研究院前沿成果：从数字孪生到数字认知——智能制造的进阶

智能制造借“数字孪生”——一个实时映射物理系统的虚拟模型——而迅速演进。但映射，无论多么精巧，都不等同于“理解”。亚太社会创新研究院（APSIRI）一项最新研究成果，由 Xiaole Ruan 与 Yiyang Zeng、Hongjian Shao、Zhipeng Cai、Ying Ying、Junjiang Jin、Jijun Lin、Enwei Ni 共同完成，提出了算法智能的多层次模型，勾勒出“从数字孪生迈向数字认知”的路径。

研究核心的这一区分，在概念上至关重要。数字孪生“表征”物理系统中正在发生之事；它反映一台机器、一道工序或一座工厂的当前状态。数字认知则更进一步：它意味着对这些信息加以解读、推理，并据以智能行动的能力——从“表征”走向更接近“理解”之物。研究构想了制造系统如何完成这一跃迁，沿着算法智能的层级递进。

模型的多层次结构，是其关键贡献之一。研究并不把“智能”当作系统“要么跨越、要么未跨越”的单一门槛，而是描述了一种分层的递进——从忠实映射物理过程的系统，经由能够分析与预测的系统，迈向具备更高阶认知功能的系统。这种分层视角，为“当前技术身处何地、又可能向何处发展”提供了更清晰的地图，也为讨论那些常被笼统归入“智能”一词之下的能力，提供了语汇。

其对产业的意涵十分可观。随着制造系统获得更精密的智能，它们有望在效率、适应性与韧性上带来收益——不仅监测运行，更能预判问题、优化流程、智能地回应变化。理解“从数字孪生到数字认知”的路径，有助于厘清此类系统在每一阶段现实可达之目标，以及继续前进所需的进步。

研究也提出了超越工程之外的问题。当算法系统承担越来越多的认知功能，关于“人与机器智能之恰当关系”的问题便随之而来——哪些判断应当保留给人、监督应当如何维持，以及先进自动化的红利如何被负责任地实现。一个清晰的“机器认知”概念模型，正是认真思考这些问题的必要基础。

通过为理解制造业中的算法智能提供严谨框架，研究同时为数字化转型的理论与实践作出贡献。它帮助人们把讨论从笼统的“智能工厂”，推向对“机器智能究竟为何、如何发展、又使何事成为可能”的更精确理解。

研究还引出一个更广的社会议题：当制造系统迈向更高阶的“数字认知”，人的角色将如何随之转变。自动化在提升效率的同时，也对劳动者的技能与岗位提出新的要求。如何在推进智能化的同时，保障人对关键决策的把握、并为劳动者提供再培训与转型的机会，是让技术进步真正具有包容性的前提。

这项研究丰富了 APSIRI 关于数字化转型与包容性技术的工作。通过考察智能系统如何演进、其前进又意味着什么，研究院希望支持一种“技术进步服务于广泛而可持续之人类福祉”的数字经济。