下载掌阅APP，畅读海量书库
立即打开
当前，全球范围内的数字化转型步伐正在加快，从通信网络到物理实体再到精神层面，数字化组织、数字化虚体、数字化决策、数字化空间的构建在面临挑战的同时，迎来了一个发展的机遇期。各国政府对数字化转型日益重视，试图通过数据分析引领政府决策和推动社会进步。我国也在数字化转型领域快速全面布局，将大数据战略作为推进国家治理体系和治理能力现代化的重要内容和基础性工作。本章从数字化组织、数字化虚体、数字化决策和数字化空间4个方面展开论述，深度剖析当代数字化转型趋势。
“Big Data”（大数据）最早由未来学家阿尔文·托夫勒于1980年提出，但在当时并没有引起广泛关注。直到2011年，研究报告《大数据：下一个创新、竞争和生产力的前沿》的公开发布，正式提出“大数据时代”已到来，“Big Data”才开始广受关注。2012年，中国国家统计局在全国统计工作会议上首次对“大数据时代”进行官方解读，并就政府统计部门如何应对大数据时代的机遇和挑战提出明确的要求。而后在党的十八届五中全会公报（中国共产党第十八届中央委员会第五次全体会议公报）中提出要实施“国家大数据战略”，这标志着大数据正式上升为国家战略，大数据因而得到迅速推广，全国各地各部门陆续推出与大数据发展有关的政策措施，大数据技术在我国得到了快速发展和广泛应用。
业界对数字化转型有很多说法，无论是第四次工业革命还是第一场数字革命，无可辩驳的是，数字化带来的新时代浪潮已是大势所趋，无论是组织还是个人，都将从这股浪潮中受益。
由于数字技术的不断革新和社会环境的变化，未来组织管理的基础必须能够迅速响应并及时适应变化中的各种情况，而适当运用数字化技术，可以帮助各种组织快速获取大量数据，从而开发其潜在利用价值，由此看来，数字化组织是数字经济时代的需要。本节将从数字中国、数字政府和数字企业3个角度出发，探讨大数据如何为政府和企业带来科学决策、精细化管理和服务创新的新机遇。军队的数字化建设同样面临新的机遇，有相关内容将在后边进行介绍。
在“大数据背景下的计算机和经济发展高层论坛”上，石勇院士提出：“大数据的应用在于分析和创造价值。政府部门可以利用大数据的挖掘结果，用科学方法制定政策；企业可以利用大数据使利润最大化；学者可以利用大数据寻找科学规律，支持社会经济发展。”
在中国共产党第十八次全国代表大会之后，以习近平总书记为核心的党中央高度重视网信事业发展，提出了新时代网络强国战略，做出了建设“数字中国”的决策部署。2016年，我国发布的“十三五”规划（2016—2020年）中提出实施网络强国战略，加快建设数字中国，并在《国家信息化发展战略纲要》中将“数字中国”建设和发展信息经济作为信息化工作的重中之重。《“十三五”国家信息化规划》细化了“数字中国”的建设目标。中国共产党第十九次全国代表大会（以下简称党的十九大）的报告也提出加强应用基础研究、实施国家重大科技项目，以支撑数字中国、智慧社会的建设。
1.数字中国的内涵
从狭义上讲，业内专家认为，数字中国是指以全中国为对象的数字地球技术体系，但实际上，党的十九大报告指出数字中国是一个更广义的概念，它代表中国国家信息化的一个范畴，“宽带中国”“互联网+”“大数据”“云计算”等都是数字中国的内容。数字中国既是强国的利器，也是惠民的春雨，覆盖我国经济、社会、文化及生活等方面，随着信息技术的飞速发展和广泛应用，数字化建设浪潮已在全国掀起，诸如“数字农业”“数字校园”“数字社区”等数字化建设如雨后春笋般出现，共同描绘数字中国的宏伟画卷。
数字中国在新时代也具有新特征、新需求，包括建设网络强国、智慧社会。时至今日，企业的数字化转型、行业的“互联网+”发展及社会的智能化提升，已经成为中国特色社会主义新时代信息化各领域呈现的既有差异又内在统一的新特征。有文章指出，数字中国建设立足于“四化”同步发展，以网络强国建设为基石，以数字经济建设为引擎，以“互联网+”发展为抓手，以智慧社会发展为亮点。可以说，数字中国是国家信息化的升级版，将全面服务于国家“五位一体”建设的硬实力与软实力的整体提升。
总而言之，“数字中国”建设以数据集中和共享为途径，旨在推动技术融合、业务融合、数据融合，打通信息壁垒，形成覆盖全国、统筹利用、统一接入的数据共享大平台，构建全国信息资源共享体系。发展“数字中国”，就要运用大数据提升国家治理现代化水平，建立健全大数据科学决策和社会治理的机制，实现政府决策科学化、社会治理精准化、公共服务高效化。
2.建设数字中国的意义
当前，全球性信息化浪潮汹涌而至，世界各国都把推进信息技术发展作为实现创新发展的重要动能。习近平总书记在首届数字中国建设峰会的贺信中强调：“加快数字中国建设，就是要适应我国发展新的历史方位，全面贯彻新发展理念，以信息化培育新动能，用新动能推动新发展，以新发展创造新辉煌。”
大数据技术已经嵌入社会发展的各个层面，对经济发展方式转变、产业结构转型升级具有非常重要的促进作用，对创新社会资源管理、保障和改善民生具有重要意义，对提升整个人类社会的运行效率乃至国家的竞争力具有至关重要的作用。具体来说，利用大数据将社会经济生活方方面面的碎片化信息收集起来并加以分析，可以有效提高信息的全面性和客观性，对政府和企业的决策思维产生了深刻而全面的影响。对大数据及其时代特征、大数据场景化应用及大数据对决策思维的挑战等相关问题做全面分析，探索依靠大数据提升决策思维能力的有效途径，对全面推进国家治理体系和治理能力现代化具有重要意义。用好数据话语权，可在大数据时代无限接近事物的真相，得到更科学的结果，也更能体现“以人民为中心”这一提高决策水平的新时代要求。
得益于数据的共享和开放，教育、金融、农业、医疗等各个领域均取得了长足的发展，数字化中国的建设也在稳步持续推进中。总而言之，当今数字中国的建设可以很好地缩小数字鸿沟、释放数字红利，建设数字中国是推动经济社会均衡、包容和可持续发展、促进国家治理体系和治理能力现代化的必然要求，也是满足人民日益增长的美好生活需要的客观条件。
中国共产党第十九届中央委员会第四次全体会议通过的《中共中央关于坚持和完善中国特色社会主义制度、推进国家治理体系和治理能力现代化若干重大问题的决定》明确指出：“建立健全运用互联网、大数据、人工智能等技术手段进行行政管理的制度规则。推进数字政府建设，加强数据有序共享，依法保护个人信息。”要想真正做到“创新行政方式、提高行政效能、建设人民满意的服务型政府”，建设数字政府是重要途径和关键抉择。
1.数字政府的内涵
《广东省“数字政府”建设总体规划（2008—2020年）》指出，数字政府是对传统政务信息化模式的改革，包括对政务信息化管理架构、业务架构、技术架构的重塑。具体来说，数字政府旨在通过构建数据驱动的政务新机制、新平台、新渠道，全面提升政府在经济调节、市场监管、社会管理、公共服务及环境保护等领域的履职能力，从而推进以公众为中心的公共服务创新发展，提高管理效率、改善服务体验，促进公众与政府的良性互动，实现政府的社会公共服务价值。
随着“大数据”“人工智能”应用的不断深入，数字化环境中政府的运行成为数字政府关注的重点，政府的治理方式也随着政府数据的开放与智能化应用而发生改变。数字政府的内涵通过结合实践经验不断得到丰富和完善。数字政府所要转变的不只是政府现有的工作方式，还有重塑政府的公共服务理念，即通过了解公众的需求，设计和提供满足公众需求的公共服务，实现以数据为中心的策略和流程，并且更加注重数字战略和数字思维，从而做到创新服务模式、提升公共价值。
数字政府的实现离不开数字政府生态系统的建立和数字技术的发展。数字政府生态系统是数字政府能够实现的前提，它由不同角色组成，包括非政府组织、企业、协会和个人，这些角色通过与政府的交互来支持数据、服务、内容的产生与访问。政府的数字化转型是为了充分释放数据红利，实现以数据为基础的政府治理能力升级，只有建立数字政府生态系统，才能使公众随时随地通过任何设备方便、快捷地获取政府的高质量服务。这一切都以数字技术为基础，发展数字技术成为建设数字政府的基础，政府数字化转型需要借助数字技术的创新动能，通过在政府各方面深化应用数字技术，可以提高政府信息的数字化水平和共享程度，从而优化组织结构和流程、改善公共服务供给及扩大民主参与渠道。
为了落实数字政府的建设，需要着重关注4个主要特征：一是政府即平台，政府通过推动与公众、非政府组织和企业共同创造、共同设计和共同交付的创新发展，实现从公共服务的提供者到改善公共服务生态系统的管理者的角色转变；二是创新公共价值，数字政府超越了以技术为中心的行政效率和服务能力等政府内部效益提升的微观改进，使政府更具有远见和洞察力，更注重政府治理体系和治理能力数字化转型中社会和公共效益的提升；三是用户驱动的服务设计与交付，政府服务的重点从满足政府和政策需要向回应公众需求转变，通过服务设计和交付过程改变需求的方向，将满足用户需求作为工作重点，并以这种方式设计服务为用户提供实际所需；四是数据治理与协同，政府强化数据资源统筹规划、分类管理、整合共享，实现公共数据资源一体化管理，为各级政府及部门开展大数据分析应用提供数据支撑。
2.建设数字政府的意义
当前，我国已开启全面建设社会主义现代化国家的新征程，这对政府治理的制度化、规范化、科学化及合理化提出了更高要求。新兴信息技术的发展，极大推动了各国社会生产力的发展和生产关系的重塑，引发了各国在政治、经济、社会及文化等重要领域的深刻变革，显著改变政府、市场和社会的关系，从而对人们的生活、工作产生了巨大而深刻的影响，不断改变人们对政府提供公共价值能力的期望，这就要求政府重新检验其治理方式和模式。因此，在信息技术发展方兴未艾的背景下，政府需要充分使用数字技术和信息技术，并与公众、企业和其他社会组织进行紧密的合作，同时积极推进数字政府的建设，将数字技术广泛应用于政府管理服务和决策，以显著提高政府治理效能，为推进国家治理体系和治理能力现代化提供重要支撑。
2021年11月，国务院常务会议审议通过“十四五”推进国家政务信息化规划，就加快建设数字政府、提升政务服务水平作出重要部署。随着新一代数字技术不断融入政府的管理中，我国的政务信息系统建设和应用等领域均取得了长足的发展，“最多跑一次”、“不见面审批”及“掌上审批”等服务新模式不断涌现，明显提高了企业和群众的办事便利度。建设数字政府，有利于创新行政管理、服务监管方式，是实现政府效能优化提升的新型治理模式。在新时代、新发展阶段，加强数字政府建设，是优化营商环境、推动社会经济高质量发展的重要抓手和引擎，也是践行新发展理念、增强发展动力、增进人民福祉的必然选择，对于优化社会服务供给、创新社会治理方式、推进国家治理体系和治理能力现代化均具有重大而深远的意义。
数字企业作为数字中国建设的一部分，也是数字经济的重要组成部分，还是“十四五”时期我国经济发展的重要内容，更是企业未来的重要发展方向。就像数字经济是对传统经济的升级、变革，数字企业是一种对传统企业发展方式的升级和变革，也是一种发展路径、模式与思维的创新。
1.数字企业的内涵
企业数字化转型是用信息技术全面重塑企业的经营管理模式，也是企业发展理念、组织方式、业务和发展模式等的全方位的变革创新，更是企业从工业经济时代迈向数字经济时代的必然选择。通过加快推进企业数字化转型，打造数字时代企业的业务运行模式，提升企业数字竞争力，是推动产业转型升级和高质量发展的必由之路。
与传统企业信息化相比，数字化代表一种融合、高效且具有洞察力的企业运营模式。其体现的形式是通过行业软件将云计算、大数据、人工智能及物联网等技术串联起来，应用于企业业务、管理和运营。
华为公司企业架构委员会主任熊康认为，数字化转型本身还是一场技术革命，需要引入先进的数字技术。大部分企业围绕数字化转型提得最多的是人工智能、大数据和云平台。但数字化转型其实是两个词，其中的“数字化”是手段，“转型”才是目的。当一个企业真正进行数字化转型时，除了引入上述技术，还应转变意识，做到以客户为中心、回归业务和架构牵引。其中，以客户为中心（C），就是重构用户体验，实现面向对象的精益协同，由外到内思考到底能为客户创造什么价值并带来哪些体验；回归业务（B），即对准实际需求重构作业模式，实现全业务流程的数字化仿真；架构牵引（A），即重构运营模式，实现数据驱动的智能决策。企业的数字化转型是系统工程，很难分部门开展，只有业务主导，架构牵引，让数据作为公司的数据资产被有效统一的管理，在一定的规则下促进共享，才能成功实现转型，发挥数据的最大价值。
2.建设数字企业的意义
数字化为人们创造了更加灵活、方便和互联的世界，在享受便利的同时，人们的行为和消费方式也在不断发生改变。对企业而言，如果不及时掌握这些需求变化，轻则可能失去部分客户资源，重则将与行业发展趋势失之交臂。当今社会，数字化转型对于企业而言已是迫在眉睫，综合业内主要专家的观点，其主要体现在以下三方面：
数字化转型是企业高质量发展的动力保证。数字经济代表未来经济的发展方向，已成为经济增长的核心要素和企业竞争的关键领域。加快数字化转型将加速推进新技术创新、新产品培育、新模式扩散和新业态发展，从而推动企业更多、更深地融入并完善全球供给体系，促进我国产业迈向全球价值链中高端，加快企业高质量发展。
数字化转型是构筑竞争新优势的有效途径。新一代信息技术是新一轮科技革命的核心力量，孕育着产业变革的巨大潜能，也是我国构筑竞争优势、抢占发展主导权的关键领域。有专家认为，加快数字化转型，将推动企业的生产方式、业务形态及商业模式等发生颠覆式重构，从而有机会发挥后发优势，实现换道超车，抢占新一轮产业竞争制高点。
数字化转型是创新驱动发展的有力抓手。新一代信息技术是全球创新最活跃、应用最广泛、辐射带动作用最大的创新领域之一，在当前复杂多变的新形势下，加快数字化转型，将有效激发国有企业创新活力、降低国有企业创新门槛和成本，加快构建实时、开放、高效、协同的创新体系，实现创新驱动发展。
3.企业数字化转型实例
近年来，各企业纷纷在数字化转型方面大步迈进，试图抓住数字技术不断创新迭代的“牛鼻子”，构建数字驱动发展的新模式。以华为技术有限公司（以下简称华为）为例，华为从2016年开始将数字化转型列为公司战略，全面推行数字化转型。其实华为早已完成了公司的流程管理体系和信息化建设，无论是销售、订单业务，还是战略规划等，任何一项工作都有相匹配的流程，并有相应的信息技术系统支撑。但公司却面临新的问题—如何打破已有IT系统形成的数据孤岛、如何引入数字化技术来提升企业的竞争力，即将到来的数字化大潮促使华为在2016年正式提出数字化转型。
在华为的信息化建设进程中，数据分散在系统里，而这些系统的背后可能是不同的业务部门和权力。数字化时代，希望实现应用“服务化”、平台“云化”，更重要的是，企业应有统一的数据底座来承载所有的数据，并将数据变成企业的“战略资产”。数字化可以让不同层级、不同部门的领导在同一时间看到同样的数据，从而省略了原有的层层汇报、加工传递环节，使组织扁平化，令“指挥”到“作战”之间只有“一跳”，实现对问题的实时感知和“察打一体”。
数字化虚体作为与数字化实体相对应的存在，自提出起就得到了全球学者及专业人士的广泛关注。这个概念由美国国防高级研究计划局（Defense Advanced Research Projects Agency，DARPA）于2009年首次提出，作为推动新一轮军事革命的颠覆性技术，DARPA将其称为数字孪生体。DARPA期望能提供一套通用的工程方法，为物理世界建立对应的数字空间，解决在面对复杂系统工程时成本和灵活性难以调解的矛盾。在提出数字孪生体概念之初，DARPA就明确了“化繁为简”的目标，即将复杂的系统工程简化为一种人人均可应用的工程体系，从而释放人类社会的创造力，推动工业化进入新阶段—第四次工业革命。
当前，数字化虚体的概念炙手可热，逐渐成为从工业到产业、从军事到民生各个领域的智慧新代表。数字孪生技术正被广泛应用于工业制造、工程建设、智慧城市、政府机构及文创旅游等领域，它作为一种能将物理世界与数字世界打通而实现虚实融合的复合技术，具有无穷大的发展潜力。
数字孪生体是数字虚体的典型形式，要想理解数字孪生体的概念，首先应了解数字孪生的概念。数字孪生思想最初由密歇根大学的迈克尔·格里夫斯（Michael Grieves）通过“信息镜像模型”（Information Mirroring Model）提出，而后演变为“数字孪生”概念。数字孪生又称为数字双胞胎或数字化映射。数字孪生是在基于模型的工程定义（MBD）的基础上深入发展起来的，企业在实施基于模型的系统工程（MBSE）的过程中产生了大量的物理、数学模型，这些模型为数字孪生的发展奠定了基础。2012年美国国家航空航天局（NASA）给出了数字孪生的概念描述：数字孪生是指充分利用物理模型、传感器及运行历史等信息，集成多学科、多尺度的仿真过程，它作为虚拟空间中对实体产品的镜像，反映了对应物理实体产品的全生命周期过程。进入21世纪，美国和德国均提出了“信息-物理系统”（Cyber-Physical System，CPS），作为先进制造业的核心支撑技术。CPS 的目标是实现物理世界和信息世界的交互融合，通过大数据分析、人工智能等新一代信息技术对虚拟世界的仿真分析和预测，以最优的结果驱动物理世界运行。数字孪生的本质就是信息世界对物理世界的等价映射，因此数字孪生更好地诠释了CPS，成为实现CPS的最佳技术。可以说，数字孪生是一种超越现实的概念，可以被视为一个或多个重要的、彼此依赖的装备系统的数字映射系统。
2003年，迈克尔·格里夫斯教授在密歇根大学的产品全生命周期管理（Product Lifecycle Management，PLM）课程中提出了“与物理产品等价的虚拟数字化表达”的概念，并给出定义：一个或一组特定装置的数字复制品，能够抽象表达真实装置并以此为基础进行真实条件或模拟条件下的测试。该概念源于更清晰地表达装置的信息和数据的意愿，希望能够将所有信息放在一起进行更高级的分析。虽然这个概念在当时并没有被命名为数字孪生体，但其概念模型已具备数字孪生体的所有组成要素，即物理空间、虚拟空间和两者之间的关联或接口，因此可以被认为是数字孪生体的雏形。之后，迈克尔·格里夫斯教授在《几乎完美：通过PLM驱动创新和精益产品》一书中引用了其合作者Lohn Vickers用于描述该概念模型的名词—数字孪生体，并一直沿用至今。数字孪生体的概念模型主要包括3个部分：①物理空间（实体产品）；②虚拟空间（虚拟产品）；③物理空间和虚拟空间之间的数据和信息交互接口。
2011年之后，数字孪生体迎来了新的发展契机。2011年，美国空军研究实验室（Air Force Research Laboratory，AFRL）提出数字孪生体并进行进一步研究，其目的是解决未来复杂环境下的飞行器维护问题和寿命预测问题。该实验室计划在2025年交付一种新型号的空间飞行器及与其相对应的数字模型即数字孪生体。2012年，美国空军研究实验室和NASA合作并共同提出了未来飞行器的数字孪生体范例。他们针对飞行器、飞行系统和运载火箭等，给出数字孪生体的定义：一个面向飞行器或系统的集成的多物理、多尺度、概率仿真模型，该模型利用当前最佳可用物理模型、更新的传感器数据和历史数据等来反映与其相对应的飞行实体的状态。同年，NASA发布的“建模、仿真、信息技术和处理”路线图正式将数字孪生体展现在公众面前。该定义可以被认为是美国空军研究实验室和NASA对之前研究成果的一个阶段性总结，着重突出了数字孪生体的集成性、多物理性、多尺度性和概率性等特征，能够实时反映对应飞行产品的状态，使用的数据包括当前最佳可用物理模型、更新的传感器数据及产品组的历史数据等。
近年来，数字孪生体在理论层面和应用层面均取得了快速发展，应用范围也逐渐从产品设计阶段向产品制造和运维服务等阶段转移，并引起了国内外学者和企业的广泛关注，数字孪生和数字孪生体的概念内涵逐渐清晰。总体来说，数字孪生是指利用数字技术对物理实体对象的特征、行为、形成过程和性能等进行描述和建模的过程与方法，也称为数字孪生技术。数字孪生体指与现实世界中的物理实体完全对应和一致的虚拟模型，它可实时模拟自身在现实环境中的行为和性能。基于数字孪生体对物理实体进行仿真分析和优化，也称为数字孪生模型（一些学者也将数字孪生体称为数字镜像、数字映射、数字孪生或数字双胞胎等）。这就意味着，数字孪生体不只是物理世界的镜像，还要接受物理世界的实时信息，更要反过来实时驱动物理世界，并且进化为物理世界的先知、先觉甚至超体。
基于上述解释，可以认为数字孪生是技术、过程和方法，数字孪生体是对象、模型和数据。数字孪生不仅可利用人类已有理论和知识建立虚拟模型，而且可利用虚拟模型的仿真技术探讨和预测未知世界，以寻找和发现更好的方法和途径、不断激发人类的创新思维、不断追求优化进步，并为当前制造业的创新和发展提供新的理念和工具。当前，数字孪生作为一种新型通用目的技术，它为物理空间和数字空间的交互提供了有效手段，其开放架构吸引了大量参与者，通过竞争加速数字孪生体专业化分工，最终实现企业数字化转型成本的大幅降低。未来，虚拟空间中将存在一个与物理空间中的物理实体对象完全一样的数字孪生体。例如，工厂、车间及生产线在虚拟空间中有对应的工厂数字孪生体、车间数字孪生体和生产线数字孪生体；而在军事领域，数字孪生理念驱动了军事革命，战场、装备等在虚拟空间中都有对应的数字孪生体。由于数字孪生思想主要来源于军事领域，下面就军事领域的数字孪生体进行详细介绍。
美国空军研究实验室、史蒂文斯理工学院及系统工程研究中心等机构围绕数字孪生体概念开展了一系列的系统工程验证工作。认识到数字孪生体工程的复杂性，阿诺德空军基地的Timothy West和史蒂文学院的Mark Blackburn曾提出，数字孪生体工程是美国国防部最新的“曼哈顿计划”，为了与传统的原子弹工程区分开来，工业4.0研究院将其称为“数字曼哈顿计划”。与先前的原子弹曼哈顿计划不同，数字曼哈顿计划不是实现科学的大工程，也不是传统科学原理的进步，而是工程技术的重大突破，成本和周期将是数字孪生体工程最吸引人的优点。能否在更短的周期内实现武器装备新型号的研制，并能在更低的预算内完成，将是决定大国竞争战略能否实现的关键要素。
兰德智库在其2021年发布的《打造马赛克作战部队》报告中阐释了数字孪生体在马赛克作战中的价值。在武器装备和战场实现数字孪生化的前提下，未来马赛克作战的灵活性将体现为随时可以更新战场上的武器装备，以及同步作战指挥中心的要求，还可以根据作战情况的反馈，实现将软件代码远程更新到作战现场的数字孪生体中，从而改变武器装备的作战性能。以分布式作战模式为目标的马赛克作战，高度依赖数字孪生。通过实现作战单元之间的数据自动化机制，使远在后方的作战指挥中心能够全方位了解战场状况，并将相关数据和新的指控信息传达到位，这正是未来分布式作战的刚需。
经过近十年的发展，美国国防部已经验证了数字孪生体概念体系，并成功用于预测性维护、研发设计、系统集成和作战模式中，通过各种项目招标工作，建立了以波音、洛马、诺格
为核心的供应商生态，同时以美国空军研究实验室为先锋，同DARPA、国家电力监管委员会（State Electricity Regulatory Commission，SERC）和麻省理工学院等建立了研发生态，只要有美国国会的资金支持，就可补齐用户需求，最终形成完整的数字孪生国防生态。
数字工程源于系统工程和基于模型的系统工程，但不是这两者的简单叠加。它是一个基于数字孪生体和数字线程的数字化转型工具箱，能够在作战模式、装备研制和军事训练中发挥独特的作用。对于数字孪生体概念，工业4.0研究院认为它是第四次工业革命的通用目的技术，并给出较为宽泛的定义，即“数字孪生体是物理世界和数字空间交互的概念体系”。工业4.0研究院判定，随着“数字孪生+”军事时代的到来，数字孪生在未来将成为国防发展的主角，除了在运行维护中可以发挥难以替代的作用，装备系统研制阶段将大量引入数字孪生。不仅如此，在新的作战模式牵引下，数字孪生战场也将初步成为现实。
美国数字孪生国防发展的4个阶段见表1.1。
表1.1 美国数字孪生国防发展的4个阶段
从颠覆性技术发展的历史来看，国防需求一直是重要的推动力。随着复杂武器装备的数字化程度提高，其研制成本居高不下，同时武器装备周期的不断延长严重影响了国防战略的落实和作战需要，导致人们不再满足对传统概念体系进行“修补”。由于数字孪生体来自国防领域，迄今其最为瞩目的成果也主要和国防相关，工业4.0研究院针对国防领域的应用，提出了“数字孪生国防”概念，并计划按照范式构建规律，开展“数字孪生战场”“数字孪生装备”“数字孪生训练”等主题的研究和实践工作。
基于工业4.0研究院于2020年发布的“数字孪生+”战略框架，数字孪生国防是基于数字孪生设施的战场环境和装备工程体系，包括数字孪生战场、数字孪生装备和数字孪生训练等应用场景（见图1.1），它具有在成本和灵活性两方面的核心优势。数字孪生国防理论是围绕成本和灵活性构建的。传统的国防理论体系，重点解决的问题是命令执行结果，而数字孪生国防研究的目标是体现未来作战所关心的成本和灵活性挑战。
图1.1 数字孪生国防概念示意图
数字孪生国防是基于数字孪生设施构建的。基于《数字孪生体》一书的观点，为了发挥数字孪生体的单一数据源价值，必须将数字孪生模型跟平台解耦，使其“基础设施化”，这样才能适应未来战场需要。目前国防装备领域的数据管理方式，大都采取数据跟平台和项目走，即每个项目或平台都有一个数字孪生模型库，这样做的好处显而易见—它能够直接满足项目需要，但对于进一步应用或建立多个项目或平台之间的数据共享，则需要开展新的集成项目。
数字孪生国防研究范围包括战场环境、作战装备和军事训练。与行业人士所关注的装备系统不同，根据工业4.0研究院的需要，数字孪生国防包含战场环境，以支撑作战模式的实现，如分布式作战、马赛克作战等，之所以这样做，是因为国防技术的目标之一就是备战和作战。任何理论体系，若不能与实际场景相结合，则其价值通常难以体现，数字孪生国防理论体系也是如此。从实际应用的角度出发，由于引入了数学孪生装备等概念，这些装备在战场上的应用，已不只是简单的装备自身维护问题，而是开始涉及与战略战术相结合的体系。
在新一轮军事革命的背景下，通过引入数字孪生设施，能够加速备战和作战能力，一方面实现成本更低、研制周期更短的数字孪生装备；另一方面则可以实现训练和作战的有机结合，缩小日常训练和实战之间的差异。
1.面向未来的数字孪生战场
“数字孪生+”与战场环境的融合，在数字孪生国防体系中表现为“数字孪生战场”。数字孪生战场体系采用类似云计算的虚拟化方法，一旦建立成功，可以使各个作战单元获得各种作战资源。尽管数字孪生战场的愿景非常具有吸引力，但目前还无法实现，因为没有低成本的数字孪生化工具、分层的数字孪生战场环境和智能的数字孪生装备系统，只有突破这3个核心要素，才能达到预想中的数字孪生战场状态，从而可以掌控战场态势，及时进行指挥和控制，最终将重塑未来的战场和作战，使其发生巨大的变化。
随着深度学习、动态物联网和传感器技术的不断发展及装备数字孪生化程度的加深，数字孪生战场将不断演进，最终实现真正的分布式作战目标。为了展示这样的愿景目标，工业4.0研究院设计了数字孪生战场4个阶段的演进路径（见表1.2），其划分阶段的依据是数据机制的根本性改变，即数据驱动的作战能力有无改善。
表1.2 数字孪生战场4个阶段的演进路径
总而言之，在由成本和灵活性引发的新一轮军事革命背景下，未来战场将发生重大的改变，这种改变即为数字孪生战场。
2.基于数字工程的数字孪生装备
“数字孪生+”与作战装备的结合，体现为“数字孪生装备”。美国国防部的数字孪生装备研究工作主要体现为装备系统的研制和采办，在其看来，数字孪生体是所有工作开展的可信源，无论是研制还是采办，都需要基于数字孪生体来推进。
美国一直试图推进军事改革，这可以追溯到1986年的《戈德华特-尼科尔斯国防部改组法》，以及1994年的《联邦采办流程化方案》。美国政府问责局（GAO）在2009年美国国防部开展采办改革时，配合提出一份报告，报告指出2008年美国国防部负责的96个大型武器采购合同有70%出现超支情况，解决成本不可控问题是数字工程的使命，同时也是引入数字孪生体的根本原因。最近十年的数字工程变革，都源自2009年的《武器系统采办改革法案》（以下简称《采办改革》），最终导致2018年《数字工程战略》的出台，开启了基于数字孪生体的数字工程新阶段。在《采办改革》推出后，为了解决需求僵化、成本进度、测试不足和可靠性这4项挑战，美国国防部采取了多样化的举措，包括2009年提出的数字孪生体概念、2010年的“更佳购买力”，以及2011年设立专门的系统工程部门等，通过动员各个部门出主意、想办法，美国国防部经历了长达十年的数字工程转型。从系统工程到数字工程的转变，体现了美国国防部与时俱进的思想。根据美国国防部的报告，数字工程具有比系统工程和基于模型的系统工程要广的范围，后者只是数字工程的一种实现方法。而数字工程与数字孪生体的关系则是：数字工程是基于数字孪生体构建的工程体系。
美国国会听证会多次谈及数字孪生技术，并要求加强数字孪生体实践的总结。在具体实践过程中，F-35战斗机就利用数字孪生体构建了全尺寸的数字复制品。这个数字复制品能够帮助国防部在研发和制造阶段或部署之后问题出现之前，实现预测性分析，以确定和理解性能、可靠性和维护需求。根据美国国防部于2019年向国会汇报的资料，F-35战斗机和洲际导弹等重大装备研制已经全面实现了采办的数字孪生化，开始体现《采办改革》设定的目标。根据工业4.0研究院的分析，美国陆海空天四大军种围绕数字孪生体和数字线程的应用，已经开展了试点示范，并进入推广应用阶段，特别是美国空军，已经明确提出了数字世纪系列，要求按照型号系列来开发装备系统。
当前数字工程转型势在必行，数字孪生装备的发展也在稳步推进，这将充分发挥数字孪生国防在成本和灵活性方面的优势。
3.融合的数字孪生训练新模式
“数字孪生+”与军事训练的结合，体现为“数字孪生训练”，在非作战的训练环节，“数字孪生训练”可以很好地体现其含义。
军事训练有两种方式，一种是在物理世界中开展训练和演习，以了解可能发生的各种未知情况；另一种是采用仿真系统，通过模拟真实的作战环境来使受训人员掌握各种装备的特性和使用方法。两种方式的优劣很容易区分，前者受各种环境因素影响较大，成本较高；后者虽然成本低，但受限于技术成熟度，训练的效果一直难以替代实地训练。采用仿真系统来训练作战人员，已经成为现代作战训练的基本手段，特别是随着各种先进装备的引入，如果缺乏模拟训练，则作战人员掌握的难度较高，通过仿真系统的引导性训练手段，可以使受训人员快速掌握各种先进装备。
传统的仿真作战训练的建设重点是人机交互界面，只要将界面做好，系统的建设目标就达成了。目前仿真系统大都采取人机交互的方式，即使人置身于一个模拟器中，尽量使模拟器呈现作战的实际环境，通过虚拟现实等手段使作战人员相信自己身处真实的战场，这对作战人员掌握相关技能有好处，但并不能替代真实世界的作战训练。
针对更为复杂的多域作战或分布式作战，为了适应未来作战的需要，必须不断变革传统的作战训练方式。随着人工智能、数字孪生体和物联网等技术的引入，可以实现作战人员在环的数字孪生作战新模式，这种新模式更容易提升训练的效果。在此大背景下，我国军事改革处于持续推进之中，数字孪生体已经成为其中的一个利器。
陆军研究院高级工程师王明孝曾在《解放军报》上提出：“利用数字孪生训练基础设施，把大的战场缩小来训、把远的战场拉近来训、让少数人训变成大多数人训、把境外战场放到境内来训。”这是国内首次公开谈论数字孪生训练的提议，展现了我国在数字孪生国防领域的一些先进理念和实践。通过引入人工智能、数据科学、数字孪生体和物联网等新一代数字技术，能够大幅提升指挥人员的决策水平和弥补作战人员经验不足的短板，为打赢未来战争做好相关准备。
当前，大数据技术方兴未艾，正极大地影响着人类的价值体系、知识体系和生活方式。大数据因其规模巨大、类型复杂、产生速度快及价值密度低等特点，对现有信息资源管理和数据治理构成巨大挑战。运用新理念、新技术、新方法对大数据进行全生命周期的创新管理和应用，是推动国民经济转型和社会管理创新的重要契机，也是国家综合竞争力提升的重要趋势。支撑大数据革命的底层力量，不只是技术革命，更是领导意识、组织文化和行为方式的思维革命。
在国家治理层面，尤其需要掌握用数据思考和解决社会问题的新方法，最重要的是建立数据决策方式。在这一时代背景下，不懂得利用大数据进行科学决策的领导者将会被淘汰。面对越来越复杂的社会发展需求，单靠经验来运行庞大而复杂的决策系统已远不能满足了，无论是领导者还是基层人员都不能忽视数据的力量，应努力培养大数据思维、应用数据决策的数据素养，既要充分运用大数据，又要理性应用大数据，并基于数据分析进行科学决策。大数据因其复杂性，既为科学决策提供了可能，也给科学决策带来了客观困难。因此，准确、全面地了解大数据推动科学决策的重大意义，精准把握大数据决策的基本特征，是以数据驱动科学决策的基本前提。
决策存在于人类的一切实践活动中，小到一台机器的操作，大到一个国家的治理，都离不开决策。随着社会节奏的持续加快，来自各行业领域的决策活动在频度、广度及复杂性方面较以往都有本质的提高，决策问题的不确定性程度随着决策环境的开放程度及决策资源的变化程度而逐渐增加。从静态决策到动态决策、从单人决策到群体决策、从基于小规模数据分析的决策到基于大数据的决策，决策理论和方法已经发生了巨大的变化。在全球信息化快速发展的背景下，大数据已经成为一种战略资源，传统的基于人工经验、直觉及少量数据分析的决策方式已经远不能满足日益个性化、多样化、复杂化的决策需求，大数据驱动的智能决策将成为决策研究的主旋律。
所谓数字化决策，就是用大数据分析技术和方法来分析问题和解决问题的思路和方法。其特点主要体现在以下4方面：
（1）数据的整体性和多维性。针对决策问题，大数据的跨视角、跨媒介、跨行业等多源特性创造了信息交叉、互补与综合应用的条件，它能提供的不是随机样本，而是多维度的整体数据，并且更注重问题求解的全局性。
（2）决策的不确定性。数字化决策的不确定性主要源于3个方面，即不完整且不确定的决策信息、决策信息分析能力不足，以及复杂且难以建模的决策问题。因此，数字化决策以统计学的简单算法思维为基础，不追求精确性，而追求明确的宏观特性。
（3）决策的动态性。大数据是对事物客观表象和演化规律的抽象表达，其动态性和增量性是对事物状态的持续反映，因此大数据环境下的决策模型将是一种具备实时反馈的闭环模型，决策模式将更多地由相对静态的模式转变为对决策问题动态描述的渐进式求解模式。
（4）从因果分析的“为什么”转向关联分析的“是什么”。关联分析为问题假设的初步分析和正确数据选择提供必要的判断和依据，其可提高数据分析的合理性和认可度，更具有实效性与实际价值。
数字化决策的意义可以从多方面理解，这里主要从大数据的角度进行探讨。
决策是对资源配置方式的一种选择，它所寻求的是最大限度地推动组织向发展目标靠近。组织决策的制定往往是直接关系到组织生存的大问题，一旦失误就可能造成严重后果。组织只有在选择的资源配置方式上最大限度地抓住外部机会，并充分利用内部资源而又不超越其限制的情况下，才能达成决策制定的目标。二者之间的关系并不是靠直觉灵感所能把握的。任何一个组织要想谋求持续稳定、长久的发展，就必须抛弃这种单纯依靠直觉做出灵感决策的方式，而是选择以科学分析方法为基础的程序化决策。借助开放共享的数据和“一切皆可量化”的大数据技术与思维方式，政府和企业有关部门可以利用更为充分的资料，获得比以往更多的基于管理和服务对象的海量信息，并可以借助数据挖掘技术和经验来发现更多特征或规律，从而做到更加精准的洞察和预测，最终丰富政府、社会和企业治理的手段和方式，更好地提供决策支持。“不会量化就无法管理”，目前已成为管理学界的共识。
全面、及时、准确地掌握社会信息，进而分析社会问题和社会矛盾，是科学决策的基础。李锋在《运用大数据技术促进国家治理科学化精细化智能化》中提出，在传统的行政管理中，要么过于依赖经验和直觉，不愿意深入调研社会现象；要么缺乏科学化的分析工具，出现“只见树木不见森林”的问题，导致对于社会现象缺乏全面、真实的了解。大数据技术的“大容量”“多样化”等特点，有助于切实了解社会现象、正确把握社会发展规律，以及提升公共决策的科学化水平。
传统来说，对于社会现象的观测立足于人为设定的主观指标，并且在数据统计过程中难免会受到人为因素的影响，而大数据技术有助于客观把握社会规律。例如调查数据不准确的问题，显现传统调查数据的局限性。大数据调查的数据来源种类多元，不再局限于传统的数字式统计方式，文本、声音及图片等均可以作为数据来源，具有客观性、真实性的特点。例如，国家统计局利用高速公路监控信息改进公路运输统计方法，以及利用物联网、卫星数据等对农作物种植空间等进行统计，极大拓展了政府统计的范围和精度，为宏观经济发展提供统计基础，为相关决策提供客观分析的基础。
先有数，再做事。构建数据决策科学体系在大数据时代下已经成为一种可能。对于企业来说，在实施数字化转型的同时，重构运营模式以实现数据驱动的智能决策也很重要。在当前时代背景下，大部分企业在关注一些核心的业务驱动因素时，会更倾向于利用数据去做事件的决策，同时利用实时数据去做一些预测性的分析并应对潜在风险。目前，不论是面向新客户、新技术还是新的合作模式，数据量的增长在带来新机遇的同时，也带来了一些潜在风险，只有借着数据驱动决策这种方式去迎合业务的增长，才能更好地提高应对风险的能力。
1.数字化转型的关键词
安筱鹏在2019年清华大学举办的高教论坛上围绕“数字化转型2.0”做了主题发言。他认为，数字化转型的本质是在数据+算法定义的世界中，以数据的自动流动化解复杂系统的不确定性，优化资源配置效率，构建企业新型竞争优势。他提出数字化转型本质的十个关键词，包括不确定性、复杂系统、竞争的本质、转型的逻辑起点、工具革命、决策革命、数据的自动流动、软件的本质、技术架构大迁徙时代和体系重构。
在安筱鹏看来，数字化转型的本质是两场革命：工具革命和决策革命。人们前往一个地方可以选择步行、驾车或乘坐飞机，也就是工具，工具决定了行程的速度；但是离目的地是否越来越近，仍取决于人们的决策是否正确。数字化转型本质上就是解决两个基本问题：正确地做事和做正确的事。
工具革命，用马克思的话来说，就是用于生产的劳动资料的变革。从工具革命的维度看，自动化的工具提高了体力劳动者和脑力劳动者的效率。传统的机器人、机床、专业设备等工具逐步升级为3D打印、数控机床、自动吊装设备、自动分检系统等智能工具，传统能量转换工具正在向智能工具演变，大幅提高了体力劳动者的效率；CAD、CAE、CAM等软件工具提高了脑力劳动者的工具效率。从决策革命的维度看，企业内部EPR、CRM、SCM、MES等通用软件和自研软件系统，通过不断挖掘、汇聚、分析消费者及研发、生产、供应链等数据，基于数据+算法构建一套新的决策机制，替代传统的经验决策，实现更加高效、科学、精准、及时的决策，以适应需求的快速变化。
对于决策革命，用抽象的语言来描述就是在比特的汪洋中重构原子的运行轨道。即通过在赛博空间重建物理世界，对采集的信息进行处理、加工、优化，并将优化结果反馈到物理世界，进而优化物理世界。信息物理系统建设是在比特的世界中构建物质世界的运行框架和体系，它以数据自动流动实现资源优化配置。这种决策将变得更加高效、成本更低、更加精准和更加科学。简而言之，决策革命就是基于数据+算法的决策。“数据+算法=服务”的实现分为4个环节：一是描述，即在虚拟世界描述物理世界发生了什么；二是洞察，即解释事物产生的原因；三是预测，即研判未来会发生什么；四是决策，即为将发生的事情提供解决方案。在不确定性的环境中进行决策是企业面临的巨大挑战，从基于经验的决策到基于数据+算法的决策，是企业数字化转型的基本模式。
2.AI辅助决策
企业界有一种观点，认为企业数字化转型有两个核心标志：一是一切业务在线；二是基于数据的决策替代人的决策。前者的基本逻辑是在线产生链接、链接产生数据、数据产生智能；后者的基本逻辑是通过数据智能实现数字决策、数字执行、数字协同的管理目标。因此，企业的数字化转型需要在实现在线化转换的过程中，利用在线所能发挥的数据记录能力，完成所有业务动作的原子化切分，形成最小基本业务动作的在线化数据记录，并通过算法技术加持实现数据智能管理，进而发挥数据的价值，建立以数据智能为基础的数字决策系统，最终达到优化业务流程，实现降本增效、可持续增长的根本目的。
北京易华录信息技术股份有限公司韩晴提到，企业数字化转型的目的是业务流程的优化，其终极目标是辅助决策。如果企业花重金打造了一套数字化系统，最终却无法进行决策，这个数字化建设是不彻底的。因此，有必要建立一个科学的决策体系框架，为企业进行定制化建模，辅助企业各级决策层进行基于数字化的决策。
业务流程中的任何一个环节都可以被机器简化甚至代替，唯独决策须由人完成，这是因为决策带来的影响和决策的难度都非常大。决策的影响巨大，决定了人工智能（AI）只能辅助决策，不能代替决策；决策的难度巨大，则是应该让AI更多地参与“决策过程”的原因。
决策的难度来源主要包括以下方面：
①对于一个好决策的定义是模糊的。例如对于交通管控来说，需要考虑是让所有车辆的平均行驶速度最大，还是保证主路车辆的行驶速度最大，或是保证行驶速度方差最小（最公平）；对于公司经营而言，需要考虑是将资源更多地投入生产以使当年利润最大化，还是投入研发以使未来10年的利润最大化。
②对未来的不确定性难以把握，即决策人如何知道将资源投入研发就一定能获得更高的回报。错综复杂的数据让决策难以进行。例如，企划部门根据市场调研提出生产高端机型，但是宏观经济在萎缩，财务部门则提出压缩成本，然而离职率有上升迹象，互相矛盾的数据让决策难以实施，只能凭借经验进行决策，面对没有遇到过的场景，决策失误的风险会增加。而决策的另一个特点是几乎没有试错机会，决策前只能进行推演，一旦下达，如果没有达到预期效果，就要承担经济损失。
理想的辅助决策系统：首先由决策者提出一些关键的改善目标，辅助决策系统向决策人输出几种备选决策，并告知决策人每个备选决策预期会产生哪些收益、带来哪些影响，以及这些收益和影响的置信度，以备决策人参考；在实施决策的过程中，辅助决策系统可以监控决策实施效果，计算实际的偏差，并输出纠偏建议；辅助决策系统允许决策人在过程中的任意时刻改变目标，它应可以立即进行调整，输出针对最新目标的决策建议；辅助决策系统可在整个实施过程中，通过计算偏差实现自我改进，迅速调整到最符合客观现实的状态。
为了设计一个理想的辅助决策系统，决策生成器和环境模拟器是核心。环境模拟器由历史数据建模生成，旨在对外部环境进行模拟。它可以接收决策生成器生成的“决策动作”并进行响应，以价值的方式将决策造成的影响反馈给决策生成器。决策生成器通过建立预测网络、评价网络，生成价值最优策略。它和环境模拟器在无数轮的相互反馈中，训练出“最优决策生成”的能力。环境模拟器本身也是一个自学习系统，它是决策生成器的推演沙盘，在出厂前通过学习历史数据，在虚拟世界中模拟出真实世界的模型，由于真实世界的不确定性和变化，环境模拟器在出厂后仍然要持续这个学习过程，也就是在整个系统的全生命周期中，环境模拟器都在不断学习，以达到和真实世界尽可能相似的建模效果。另外，一个企业自身的数据可能难以支持所有建模需求，有必要更加广泛地汇总行业数据，共同建立某个通用模型，并通过迁移学习技术将模型应用到个别企业中。在通用模型的建模过程中，为了保证个别企业的商业秘密和数据安全，需要使用联邦学习技术，在满足数据不出域的前提下进行建模和训练。
3.睿德团队数字决策转型理念
国防科技大学的战略管理数字决策工程团队（以下简称睿德团队）在战略管理数字决策工程研究中，提出了五点数字决策转型理念。
（1）战略决策数字化转型是组织数字化转型的最终体现。
以华为技术有限公司（以下简称华为公司）为例，它将数据工作分为两个阶段。第一阶段（2007—2016年）是数据清洁与贯通，即通过业务数字化、标准化，借助IT技术，实现业务上、下游信息的快速传递、共享，并通过数据质量度量与持续改进，确保数据真实反映业务，降低运营风险。第二阶段（2017年至今）是数据分析与洞察，即通过数据汇聚，实现业务状态透明可视，提供基于“事实”的决策支持依据；通过业务规则数字化、算法化，嵌入业务流，逐步替代人工判断；基于数据的用户洞察，发现新的市场机会。
（2）战略决策数字化转型是战略业务价值链的顶端重塑。
以某供应链物流（数字化）决策平台为例，其通过智能设备获取信息数据，所获取的数据经模型与算法处理后到达数据交换中心，再经信息系统处理后可以辅助相关决策，从而应用于特定领域。
（3）战略决策数字化转型是提升战略竞争力的源头。
费雷德蒙德·马利克（Fredmund Malik）在其所著的《战略：应对复杂新世界的导航仪》一书中提出战略（优势）的含义—甚至是在开始行动之前，行动方式就预告了长远的成功。睿德团队认为，决策优势是社会主义中国的一项战略优势，数字化转型是当代中国将这种战略优势充分发挥出来的有效途径。
（4）破除迷雾防控风险是战略决策数字化转型的首要目的。
迷雾防控风险主要包括四方面的内容：一是战略能力走向偏离一流目标要求；二是作战体系构建偏离核心能力需求；三是规划建设项目偏离体系建设需要；四是经费投向投量偏离项目贡献绩效。
（5）战略决策数字化转型的技术途径是构建预实践平台。
相关专家学者很早就提出过预实践的概念。例如，战晓苏认为作战实验方法可以用于指挥控制系统的预先演练，它是形成指挥决策预实践能力的“模拟器”；在邹振宁看来，预实践式决策是智能化时代的一种新的决策方式；谢苏明则认为，要建立面向未来战争预实践的支持“站在对手的角度看自己”核心理论的联合作战实验室。综合众多学者的观点，睿德团队认为预实践是决策前虚拟实践活动的统称，要实现战略决策的数字化转型，应当建立为顶层战略决策服务的预实践中心及其分级、分类组网和协同体系。
在企业实际应用中，决策辅助人工智能的成果始于娱乐性较强的Alpha-Go，之后在互联网企业以个性化推荐系统大放异彩，并逐步拓展至数字化较高的行业，如金融、零售、能源、制造行业，诸如反欺诈预警系统、设备预警系统、定价系统、工艺优化、能耗优化等应用场景落地。下面仅从企业数字化决策的角度展示数字化决策的发展现状。
在数据驱动决策的引领下，星环科技（星环信息科技（上海）股份有限公司旗下品牌）提出了实时智能决策中心方案，并在一些项目中得到落实。该决策中心能够实现从数据到应用的赋能过程，使其形成一个真正意义上的企业大脑的角色，以协助企业去判定相应的事件并给出决策结果。
因为数据赋能应用其实就是将数据转化为知识应用的过程，或者说是应用数据的过程，所以星环科技可以选择知识管理体系（Date to Information to Knowledge to Wisdom，DIKW）模型，即知识管理的方法论与之相契合。在DIKW模型中，数据分为4层，如图1.2所示。其中，第1层是数据，代表原始素材；第2层是信息，在这里是指经加工处理的有逻辑的数据；第3层是知识，知识指信息之间的联系、包括完成当下任务的能力在内的行动能力；第4层是智慧，具体指关于未来的预测。
图1.2 知识管理体系（DIKW）模型
在数据层面，回到数据驱动决策所面临的一些问题，因而需要具备数据的实时处理能力；在信息层面，或在数据形成有逻辑的信息后，需要挖掘数据的衍生价值，这个衍生价值可能是指标、标签或赋予业务属性的数据；在知识层面，根据知识提供的当下的行动能力，围绕业务场景提炼业务规则，最终进行决策；在智慧层面，通过建模，最终将模型应用到实际生产中，使其完成一部分预测与优化的工作。
数据智能在行业内逐步落地，只有数据、技术和业务三者进行融合创新，将技术化的数据转变为行业知识并驱动智能化应用，从而为业务提供从感知、认知、决策到行动的闭环，才能让政府和企业实现全面的数字化和智能化转型。
基于上述理论，百分点科技（北京百分点科技集团股份有限公司）在2017年发布了首个行业AI决策系统DeepMatrix，并在算力、数据、算法三重因素的驱动下，通过进一步强化多项认知智能技术将其升级为DeepMatrix2.0。经过多年的实践，百分点科技基于探索出的行业落地新范式，正式推出新一代AI决策系统DeepMatrix3.0。其主要包括数据中台、知识中台、AI中台和智能应用4个功能模块，使系统相应地具备智能化的数据治理、高效的行业知识构建、预置多个行业的预训练模型和多样化的数据分析应用四大优势，通过4个功能模块相辅相成，最终打通端到端的数据智能价值闭环。升级后的系统融合了大数据与人工智能技术，依托“数据-知识-应用”和“感知-认知-决策-行动”的双闭环理念，具有大规模多源异构数据的管理和分析能力、全链路的自动化知识图谱构建和管理能力，以及AI能力引擎和行业算法模型库。基于DeepMatrix3.0，可以提供面向社会治理和企业数字化转型场景的行业智能决策能力、构建一系列行业解决方案，将数据转化为价值，满足客户在不同阶段的数字化转型和智能化升级的应用需求。
成立于2014年9月的第四范式公司（第四范式（北京）技术有限公司），是企业级人工智能的行业领导者。该公司致力于以平台为中心的人工智能解决方案，帮助企业解决人工智能转型过程中所面临的效率、成本及价值等问题。2015年，第四范式公司进军金融领域，提供人工智能技术应用，后续逐渐踏足零售领域、能源领域及制造领域，目前解决方案覆盖七大行业，在中国决策类人工智能市场中居首位。该公司以“AutoML”为核心，建立了包含预测技术、感知技术、决策技术在内的全栈AutoML算法布局。从其应用来看，第四范式公司为某大型综合类证券公司提供服务，基于海量非结构化数据，帮助客户实现理财产品的精准推荐，推荐准确率较过去提升4.5倍；公司帮助食品连锁行业客户在供应链管理、线上运营及门店选址等多个业务场景中进行智能化升级，推动人工智能与零售业务的有效融合，实现从流量思维向精准思维的转变。
从上述企业案例来看，可以说，决策类人工智能将AI由“感知智能”真正提升为“认知智能”。据相关机构调研，在我国AI行业细分市场中，决策类人工智能的市场规模仅次于计算机视觉且增速最快，预计到2025年市场规模将达到1847亿元。
尽管如此，韩晴认为，目前制约决策生成类人工智能发展的几个限制条件仍然比较明显。首先是完成第一阶段数字化建设的企业少之又少，脱离数据基础，决策类人工智能没有用武之地；其次是其技术门槛，决策类人工智能研发综合了线性代数、机器学习、深度学习、强化学习等领域知识，对于算法工程师的要求非常高。另外，也是上述原因带来的综合结果，市场和企业高层对技术缺乏了解和信心，或持观望态度。上述原因导致决策生成类人工智能在企业数字化过程中的普遍应用因行业不同而有所差别，但是相信在不远的将来，会有更多的企业使用人工智能辅助决策，甚至战略决策。
1992年，尼尔·斯蒂芬森（Neal Stephenson）在其科幻小说《雪崩》（ Snow Crash ）中给出一个情节设定：一个现实人类通过设备与虚拟人共同生活在一个虚拟空间，由此他提出了“metaverse”（元宇宙，汉译本译为“超元域”）这一概念。近年来，元宇宙概念炙手可热，从整个行业的发展现状来看，元宇宙作为互联网的延伸，将提升人类的数字化水平、提升认知和决策的效率，从而提高生产力。下面对元宇宙进行具体介绍。
自元宇宙概念引爆后，无论是资本市场还是创业者，对元宇宙的兴趣都骤然升温。目前，元宇宙仍是一个不断发展、演变的概念，不同参与者以自己的方式不断丰富其含义。风险投资家马修·鲍尔（Mattew Ball）认为，元宇宙必须提供“前所未有的互操作性”，无论是谁在运行元宇宙的特定部分，用户都必须能够将其化身和商品从元宇宙中的一个地方带到另一个地方。Beamable公司创始人乔恩·拉多夫（Jon Radoff）认为，元宇宙构造的7个层面是体验、发现、创作者经济、空间计算、去中心化、人机互动和基础设施。在朱嘉明看来，元宇宙是一个平行于现实世界又独立于现实世界的虚拟空间，也是映射现实世界的在线虚拟世界，还是越来越真实的数字虚拟世界。清华大学新闻与传播学院新媒体研究中心发布的《2020—2021年元宇宙发展研究报告》指出，元宇宙不等于电子游戏，它不只是一个虚拟世界，而是“虚拟世界×现实世界”，可以说，元宇宙是多人在线游戏、可编辑的世界、经济系统、社交系统及现实元素等众多因素的集合。目前，距离实现元宇宙的产品化还有很长的一段路要走，元宇宙要想实现落地仍需各方面的持续发展和突破。
当前被普遍接受的观点是：元宇宙是虚拟时空间的集合，也是利用科技手段进行链接与创造的与现实世界映射交互的虚拟世界，具备新型社会体系的数字生活空间。清华大学新闻与传播学院的沈阳教授认为，元宇宙是通过整合多种新技术所产生的新型虚实相融的互联网应用和社会形态，它基于扩展现实技术提供沉浸式体验，基于数字孪生技术生成现实世界的镜像，基于区块链技术搭建经济体系，将虚拟世界与现实世界在经济系统、社交系统、身份系统中进行密切融合，并且允许每个用户进行内容生产和世界编辑。准确地说，元宇宙不是一个新的概念，更像是一个经典概念的重生，即在扩展现实、区块链、云计算及数字孪生等技术下的概念具化。
技术渴望新产品、资本寻求新出口、用户期待新体验，这被认为是点燃元宇宙的三把火。元宇宙是虚拟与现实的全面交织，它将加深思维的表象化。对于传统的印刷技术而言，其承载的是“透过表象看本质”的理性思维与严肃、有序、逻辑性的公众话语，而现在的多媒体技术承载的是前逻辑、前分析的表象信息，容易导致用户专注能力、反思能力和逻辑能力的弱化。元宇宙则强调具身交互与沉浸体验，加深了思维的表象化，“本质”变得不再重要。同时，当前互联网产业的主要瓶颈是内卷化的平台形态，在内容载体、传播方式、交互方式、参与感和互动性上长期缺乏突破，导致“没有发展的增长”。
中国社会科学院数量经济与技术经济研究所信息化与网络经济研究室副主任、中国社会科学院信息化研究中心秘书长左鹏飞认为，元宇宙将给人们的生活和社会经济发展带来一系列的巨变。一方面，它将在技术创新和协作方式上产生根本性的变化，进一步提高社会生产效率；另一方面，元宇宙将催生出一系列新技术、新业态、新模式，促进传统产业变革和推动文创产业跨界衍生，从而极大刺激信息消费。另外，元宇宙的出现也将重构人们的工作生活方式，推动智慧城市的建设，使得大量工作和生活在虚拟世界中发生，从而创新社会治理模式。
2020—2021年元宇宙发展研究报告中提出，元宇宙塑造的虚拟世界所涉及的技术种类众多，技术底座的强弱决定应用的落地成效。为了塑造这样一个虚拟世界，需要一个规模更大、算力更强的AI基础设施，还要有相应的可视化应用、内容及业务来支撑。元宇宙的技术底座如图1.3所示。
图1.3 元宇宙的技术底座
元宇宙的网络环境以5G（第五代移动通信技术）为通信基础，5G的高速率、低时延、大规模设备连接等特性为元宇宙的应用创新提供了基础条件；反过来，元宇宙也有可能以其丰富的内容与强大的社交属性打开5G的大众需求缺口，从而提升5G网络覆盖率。
业界普遍认为，拓展现实、机器人和脑机接口共同构成了元宇宙的虚实界面的技术内容。拓展现实包括虚拟现实（Virtual Reality，VR）、增强现实（Augmented Reality，AR）、融合现实（Merged Reality，MR）。其中，VR负责提供沉浸式体验，通过全面接管人类的视觉、听觉、触觉及动作捕捉来实现元宇宙中的信息输入与输出；AR在保留现实世界的基础上叠加一层虚拟信息；MR则通过向视网膜投射光场来实现虚拟与真实之间的部分保留与自由切换。机器人通过实体的仿真肉身成为连通元宇宙的另一种渠道。同时，脑机接口可以让使用者通过意识进行各种交互解析，并达到平行世界里的一切交互行为，以支撑元宇宙中最快捷、有效的信息访问。
元宇宙的数据处理依赖于人工智能和云计算。一方面，人工智能可大幅提升运算性能，并智能生成不重复的海量内容，实现元宇宙的自发有机生长；另一方面，元宇宙的算力基础是云计算，云计算的数据存储（云存储）和计算能力依赖于资源共享，以实现规模经济。目前，大型游戏采用客户端+服务器的模式，对客户端设备的性能和服务器的承载能力都有较高要求，尤其在3D图形的渲染上完全依赖终端运算。若想降低用户门槛、扩大市场，则需要将运算和显示分离，在云端图形处理器上完成渲染。因此，动态分配算力的云计算系统将成为元宇宙的一项基础设施。
元宇宙的认证机制是区块链，区块链作为基于去中心化网络的虚拟货币，具有稳定、高效、规则透明等优点。区块链的加持使得元宇宙中的价值归属、流通、变现和虚拟身份的认证成为可能。
元宇宙的生产内容包括人工智能和数字孪生。在元宇宙的生成逻辑中，人工智能扮演着重要角色。运用人工智能可以生成海量内容，营造随机生成、从不重复的游戏体验，摆脱人工脚本的限制，允许用户自由探索、创造，从而帮助元宇宙实现最大限度的自由。另外，还可以对元宇宙中的内容进行审查，保证元宇宙的安全与合法。可以预料到，元宇宙的发展不仅会推动新技术的发展，也会推动与之相关行业的发展。元宇宙以数字孪生为世界蓝图，数字孪生就是在虚拟空间内建立真实事物的动态孪生体，借由传感器，本体的运行状态及外部环境数据均可实时映射到孪生体上。该技术最初用于工业制造领域，而元宇宙需要利用数字孪生来构建细节极致丰富的拟真环境，以营造沉浸式的在场体验。
1.元宇宙落地需要突破的瓶颈
产业的发展有其周期性规律，任何一项产业的发展都将经过潜伏期、高潮期及衰退期等多个阶段（见表1.3）。作为一项新兴产业，从发展现状来看，目前元宇宙处于萌芽阶段，也就是潜伏期和准备期，其产业基础相对薄弱，距离成熟应用仍有较大差距。在萌芽阶段，除了技术制约，元宇宙的场景落地仍有许多现实瓶颈需要突破。根据左鹏飞在《元宇宙在落地过程中会遭遇哪些困难和挑战？如何解决？》中表达的观点，元宇宙在落地过程中，会主要面临以下5方面的难题。
表1.3 产业发展阶段
（1）元宇宙基本框架的设计问题。经济社会系统的正常运转需要一系列规则和制度来支撑。元宇宙是现实经济社会的数字化场景模拟，将以更加形象、具体、生动的方式展现给用户，这会涉及制度设计、法律规范和文化习俗等一系列基本框架的选择和确立。例如，现实中的城市风格多种多样，而对于元宇宙中的城市形象应采取哪个国家或地区的城市风格，以及选取的风格是否适宜、用户能否接受，则容易引发争议。
（2）数据安全和隐私保护问题。近年来，随着全球数据安全形势日益严峻，加大数据安全治理力度成为各国的共同选择。元宇宙场景需要满足个体对智能感知的更高需求，因而对个人工作和生活相关数据的收集规模将呈指数级增长，这一过程会涉及大量的个人隐私和信息。在当前数据监管趋于严格的背景下，元宇宙相关数据的收集和使用也会面临更多限制。
（3）应用入口便捷化问题。当前元宇宙的主要应用场景多为展示性的，人机交互、人人交互的应用场景相对较少，其主要原因是元宇宙的应用入口尚未成熟且不便捷。综合用户的体验感需求和企业的可视化功能展示要求，未来元宇宙的主要应用入口将是虚拟形象或虚拟人。换句话说，未来在元宇宙中，人们操作的不是App，而是虚拟形象。然而，目前虚拟形象应用的开发设计仍处于初级阶段，导致元宇宙应用的基本入口问题缺乏有效解决方案。
（4）生产端有效应用问题。由于元宇宙具有显著的动态可视化特征，并且数字孪生、混合现实等技术在产业链中具有深度应用前景，故而业内对元宇宙的未来应用预期更多是在生产端，尤其是制造领域。然而，当前元宇宙主要应用于娱乐、游戏等领域，缺乏与生产领域深度融合的切入点和着力点，尚不能在生产端形成示范性、标杆性的落地应用。
（5）元宇宙的能源供给问题。当前全球经济绿色转型步伐不断加速，推测现在及未来一段时期，能源供给短缺现象有可能加剧。作为一种大规模连接的虚拟现实应用场景，元宇宙的平稳运行离不开数据中心、算力中心、网络设备及通信基站等新型基础设施的支持，而这些基础设施的运转需要更庞大的能源供给。能源供需矛盾有可能在元宇宙建设过程中更加突出。
2.不同领域元宇宙的发展情况
近年来，元宇宙相关话题继续保持较高热度。国内外数字科技巨头，加快在硬件、软件、系统及应用等产业核心环节对元宇宙进行布局；地方政府对元宇宙产业未来预期进一步提升，浙江、上海、武汉及合肥等省市纷纷将元宇宙纳入未来产业发展体系。从世界各国的元宇宙发展现状来看，其由场景内容入口、前端设备平台和底层技术支持构成的生态版图已逐渐趋于成熟，网络及运算技术、人工智能和区块链等相应支撑技术得到了多维拓展，相关产业板块的增长情况也呈向好趋势。
目前，全球主要的元宇宙公司有Roblox、Facebook、Epic Games、微软和腾讯等。Roblox是首个将“元宇宙”写进招股说明书的公司，提出了通向“元宇宙”的8个关键特征，即身份（Identity）、朋友（Friends）、沉浸感（Immersive）、低延迟（Low Friction）、多样性（Variety）、随地（Anywhere）、经济（Economy）、文明（Civility）。Roblox公司的首席执行官（CEO）认为，未来的元宇宙应该是由用户创造的，而Roblox公司则是工具和技术的提供者。如今，很多公司都想通过 VR 打开元宇宙的关口。例如使元宇宙概念大热的Facebook，其旗下的VR产品Oculus有一家独大之势。2021年4月13日，Epic Games宣布投资10亿美元打造元宇宙，同年7月，Facebook宣布将成立元宇宙团队，并计划在5年内转型为元宇宙公司。微软的CEO认为，随着虚拟世界和物理世界的融合，由数字孪生、模拟环境和物理现实组成的元宇宙正在成为一流的平台。腾讯通过与Roblox、Epic Games等建立合作关系，打造完善的元宇宙资本布局，包括社交元宇宙Soul和具有元宇宙潜质的大型游戏。2021年5月18日，韩国信息通讯产业振兴院联合25家机构和企业成立“元宇宙联盟”，旨在通过政府和企业的合作，在民间主导下构建元宇宙生态系统，在现实和虚拟的多个领域实现开放型元宇宙平台。日本社交网站巨头GREE宣布，将以子公司REALITY为中心开展元宇宙业务。GREE认为，好的元宇宙应该向用户提供有助于构建人际关系、长时间停留在虚拟世界的机制。
在军事领域，随着元宇宙概念的兴起，“战场元宇宙”开始引起广泛关注，戴斌等在《前瞻“战场元宇宙”》一文中对其做了详细介绍。
具体来说，“战场元宇宙”是元宇宙在军事领域的表现形态，具有更严格的安全保密标准、更强大的仿真计算能力、更实时的精细交互要求，以及更突出的战场时统一致性、虚实一体性、边界安全性、决策智能性、效能逼真性。
相比面向大众、重构网络生态的元宇宙，“战场元宇宙”需要在军用网络实际拓扑结构和各类军用信息系统的建设成果上展开，对关键技术指标的要求更高。具体来说，构建“战场元宇宙”应至少具备下列基本条件：
（1）独立的网络通信链路。“战场元宇宙”是建立在军用高速网络架构和基础设施上的独立形态，与元宇宙全球随遇接入的设计理念存在明显差异。“战场元宇宙”的用户需要在相对固定的场所或区域，通过安全的军用网络节点进行验证登录。远程无线网络链路不对外开放，并具备抵御通信干扰和网络攻击能力。
（2）严格的身份认证机制。所有接入“战场元宇宙”的个人用户，均要求是通过保密审查的军方人员和具备保密资质的军工科研人员。所有类型用户的认证信息在“战场元宇宙”中不可篡改、虚构、冒用，所有用户的操作行为在“战场元宇宙”中会被详细记录，以利于运维安全部门追踪分析，使任何非法用户和操作无机可乘。
（3）多样化的用户接入能力。接入“战场元宇宙”的用户，根据类型可分为个人用户、装备用户和系统用户等。其中，个人用户是直接进入“战场元宇宙”活动的有机个体；装备用户和系统用户则是需要接入“战场元宇宙”的关键数字化装备和信息化系统，其操作或运维人员通过在现实世界中的操作控制行为，以间接方式参与“战场元宇宙”中的活动。
（4）明确的指挥协同交互关系。与“元宇宙”中普通用户的高自由度不同，异地分布的所有类型用户在“战场元宇宙”中参与的特定活动、扮演的指定角色或担负的主要任务，均由唯一的活动组织者统一筹划、部署和协调。在每项活动展开前，由活动组织者围绕达成目标所需的要素，确定参与活动的用户标识、指挥关系、协同关系及信息交互权限等。
（5）沉浸式实时交互能力。接入“战场元宇宙”的个人用户，需要通过人机交互终端进行登录，并与“战场元宇宙”及现实世界中的其他用户达成实时交互。终端设备在具备基本的沉浸式交互功能和时统功能的基础上，需要强化用户的操作自由度和灵敏度，以便用户在“战场元宇宙”中操作使用各种武器装备和信息系统。
（6）强大的AI个体。与“元宇宙”类似，具备智能和自主行为能力的AI个体，将作为“战场元宇宙”中的永久居民进行活动，既可扮演虚拟的红方、蓝方、第三方实体，参与作战、训练和试验任务，也可扮演教官、考官、参谋、系统运维人员等角色，辅助个人用户进行决策和行动。
（7）逼真的效能仿真能力。所有映射到“战场元宇宙”中的武器装备和信息系统，均需要具有与真实世界等效的功能性能和一致的操作方法。通过信号级的仿真模型和效能算法，实现对侦察探测效能、电子对抗效能、火力打击效能和综合防护效能的仿真，确保个人用户在“战场元宇宙”中积累的经验能指导实际作战行动。
（8）灵活的场景生成能力。“战场元宇宙”需要针对每次活动设定战场区域，包括该区域的地理环境、电磁环境、气象环境和水文环境等。其场景数据要求更加真实准确，需要具备相关资质的机构进行分步构建与持续维护。
“战场元宇宙”在建成后，会对部队的教育、训练、试验、研究等应用领域带来重大影响，改变原有的活动组织实施方式，提升各类军事活动的综合效益，有效激发军事人员和科研人员的创新能力。主要体现在以下方面：
（1）在教育领域，“战场元宇宙”能在院校集中教育、在职远程教育等方面发挥重要作用，施教方与受教方在不同地点即可进行自由度极高的互动交流，有利于营造和谐轻松的授课氛围。一方面，施教方能利用强大的教学内容展示宣讲能力，达成生动的宣教效果；另一方面，受教方能直观地认识和理解问题，从而有效提升个人自学兴趣和主观能动性。
（2）在训练领域，“战场元宇宙”能充分满足大规模作战背景下的实战化训练要求，各级参训对象可通过扮演现任岗位或拟任岗位的角色，在更大规模、更具对抗性、更长持续时间的环境中，反复接受训练与考核，在锤炼战斗技巧、磨合战术配合、锻造战斗意志的同时，将积累的模拟作战经验应用于实际作战行动中。训练效果的考评也将变得更量化、直观，有利于人才选拔。
（3）在试验领域，“战场元宇宙”能为新型武器装备设计论证、武器装备性能试验、武器装备兼容性试验、武器系统体系作战效能检验等，提供具备等效仿真能力的实战化背景和大规模试验场景，将虚实装备纳入一个对等的环境中共同运行，并全面掌握装备的各种状态和参数的变化情况，有效解决试验次数受限、试验环节简单、试验背景复杂度低、作战体系构建困难等现实问题。
（4）在研究领域，“战场元宇宙”能为新型装备运用和战法创新提供远程推演验证的公共平台。在协调各地专家资源和集中调用仿真算力的基础上，利用虚拟AI扮演各方作战力量，进行不间断推演计算，得到海量数据样本，并从中挖掘分析符合研究目标的知识和结论。在研究过程中，研究人员可与相关专家共同交流协作，实时干预和完善推演要素，以确保研究成果经得起实兵检验。
OODA循环理论被认为可以用来诠释数字化决策的基本逻辑。该理论最初由军事战略家约翰·博伊德用来描述空战，后被扩展到其他军事和商业领域，也包括数字工程实践。之后，其他学者也做了相关研究。OODA循环被看成是一个四步的决策过程，有人认为循环速度快的可以获胜，但这种看法实际上是不正确的。在本节中，主要介绍OODA循环的理论基础和具体内涵，并在此基础上研究数字工程中的OODA循环。
1.制胜方法论
约翰·博伊德认为，在现实环境中，受制于有限的资源和技能，每个领域内都会存在各种合作或竞争的关系，这为环境带来了不确定性。在不确定的环境中，要想实现最高目标—生存和胜利，应坚持图1.4所示的制胜方法论。
制胜方法论的大致逻辑如下：
为了在不断变化的环境中实现最高目标—生存和胜利，必须采取相应的行动。而这种行动需要相对自由，不受外部影响，因此，基本目标是提高独立行动的能力。在现实生活中，与他人合作或竞争的程度，是由这个基本目标决定的。在一个资源和技能有限的现实世界中，个体或组织在不断的斗争中形成、化解、重新形成自己的合作或竞争姿态，以消除或克服物理和社会环境的障碍。在这种背景下，行动和决策变得至关重要，必须以许多不同的方式不断采取行动，同时为了监控和确定行动与目标一致，需要做出决策。要及时做出决策，就意味着必须能够形成观察到的现实的心智模式，并能够在现实本身出现变化时改变心智模式，其改变途径包括通过破坏性演绎打碎现有领域的心智模式，以及通过创造性归纳重建心智模式，这些心智模式可以作为提高独立行动能力的决策模型。
在不确定的环境中，个体或组织要实现的最高目标是生存和胜利。生存和胜利的外延很广，通过选择不同的环境和外延，可以将OODA理论应用于不同的场景，如马赛克战、赛博战等。
图1.4 制胜方法论
2.不确定性的三朵“乌云”
由于不确定性的存在，制胜方法论并不完美，会受到哥德尔不完备定理、海森堡测不准原理和热力学第二定律这三朵“乌云”的影响。
1）哥德尔不完备定理
哥德尔不完备定理揭示了公理体系内在而深刻的性质和固有的局限性，提示人们不要奢望只是通过若干组公理，机械地利用基本逻辑规则进行推导，就能对全部的命题进行判定。从这个意义上讲，无论是数学还是其他科学，都需要不断完善、扩充自己的公理体系（或者基本规律），只有这样才能不断认知更加深刻复杂的客观世界。因此，哥德尔的证明可以间接表明，为了确定任何新系统的一致性，必须构建或揭示它之外的另一个系统，并且需要不断重复这个循环，以确定越来越复杂的系统的一致性。
在OODA循环中，通过观察来形成一个心智模式，并用心智模式来影响决策、行动和观察。这个心智模式必然是不完备和一致的。根据哥德尔不完备定理，需要借助于不断变化的一系列观察来进行破坏性演绎和创造性归纳，持续完善、扩充之前的心智模式。
2）海森堡测不准原理
海森堡认为，微观粒子既不是经典的粒子，也不是经典的波；当人们用宏观仪器观测微观粒子时，会发生观测仪器对微观粒子行为的干扰，导致人们无法准确掌握微观粒子原本的模样，而这种干扰是无法控制和避免的。通过仔细分析，海森堡提出电子坐标的不确定程度和动量的不确定程度遵从测不准关系，同样，能量和时间也遵从这种关系。简而言之，海森堡测不准原理表明人们不能同时确定或决定一个粒子或物体的速度和位置。也就是说，可以测量粒子的坐标或运动，但不能同时测量；当一个值（速度或位置）的测量变得越来越精确，另一个值的测量会变得越来越不确定；一个变量的不确定性只是由观察行为产生的。
约翰·博伊德运用这一原理来理解周围的世界。他推断，即使人们对一个特定领域进行了更精确的观察，也可能在另一个领域经历更多的不确定性，更何况人们对现实环境的观察本身就是不准确的，用于指导调整和决策的观察信息本身也是不确定的。因此，精确观察现实的能力是有限的。
3）热力学第二定律
热力学第二定律指出，所有观察到的自然过程都会自发生成熵。根据这一定律，可以得出以下结论：在任何封闭系统中，或者说，在任何不能以一种有序的方式与外部系统或环境进行通信的系统中，熵必然增加。
约翰·博伊德将热力学第二定律应用于对现实的理解。他认为，不获取外部环境的新信息，或是不创建新的心智模式而沿用旧的心智模式与外部世界进行交流的个人或组织像“封闭系统”，就像自然界中的封闭系统会不断熵增一样，这些个人或组织也不会经历心智的熵增。另外，热力学第二定律中隐藏了从过去指向未来的不对称的时间之矢，这也意味着心智模式必须不断更新升级，方能与新的现实匹配。
通过引入三朵“乌云”，约翰·博伊德证明了试图用已有的心智模式来理解一个随机变化的现实世界只会导致混乱、模糊和更多的不确定性，也让人们认识到，不确定性和模糊性不仅存在于人类的理解或逻辑中，还存在于宇宙的框架中，即人们自身内外的世界。
约翰·博伊德从三朵“乌云”中获得启发，将它们作为自己理论的基础，解释了当人们试图将旧的心智模式强加到新的环境中时，任何内向的、持续的努力都只会增加心智模式与显示的不匹配程度。
约翰·博伊德认为OODA循环是“进化的、开放的、远离自组织、涌现和自然选择的权衡过程”的显示表示。换句话说，OODA循环是人类和组织在快速变化的环境中学习、成长和繁荣的过程的显示表示，无论是在战争、商业还是生活中。
1.观察
OODA循环的第一步是观察，它可以让人们从外部环境中引入负熵，以克服热力学第二定律。通过观察和考虑不断变化的环境的新信息，人们的思维成为开放系统而非封闭系统，从而能够获得知识和理解，这对形成新的心智模式至关重要。作为一个开放系统，需要降低引起混乱和无序的心智熵。
约翰·博伊德指出，在观察阶段会遇到两个问题：①经常观察到不完美或不完整的信息（由于海森堡测不准原理）；②可能会被数量巨大的信息淹没，以至于很难将信号从噪声中分离出来。这两个问题可以通过发展判断力—实际智慧来解决。即使一个人拥有完美的信息，但如果没有对其意义的深刻理解，也没有看到模式，那么它没有任何价值。判断是关键，没有判断，数据毫无意义。不一定是拥有更多信息的人会胜出，而是拥有更好的判断力，更善于识别模式的人胜算较大。
2.定位
OODA循环中最重要的，也是经常被忽视的一步，就是定位。定位之所以是OODA循环的关键，是因为它是心智模型存放的地方，而正是心智模型塑造了OODA循环中的观察、决定和行动的方式。从这个意义上说，定位塑造了当前OODA循环的特征，当前的OODA循环又会塑造未来定位的特征。
约翰·博伊德认为定位是成功实现OODA循环的关键，有效定位的能力是区分冲突中赢家和输家的关键。对于如何在快速变化的环境中完成定位这一问题，答案是通过破坏性演绎和创造性综合的辩证循环。通过不断打破旧模式，并将结果碎片重新组合，创建一个新的视角，以更好地匹配现实。约翰·博伊德将这个过程称为“解构性推理”。将多个领域的心智模式打碎分解成离散的部分，一旦有了这些构成要素，就可以开始创造性归纳的过程—用旧的片段形成新的心智模式，这些心智模式与观察到的真实发生的事情更紧密地联系在一起。
3.决策（假设）
约翰·博伊德没有过多地阐述决策步骤，只是说它是“在调整阶段生成的行动选项中做出决定的步骤”。对于约翰·博伊德来说，不可能选择一个完全匹配的心智模型有两方面的原因：①对环境的了解往往不完全；②即使拥有完全的信息，海森堡测不准原理也会阻止在环境和心智模型之间获得完美的匹配。因此，当决定使用哪种心智模式时，会被迫选择那些不完美但已经足够好的心智模式。
约翰·博伊德对OODA循环的最后描述中，他将“假设”放在“决策”旁边的括号中，暗示决策的不确定性。当做出决定时，实际上是在向着最好的假设前进—关于哪种思维模式会起作用。为了验证假设是否正确，必须对其进行假设检验，因而引出了下一步：行动。
4.行动（测试）
约翰·博伊德认为，一旦决定了要实现的心智理念，就必须付诸行动。
在约翰·博伊德对OODA循环的最后描述中，他将“测试”放在“行动”旁边的括号中，再次表明OODA循环不仅是一个决策过程，也是一个学习系统。因此，应该不断地“试验”，并获得新的“数据”，以改进各个方面的活动。行动的结果会反馈到系统中，作为对现有调整模式正确性和充足性的有效检查。行动是判断心智模式是否正确的方式，如果正确，则能获胜；如果不正确，则需要使用新观察到的数据再次启动OODA循环。
数字工程中的4个阶段本来为Know、See、Think和Do，鉴于复杂装备的采办也是不确定性非常高的应用场景，利用OODA循环理论来描述也很合适，如图1.5所示。
（1）观察。总体部及不同学科的专业人员，基于权威真相源的数字视点对模型生成的历史数据和新数据进行观察，内容涉及需求、设计、测试、供应链、运行、保障、训练等方面。
（2）定位（创造心智模型）。通过基于模型的企业（MBE）工具，设计、分析、优化成本、进度、性能，可承担性及风险等。通过破坏性推理和创造性综合，在数字空间生成多个满足需求（性能、成本、进度、成熟度、风险）的系统或组件模型的变体，并注册到权威真相源中。不同学科的建模仿真人员，根据观察得到的数据，通过MBE工具对多学科模型进行持续的模型校准，并通过机器学习进行多学科、多目标优化，最后进行数字关键设计评审。
图1.5 复杂装备采办的OODA循环
（3）决策（假设）。采用概率因果工具，对不同变体的项目、成本、风险、合同、权衡等进行选择。根据目标性能指标利用裕量与不确定性的量化（QMU）进行风险分析，基于风险分析的结果进行替代方案分析。使用数据分析和概率分析的方法，对风险、影响、总成本和需求差距等进行评估，并生成决策报告。
（4）行动（测试）。装备发展项目对应的国防部及军种采办机关，根据决策（假设）阶段生成的报告，给出最佳的采办决策。
总体来说，约翰·博伊德的核心观点是不确定不是令人恐惧的东西，而是给定的现实。并没有完整和完美的信息，成功的最好方式是主动拥抱不确定性。在约翰·博伊德看来，不确定性围绕着人们。虽然外部世界的随机性在这种不确定性中扮演了重要角色，但人们无法正确理解不断变化的现实是更大的障碍。当环境发生变化时，人们往往不能改变自己的视角，而是继续尝试按照自己认为的样子去观察和调整。为了应对新的现实，需要改变现有的“心智模型”。
为了理解和应对所处的环境，会发展有意义的心智模式。人们需要不断破坏和创造这些心智模式，以使自己能够在不断变化的环境中塑造和被塑造。如果想要按照自己的方式生存，就无法避免上述活动。它在本质上是辩证的，产生了无序和有序，从无序和有序的混沌中涌现出不断变化和扩展的主观心智模式世界，从而与一个不断变化和扩展的观察到的客观现实世界相匹配。
［1］江青.数字中国：大数据与政府管理决策［M］.北京：中国人民大学出版社，2018.
［2］王益民.数字政府［M］.北京：中共中央党校出版社，2020.
［3］熊康.华为数字化转型实践［R］.深圳：华为技术有限公司，2021.
［4］陶景文.共同探索数字化转型的实践方案［R］.深圳：华为技术有限公司，2021.
［5］庄存波，刘检华，熊辉，等.产品数字孪生体的内涵、体系结构及其发展趋势［J］.计算机集成制造系统，2017，23（4）：753-768.
［6］工业4.0研究院.数字孪生国防白皮书［EB/OL］.http：//www.innovation4.cn/library/r54964.
［7］GRIEVES M.Virtually perfect：Driving innovative and lean products through product lifecycle management［M］.［S.l.］：Space Coast Press，2011.
［8］刘译璟.新一代数据智能决策系统DeepMatrix 3.0产品发布［R］.北京：北京市科学技术委员会，中关村科技园区管理委员会，2021.
［9］王儒西，向安玲.2020—2021年元宇宙发展研究报告［R］.北京：北京师范大学新闻传播学院，光明日报智库研究与发布中心，2021.
［10］储著源.大数据时代网络理论认同：特征、测度与对策［J］.常州大学学报：社会科学版，2019，20（1）：90-98.
［11］《黑龙江档案》编辑部.上升为国家战略的数字中国建设［J］.黑龙江档案，2018（4）：112.
［12］郑序颖.习近平：实施国家大数据战略，加快建设数字中国［J］.科技新时代，2018（1）：7.
［13］郭昊宸.大数据时代下的公共管理创新［J］.消费导刊，2020（2）：200.
［14］杨国栋.数字政府治理的理论逻辑与实践路径［J］.长白学刊，2018（6）：73-79.
［15］陈振明.政府治理变革的技术基础—大数据与智能化时代的政府改革述评［J］.行政论坛，2015（6）：1-9.
［16］王益民.数字政府整体架构与评估体系［J］.中国领导科学，2020（1）：65-70.
［17］温强.传统企业数字化转型的误区和应对［J］.经营与管理，2020（9）：69-73.
［18］李伯虎，柴旭东，张霖，等.面向智慧物联网的新型嵌入式仿真技术研究［J］.系统仿真学报，2022，34（3）：419-441.
［19］胡权.数字孪生体的本质［J］.清华管理评论，2020（11）：93-98.
［20］于洪，何德牛，王国胤，等.大数据智能决策［J］.自动化学报，2020，46（5）：878-896.
［21］李锋.运用大数据技术促进国家治理科学化精细化智能化［J］.国家治理，2018（13）：22-27.
［22］喻国明.未来媒介的进化逻辑：“人的连接”的迭代、重组与升维—从“场景时代”到“元宇宙”再到“心世界”的未来［J］.新闻界，2021（10）：54-60.
［23］薛阳达.元宇宙：未来互联网［J］.金融博览，2021（22）：92-93.
［24］胡媛.元宇宙：泡沫还是风口？［N］.通信产业报，2021-11-22（3）.
［25］左鹏飞.元宇宙在落地过程中会遭遇哪些困难和挑战？如何解决［N］.科技日报，2022-2-10（1）.
［26］安筱鹏.数字化转型的关键词［J］.信息化建设，2019（6）：50-53.
［27］安筱鹏.安筱鹏：解构与重组，迈向数字化转型2.0（下）［J］.今日制造与升级，2019（10）：22-23.
［28］HUBBARD D.How to measure anything：Finding the value of intangibles in business［M］.［S.l.］：John Wiley ＆ Sons，2014.
［29］CORRIGAN R.Digital decision making：Back to the future［M］.London：Springer，2007.
［30］SELWYN N.Digital division or digital decision？ A study of non-users and low-users of computers［J］.Poetics，2006，34（4-5）：273-292.
［31］CARTWRIGHT P，ANDAL-ANCION A，YIP G S.The digital transformation of traditional businesses［J］.Mit Sloan Management Review，2003，44（4）：34-41.
［32］BOWERSOX D J，CLOSS D J，DRAYER R W.The digital transformation：technology and beyond［J］.Supply Chain Management Review，2005，9（1）：22-29.
［33］Novák P，Vyskočil J.Digitalized automation engineering of industry 4.0 production systems and their tight cooperation with digital twins［J］.Processes，2022，10（2）：404.
［34］DAVIS A，MURPHY J，OWENS D，et al.Avatars，people and virtual worlds：Foundations for research in Metaverses［J］.Journal of the Association for Information Systems，2009，10（2）：90-117.
［35］ZAGALO Z，MORGADO L，OA-VENTURA A.Virtual worlds and metaverse platforms ：New communication and identity paradigms［M］.［S.l］：IGI Global，2012.
［36］BOYD J R.Destruction and creation［R］.［S.l.：s.n.］，1976.
［37］凯利.失控：全人类的最终命运和结局［M］.张行舟，译.北京：电子工业出版社，2016.