数字孪生与其他技术的区别 数字孪生与仿真（Simulation）的区别 仿真技术是应用仿真硬件和仿真软件通过仿真实验， 借助某些数值 计算和问题求解， 反映系统行为或过程的模型技术， 是将包含了确定性 规律和完整机理的模型转化成软件的方式来模拟物理世界的方法， 目的 是依靠正确的模型和完整的信息、环境数据，反映物理世界的特性和参数。 仿真技术仅仅能以离线的方式模拟物理世界， 不具备分析优化功能， 因 此不具备数字孪生的实时性、闭环性等特征。 数字孪生需要依靠包括仿真、实测、数据分析在内的手段对物理实 体状态进行感知、诊断和预测， 进而优化物理实体， 同时进化自身的数 字模型。 仿真技术作为创建和运行数字孪生的核心技术， 是数字孪生实 现数据交互与融合的基础。 在此基础之上， 数字孪生必需依托并集成其他新技术，与传感器共同在线以保证其保真性、实时性与闭环性。 数字孪生与信息物理系统（CPS）的区别 数字孪生与 CPS 都是利用数字化手段构建系统为现实服务。 其中， CPS 属于系统实现， 而数字孪生侧重于模型的构建等技术实现。CPS 是 通过集成先进的感知、计算、通信和控制等信息技术和自动控制技术，构 建了物理空间与虚拟空间中人、机、物、环境和信息等要素相互映射、适 时交互、高效协同的复杂系统，实现系统内资源配置和运行的按需响应、 快速迭代和动态优化 a 。 相比于综合了计算、网络、物理环境的多维复杂系统 CPS， 数字孪 生的构建作为建设 CPS 系统的使能技术基础， 是 CPS 具体的物化体现。 数字孪生的应用既有产品、也有产线、工厂和车间，直接对应 CPS 所面 对的产品、装备和系统等对象。数字孪生在创立之初就明确了以数据、模 型为主要元素构建的基于模型的系统工程， 更适合采用人工智能或大数 据等新的计算能力进行数据处理任务。 数字孪生与数字主线（Digital Thread）的区别 数字主线被认为是产品模型在各阶段演化利用的沟通渠道， 是依托 于产品全生命周期的业务系统，涵盖产品构思、设计、供应链、制造、售 后服务等各个环节。在整个产品的生命周期中，通过提供访问、整合以及 将不同 / 分散数据转换为可操作性信息的能力来通知决策制定者。数字主 线也是一个允许可连接数据流的通信框架， 并提供一个包含生命周期各 阶段功能的集成视图。 数字主线有能力为产品数字孪生提供访问、整合 和转换能力， 其目标是贯通产品生命周期和价值链， 实现全面追溯、信 息交互和价值链协同。由此可见，产品的数字孪生是对象、模型和数据，而数字主线是方法、通道、链接和接口。 简单地说， 在数字孪生的广义模型之中， 存在着彼此具有关联的小 模型。数字主线可以明确这些小模型之间的关联关系并提供支持。因此， 从全生命周期这个广义的角度来说， 数字主线是属于面向全生命周期的 数字孪生的。 数字孪生和资产管理壳（Asset administration Shell）的区别 出自工业 4.0 的资产管理壳，是德国自工业 4.0 组件开始，发展起来 的一套描述语言和建模工具，从而使得设备、部件等企业的每一项资产之 间可以完成互联互通与互操作。借助其建模语言、工具和通讯协议，企业 在组成生产线的时候， 可具备通用的接口， 即实现“即插即用”性， 大 幅度降低工程组态的时间，更好地实现系统之间的互操作性。 自数字孪生和资产管理壳的问世以来， 更多的观点是视二者为美国 和德国的工业文化不同的体现。 实际上， 相较于资产管理壳这样一个起 到管控和支撑作用的“管家”，数字孪生如同一个“执行者”，从设计、 模型和数据入手，感知并优化物理实体，同时推动传感器、设计软件、物 联网、新技术的更新迭代。但是，基于这两者在技术实现层次上比较相近， 德国目前也正努力在把资产管理壳转变为支撑数字孪生的基础技术。 发布单位：中国电子技术标准化研究院、树根互联有限公司

本文作者为朱松纯教授，2017年11月刊登于《视觉求索》微信公众号。 部分引言 …… 其一，人工智能是一个非常广泛的领域。当前人工智能涵盖很多大的学科，作者把它们归纳为六个： （1）计算机视觉（暂且把模式识别，图像处理等问题归入其中）; （2）自然语言理解与交流（暂且把语音识别、合成归入其中，包括对话）; （3）认知与推理（包含各种物理和社会常识）; （4）机器人学（机械、控制、设计、运动规划、任务规划等）; （5）博弈与伦理（多代理人 agents 的交互、对抗与合作，机器人与社会融合等议题）; （6）机器学习（各种统计的建模、分析工具和计算的方法）。 这些领域目前还比较散，目前它们正在交叉发展，走向统一的过程中。作者把它们通俗称作“战国六雄”，中国历史本来是“战国七雄”，我这里为了省事，把两个小一点的领域：博弈与伦理合并了，伦理本身就是博弈的种种平衡态。最终目标是希望形成一个完整的科学体系， 从目前闹哄哄的工程实践变成一门真正的科学 Science of Intelligence。 由于学科比较分散，从事相关研究的大多数博士、教授等专业人员，往往也只是涉及以上某个学科，甚至长期专注于某个学科中的具体问题。比如，人脸识别是计算机视觉这个学科里面的一个很小的问题；深度学习属于机器学习这个学科的一 个当红的流派。很多人现在把深度学习就等同于人工智能，就相当于把一个地级市说成全国，肯定不合适。读到这里，搞深度学习的同学一定不服气，或者很生气。 你先别急，等读完后面的内容，你就会发现，不管 CNN 网络有多少层，还是很浅，涉及的任务还是很小。 各个领域的研究人员看人工智能，如果按照印度人的谚语可以叫做“盲人摸象”， 但这显然是言语冒犯了，还是中国的文豪苏轼游庐山时说得有水准： “横看成岭侧成峰，远近高低各不同。 不识庐山真面目，只缘身在此山中。” 其二，人工智能发展的断代现象。由于历史发展的原因，人工智能自 1980 年代 以来，被分化出以上几大学科，相互独立发展，而且这些学科基本抛弃了之前 30 年 以逻辑推理与启发式搜索为主的研究方法，取而代之的是概率统计（建模、学习）的方法。留在传统人工智能领域（逻辑推理、搜索博弈、专家系统等）而没有分流到以上分支学科的老一辈中，的确是有很多全局视野的，但多数已经过世或退休了。 他们之中只有极少数人在 80-90 年代，以敏锐的眼光，过渡或者引领了概率统计与学习的方法，成为了学术领军人物。而新生代（80 年代以后）留在传统人工智能学科的研究人员很少，他们又不是很了解那些被分化出去的学科中的具体问题。 这种领域的分化与历史的断代， 客观上造成了目前的学界和产业界思路和观点 相当“混乱”的局面，媒体上的混乱就更放大了。但是，以积极的态度来看，这个局面确实为现在的年轻一代研究人员、研究生提供了一个很好的建功立业的机会和广阔的舞台。 鉴于这些现象，《视觉求索》编辑部同仁和同行多次催促作者写一篇人工智能的评论和介绍材料。作者就免为其难，仅以自己 30 年来读书和跨学科研究的经历、观察和思辨，浅谈什么是人工智能；它的研究现状、任务与构架；以及如何走向统一。 作者写这篇文章的动机在于三点： 为在读的研究生们、为有志进入人工智能研究领域的年轻学者开阔视野; 为那些对人工智能感兴趣、喜欢思考的人们，做一个前沿的、综述性的介绍; 为公众与媒体从业人员，做一个人工智能科普，澄清一些事实。 本文来历：本文技术内容选自作者 2014 年来在多所大学和研究所做的讲座报告。 2017 年 7 月，微软的沈向洋博士要求作者在一个朋友聚会上做一个人工智能的简介， 作者增加了一些通俗的内容。2017 年 9 月，在谭铁牛和王蕴红老师的要求下，作者参加 了中科院自动化所举办的人工智能人机交互讲习班，他们派速记员和一名博士生整 理出本文初稿。如果没有他们的热情帮助，这篇文章是不可能写成的。原讲座两个 半小时，本文做了删减和文字修饰。仍然有四万字，加上大量插图和示例。很抱歉， 无法再压缩了。 本文摘要：文章前四节浅显探讨什么是人工智能和当前所处的历史时期，后面 六节分别探讨六个学科的重点研究问题和难点，有什么样的前沿的课题等待年轻人去探索，最后一节讨论人工智能是否以及如何成为一门成熟的科学体系。 诚如屈子所言：“路漫漫其修远兮，吾将上下而求索”。

前言 随着新一代信息技术的高速发展、创新引领与加速融合，“十四 五”期间,城市大数据决策者、设计者、建设者将比以往更加关注城 市大数据发展现状。 本报告选取了国家中心城市、国家区域中心城市、大数据试点示 范城市以及全国主要经济圈的 17 个代表城市作为研究对象，包括北 京、上海、深圳、广州、杭州、贵阳、南京、武汉、重庆、成都、郑 州、福州、天津、西安、沈阳、长沙、呼和浩特。本报告通过对以上 17 个重点城市的大数据发展水平进行评估与分析，期望能为推动我 国及城市大数据发展提供一定参考。 发布单位：中国电子技术标准化研究院、中科大智慧城市研究院、CIO 时代研究院

本标准按照GB/T 1.1—2009 给出的规则起草。 本标准由中关村智通智能交通产业联盟提出并归口。 本标准起草单位： 北京百度网讯科技有限公司、北京智能车联产业创新中心、厦门金龙联合汽车工业有限公司、 上海蔚来汽车有限公司、北京小马智行科技有限公司、北京嘀嘀无限科技发展有限公司、中国科 学院自动化研究所、北京汽车集团有限公司、北京新能源汽车技术创新中心有限公司、东风汽车 集团有限公司技术中心、北京四维图新科技股份有限公司、威马汽车科技集团有限公司、北京赛目科技有限公司。 本标准规定了自动驾驶仿真测试场景描述要求、自动驾驶仿真测试场景集要求和自动驾驶仿 真测试场景数字格式要求， 并在附录提供了自动驾驶仿真测试基础场景集样例。 本标准适用于 3 级及以上等级 M 1 类在城市路况下运行的自动驾驶车辆， 其它可参考使用。 发布单位：中关村智通智能交通产业联盟

本标准规定了自动驾驶车辆道路测试的测试道路的设置要求。 本标准适用于自动驾驶车辆道路测试的测试道路的分级、选择和认定。 发布单位：中关村智通智能交通产业联盟

本标准规定了自动驾驶车辆道路测试应该遵循的测试主体、测试车辆、测试人员的安全管理规范。 本标准适用于在封闭场地、半封闭场地及开放道路上进行的自动驾驶车辆测试。 本标准不适用于对于自动驾驶车辆的信息安全及功能安全要求。 发布单位：中关村智通智能交通产业联盟

本标准规定了场（厂）内专用自动驾驶纯电动小型巴士的车体结构、底盘、电气、自动驾驶能力等技术规范。 本标准适用于场（厂）内专用自动驾驶纯电动小型巴士（简称自动驾驶纯电动小巴） 发布单位：中关村智通智能交通产业联盟

本标准规定了服务型电动自动行驶轮式车技术要求。 本标准适用于指导提供货物配送、餐饮配送、道路清洁、监管巡逻等功能，具备自动行驶功能的低速电 动轮式车辆的研发与测试环节。 本标准按照GB/T1.1-2009《标准化工作导则_第1部分》规则起草。 本标准可作为相关企业研发、试验服务型电动自动行驶轮式车指导性技术文件。 北京市经济和信息化委员会、北京市交通委员会和北京市公安局交通管理局一直高度重视自动驾驶相关 技术与产业发展，开展了大量调查与研究，并指导行业相关企业及联盟开展标准化工作。本标准由中关村智 通智能交通产业联盟提出并归口。 本标准起草单位：北京智能车联产业创新中心有限公司、北京百度网讯科技有限公司、北京三快在线科 技有限公司、中国信息通信研究院、北京智行者科技有限公司、新石器慧通（北京）科技有限公司、北京千方科技股份有限公司。 发布单位：中关村智通智能交通产业联盟

本标准规定了自动驾驶车辆封闭测试场地所包含的测试训练场地、能力评估场地和配套办公及服务设施等技术要求。 本标准适用于自动驾驶车辆研发测试训练所需要的测试训练场地与道路测试能力评估 所需的能力评估场地建设要求。 评估车型包含小型客车、中型客车、大型客车、城市公交车、小型货车、中型货车、大 型货车，具体参数及要求参照T/CMAX 116-01—2018《自动驾驶车辆道路测试能力评估内容与方法》中评估内容评估车型。 本标准作为《北京市关于加快推进自动驾驶车辆道路测试有关工作的指导意见（试行）》 及《北京市自动驾驶车辆道路测试管理实施细则（试行）》配套落实技术文件。 本标准参加起草单位：北京百度网讯科技有限公司、北京新能源汽车股份有限公司、北 汽福田汽车股份有限公司、中国信息通信研究院、北京千方科技股份有限公司。 发布单位：中关村智通智能交通产业联盟

范围 本标准规定了自动驾驶车辆道路测试数据采集技术要求。 本标准适用于自动驾驶车辆道路测试的安全监管与脱离、事故分析和还原。 本标准按照GB/T 1.1-2009《标准化工作导则_第一部分》给出的规则起草 本标准由中关村智通智能交通产业联盟提出并归口。 起草单位：北京智能车联产业创新中心有限公司

为推动我国自动驾驶技术的发展和应用，提高交 通运输行业科技创新水平，规范自动驾驶车辆道路测试工作，依 据《北京市关于加快推进自动驾驶车辆道路测试有关工作的指导 意见（试行）》,特制定本实施细则。 发布单位：北京市自动驾驶测试管理联席工作小组

当下，随着全球各类组织机构都努力在增长目标与可持续商 业间找到平衡，确保这种平衡延伸到技术应用上也变得非常重要。 虽然技术解决方案在解决环境问题上做出了贡献，但总体上 看，信息技术本身还是产生了大量碳排放的。例如，2019年， 数据中心占了全球能源需求的近1%[1]。COVID-19病毒流行期 间,我们都看到了数字化的加速趋势,这也会增加企业的IT碳排放量。 科技行业正迫切希望解决这个至关重要的问题。微软正在实 验研究一些有助于降低数据中心能源需求的方法。例如其中 一个项目‘Natick’，旨在测试水下数据中心的性能和能源效 率[2]。但是大部分企业并不像微软这般重视这个问题。调查发 现，89%的组织机构对其IT硬件的回收率不到10%。 本项研究主要关注的是如何使企业IT本身更具可持续发展性（ 所以，我们不会对智能系统如何用于开发创新的可持续解决方 案进行展开）。为了调查这个重要问题，我们调研了1000家年 营收超过10亿美元的组织，以了解他们在可持续IT方面的看法和期望。 我们还采访了IT高管、可持续发展专业人士，以及来自核心职 能部门(如人力资源、财务和营销)的高管。在本项研究中，我们解决了以下问题： 企业IT当前对环境的影响有多大，增长趋势如何？ 关于IT对环境的影响，各组织机构的认识程度如何？ 组织机构目前会优先考虑发展可持续IT吗？ 实现可持续IT能带来什么好处，企业应该主要关注哪些实 际场景？ 企业应遵循怎样的路线来促进可持续IT方案的实现？ 发布单位：凯捷研究院