加快数实融合
缩小现实与虚拟之间的差距
自动化在制造业和农业等行业的应用已有数十年历史，但其范围和影响从未如此深入地扩展到物理世界，而且这一趋势只会加速发展。
上一代自动化系统都部署在嵌入式系统中，往往受到物理条件的限制。例如，有的机器人仅限用于单一流水线，或者在行走过程中遇到墙壁时难以寻找其他路径。然而，在新传感器和新工具的帮助下，不仅能测绘和穿透更广阔的物理空间，还能以惊人的保真度用数字方式再现该空间。
如今，该视角适用于各种应用场合，可能受影响最大的是与物理环境有明确联系的企业，但我们预计该视角还会影响所有非纯数字化企业。新型农业系统能够测量土壤，并以最佳比例施水施肥，进而助力提高农作物产量，这就表明数字技术现在能够改变甚至提升物理世界的广度和精度。数字孪生，即物理对象在现实世界中的具体数字表达，目前已用于航空航天等领域，可监控和评估设备性能，在潜在问题出现之前就将其标记出来。
环境融合需进行更全面的思考。需提供和共享高质量数据，因为没有这些数据，系统就无法做出明智决策。过去，负责嵌入式系统的工程师很可能坐在一栋大楼里，而负责制造发动机或车辆的工程师则在另一栋大楼里工作，但现在，各职能部门应聚集在一起，共同制造和运行横跨两个领域的产品。
我们走过了联网设备应用曲线的拐点：我们见证了早期疯狂的物联网构想，也经历了反击，最终看到了真正有用的创新。
我们走过了联网设备应用曲线的拐点：我们见证了早期疯狂的物联网构想，也经历了反击，最终看到了真正有用的创新。
预兆信号
- 自动驾驶汽车的发展。尽管充满争议或挫折，但仍有大量无人驾驶汽车在更多地方上路行驶。据报道，无人驾驶出租车先驱 Waymo 和 Cruise 正在酝酿向洛杉矶、得克萨斯州甚至日本扩张。在此过程中，还推动了新型传感器技术的发展。
- 智慧农业初见成效。以色列的 BloomX 等初创公司正致力于将数字系统和物理系统相融合，在农场中广泛应用技术， 模仿并改进授粉等自然过程。通过这些创新，可提高产量，减轻气候变化给农业部门带来的一些挑战。
- 制造业出现新平台。高德纳等分析机构的研究表明，在典型的仓储或制造作业中，机器人的数量和种类都会激增，几乎所有相关公司都计划扩大机器人队伍。由于这些“机群”中的机器来自不同的供应商，因此出现了一类软件，能够与所有机器集成和通信，进行工作协调。这就是高德纳所说的“多代理编排平台”。
- 更积极主动的维护。随着人工智能的发展，预测性维护的实践水平也随之提升，壳牌等公司借用人工智能，分析历史数据和实时传感器读数，深入了解资产的健康状况和性能。此外，他们在故障实际发生之前确认故障点的能力也有所提高。
值得关注的趋势
采纳
-
此类方法可以推导出输入数据和机器学习模型结果之间的因果关系。如果机器学习模型能够推而广之，那么使用为数不多的训练数据即可有效运行。
-
生产者和消费者双方就使用数据集或数据产品达成的正式协议。
-
去中心化身份（DiD）也称为身份自主权，是一种基于开放标准的身份架构，使用自主独立的数字 ID 和可验证的凭证来传输可信数据。虽然不依赖于区块链，但目前许多示例都是基于区块链以及其他形式的分布式账本技术和私钥 / 公钥加密技术进行部署，目的是保护在线交互的隐私和安全。
-
更精细的数据访问控制，如基于策略的访问控制（PBAC）或基于属性的访问控制（ABAC），在决定谁有权访问数据时，可以应用更多的情境元素。
-
随着时间的推移，原本设计为去中心化的人机系统变得越来越集中。重新去中心化指有意识地将这些系统恢复去中心化模式。
分析
-
通常以自主方式实现设备间直接交互和信息共享的技术。决策和行动只需很少的人工干预或根本无需人工干预。
-
一套新兴技术，用于认证数据来源并管理整个企业的数据使用。 经证明，在跟踪和加强实现可持续发展目标的进展方面，该技术具有变革性意义。
预测
-
一系列新工具和新技术，可支持将负责任技术纳入软件交付流程，主要侧重于积极吸纳代表性不足的观点；相关示例包括技术塔罗牌（Tarot Cards of Tech）、结果扫描（Consequence Scanning）和敏捷威胁建模（Agile Threat Modeling）。
采纳
-
对数据产品的精准技术描述，有助于数据产品的供应、配置和管理。
分析
预测
-
一种数据架构形式，个人以去中心化方式控制自己的数据，允许采用按使用量计费的访问（例如 Solid POD）。
机会
若在该视角上抢占先机，企业即可：
- 节约资源，降低风险。各种迹象表明，加强对资产的实时监控，利用数据分析或模拟来确认生产过程中的潜在薄弱环节，可以产生立竿见影的效果。普华永道（PwC）对欧洲公司开展的一项研究发现，其中实施预测性维护的公司平均正常运行时间增加了 9%，成本降低了 12%，健康和安全等风险也下降了两位数。
- 确保高产之路更加顺畅。除了通过提高生产效率和减少出错率来提高产量（如智慧农业），数实融合还可以大幅降低原型设计和测试的成本和复杂性，从而优化生产流程。
- 提升客户体验，并做出响应。虽然全面自动化可能会引发更多质疑，但研究表明，消费者对有针对性的技术解决方案反应积极，这些解决方案可以减少现实世界中的挑战，例如汽车中的盲点警告和车道辅助系统，或提高能源效率的智能家居。借助从这些系统获得的数据，还可以深入了解客户的行为和参与情况，从而进一步完善产品。
- 促进实现可持续发展目标。数实融合环境有望以多种方式帮助企业减少对环境的影响，包括优化土地、水和能源等资源的使用；减少部件或机器弃置和更换的次数；或尽量减少在现实对象或原型上进行真实测试的需求。
我们的工作成果
与 MOIA 携手打造自动驾驶汽车
虽然自动驾驶汽车的普及在物理、法规和心理方面都面临重重阻碍，但仍有一些创新型企业致力于此。例如，大众汽车（Volkswagen）旗下有一家拼车服务提供商 MOIA 向我们寻求帮助，希望通过情景测试，让自动驾驶汽车成为其车队的一员。
在进行了一系列模拟后，Thoughtworks 增强了 MOIA 快速、安全、无缝部署和管理自动驾驶汽车的能力。目前，Thoughtworks 正在助力将这些汽车推广到现实环境中，同时利用数据和各种设备，衡量这种汽车如何应对复杂路况和交通挑战。
可行建议
需采取的行动（采纳）
- 了解数实融合是否适用于您的企业， 但纯数字化企业（即无实物产出）除外。有一些用例适用于企业，但问题在于哪些是最相关的用例，哪些应该优先实施。
- 在描绘现实蓝图时，请优先考虑持续发展的数字领域。许多从事体力劳动的人以前基本上都是在与世隔绝的情况下独立工作。例如，在建筑中埋设炸药或在采矿期间进行钻探。未来，这些人需要与创建软件和设计系统的团队建立联系和互动，以便管理这些过程中日益重要的数字化要素。
需考虑的事项（分析）
- 借助技术发展，寻找改进物理过程的机会。值得特别一提的是传感器和执行器，其精确度和功能性远远超过几年前。很多公司不仅致力于缩小传感器和执行器的尺寸，以便嵌入到更多设备中，还要确保它们能够独立运行，提供更精细的数据。
需注意的事项（预测）
- 监控自动化和物联网（IoT）等领域的合规性和法规。随着数字化设备日益复杂、智能化，并具有潜在的侵入性，监管法规将会逐步加强。
- 关注科技公司、政府和同行在该领域的行动和举措。由于物理现实只有一个，因而随着数据传输和传感器通信等领域标准的制定，企业实际上将不得不采用新出现的各种技术或协议。如果坚持采用错误的标准或技术，企业可能会被淘汰。