在研发实践中，除了主动地借助工具软件、管理软件的应用，实现效率提高、质量提升、周期缩短、成本降低等研发管理目标，企业还应积极探索新兴的数字化、智能化技术，可能带给企业的创新机会。其中，在笔者看来，数字孪生、数字主线、人工智能等技术，最具代表性和影响力；它们的应用，将不仅给研发体系带来重大变革，还将革命性地改变产品的形态，进而重塑整个产业。
一、数字孪生
在Gartner发布的2022年度十大战略技术趋势报告中，数字孪生（Digital Twin）名列其中。随着近年来政府和咨询机构的广泛宣传，数字孪生已成了人们交谈中的热门词。数字孪生驱动的产品研发，数字孪生驱动的生产运营，数字孪生驱动的服务支持，数字孪生驱动的城市治理，等等，成了IT服务厂商们开发数字化解决方案的新方向。笔者确信，作为一种新兴的数字化技术，数字孪生必将给技术和产品的开发，以及产品的功能和形态，带来革命性变化。
1. 数字孪生的定义
图7.13 数字孪生的定义和内涵
物理世界、数字模型和连接数据是数字孪生的主要构成，其中的连接数据，包括自物理世界到数字模型的运行洞察，以及自数字模型到物理世界的行动指令。通过物联网技术，数字孪生获得物理世界运行状态的实时数据，并通过高级数据分析和机器学习等技术进行理解并形成业务洞察；在此基础上，还可以做相关的业务模拟或预测，形成下一步的业务建议、决策和行动，并以指令形式下发给物理世界。
2. 数字孪生的特点
作为工业互联网时代的数字化技术，与PLM、ERP等管理软件相比较，数字孪生具有架构灵活、面向决策和高度融合等特点。
1）灵活架构
图7.14 数字化孪生的架构特点
横向看，数字孪生之间也可以组成双向交流的网络。在这种网络中，设备、IT系统、过程、工件、产品、人员等的数字孪生之间可以通过各自的代理进行沟通和协作。从这个意义来说，所谓的工业互联网，就是基于物理世界的数字孪生的联网，工业互联网的每一个节点就是各种数字孪生。
2）面向决策
图7.15 数字孪生的功能特点和技术生态
3）高度融合
图7.16 基于数字孪生的物、数、人的融合
3. 数字孪生驱动的研发
借助现有产品的数字孪生，企业可以获取用户行为和产品表现的大量、实时数据。基于这些数据的分析结果，企业可以进行现有产品的快速迭代，也可从中了解到用户的真实需求（需求洞察），将之作为新产品构思的参考。
1）数字孪生助力产品迭代
产品数字孪生在其运行时，除了发挥出应有的功能，也可对自己的表现进行实时地监控和记录，并将其表现数据，通过网络传送回指定的数据后台。这些表现数据，不仅有助于企业实时地了解产品的实际表现，当发现故障或异常时，也有助于技术人员对故障部位和原因进行快速地定位和分析。如果故障属于设计缺陷，就可以进行产品的快速迭代。
2）数字孪生助力需求洞察
有些公司通过客户需求调查来了解客户需求，但得到的认知很可能是似是而非的。我们很多人可能都曾经被调查过，要么所做出来的回答是应付式的，要么是随意性的发挥，根据这些所得出的结论，其质量就可以想而知了。
丰田汽车的经营哲学之一是“三现主义”，即现时、现地、现物。为了掌握第一手的客户需求信息，在产品开发的预研阶段，丰田汽车的产品研发负责人——总工程会带领研发团队花上大半年的时间，去客户现场去了解客户的使用情况，亲身感受车辆的使用环境，对同行的竞品或对标车型做数千公里的驾驶体验，……
产品数字孪生，为企业了解客户需求提供一种有效的渠道。通过物联网和大数据等信息技术，企业可以实时地监测用户的使用行为，收集使用行为有关的数据，进而对之进行挖掘，并实现对客户需求的洞察。
4. 基于数字孪生的创新
基于数字孪生，可以进行产品功能和形态的创新，创新出智能互联型产品（Smart Connected Products，简称SCP）。基于智能互联型产品，可以构建智能互联型产业生态，助推“产品即服务”的商业模式创新。
1）智能互联型产品创新
所谓智能互联型产品，指的是具备自感知、自决策、自执行、可交互、可联网、可远程升级等能力的产品，这可借助数字孪生技术来实现。
SCP具有两类典型的能力：智能（Smart）和互联（Connected）。所谓的“智能”，是这种产品有内置的软件（Embedded Software），可以实现诸如环境感知、数据采集、数据运算、UI展示、人机交互等功能。所谓“互联”，是这种产品含有通讯模块，可以实现产品与产品之间，产品的边缘端与云端之间的通讯，进而通过“互联”功能，获得云端所提供的，更多的软件服务，能够进行远程更新升级
2）智能互联型模式创新
“产品即服务”的商业模式解决了客户（使用者）在大资金的融资或筹措等问题，也能够消化产品制造商的闲置产能或帮助制造商实现均衡化生产，供需双方各得其益，着实是一种重大的商业模式创新，故此，在近几年得到了快速推广。“产品即服务”的商业模式，其主要缺点是资产的所有者和使用者相互分离，作为所有者的制造商需要承担较大的风险。为了控制风险，制造商需要有某种手段去监控和跟踪商品的运行状态和历史轨迹。
数字孪生技术的应用，让“智能互联型产品”的产品形态和“产品即服务”的商业模型实现了较好的融合。因为“智能互联产品”所携带的“智能”和“互联”的能力，制造商可以在远程实时监控和跟踪产品的运行状态和使用历史，从而有效地控制商业风险；使用者也可以实时、直观地获取产品的操作指导和使用建议，不间断地升级产品的软件功能，从而有效地利用产品为其服务。
二、数字主线
随着机（械）、电（子电气）、软（件）、数（据）等要素高度一体化产品的出现，PLM等传统型管理软件已难以适应新形态下产品数据管理的要求，企业需要更有效的管理手段，对多技术领域、异构的产品数据进行整合，数字主线（Digital Thread）就是响应上述背景和需求的产品。换句话说，数字主线是新型的产品数据管理解决方案，具有鲜明的工业互联网特点，是支撑数字孪生得以实现产品数据中台。
1. 数字主线的定义
因为结构的标准化和工具的商业化程度不高，业内对数字主线并没有一个统一的定义。一般认为，数字主线是一种全局性通讯架构，将产品或资产全生命周期的各种信息整合在一起，为企业中不同角色的人，提供与产品有关的完整的、一致的、准确的信息。简单来说，就是将合适的信息，在合适的时间，提供给合适的人，这与数据中台的概念有很多类似之处。因此，我们可以认为，数字主线是以产品数据为管理对象的数据中台。
图7.17 数字主线的使命和角色
2. 数字主线的架构
数字主线本质上是一种信息架构和数据服务，它要在基于模型的系统工程（Model-Based System Engineering，MBSE）指导下，围绕产品的通用信息结构，面向市场、设计、工程、制造、服务、运营等各个业务领域的需求来构建，要涵盖产品或资产的整个生命周期。
在表现形式上，可以这样比喻，市场、设计、工程、制造、服务、运营等领域的相关产品信息就像“信息湖”，而数字主线就是流经和贯穿这些“湖泊”的“信息河”。实际上，数字主线的英文，Digital Thread的Thread，就有类似于“河流”的意思。
图7.18 数字主线与产品生命周期
对于机、电、软、数等高度一体化的产品，机械、电子电气、软件、数据等要素都有各自特有的模型定义，比如机械部件可以用三维模型（Model-Based Definition，MDB）来表示，电子电气以需求结构或文档的形式来定义，软件系统则可以用统一建模语言（Unified Modeling Language，UML）来建模，数据则有结构化和非结构化的区别。要想实现一个统一的产品信息沟通架构，就需要一种更抽象、更通用的模型语言和工程方法将机械模型、电子电气模型、软件模型、数据模型等统一起来，业内主流的就是基于模型的系统工程（MBSE）。换言之，如果没有MBSE之类的语言和方法，机械结构、电子电气结构、软件结构、数据结构的定义之间就无法建立关联，也就实现不了相互之间的双向追溯。
2）通用产品架构
江、河、湖、海之所以能贯通，是因为它们的容纳之物——“水”具有相同的“水分子结构”；同样，企业中的产品，无论它面向什么样的市场，落实到哪个业务领域，都应该具有高度抽象的、一致的结构，这就是通用产品结构（Generic Product Structure，GPS）。通用产品架构的核心作用是实现功能结构（相对稳定）与实物结构（多变）的分离，从而从根源上降低了产品结构的复杂度，进而避免了复杂性管理在制造、服务等下游环节的蔓延。需要特别指出的是，有些企业的产品结构系统只是考虑了机械和电子电气件，还需要在此基础上把软件和数据等要素整合进去。
3）多领域用途视图
图7.19 数字主线在各业务领域的表现形式
图7.20 数字主线的实施方法
各作业的产品信息输入和输出清单整理出来后，就要对这些信息进行整理、归类，比如产品信息元数据的种类、内容、格式，等等，并形成以产品生命周期演变为时间轴的信息流。另外，还要参照产品通用结构和业务用途视图的要求进行结构化。
项目目标的设定，即综合考虑业务价值、数据获得和加工的难易程度，数据加工成本等因素，整理出数据主线项目的目标优先级。需要提出的是，数字主线实施项目应遵循迭代的方法论来做，选择优先级高的，先行先试。
在开发实施上，数字主线项目与数据中台、商务智能等系统的开发方法和技术差不多。在产品或资产实时运行数据的获取方面，可以借助物联网平台；在PLM、ERP、MES等系统的产品定义、交易数据的采集方面，可以采用ETL；在数据展现上，可以按业务场景或用户角色来设计相应的用户交互界面。
数字主线一旦投入使用，要持续跟踪其业务价值，并与项目初期设定的项目目标进行对照和评估，找出其中有待改进的地方，作为下一个冲刺的项目需求。
数字主线的开发和实施，是对企业的巨大管理基础和技术挑战。一则，它涉及到的组织和业务面广；二则，它缺乏成熟的解决方案和典型案例；三则，它缺乏详细、有高指导性的实施方法论。然而，实践告诉人们，复杂度越高，风险越大的事情，一旦做成了，则成效越突出。
三、人工智能
在未来的10年，如果要问哪一类技术对社会、企业和产品的影响最大，那很大可能是人工智能。在研发领域，影响最大，可行性较高，也最有业务价值的人工智能技术，应该是大模型技术，它不仅将重塑技术和产品的开发形式，也将重塑技术和产品的功能形态，具体可参见图7.21的示意。
图7.21 大模型对研发和产品的影响
1. 研发大模型
技术和产品的开发需要创新，创新的基础是知识的有效运用，具体包括：知识建模、知识获取、知识融合、知识管理、知识推理、知识应用，等等。
在以往，企业期望通过知识管理系统（KMS）的实施，来推动研发知识的运用，实际效果却并不理想，根本原因是极度地依赖于相关人员的意愿和行为，需要有人愿意创建和分享知识，更要是结构化、易获得的知识。
1）研发大模型的应用价值
借助大模型技术，企业可以有目的、有计划、基于大数据来训练和构建研发大模型，从而做好研发知识的整理和沉淀，并以自然语言交互的方式供研发人员使用，降低了知识加工的难度，提高了知识复用的便利和效率，进而在技能辅助、成本控制、协同消耗等方面发挥出巨大的价值。
技能辅助。借助研发大模型，可以补齐初级工程师的技能短板，以研发导航或设计防错等形式，避免他（她）们犯低级的设计错误，并能够胜任更为复杂的研发工作。
成本控制。企业可以使用研发大模型去从事事务性工作，比如：咨询应答、代码生成、软件测试、工作跟踪、报告撰写，等等，从而消减上述工作上的时间和资源消耗，将稀缺的研发人力资源分配到复杂性、创新性工作上。
协同消耗。项目开发团队的规模越大，需要沟通的事项和频次就越多，消耗在沟通、协同上的时间就越多。研发大模型的应用，有助于精简团队规模，减少沟通的事项和频次。
2）研发大模型的建设路径
研发大模型的建设，不是一朝一夕的事情，研发大模型的应用也将是持续深化的过程。企业可以先构建助手型研发大模型（LLM as Copilot），再构建代理型研发大模型（LLM as Agent），再构建引导师型研发大模型（Facilitator），将研发大模型的应用水平不断深化。
助手型研发大模型。助手型研发大模型，具备人机对话的能力，可以辅助研发人员完成常规性研发任务，提高研发过程中知识获取的效率，解决单点事务性工作的效率问题。助手型研发大模型的应用，需要研发人员具备提问（Prompt）的能力。
代理型研发大模型。在给定上下文的前提下，代理型研发大模型具备自主完成研发任务的能力，可以胜任初级工程师的角色，能够自主使用相关研发工具完成预定任务。另外，通过多个代理（Agent）的协作，可以完成较为复杂的研发任务。
引导师型研发大模型。作为研发大模型的高级形态，引导师型研发大模型具备跨领域的整合能力，可以辅助研发人员做研发决策，或是辅助研发计划的编制，或是辅助发现研发中存在的问题。引导师型大模型还可以生成创意，引导研发人员进行技术构思和产品构思。
实际上，在服装、游戏、动画、软件等行业，大模型技术，已经可以胜任一般性的设计和开发任务，或是辅助设计师、开发工程师进行复杂的设计和开发。
2. 产品大模型
将大模型技术嫁接到产品功能上，企业构建出具备一定程度的思维和执行能力的产品大模型。借助产品大模型的支撑，产品就具备了一定程度的智能，在为用户提供所需功能的同时，可以减轻用户的使用负担，将用户从产品使用中解放出来。
产品大模型的典型例子是汽车的智能驾驶。当前，L2级的智能驾驶已经大规模商用，配备L2级智能驾驶的汽车，可以完成自动跟车、车道偏离修正、超车预警、自适应巡航、自动倒车入库等驾驶操作，其背后的技术支撑就是产品大模型。同时，具备L4级或L5级智能驾驶的汽车，也在特定的领域和场景中试用。
