新型数字孪生的三大类别

简介: 新型数字孪生的三大类别

(一)信息基础设施

对于新型基础设施来说,信息基础设施占据着主要位置,它不仅是基础设施,同时还是一个产业,对经济增长和产业发展具有直接贡献。按照国家发改委的文件说明,信息基础设施主要是指基于新一代信息技术演化生成的基础设施,分为通信网络基础设施、新技术基础设施和算力基础设施。

第一小类:通信网络基础设施

这是信息基础设施的主要部分,包括5G、物联网、工业互联网、卫星互联网等,其建设特点是投资量大、建设周期长、通用性强并具有一定的公益性。通过过去20多年的高投入,我国的通信网络基础设施已处于全球前列。

2019年电信业务收入累计完成1.31万亿元,比上年增长0.8%。按照上年价格计算的电信业务总量1.74万亿元,比上年增长18.5%。2019年,三家基础电信企业和中国铁塔股份有限公司在5G相关投资快速增长的推动下,固定资产投资比上年增长4.7%。其中,移动通信投资稳居电信投资的首位,占全部投资的比重达47.3%。

第二小类:新技术基础设施

按照国家发改委的划分,大数据基础设施包含在算力基础设施中,因此,新技术基础设施包括人工智能、云计算、数字孪生体和区块链等新一代技术,它们成为承载新技术应用的基础。

现代人工智能与深度学习和机器学习的关联很大,传统的信息基础设施满足不了其发展需要;云计算基础设施通常称为基础设施即服务(IaaS,Infrastructure as a Service),这与传统的数据中心运行模式有较大的差别;数字孪生体是基于几何模型的新一代数字技术,借此成为物理世界和数字空间交互的一种工具;区块链涉及数学、密码学、互联网和计算机编程等很多科学技术问题,需要新的信息基础设施来满足其应用需求。

第三小类:算力基础设施

消费和工业两个领域的数字化转型齐头并进,给计算能力提出了新的挑战,特别是目前大量数字化转型基于数据来实现,因此对数据的处理成了应用的关键。简单来说,算力开始成为未来社会的燃料,这在人工智能、数字孪生体等领域体现得尤为明显。

从信息基础设施建设的角度来看,新一代数据中心和智能计算基础设施是较为重要的两个领域,前者成为所有数字技术应用的基础,后者在智能化过程中应用深度学习和机器学习时,则是必不可少的基础条件。(

二)融合基础设施

传统基础设施通过深入应用互联网、大数据、人工智能等技术,实现转型升级,进而形成融合基础设施。交通运输和能源都属于传统基础设施,但它们的数字化、网络化和智能化转型非常明显,从而形成了智能交通基础设施和智慧能源基础设施,因此,它们就转化为新型基础设施了。

交通运输与新一代数字技术融合体现在两方面:一方面是交通道路等基础设施,包括一般公路交通设施、高速公路交通设施、市政道路交通设施、轨道交通设施、停车场设施等,它们的数字化转型涉及方方面面,包括智能灯杆等应用;另一方面,在交通基础设施上行驶的车辆往数字化、网络化和智能化方向发展,形成了车联网等新型应用方式,这将促使传统交通道路发生改变。

传统的能源基础设施主要包括供热、供电、沼气等,在新一代数字技术的推动下,它们的融合形成了智慧能源基础设施,可以满足智慧城市管理、智能交通运输、智慧生活等需要。如果缺乏智慧能源基础设施,我们设想的大部分智能化应用都不可能发生。

(三)创新基础设施

支撑科学研究、技术开发、产品研制的具有公益属性的基础设施,通常称为创新基础设施。前面提及的美国国家科学基金会讨论的基础设施,即为创新基础设施。创新基础设施包含重大科技基础设施、科教基础设施、产业技术创新基础设施等,它们为科技研究和创新提供了条件。

2013年2月23日,国务院印发了《国家重大科技基础设施建设中长期规划(2012—2030年)》,对重大科技基础设施做出了指引。文件提出,“重大科技基础设施是为探索未知世界、发现自然规律、实现技术变革提供极限研究手段的大型复杂科学研究系统,是突破科学前沿、解决经济社会发展和国家安全重大科技问题的物质技术基础。”

当前科技发展正孕育着一系列革命性突破,发达国家和新兴工业化国家纷纷加大重大科技基础设施建设投入,扩大建设规模和覆盖领域,抢占未来科技发展的制高点,这给我国的创新发展带来了压力。

第一,科学前沿的革命性突破越来越依赖重大科技基础设施的支撑能力

,现代科学研究在微观、宏观、复杂性等方面不断深入,学科分化与交叉融合加快,科学研究目标日益综合。例如,数字孪生体即为一种交叉学科产生的新一代数字技术,它的研究已经不是传统科技基础设施可以支撑的,需要考虑综合性的科技基础设施的开放性。

第二,技术创新和产业发展越来越需要重大科技基础设施提供动力

。从全球科技创新的趋势来看,科学探索和技术变革逐步融合,甚至与工程技术产生协同,工程应用中产生的新工艺、新装备,往往能促使科学技术进一步变革。由此,重大科技基础设施对培育战略性新兴产业、实现经济发展模式转变和支撑经济社会发展具有重大意义。

第三,国际科技竞争合作需要重大科技基础设施的牵引和依托

。为了发现颠覆性创新的机会,各个国家在重大科技基础设施方面竞争非常激烈。但在事关人类共同利益和长远发展的科技领域,联合共建与合作研究越来越普遍,我国主动建设重大科技基础设施,有利于在国际科技竞争合作中占据主动,从而提升我国科技的国际影响力,这是软实力的表现。

目录
相关文章
|
6月前
|
供应链 物联网 新制造
未来交织:新兴技术趋势与其多维应用探索
【5月更文挑战第17天】 随着数字化转型的深入,新兴技术成为推动社会进步的关键动力。本文聚焦于区块链、物联网(IoT)、虚拟现实(VR)等前沿技术,剖析其发展动态及跨领域应用潜力。区块链技术以其不可篡改性和去中心化特性,在金融、供应链管理中崭露头角;物联网通过智能感知与网络连接,重塑智能制造与城市管理的面貌;虚拟现实则在娱乐、教育及远程协作等领域展现出独特的沉浸式体验优势。文章旨在为读者提供一个关于这些技术发展趋势和实际应用的全景视图,探讨它们如何相互交融、共同塑造未来社会的轮廓。
|
传感器 机器学习/深度学习 编解码
自动驾驶 | 毫米波雷达视觉融合方案综述(数据级/决策级/特征级融合)
自动驾驶在复杂场景下的目标检测任务至关重要,而毫米波雷达和视觉融合是确保障碍物精准检测的主流解决方案。本论文详细介绍了基于毫米波雷达和视觉融合的障碍物检测方法,从任务介绍、评估标准和数据集三方面展开。
自动驾驶 | 毫米波雷达视觉融合方案综述(数据级/决策级/特征级融合)
人不成熟的五大特征
人不成熟的五大特征
69 0
|
传感器 人工智能 运维
所算即所得,数据中心从可量化到可视化的价值革命
所算即所得,数据中心从可量化到可视化的价值革命
数字孪生核心技术揭秘(四):大规模植被系统生成
世界真实性还原的持续提高,植被还原变成了一个刚需。 本文初步探讨数字孪生应用中植被系统的大规模生成思路,致力于生成中国全境地理分布比较真实合理的植被。
1091 1
|
人工智能 边缘计算 固态存储
2018年技术预测:需要关注的数据中心趋势
2018年技术预测:需要关注的数据中心趋势
131 0
2018年技术预测:需要关注的数据中心趋势
|
机器学习/深度学习 人工智能 供应链
离散制造行业解决方案
离散制造业工业大脑行业解决方案,简单地讲是从数字到知识再回归到数 字的过程。生产过程中产生的海量数据与专家经验结合,借助云计算能力 对数据进行建模, 形成知识的转化,并利用知识去解决问题或是避免问题 的发生。
离散制造行业解决方案
|
边缘计算 监控 安全
2020年物联网趋势预测
互联网的生态系统不仅仅局限于计算机和移动设备。物联网(IoT)等技术的出现,使设备变得更加高效和智能。简而言之,物联网可以被解释为一个由相互关联的设备组成的系统,这些设备可以通过网络传输数据,而无需任何人工。物联网改变企业运营方式已经有一段时间了。然而,随着技术世界的不断发展,将会有更多的突破。那么,让我们从2020年物联网领域的预期增长开始。
477 0
2020年物联网趋势预测
|
机器学习/深度学习 数据采集 边缘计算
医疗数据典型特征及架构发展方向研究
医疗及健康行业风口来临,本文从最近阿里云天池比赛对于医疗数据的特征进行分析并提出未来医疗健康产业数据架构的发展方向思路
1796 0
|
物联网 大数据
工业大数据的特征
简要描述工业领域的大数据特征。
2064 0