数字化转型之后，不知道是不是我已经开始落伍了，似乎没有什么新词儿，说实话，这种现象其实挺好的。
数字化转型之前的几年，从智能制造、CPS、大数据、人工智能、工业互联网、数字孪生等等，各种新型的技术概念满天飞和风起云涌。
但实际上企业的业务，企业的追求，企业的瓶颈重点难点一直就摆在那里。 念各种“芝麻开门”的咒语是没有用的。必须不能回避的动手干才行，而动手手干的那些事儿，其实一直以来也就是那些事儿，我包装其实也没有什么本质的区别。
数据采集或者说工业互联，其实一直都在做这个事情，甚至以前可能还都是靠传感器来做这些事儿。现在的话很多通过网络以及一些协议，就可以解析出想要的状态信息了。但其根子上还是依靠一些传感器以及物理变量的转换来得到的数据，依靠各种各样的物理效应来得到这些数据。
数字孪生或者说建模仿真方面。虽然有一些细微的差别，但其实差别不大。西门子算是智能制造或者说工业4.0的倡导者和实践者。但似乎不太听到西门子过多数字孪生方面的事情。或者说他们在实践过程当中也基本上是依靠两个软件，一个是plant simulation，一个是process simulation来做这个事，而这两个软件基本上也就是建模仿真软件。 Plant simulation甚至可以追溯到二十多年前的还是以色列的Technomatix公司的eMPlant。
产品的虚拟样机功能样机和性能样机，其背后也是从几何走向物性，与基于机理的产品数字孪生其实内外的道理是一样的。只是随着技术的发展，从仿而不真和虚而不拟，而逐步走向了真正的仿真和虚拟。而对于模型的充分利用，甚至面向产品整个生命周期的复用与演进，就变成了现在非常热的MBSE。而很久很久以前，这个的肚脐科协同优化，比如insight软件，其实就有这方面的雏形。
对于制造系统来说，其优化永远是追求的目标。比如APS进行资源的优化配置，可以添加数字孪生的帽子或者外衣？也不是不可以。但本质上的事情是水没有变化的，并且这个事情已经进行了三四十年了，尤其是这方面本身的技术与数字孪生也没有什么太大的关系，那就只是概念加身而已了。
数字化技术其实也是对于物理世界，包括产品、制造系统甚至全生命周期的各个阶段，核心物性的刻画与表达，可能尺度的维度不一样，精细程度也不一样，或者说不同的侧面也是不一样的。产品研发的物性其实是具有天然的因素在其中的，所以并不需要刻意的强调，而对于制造系统来说，所以就会衍生出一本书叫“工厂物理学”。同样的可以预计，与机理模型相对应的就是数据模型，我们应该还需要一系列的书，比如”研发数据学”、“工厂数据学”，相当于通过数据模型来刻画制造企业的研发生产各种业务。（不知道这辈子能不能看到这方面的书来出现，但我认为这种书都是奠基性的书）
技术当然是在发展演进的，但从来也都是从量变到质变的。如果说想寄希望于通过对这些概念的诵念多少遍来实现一种颠覆性的质变，肯定上来说是必然不可能的。如果再把大量的精力只是用在这些概念中，那显然就是缘木求鱼了。
从高校专业设置角度来说，虽然需要一定程度的整合或者吸收新的技术概念，但我们之前的专业设置基本上来说是没问题的（可以做一些调整，比如将现在的机械制造专业，再回归到以前的机械设计制造或者说机械制造及其自动化，个人认为，其实就很好了）。反过来说过于追求这种整合或形式，其实是丧失了专业根基，其后果不需要多少年就可以显现出来。我也希望我的判断有误。
……………………………！
一己之见，仅供参考。
作者信息：王爱民，工作于北京理工大学数字化制造研究所，长期专注专注于AP技术研究、系统开发与实施应用。
