什么是數字孿生？

?

數字孿生，近幾年在互聯網領域頻繁出現，更是跟智慧城市深度綁定，以大數據為基礎打通邏輯世界和物理世界。

說起孿生，我們立馬會想龍鳳胎、雙胞胎之類的詞，這確實是最直觀的理解，也是很正確的理解，只不過數字孿生中的雙胞胎并不是兩個個體，而是兩個系統：一個系統存在于現實的物理世界，一個系統存在于虛擬的數字世界。并且通過智能技術，使得這個存在于虛擬世界中的系統也能以一種直觀的方式讓我們感知與觸碰。因為物理世界是由千億級的各類數據構成，所以在虛擬世界中的仿真即便就是對各類數據的仿真，即數字孿生。

數字經濟興起之后，數據開始由”數字孿生”向”數字原生”發展，前者是將人類已有知識應用于數字虛擬世界，后者是生產適應于數字經濟的新認知。

?

可以說數字原生是由‘以物理世界為重心’向‘以數字世界為中心’遷移的思考問題的方式。

第一階段，科學實驗生產新知識。遠古時候，知識往往從實踐之中生產，鉆木取火和伽利略的比薩斜塔實驗是最典型代表。當擊打野獸的石塊與山石相碰時往往產生火花時，燧人氏受到啟發，以石擊石生出火來，這是通過實踐觀察生產新知識。亞里士多德曾說，物體越重下落速度越快，因此當伽利略將45.4千克和0.454千克的鐵球在比薩斜塔上扔下的時候，不但推翻了已有的知識，而且開創了近代科學實驗的新紀元；

第二階段，理論推理生產新知識。這個階段，知識從公理公式中生產，牛頓微積分是典型代表。俗話說，“工欲善其事必先利其器”，微積分就是數據家手里的“利器”，以微積分為基礎，通過理論推理生產新知識；

第三階段，仿真計算生產新知識。這個階段就是我們前面談到的數字孿生，基于已知對物理世界仿真建模，知識從規模計算中生產；

第四階段，數字原生生產新知識。這個階段的核心是面向答案求解不確定過程，知識從海量數據關聯中生產。

今年年初，?谷歌云人工智能工程師戴爾?馬爾科維茨針對美國“烘焙”興趣激增，與團隊產生了一個新靈感：決定更深入地研究這一趨勢，并嘗試了解導致餅干松脆，蛋糕松軟和面包蓬松背后的科學原因。

首先，這些谷歌云員工組織了700多種食譜，涵蓋了餅干、蛋糕和面包，從而標準化了測量，分離關鍵成分，并對香蕉、面包等并非真正 “面包”的東西進行重新分類。

然后，他們將它們輸入一個名為 “ AutoML Tables”的工具中，以創建一個機器學習模型，該模型能夠根據成分的數量來預測食譜是餅干、蛋糕還是面包。

這個實驗證明了數字化世界里的知識，是構建在輸入和結果上的。

這個實驗的立意，描述了人工智能生產新知識的方法，從烘培工藝到成分學習這一簡單事實，進而解釋了科學第一性原理，數字原生在重構人類認知。

什么是科學第一性原理？

科學第一性原理回溯到1936年，薛定諤方程。薛定諤因為既死又活的貓被人們記住，而他真正偉大的貢獻是薛定諤方程，在沒有任何”可解釋”的物理學定理可以借用的前提下進行純數學推導，幾百年來人類所掌握的自然的”可解釋”的認知都被拋棄，薛定諤方程最終被定義為”科學第一性原理”。

?

在今天的數字經濟中，很多基于我們經驗規則流程的商業實踐，甚至一些物理的公理定理，都開始讓位于數據和算法所訓練生成的新的知識。比如我們在電力系統的末端網絡，解決互變關系即變壓器和電表的邏輯。拓樸結構會使用高中物理所學習到的電壓電阻的串并聯關系，但這樣一個簡單完美的電路理論模型往往失效，因為現實世界中有大量的偷電漏電火線接地等線損情況，使數據產生理論模型所描述不出來的錯誤，解釋不了戶變區域電表的隸屬關系，這個時候用純數學的隱馬爾可夫鏈概率推演的方式，反而可以清晰地計算出電壓電表的關系，數學替代了物理學常識，構建了新的邏輯關系。

?——天云數據CEO雷濤

天云數據數字原生服務通過應用智能計算沙盒、元數據網關、感知服務網關和隱私計算數據閥等技術，支撐企業數字化轉型，促進企業數據、算力、算法生態的協同發展。

?

作為一家大數據及人工智能基礎軟件提供商，天云數據在成立之初就在數字原生上下足了功夫：所研發的人工智能專家系統Gaea內置機器學習功能洞悉歷史數據下蘊藏的規律；數據治理工具ADG就可完成內/外部數據整合實現元數據管理；特征工程平臺Kaleido，基于分布式存儲架構和分布式計算框架可以最大限度地從原始數據中提取特征以供算法和模型使用；模型推理服務平臺Sail，作為平臺底層是容器集群，為容器化的模型服務提供資源限制、負載均衡等功能。