文/子蕊
2024年6月18日，第一新聲聯合逸迅科技正式釋出《2024年中國交通運輸行業數字孿生市場研究報告》，并成功舉辦線上釋出會。
2017年開始，Gartner連續3年把數字孿生列入其每年釋出的“十大戰略性技術趨勢”。目前數字孿生已經在航空航天、工業生産、城市管理等領域，呈現出獨特的業務價值，初現巨大商業潛能。
随着全球新一輪科技革命和産業變革深入發展，自動駕駛、智慧鐵路、智慧公路、智慧水運和智慧航空等新交通工具、新運輸方式和新基礎設施不斷湧現，推動傳統交通運輸進入數字化、智能化和綠色化時代，為交通強國建設注入新動力。數字孿生在交通運輸行業迎來了新一輪的發展機遇。
為深入了解交通運輸行業數字化、智能化發展程度、主要場景和核心痛點，第一新聲與上海逸迅資訊科技有限公司（簡稱：逸迅科技）聯合開展中國交通運輸行業數字孿生市場調研，期間獲得了多位數字化管理者與行業專家的大力支援。經過數月的市場調研、訪談、交流、研究工作，正式釋出《2024年中國交通運輸行業數字孿生市場研究報告》。
本次報告的線上釋出會邀請到了逸迅科技技術副總裁陳光輝、中車産業投資有限公司谷緒地博士與大家一起探讨數字孿生浪潮下，交通運輸行業的機遇與挑戰。
回顧釋出會期間，亮點衆多，如《2024年中國交通運輸行業數字孿生市場研究報告》釋出解讀、圓桌對話交流等。
01
交通運輸行業數字孿生市場研究報告解讀
第一新聲創始人兼CEO姚毅對《2024年中國交通運輸行業數字孿生市場研究報告》進行了釋出解讀。
根據交通部李小鵬部長2021年的描述，中國的交通運輸行業經曆了由“瓶頸制約”到“總體緩解”再到“基本适應”的曆史性轉變。
從2016年到目前中國“八縱八橫”高鐵網主通道已建成投産3.53萬公裡，占比80%。
下一步的重點任務是從運力保障，調整為數字化、智能化、綠色化的時代。
【亮點一】
2025年預計整體市場規模将達到73.5億元，其中行業解決方案市場規模占比約60%
2022-2025年， 中國交通運輸行業數字孿生整體市場規模預計維持增長态勢 ，2025年整體市場規模将達到73.5億元，其中行業解決方案市場規模占比約60%，技術/産品市場規模占比約40%。
洞察1：“四網融合”，推動行業發展；
洞察2：交通強國五大試點，帶動數字孿生市場增長；
洞察3：數字孿生是三防一體的重要保障；
洞察4：智能化變革為數字孿生下一階段帶來更廣泛需求。
【亮點二】
交通行業數字轉型過程中存在5大痛點
根據第一新聲的調研，目前交通行業的數字化轉型過程中，存在五大痛點，包括人員管理痛點、裝置管理痛點、資料孤島管理痛點、資料标準痛點、資料能力痛點等。
【亮點三】
技術發展為數字孿生落地提供保障
技術發展為中國交通運輸行業數字孿生落地提供了重要保障 。數字孿生技術包含數字支撐技術、孿生建構技術與人機互動技術三大類，這些技術不斷演進和發展，共同提升數字孿生的實時性、精确性、靈活性和互動性。
【亮點四】
地鐵安全與智能運維五大應用場景
（1） 列車智能運維：将列車基本資訊、線上運作狀态、故障資訊、車隊總體狀況等在綜合監測系統中集中呈現。友善檢修團隊能夠快速、直覺擷取關鍵資訊，提升管理決策響應效率。
（2）多領域智能運維：多領域的智能運維，以監測、應急、分析、健康四大中心為基礎， 涵蓋信号、通信、綜合監控等多專業領域。
（3）客流分析：通過深度學習建構客流模型，對短時客流、短期客流、斷面客流、典型日或大型活動客流進行預測。有效協助排程部門及時進行客流預判及疏導。
（4）地鐵能耗管理：地鐵牽引淨能耗由牽引能耗和再生能量組成，其中再生能量與行車運輸組織密切相關。
（5）車載日志分析：第一，車載日志分析以OMAP日志、IOM車載告警記錄為來源實作指定事件的統計分析、原因定位分析和資料規律挖掘。第二，事件的統計分析主要以時間、司機号、車次号、車站、列車等多個次元進行統計彙總，将結果以圖表方式展示于IOM終端。第三，事件的原因定位分析是将事件與已知多個事件關聯項進行分析。當事件發生時，通過檢查關聯 項的實時和近期曆史狀态，判斷事件的原因。
02
産業對話
釋出會上，3位嘉賓參與了 “交通運輸行業，數字孿生的現狀與痛點？”的主題圓桌對話，從各自企業及行業角度闡述和探讨數字孿生浪潮下，交通運輸行業的機遇與挑戰。
Q（第一新聲創始人兼CEO姚毅）：2021年《“十四五”現代綜合交通運輸體系發展規劃》提出：要提升交通運輸數字化智能化發展水準，破除制約交通運輸高品質發展的體制機制障礙。根據第一新聲分析，2023年中國交通運輸行業數字孿生市場規模為53.3億，其中鐵路運輸的市場占比為42%，公路運輸25%，水路運輸19%。
想請問兩位嘉賓，數字孿生在交通運輸行業高品質發展中的價值主要在哪些地方？目前應用的現狀怎麼樣？
A（中車産業投資有限公司谷緒地博士）：首先，近十年間，交通運輸行業發展突飛猛進，取得了巨大的成就，鐵路網布局也在不斷完善。
例如鐵路交通發展從最早的蒸汽機車到内燃機車，從電力機車再到動車組、複興号高鐵，機車工業也實作了從無到有、由落後到趕超的跨越。
印象很深刻的是，上大學時，我做動車從山東來北京要坐車要十多個小時，現在隻需要兩個小時就可以到達。
目前“八縱八橫”規劃已建設完成近80%，接下來我們應該做哪些工作，确實是每一個鐵路工作者需要思考的問題，數字化是行業的必然選擇，尤其是交通多、領域多場景下的數字融合技術，未來會越來越精細化，越來越高效化。行業内應用場景目前多是點的突破，高端技術，包括市場應用的突破任重而道遠，還是需要靠一定的政策或者國家的主導推進。
Q（第一新聲創始人兼CEO姚毅）：谷博士您剛提到“行業内應用場景還在點的突破 ”,從您的觀察來看，您感覺目前哪些點已經有了突破？這個點的突破是數字孿生、人工智能的資料融合還是其他新技術的應用（如站段裡綜合排程或裝置營運管理）？
A（中車産業投資有限公司谷緒地博士）：例如智慧檢修段，首先檢修車輪，自動化的車輪分解、物料供應、ERP上線等！
在某一個檢修車輛段裡，存線上網資源瓶頸，如在來回吊車時，一共有兩條線來回調庫、入庫與出庫，要檢修的車大概有18列，原來線路調配基本上全靠人力來進行，現在通過一定的模型輸入、流程的優化以及數字孿生技術，整個智慧檢修段減少了人為的幹擾，基本上實作了自動化。
Q（第一新聲創始人兼CEO姚毅）：光輝總了解的數字孿生在交通運輸行業高品質發展過程中，價值主要是在哪些地方？目前應用的現狀怎麼樣？
A（逸迅科技 技術副總裁陳光輝）：以鐵路為例，大規模的基礎建設已基本完成，目前後續工作主要為兩方面，一是營運，二是運維。如何提高營運和運維的效率非常關鍵，我認為數字孿生技術将會在其中發揮非常大的作用。
目前交通行業前景可期，但還沒有形成規模經濟，缺乏頂層規劃。客戶對于數字孿生的運用也在積極探索，潛在需求未能充分釋放；其次各個專業段沒有串聯及融合，像機務段、電務段等各個專業之間需要打通并做頂層規劃，多專業融合才能充分發揮資料的價值。
Q（第一新聲創始人兼CEO姚毅）：根據第一新聲調研，交通運輸行業的高品質發展過程中，存在五大痛點：比如傳統的人為管理難點、龐雜的裝置系統管理難點、資料孤島現象嚴重、行業标準不統一、資料品質差等。
如以鐵路運輸為例，想請問兩位嘉賓，您認為目前最核心的痛點是什麼？數字孿生解決方案能在多大程度上解決了相應的難題？效果能達到或者希望達到什麼樣的程度？
A（中車産業投資有限公司谷緒地博士）：第一，核心痛點方面，如人為管理、資料孤島、機務、電務、檢測段、包括配件的維修維護人員方面等。從多角度看還有深層次痛點，專業彼此之間的隔離，無法形成資料閉環，并且缺少全方位的周期管理。
第二，數字孿生能在多大程度上解決相應的難題，反向來看，鐵路首先要解決的難題，不是突破一個高性能的材料等技術問題，而更多是工程問題。
對做資料孿生或人工智能資料類的企業來說，誰能解決痛點，如把相關的機務、電務包括檢修、運維等相關資料鍊打通內建，誰就能形成産業，最終通過整體的解決方案來提升效益。
Q（第一新聲創始人兼CEO姚毅）：逸迅科技其實已經在鐵路行業深耕多年，有上千個數字孿生的模型，在模型或者行業解決方案的背後，目前有沒有解決方案或模型是內建了兩個、三個或者是相應路段的資料？
A（逸迅科技 技術副總裁陳光輝）：逸迅科技在數字孿生領域目前已經形成了全棧的産品和解決方案，包括：物聯網平台、資料采集、資料治理、資料模型開發、三維可視化、AI算法平台，在軌道交通領域，我們積累了很多軌道交通行業的算法模型和三維可視化的模型，可以大大降低在軌道交通行業内的數字孿生開發成本和開發周期。
另外正如谷博士的觀點，誰能把行業内的各專業資料整合好，誰就有很大的成長機會，比較典型的例子是最近的地鐵項目，客戶選擇我們成為合作夥伴正是因為我們既有做過車輛的資料的經驗，又有做過信号、機務、公務等專業的資料能力。如谷博士所說，問題存在的同時，也将伴随着巨大的機會。
Q（第一新聲創始人兼CEO姚毅）：在光輝總看來，目前這五個核心痛點如果讓您來排序或選擇，您覺得最核心的痛點是什麼？目前行業内的數字孿生的解決方案在多大程度上能解決相應的痛點和難題？
A（逸迅科技 技術副總裁陳光輝）：人為管理和每個公司的定位有關，我們定位是一家技術公司，更多是與行業裡一些大的系統內建公司合作，涉及上面管理協調的各方面問題，內建商會直接面對這些問題，我們更多接觸的是技術層面的一些問題。
從技術角度來看，以前的系統基本上都是垂直煙囪式的建設，存在較為嚴重的資料孤島問題。并且也沒有相關的資料标準，包括物聯網的部分資料采集，老舊的裝置無法提供資料采集的接口，隻能通過攝像頭或者通過增加溫度、濕度振動這些傳感器，去做一些外挂解決相應的資料采集工作。我們更希望從數字孿生等技術的角度去解決問題。
Q（第一新聲創始人兼CEO姚毅）：根據北航陶飛教授的“數字孿生能力成熟度模型”，數字孿生的成熟度分為6個等級：“以虛仿實（L0）、以虛映實（L1）、以虛控實（L2）、以虛預實（L3） 、以虛優實（L4）、虛實共生（L5）”。
想請問下谷博士，以鐵路系統為例，從您的觀察來看，您認為什麼能力等級的數字孿生解決方案，是行業目前最剛需的？或者是您認為最值得所有鐵路系統應用與推廣的？
A（中車産業投資有限公司谷緒地博士）：從陶飛教授的數字成熟度模型來看，需求不一樣，每一塊的等級不一樣，其中L3級、L4級未來發展空間很大。
我們接觸過一個訴求，鐵路的異物入侵場景，也叫災害預警或預測。例如，在邊坡、滑坡高鐵落實到軌道方面，如果以虛拟的數字孿生來預測出災害的發生，目前行業的需求較為迫。
在路、橋、隧等關鍵點的監測、監控包括預警，其實全靠人為，雖然也有鐵路的智能盒子、包括傳感器，溫濕度的監測鐵路防止扭曲變形，但針對曹輝教授提到的模型來說，以虛預實，對鐵路的安全是較為迫切的。
鐵路首先是保安全，第二是保效率，第三才是保效益。
Q（第一新聲創始人兼CEO姚毅）：逸迅科技其實已經有成熟的數字孿生解決方案開發流程，并且在一些場景下搭建了上千個模型，可以結合具體案例，介紹一下咱們的方案，達到了什麼能力等級？效果如何？
A（逸迅科技 技術副總裁陳光輝）：逸迅積累了全棧的技術平台和解決方案能力，具有實作L0到L5級别的數字孿生解決的能力，目前從具體傳遞來看，大部分還處于L1至L3，例如我們在軌道交通智能運維方面，對裝置健康度建立模型，對于裝置什麼時候做什麼樣的維護和維修可以給出一些建議。
大部分的解決方案其實還是處于以虛映實的階段，而以虛控實，在鐵路領域不多，因為有很多裝置涉及到安全性，它的控制需要各種權限，甚至有一些安全性等級要求較高，達到SIL4等級，這些是不會去做反向控制的。當然可能在非安全的領域，比如如控制一些燈、道閘等可以去做，比如地鐵的一鍵開關站。
Q（第一新聲創始人兼CEO姚毅）：今年5月，第一新聲研究院釋出的《2024年中國CIO數字化産品選型白皮書》 調研顯示，2024年CIO最關注的十大數字化議題裡，前兩名分别是：資料智能-大資料分析和預測、大模型賦能新質生産力。無獨有偶，這一次的《數字孿生市場報告》，我們也發現，人工智能技術已經開始融入數字孿生，在營運管理智能化、仿真推演、資料分析等方面提供新的價值， 賦能行業的發展。
想請問谷博士，以鐵路系統為例，在您看來，您會關注人工智能技術，尤其是大模型，在行業哪些場景下的賦能？幫助解決什麼方面的問題？
A（中車産業投資有限公司谷緒地博士）：人工智能技術，尤其是大模型在行業場景上的賦能，這半年以來，國資委和國家央企簽署了開放工業場景、生産場景。
從我們的角度來看，所有的大模型做起來很容易，但是它并不适于工業領域，工業領域更多的是垂直行業模型。
數字孿生架構是”資料+模型+知識“，但它缺少了1個關鍵項是驅動力，驅動力就是算法。
第一，地鐵就是一個典型比較好的應用場景，如中國地鐵壽命大概約30年左右，而日本的地鐵最長壽命能達到70年，因為他們很多關鍵的價已經達到了狀态修的水準，尤其地鐵是一個特别燒錢的行業，對背負了很大地方債的各個地方政府來說，能幫政府減少很大債務。
第二，大鐵未來的市場空間量要遠超好幾個數量級的地鐵，例如檢修運維，尤其是智慧運維，從原來的計劃修改成現在的狀态修，能節約較大成本。在擁有自己的核心的算法前提下，未來的發展空間演練很大。尤其不要放棄多元的環境，針對各種的運輸組織，應急管理，排程這一類場景的挖掘。如客運管理，客站的人員組織優化、貨運站的管理等。
Q（第一新聲創始人兼CEO姚毅）：逸迅科技在地鐵行業解決方案裡具備一定的優勢，為客戶做過相應的多場景融合，在這優勢下，我們人工智能是不是已經開始在地鐵相關的解決方案裡面去應用？未來會有數字管家來輔助行業的從業者，如何與數字孿生解決方案融合來幫助客戶提供更好的解決方案？
A（逸迅科技 技術副總裁陳光輝）：通用大模型不适合用于專用場景下，包括面臨的本地化部署、資料隐私等這些問題，并且它的準确率存在較大問題。但是行業的大模型具有很大的應用場景。
未來，大模型對交通運輸行業的發展會有較大的影響，與數字孿生的融合，如果暢想未來，我們認為它不會代替人工，但以後每個崗位可能都會有一個大模型助手去提升效率。
每個大模型類似于遊戲裡面NPC的角色，在特定的場景下，如一個信号工，在做檢修時碰到故障問題，可以直接與大模型對話，他可以告訴你去哪裡查相應的手冊和類似的案例，以此來提升工作效率。
Q（第一新聲創始人兼CEO姚毅）：大模型在交通運輸行業的應用上，谷博士您感覺它會有哪些可以想象的空間？
A（中車産業投資有限公司谷緒地博士）：鐵路行業的大模型未來成型的可能是生态式或者樹狀的形式。例如鐵路他有車輛、站段、路橋水、它還有N個專業方向的小模型內建在一起，同時，還會有各類的知識貫穿到各類模型當中。
大模型可以解決的問題，
第一，以大模型為關鍵驅動，服務鐵路運輸行業。
第二，未來要開放資料，進行資料資産交易。實作資料的“聚”、“通”、“用”。例如細分場景的應用—複興号動車，它的頭型已演算了N代，涉及到很多資料問題，如流線型、線路等，如果擁有某項線路條件，可以自動适配某些頭型車來做運輸。
未來要靠資料流動積累的前提，一定是資料資産的交易。
展望未來，第一新聲将繼續密切關注中國交通運輸領域的高成長企業、聚焦标杆服務商，以及活躍在該領域的投資機構等，在“數字孿生”浪潮中，擁抱市場的數字化需求，共同建立全新的數字文明。