天南制造业观察 · 工业数字化标准观察
数字孪生标准正在成体系。分界线不在模型精细度,而在数字实体能否持续对应真实设备。
展厅大屏上,一台泵组可以旋转、拆解、变透明。叶轮、联轴器、轴承座都做得很细,讲解也很顺。
客户忽然问:“这台设备现在的负载是多少?上周振动升高,原因在哪里?”
讲解员停下来,切到另一套监控系统,又打开一张维护表。
这个停顿,正好划出了三维模型与数字孪生之间的边界。
8 月 14 日,全国标准信息公共服务平台登记了《信息技术 人工智能增强型数字孪生系统 通用要求》,项目编号 20264242-Z-469,目前仍在起草。与此同时,两项数字孪生基础国标已在 8 月 1 日到达实施日期;面向制造的框架标准、工业数字孪生建设指南和服务商评估标准,也将在 9 月、12 月接续到达实施日期。
一条标准链正在形成:数字实体、信息交互、制造框架、项目建设、服务商评估,再到 AI 增强。
数字孪生的分界线不在“画得像不像”,而在“数字世界此刻对应的是不是这台真实设备”。
![]()
案例画面:三维模型解决设备表达问题;是否构成数字孪生,还取决于设备身份、数据连接与动态对应
01
高精模型仍可能是离线资料
三维模型可以准确表达外形、结构、装配关系和工作原理。它非常适合产品说明、方案沟通、培训和展会演示。
但模型做得再精细,如果它不知道自己对应哪一台设备,不接收这台设备的状态变化,也无法保留时间上的演变,它依然是一份数字资料。
GB/T 43441.1—2023 对数字孪生系统的定义,强调基于数据驱动,实现目标实体与数字实体之间各要素的动态迭代。系统包含目标实体、数字实体、数据连接,以及连接过程中涉及的模型、数据和接口。
这里最重要的词,不是“三维”,而是“对应”和“迭代”。
因此,一套视觉精美但长期不更新的整厂模型,离孪生系统可能还很远;一个画面朴素,却能持续关联设备身份、运行数据、历史状态和分析结果的系统,反而更接近孪生的核心。
02
可以把孪生系统拆成四层
为了便于设备企业立项和沟通,可以把数字孪生拆成四层。以下是本文的解释框架,不是标准原文分级。

案例画面:自动化设备的三维表达可以承载结构与工艺信息,孪生系统还需接入真实状态
第一层是目标实体。先说清楚要对应的是一台泵、一条线、一个车间,还是某个工艺单元。边界不清,后面的数据和模型都会漂移。
第二层是数据连接。传感器、PLC、SCADA、MES 或维护系统提供什么数据,单位是什么,多久更新一次,设备离线后怎么处理,都要有明确口径。
第三层是数字实体与模型。几何模型负责空间和结构,机理模型解释运行规律,行为与规则模型描述状态变化和约束,历史数据让系统知道“这次变化是否异常”。
第四层是判断与应用。监测、诊断、仿真、排产、能耗分析、预测性维护,都属于这一层。输出可以是给人的建议,也可以在受控条件下进入业务流程;“自动控制”并不是所有孪生项目都必须达到的终点。
四层之间要能追溯。看到一个报警,用户应能回到对应设备、数据时间、判断规则和处置记录,而不是只看到模型变红。
03
以一台泵为例,差距在状态链
如果目标只是讲清泵的内部结构,三维动画已经能完成任务:流体怎样进入,叶轮如何做功,机械密封位于哪里,检修时先拆什么。
要把它推进到数字孪生,项目会多出一条状态链。

案例画面:设备画面负责呈现结构与状态位置,判断依据仍应来自真实数据和经过验证的模型
系统先要确认设备身份和设计基线,再接入流量、压力、电流、温度、振动等实际数据。数据经过时间对齐和质量检查,进入机理或分析模型,与历史工况比较,最后形成状态识别、异常提示或维护建议。
这时,三维画面承担的是“把状态放回设备空间”的工作:异常发生在哪个部位,影响哪段流程,建议检查什么。画面很重要,但判断不能由画面凭空产生。
如果传感器更换、设备改造、控制逻辑升级,数字实体也要同步版本。否则屏幕上的“孪生”会逐渐变成一份过期模型,只是外观看不出来。
04
AI 增强,增强的是判断能力
最新登记项目把“人工智能增强型”写入名称,容易让人把注意力放在大模型界面或智能问答上。
真正值得关注的,是 AI 如何进入设备状态链:从时间序列里识别异常模式,用多源数据估计难以直接测量的状态,对故障风险、剩余寿命或工艺结果做预测,再把结果交给明确的岗位和流程。
这也抬高了数据要求。训练数据来自哪些设备,工况是否相似,异常样本是否可靠,模型在什么边界内有效,输出错了由谁复核,都应在项目中留下答案。
AI 可以让数字实体更会分析,却不能替项目补上缺失的设备身份、数据接口和工程规则。
05
立项前,先写下四个验收问题
数字孪生项目最容易从“做一套平台”开始,最后变成各部门对“完成”的理解不同。
更稳妥的做法,是在建模前先写下四个问题:
1. 系统具体对应哪些真实设备和工艺边界?
2. 它要帮助哪个岗位做出什么判断?
3. 这个判断依赖哪些数据、模型和更新频率?
4. 最后用什么场景、记录和误差指标验收?
这四个问题会直接决定三维要做到多细、数据接到哪里、模型需要多复杂,也能防止市场材料把未来规划写成已经交付的能力。
三维可视化与数字孪生并不冲突。前者让结构、流程和状态更容易被人理解;后者维持真实设备与数字实体的持续对应。把两者的边界说清,项目反而更容易分阶段落地。
需要说明:本文是基于公开标准信息的行业解读,不构成标准符合性评价或项目验收意见。最新登记项目仍在起草,最终内容应以正式发布文件为准。
天南制造业观察
复杂设备的可视化,首先要忠于工程事实。用于数字孪生项目时,三维内容应与设备标识、数据口径和应用场景共同定义,不能代替数据连接、算法验证和系统验收。
主要来源
1. 全国标准信息公共服务平台:《信息技术 人工智能增强型数字孪生系统 通用要求》,登记日期 2026-08-14,目前处于起草阶段。
2. 国家标准全文公开系统:GB/T 43441.2—2026《信息技术 数字孪生 第2部分:数字实体》、GB/T 43441.3—2026《信息技术 数字孪生 第3部分:信息交互》,实施日期 2026-08-01。
3. 国家标准全文公开系统:GB/T 47691—2026《工业数字孪生系统建设实施指南》、GB/T 47693—2026《工业数字孪生系统服务商评估》,实施日期 2026-12-01。




