过去几年，“数字孪生”是工业数字化建设中的高频词。

一座工厂、一台锅炉、一条生产线都可以在计算机中建立数字对象，设备在哪、温度多少、压力是否正常，都可以通过三维画面、实时数据和监控系统直观呈现。

但当企业继续追问：接下来会发生什么？为什么会发生？几种方案里，应该选哪一种？

数字孪生就回答不了了，此时就需要更高层级的工业智能。南京天洑软件有限公司提出的工业世界模型，解决的正是从“映射现实”走向“理解现实、推演未来和辅助决策”的问题。

图1 天洑工业世界模型

天洑将自身定位为“工业世界模型框架体系及基础设施提供商”，通过物理AI与工业AI，将物理规律、工业数据、专家知识、专业模型以及工业控制系统连接起来。

数字孪生只解决了“看得见”的问题

数字孪生解决了工业数字化中的一个重要问题：把现实对象在数字空间中映射出来。通过数字孪生，设备结构、传感器数据、运行状态、历史趋势以及部分仿真结果，可以被放到同一个数字空间中呈现。

天洑工业AI底座本身也包含数字孪生建模能力，并能够将数据、知识、模型和数字孪生体统一管理。

例如，在山东某智慧锅炉岛辅助平台中，通过锅炉燃烧模型、运行数据和三维可视化，展示不同工况下炉内温度、烟气成分、壁面热负荷等参数分布，让原本无法直接观测的炉膛内部状态变得更加直观。

图2 天洑智慧锅炉岛辅助平台项目

工业世界模型并非要否定数字孪生，它实际是要在数字孪生的基础上具备理解物理规律和运行多个工业世界的能力。

还以电厂锅炉为例。

数字孪生可以告诉运行人员某一区域温度正在升高，某一段水冷壁可能存在超温，炉内火焰中心发生了偏移。

但数字孪生回答不了：两小时以后温度会升到多少？哪些部位风险最大？如果调整配风、给煤量或者吹灰策略，锅炉效率会发生什么变化？究竟应该怎么调？

到这一步，系统就不能只映射现实世界了，还需要具备理解规律和运行多个可能世界的能力，这正是工业世界模型与传统数字孪生应用之间比较明显的区别。

现实世界只有一个，但在作出决策之前，可以先让很多“可能的未来”在计算机里运行一遍。

工业世界模型强调“规律”

数字孪生往往强调对象映射、状态同步和可视化，而工业世界模型则强调描述：对象是什么、对象之间有什么关系、受到什么约束、可以执行什么动作，以及采取动作以后系统会怎样变化。

在天洑工业世界模型生成器IWM Generator的功能描述中，一个工业世界模型需要描述对象属性、关系、约束、动作和行为，并能够根据任务要求进行校准、运行和持续生成不同模型实例。

只有知道工业对象按照什么规律变化，系统才可能从当前状态进入“未来状态”。而工业世界中的这种规律，并不只是人工智能从数据里学习出来的。

锅炉受到燃烧、流动和传热规律支配。风机受到流体力学约束；机械结构受到材料、载荷和强度规律约束；旋转设备又受到振动和动力学规律影响。

因此，工业世界模型还必须把物理规律放进去。

这也是天洑重视AICFD、AIFEM和AIPOD等物理AI能力的原因：它们不仅是设计阶段使用的专业工具，还是工业世界模型的物理计算基础，用于生成高质量数据、描述工业对象的机理，并对现实中昂贵或者难以反复开展的工况进行推演。

图3 天洑物理AI能力

如此一来，工业世界模型除了能回答“设备现在怎么样了”，就还能进一步告诉人们：保持当前运行方式会发生什么？调整某个工艺参数会发生什么？如果某个部件进一步劣化又会发生什么？

AI参与决策，必须连接工控系统

工业智能还有最后一道门槛：模型给出了答案，谁来执行？

如果系统只能在大屏上给出建议，而真正的运行调整仍然需要操作人员在另一套系统中手动完成，那么智能化依然没有形成闭环。

天洑工业AI底座TFIIF的一个特点，就是能够与DCS、SCADA、PLC等工业控制系统进行连接，把数据采集、模型运行、预警诊断、优化计算与控制指令衔接起来。其产品资料中将完整流程描述为从设计、运维一直延伸到优化控制。

因此，一个完整的工业世界模型链路应该是：

感知工业状态→理解数据和规律→预测未来变化→推演不同方案→形成优化决策→调用工具或控制系统执行→根据新的运行结果继续学习。

数字孪生和工业世界模型之间，更像是一种能力递进，数字孪生让企业拥有数字世界，工业世界模型则让企业在数字空间里运行很多“可能的世界”。