生产班组会议：产线班组长面向班组工人，结合大数据生产看板等直观的多媒体材料， 书写式、批注式进行工作任务部署和安排，强化重点工作和相关要领。班组会议接受上 级远程视频督导和抽查，以 AI 数字人等智能化形式与班组成员进行模拟数字人对话、实 时音视频对话，了解工作状态、审视工作进展，并留存归档供后续智能分析，形成体系 化的数字化生产运营资料。 生产数据看板：产线班组点阅大数据生产数字看板，协同确认工作流细节，通过智能语 生产技能培训：针对班组一线工人需要的操作技巧、岗位知识、安全意识等各类型内容 素材，通过智能化技术固化、萃取和沉淀，自动生成和优化数字化培训内容，以本地展播、 现场讲解、远程实时视频互动、AI 数字人模拟问答考试等形式，进行常态化、体系化的 班组工人技能培养。 面向复杂的产品装配维修等场景，提升沉浸式远程协同指导的体验，集约化专家资源、 降低异地 / 跨国差旅成本。 通常情况下，近端维修工人