优也首席技术官林诗万博士：数字孪生并不是点金术

由于数字孪生应用场景和领域的广泛，所牵涉到的技术也多样化，实现的方式也有很大的差异性，不少的文章从不同的角度去讨论，观点纷纭，仁者见仁，智者见智；还有一些文章高瞻远瞩，预见了美好前景，却免不了让人有一种高不可及的感觉。因而，对于如何把数字孪生在行业的具体场景付之于实践落地，不少的从业者都免不了有一种无所适从的感觉，不知从何处着手，能达到哪些效果。

2021年12月8日，优也首席技术官林诗万博士发表了题为“数字孪生在数字化生产运营中的一些思考和观察”的演讲，重点从生产运营场景落地的角度，对如何把数字孪生这一个概念和相应技术利用起来，用于解决数字化生产运营管理的问题，进行一些探讨。

林博士是业界公认的在工业互联网和数字孪生领域的大咖，其高深的学识和严谨的思维，本次演讲的核心观点：在目前这一轮的数字化发展中，不管是在产品与工艺设计、还是在生产过程中，关注的重点就是如何利用来自于物理世界的数据帮助我们对实况做出精准的判定，智能化的决策，及时的执行。简单地说，数字孪生就是物理实体的数字化虚拟复制，以计算解决现实问题。

数字孪生作为一种方法论，一种框架性技术体系，甚至是一种面向生产运营环境数字化架构的中间件，不是一种一蹴而就的神奇技术，不是一剂一吃见效的灵丹妙药。

数字孪生的有效性取决于设备或生产过程的复杂度，进行模式判定、状态预测或优化策略计算的难度，以及用于计算的，从现场采集的传感数据的完备性和准确性。

我们不应该把数字孪生当作一种点金技术，期望数字孪生可以一步到位解决高难问题。这是一种不切合实际的期望。数字化技术其核心是软件，在本质上就是一种持续改善的技术。不持续迭代提升的软件是没有生命力的。

企业需要与解决方案供应商维持长久的合作关系，提供相应的投入支持软件应用的维护和提升，为所建立的数字化解决方案留长远一点的生路，有生长成熟的机会，避免一锤子买卖。同时，企业也可以多考虑采用第三方供应商的产品，避免无必要的自建项目，这样可以借力供应商产品在前面提到过空间重用复用的积累提升成果。

林诗万博士，美国工业互联网联盟（IIC）技术工作组、架构工作组与数字孪生互操作组联席主席，优也首席技术官

以下是演讲实录：

今天有幸和大家一起交流，我希望籍此与大家一起就数字孪生在数字化生产运营这个场景的应用做一些探讨，谈谈我的一些思路和观察。

数字孪生这个概念以及在工业领域的应用，不管在学术界，还是在行业中已经有了不少的介绍和探讨，有些还比较深入和丰富。甚至有一些文章把全球各种数字孪生的定义也做了详尽的列表分析对比。

比如，提到某某飞机引擎公司将在2022年开始对客户交付引擎的数字孪生，能够采集成千上万条数据，并对飞行数据提供丰富深入的数据分析等，对于行业内成千上万不是高端装备供应商的企业来讲，对于数字孪生如何帮助他们在生产环境提升数字化生产运营管理的能力，帮助甚少，或许只能产生一种望梅止渴的效果，或更坏的，产生一种望而生畏的感觉。

今天在这短短的几十分钟，我想尽量避免“画大饼”，讲高大上的东西。我希望能够从生产运营场景落地的角度，对如何把数字孪生这一个概念和相应技术利用起来，用于解决数字化生产运营管理的问题，进行一些探讨。相信在座的各位大多来自于自动化的专业，有比较强的技术背景，那么，我这次的讨论就稍微偏重技术性一些。

数字孪生的概念和所追求的目的

在2019年年初，我在工业互联网峰会这样一个全国性的大会中对数字孪生这个主题作了一些介绍。当时对关于数字孪生是什么，做什么用，为了什么目的做了一个简要的探讨，并提出数字孪生是工业数字化的一种思路、方法论，是一种技术体系和技术能力。这些概念和思路，经过这两年多的实践，感觉还是基本符合实际的。但是，对于如何实施和应用，有了一些新的体验和思考。（此文链接林诗万 | 工业互联网平台 + 数字孪生体技术：工业智能APP的新架构）

首先，让我们回到数字化生产运营的这个层次。制造业企业经过二十多年的信息化发展，在产品和工艺设计过程中采用了各式设计软件，各种的CAD；在生产运营方面也采用了各种软件对不同领域的业务流程实现了信息化管理，取代原有的口头传达、手工输入、纸质记录的作业模式，在原有的自动化生产的基础上，实现了业务管理流程的自动化。但是，这些工业软件的大部分要么是用于管理业务流程，要么关注在正常的状况下如何计划和实现生产。

在生产过程中，要充分利用生产现场的大量设备数据，借数字化之力，进一步降低设备的故障率、提高整体设备效率、提升产品质量、降低能耗和物耗、保障生产过程的合规性等方面，还有大量的工作需要做。

同时，我们不能只孤立地关注单台设备，更需要打通生产工序上下游多设备的高效协同运行；另外，我们也需要把精益管理的原则和方法融入数字化生产运营管理中，追求生产过程的标准化、稳定性和持续改善。

在这些方面，我们都有很大的机会空间。比如，生产计划一般只能按正常稳定的条件制定，而实际的生产过程免不了会出现各种异常和波动，对于生产异常判定、根因分析以及应对策略大多还是依赖于操作经验，靠手工作业完成，还没有很好地利用生产环境中的数据，根据现场的实况，做出精准的判定，智能化的决策，及时的执行。

在目前这一轮的数字化发展中，不管是在产品与工艺设计、还是在生产过程中，关注的重点就是如何利用来自于物理世界的数据帮助我们对实况做出精准的判定，智能化的决策，及时的执行。

数字化的手段就是利用计算机去完成以往由人来做的逻辑处理和计算，虽然计算机硬件是计算的基础，但是，计算机软件却是我们当前解决具体问题的核心。如果我们要利用计算机对物理世界的实况做出精准的判定，智能化的决策，那么我们就需要在计算机（也就是虚拟世界或数字空间）表征物理世界的状况。任何物理实体的状态变了，需要及时地在计算机里得到反映。这就是在数字孪生的定义中经常看到的这个‘映射’的概念。简单地说，数字孪生就是物理实体的数字化虚拟复制，以计算解决现实问题。

数字孪生作为一种方法论

作为基本概念，数字孪生的核心是利用传感数据和计算，实现对物理实体的深度认知和智能决策，有效地控制和管理这些物理实体，更好地服务于人类。作为技术概念，数字孪生是在计算机中，对物理实体实现映射，属于计算机工程的问题，属于软件工程的范畴，要对物理实体进行映射，要对它的状态进行模式判定，根因分析，状态预测等计算，可以有多种实现方法。对于在座熟悉软件开发以及计算机编程的发展过程的同事，我想用下面这样一个类比。

在计算机发展的初期，我们只有汇编语言，几乎就是用计算机处理器的机器语言去编程，是一长串的指令，没有什么结构，费脑费力费时，容易出错，排查困难，谈不上重用复用。

后来出现了高级语言，如Fortran和C语言。这一代的编程语言，引入了逻辑和数据结构，并能够对代码进行按任务以函数的方式进行组织，对于一段代码定义输入和输出参数，按函数设定的逻辑进行计算，完成一定的计算任务。整个程序由一系列函数的依次调用以实现其计算目的。由于函数作为一个代码单元可以多处调用，也就实现了代码的重用复用。但是，这些属于过程编程范式的编程语言，对于大型程序系统需要分解出来的函数繁多，调用关系复杂，设计、开发和维护的难度会变得非常高，重用复用困难，软件开发和维护的成本也因而变得非常高昂。

后来出现的面向对象的编程范式（Object-Oriented Programming - OOP），如最早的Smalltalk，后来广泛使用的C++和Java，引入了对象的概念。以对象的形式与现实生活的‘物体’或‘逻辑体’相对应，如汽车，用户，或银行的账号等作为逻辑对象加以表征，把其特征数据（属性）和操作逻辑（行为）分别作为数据和函数封装在对象体中。这种方式使得软件的设计更符合人在现实生活中的思维方式，不仅使得设计变得更结构化，同时也增强了软件的重用复用性和可维护性，提高了软件质量，降低了软件开发成本。这编程范式在90年代开始在应用开发领域广泛采用，目前大部分大型复杂软件系统大多都是用这个编程范式设计和开发。面向对象的编程范式与后来的面向服务架构（Service-Oriented Architecture – SOA）一起对近二十年来软件的发展和广泛应用起了非常重要的作用。

显然，数字孪生在工业应用的实现会有多种路径和方法，就像编程一样，可以简单直接地实现，就像当年用流程编程语言一样，把数据，算法和业务逻辑都以一连串复杂函数调用的流程加以实现，同样会遇到调用关系复杂，重用复用困难的问题。

数字孪生的设计可以把面向对象编程范式推广到了物理世界的实体，在软件中以对象的方式表征物理实体，对每一个物理实体建立相应的软件对象，也就是数字孪生。在数字孪生中以数据表征物理实体的属性及状态，以算法模型模拟其行为。除此以外，对象化的设计方式可以支持利用单元对象以搭积木的方式构建越来越复杂的系统，从组件数孪体开始，构建设备、机组、产线、车间，以至整个工厂的数字孪生体，成为整个工厂的数字表征。

以这种方式构建数字孪生，结构性地反映物理实体的属性、状态与行为，屏蔽了现场的复杂性，简化数字化工业应用的构建，后面我们会谈到，也促进工业知识与数字化技术的融合，沉淀、积累和提升，分享复用。

因此，作为方法论，面向对象编程范式可以为数字孪生的设计所借鉴和引用。这就是为什么我在两年多前提出数字孪生，首先是一种方法论的观点。

三维仿真数据展示不等同于数字孪生

在行业中经常遇到一种理解，提到数字孪生就直接联想到三维仿真展示，特别是三维仿真的背景中展示一些数据，就认为是数字孪生。这种理解是片面的。数字孪生的核心在于对生产现场采集的数据进行近乎实时的计算，以获得对生产现场工况的精准的认知，以便做出符合事件的决策。其核心是数据和计算。三维仿真展示虽然也是一种映射，但是只是三维空间的映射，其结果是让数据、状态或事件的展示和系统的浏览很直观，特别是以大屏的方式展示，给参观者一种很酷炫的感觉。但是，它毕竟是一种人机界面的表达方式，其中所展示的数据、状态或事件必须从数字孪生的数据和算法模型中获得，没有数字孪生的数据和算法的支持，这些展示没有太大的意义。

从另外一个角度来看，如果数字孪生的数据丰富，算法强大，相应的工业APP也功能强大，大部分的生产运维操作都能自动解决，不需要人工干预，那么这些三维仿真展示的必要性就会被弱化了。就像我们现在用电饭锅做饭，没有谁还会去打开锅盖去看水烧干了没有。虽然我们当前在大多数场景还达不到这样一个水平。但是，随着时间的推延，技术的完善，我们会逐步走向这个目标。

有时我们看到一些在三维仿真的模型中进行虚拟设备巡检，操作工不再需要到现场去巡检。从另外一个方面来看，如果设备的数据都已经采集上来，对设备的运行状态也有算法去监控，并得到相应的报警、记录和处理，这种虚拟巡检的作用就不大了，或许除了满足以往的一些流程的规定。

三维仿真作为数字孪生模型的一种，以物理实体的实际空间参数，以及空间的拓扑关系建立可视化模型，特别是与AR结合，对于设计、设备拆装和维修操作指导，运动设备作业事件重播等将继续有独特的作用。

传统的模拟仿真模型不等同于数字孪生

在行业中的另外一种理解是把数字孪生与模拟仿真等同起来。模拟仿真是在计算机中建立模型复现物理系统中发生的本质过程，并通过调整模型的输入和控制参数进行实验性计算，用于研究和评估存在的或设计中的系统特征和行为，寻找可行或最优的设计，在制造业中的应用广泛。由于物理过程必须符合物理和化学定律，如物体的运动轨迹和速度、不同物体在空间的拓扑关系、液体介质的流动，固体的材料特性和热力工程特征等等，都可以利用物理和化学方程进行表征和计算。一般而言，实际系统建造成本高，所需的时间长、有些试验需要很长的时间或危险性大，利用计算机仿真进实验显然是一种事半功倍的手段。

如果说数字孪生是在计算机中建立的覆盖产品或系统全生命周期的复制体，那么这些用于产品或系统设计中的仿真模型显然属于数字孪生算法模型的一类。如果这些仿真模型能够精准地计算实际系统的特征和行为，的确可以成为数字孪生的主要计算模型，用于生产过程的计算。但是，由于实际系统一般都很复杂，并受当前技术的局限，在建立这些模拟仿真模型的时候，大多都需要进行很多简化，只关注关键的因素，忽略次要因素，或只模拟系统的某一些方面，可以满足在设计过程中验证设计的结果是否符合一定的设计要求，比如安全生产的要求，而这些要求一般都有比较大的冗余范围，但计算的精度不容易达到在生产过程监管和优化的需求。

另外，大多用于设计过程的仿真模型软件基于模拟的数据，批次性使用，并不与生产现场实时数据连接，从计算性能上也不易支持持续性的流式计算，难以支撑数字孪生中对生产运营过程中的管控和优化。

综合而言，模拟仿真是数字孪生的一个重要支撑技术，设计过程中的仿真模型是数字孪生算法模型的一个重要组成部分，但是不等同于数字孪生本身。数字孪生用于生产运营过程管控和优化的模型，一般而言，要么要对设计仿真模型进行改造提升，要么利用机理模型或数字模型建立新的算法模型。

数字孪生作为一种技术框架体系

数字孪生对现实世界中的实体进行映射，对其状态进行模式判定，根因分析，状态预测等计算。从这个目的来看，一般不宜把数字孪生作为一个为用户使用的终端的应用，而是作为数字化工业应用的一种支撑性的技术，甚至可以构建为这些应用架构中的中间件。

数字孪生要映射生产现场的设备的状态和行为，需要在软件中建立相应的镜像对象。如果借鉴面向对象编程的范式，我们需要在数字孪生中设定与设备对应的参数，这些参数包括是属性、状态、指令等类型。在这个基础上把这些参数与从设备采集的数据一一对应连接，如果设备的某个运行参数变化了，在相应数字孪生体上也几乎实时地得到反映。这是一个对设备数据梳理的过程，也是工业知识沉淀到软件的过程。

在此之后，我们可以利用算法模型对这些数据进行分析计算，实现对物理实体的行为进行映射。比如，对设备的运行状态进行模式判定或预测，是否属于运行异常，是否符合工艺要求，是否符合能效要求等，如果判定了异常，对异常的根因分析，还有解决的策略，这些会用到机理模型和数据算法的模型。然而，数字孪生体的数据和算法并不是最终的解决方案。最终的解决方案必须把数字孪生体所映射的设备的运行特征和行为作为输入，结合生产运营管理的业务逻辑和生产规则，特别是精益管理的原则和方法论，做出的适合的决策，并得以执行。这些逻辑一般可用App的方式实现。

这就是数字孪生作为一种技术框架体系，作为数字化工业应用架构的中间件的意义：下启物联数据，连接现场，上承工业APP，输送对现场状态和行为的洞察认知，支撑管控现场的决策。

数字孪生的特征作用

数字孪生系统性地在数字空间映射表征物理世界，其目的是使能复杂场景工业软件的高效实现和持续改善。

在这一页中，我列举了不少数字孪生的特征作用供大家参考，其中的一些在前面我们都有不同程度的讨论。在这里我想强调一下所谓的OT化和解耦式这两点。

我们利用数字孪生的方法论，建立一种新的技术框架，在结构上从OT的角度，以设备作为主体对象进行建模，定义设备的特征数据，建立算法模型判定或预测行为，那么数字孪生可以相对容易地让懂设备的专家定义设备的特征数据，让懂设备运行和生产工艺的专家与算法工程师合作建立算法模型，通过数字孪生的结构融合在一起。以这种方法对各类设备建立数字孪生体，把数据定义和算法封装成可以在多处以插件方式重用复用的软件组件。而熟悉设备的设备供应商或熟悉工艺过程的工业设计院所也可独立构建和提供某类设备或生产过程的数字孪生，并可以支持多个场景。

同时，数字孪生本身在软件结构与其它业务性的软件组件（如生产规则或用户界面）代码解耦分离，当数字孪生的算法迭代提升，比如提高了某种计算的准确性，只是需要独立更新数字孪生体，而不需要重新修改更改业务性的软件代码。

总而言之，利用数字孪生的方法论，有机会建造一种可以有效支持数字化技术和工业知识的融合的技术框架，促进工业知识的沉淀、积累与持续提升，推动生态型工业知识的广泛重用共享。

数字孪生所面临的挑战

要实现数字孪生的价值需要多种技术和知识的融合，特别是数字化技术（IT）和工业知识（OT）的融合。对于制造业企业来讲，经常遇到IT技术资源薄弱，OT知识积累单薄的窘境，要单独利用数字孪生推进数字化的生产运营管理一般会面临很多障碍。由于工业系统的高度复杂度，生产环境工况的多样化和多变性，工业知识积累的碎片化，要建立有效的数字孪生，需要行业性生态合作伙伴的共力，数字化技术供应商，设备供应商，工业知识供应者（如工业研究院所和设计院所等）与作为甲方的企业一起来建设、改善技术和系统。

在这个过程中，在行业生态推进数字孪生的重用复用尤为重要。作为使用数字孪生的目标，利用软件对设备和生产过程特征状态和行为进行深度和精准的表征映射，在每一个企业的场景单独构建门槛居高，成本高昂，积累提升缓慢，事倍功半。如果能够在行业内建立相应的数字孪生共享技术框架和价值交易机制，促进数字孪生的重用复用，将降低启用成本，加快其有效性、质量和性能的提升，提高数字孪生应用的性价比。

从更广的范围来说，软件可以说是用出来的。一件软件应用，用户多了，使用的场景多了，解决了的问题多了，它的功能也会变得丰富和强大，稳定性也会提高，这是通过重用复用积累的结果。这就是为什么第三方的软件产品一般会比自研的好，这是空间（场景）和时间积累的差异性所导致的，特别是跨空间的重用复用的优势。所以，重用复用并不是仅仅对于软件供应商有利，对软件的用户也是有利的。

数字孪生并不是点金术，是持续改善的机会

数字孪生作为一种方法论，一种框架性技术体系，甚至是一种面向生产运营环境数字化架构的中间件，不是一种一蹴而就的神奇技术，不是一剂一吃见效的灵丹妙药。数字孪生的有效性取决于设备或生产过程的复杂度，进行模式判定、状态预测或优化策略计算的难度，以及用于计算的，从现场采集的传感数据的完备性和准确性。

正如人对现实世界的认知有一个持续学习不断提升的过程，数字孪生对物理世界的把握程度也有一个不断提升的过程，一个从粗糙到精细的过程。在实际应用中，如果数字孪生的计算能够比手工判定和操作有显著的改善，采用数字孪生能够带来一定的价值，那么，采用这样一个数字孪生就应该是一个好的起点，有了一个不断提升的机会。如果没有这样一个落地的基础，就永远没有改善提升的机会。就像一个小孩，从小就不上学，那就永远没有机会成为一个有丰富知识的成人。

我们不应该把数字孪生当作一种点金技术，期望数字孪生可以一步到位解决高难问题。这是一种不切合实际的期望。数字孪生的确能有效解决一些的问题，但对于不少的问题需要在落地后有一段时间根据使用反馈持续改善和提升。

数字化技术其核心是软件，在本质上就是一种持续改善的技术。不持续迭代提升的软件是没有生命力的。

目前不少的企业在构建数字化应用系统还是沿用了传统的软件项目型实施管理机制，属于一次性的项目实施，解决方案供应商中标实施交付后，保用一年，之后一般没有后续维护或更新的考虑或机会。下次推倒重来，这样难以积累和提升。如果这样去对待数字孪生，这种数字孪生是无生命力的。

数字孪生系统设计案例 – 优也Thingswise iDOS

人类的文明史也可以看为工具的历史。要广泛地利用数字孪生建立数字化工业应用，有了目的，有了方法论，还必须有相应的工具，才能低成本和高效地实现。企业在构建数字孪生型的工业应用，需要框架性或平台性工具，而不是从零开始，各自重新发明轮子。

今天到此我讲的几乎都是概念和思路。但是，我们自己也是据此而实践和推进的。在现在剩下的一些时间我简单以优也的数字化技术平台，一个基于数字孪生和工业互联网平台技术的工业数据操作系统（Thingswise iDOS），作为例子，讲解一下实现上面所谈到的数字孪生设计理念的一个真实的系统。

优也作为一家面向工业行业，特别是大型流程工业的数字化技术公司，从企业数字化应用、生产运营数字化技术平台、以及精益运营咨询等多种方式，在包括能碳、设备、工艺与质量，以及绩效管理等多个应用领域服务于客户。

工业数字化技术平台是优也的基础技术，既支持优也内部工业应用产品和数字化解决方案的研发，也开放给第三方客户使用，开发他们自己的数字化解决方案。

优也的Thingswise iDOS作为工业数字化技术平台，面向工业生产运营环境，涵盖设备连接、数据采集、实时分析和动态决策与反馈整个过程，简化数字化工业应用的构建、运行和持续改善。它的技术框架是数字孪生和工业互联网。它的技术基础是大数据、云原生、机器学习/AI和其它新一代的数字化技术。它不是一个简单的大数据系统工具箱，而是按数字化工业应用的需求，抽象解耦，融合创新的结果，不仅在中国，而且在全球都具有独到之处。

不管其所依托的技术多么丰富和复杂，这个平台的架构所抽象解耦的功能就只有三层，每一层提供一系列专门封装的工具，大部分是图形工具，尽可能简易地解决现场使用的问题：

物联层：解决设备连接、数据采集、预处理和同步对齐的问题；

数孪层：解决工业现场数字化表征和还原，工业知识沉淀、复用共享和持续提升的问题；

应用层：解决把算法模型实时计算的结果，结合生产运营管理的业务规则，并融入精益管理的方法论，动态生成管理策略，并加以执行的问题。

数孪层提供标准化的设备和场景结构还原表征，标准化的知识沉淀和复用共享。数孪层与应用层解耦，提供标准的物模型API支持应用调用设备数据和算法，把应用与多变的现场设备环境隔离，增强应用对多场景的适配通用能力。数孪层与物联层解耦，在其间提供数据映射工具，把多源异构的现场数据与标准的数字孪生对齐，保障数孪层的标准化，灵活支持现场的多样化。数孪层与物联层和应用层的解耦，保障了工业知识在数孪层的独立沉淀、提升和复用共享，不受现场的多变性的影响，以及避免与跟物理过程无关的应用业务逻辑产生相互干扰。这样可以让数采、工业专家和应用开发者，各专其业，各司其长，相对独立地工作。

每个行业所用的设备类型大同小异，相应的数字孪生体具有高度的通用性，可建立行业数字孪生体包，对具体场景进行适配之后直接使用。我们在平台中提供了数字孪生的图形开发工具，支持工业数据梳理和工业算法构建，提供多级梯的重用复用，数据字典、实体原型、对象实例、数孪库包，支持同类单体数字孪生的重用，跨越场景的复用。

优也利用这个工业数据操作系统在能碳、工艺与质量，设备管理等应用领域研发和落地了多个工业应用和解决方案；优也的客户也利用这个系统开发了他们自主研发的工业应用。这些实践初步验证了优也的这个工业数据操作系统，也特别地验证了上面所谈到的数字孪生的概念和思路，也为系统提供了难得可贵的反馈，对提升系统的功能和适用性起来非常大的作用。

我们处还在数字化发展的初级阶段，我们的系统基于合理的设计理念，也有了一个良好落地使用的基础，但是我们继续提升的空间还很大，特别是在推进工业知识合作生态的方面，要做的工作还很多。同时，发展的机会也非常大。我请参会的对此有兴趣的同事朋友们继续关注我们的发展，更希望与大家携手共力，一起来推进数字孪生和工业的数字化发展。更多相关信息敬请关注“优也”公众号。

关于优也

成立于2016年的优也是集咨询、平台和智能工业APP三位一体的数字化转型及工业能源管理服务商，旗下拥有专业而强大的管理咨询团队、经验丰富的工业团队、核心技术团队和比肩世界的软件团队，拥有以大数据、人工智能、云原生为技术引擎的数字孪生中国原创型基础工业数据操作系统 Thingswise iDOS以及面向基础工业企业提升生产运营水平、能源利用水平、设备运营能力等系列工业智能APP应用系统，目前优也相关业务业已覆盖钢铁、有色、燃煤等众多基础工业行业，在新一代数字技术赋能传统工业转型升级、低碳化、高质量发展进程中持续探索。

免责声明：市场有风险，选择需谨慎！此文仅供参考，不作买卖依据。

关键词：首席技术博士数字