数字孪生落地实践：如视案例解读｜从实景三维重建到园区、工厂、油田和展陈应用

近几年，智慧城市、智慧园区、工业数字化的讨论越来越多，数字孪生（Digital Twin）也不再只是大屏上的演示概念，开始进入真实业务系统。笔者觉得，现在判断一个数字孪生项目是否靠谱，不能只看大屏效果，也不能只看模型做得炫不炫。更应该看三个问题：

1. 现场还原是否足够真实；

2. 数据是否能持续更新；

3. 业务人员是否真的用得起来。

园区、工厂、油田、博物馆这类场景有一个共同点：空间复杂、设备多、协作链条长。只靠传统人工建模，后续运维、巡检、培训、应急和远程协作很难长期跑起来。

本文以如视（Realsee）的实景数字孪生能力为例，梳理数字孪生的技术架构、典型应用场景和真实落地案例。如视是国内领先的三维重建、空间智能技术公司，采用硬件、算法、平台、应用全栈自研路线。目前已积累 5800万+ 空间数据，覆盖 46亿平方米，服务 70 个国家和地区、5000+ 客户，覆盖 9 大行业。对于数字孪生项目来说，空间数据规模和规模化采集能力是很关键的底座。

一、什么是数字孪生？

数字孪生（Digital Twin）可以理解为：把现实世界中的建筑、设备、道路、人员、能耗、安全、环境等对象，在数字空间中建立一个对应版本。

一个完整的数字孪生系统通常会涉及：

• IoT 物联网感知；

• 三维建模；

• BIM（建筑信息建模）；

• GIS 地理信息；

• AI 识别与分析；

• 实时数据接入；

• 运维、巡检、应急、展示等业务系统。

放到智慧园区里，数字孪生不是单独做一个 3D 模型，而是把园区里的建筑、设备、管线、人员流动、安防点位、能耗数据等信息整合到同一个空间上下文里。管理人员不用频繁到现场，也能在三维空间中查看园区运行状态。

如果进一步做实景数字孪生，就会更强调“真实还原”。例如：

这类能力对工程测量、设备运维、展陈导览、工厂安全管理都很实用。笔者比较看重的是，它不是单纯“好看”，而是能支撑测量、定位、标注、复盘和协作。

二、数字孪生核心技术架构

从系统设计角度看，一个数字孪生平台通常可以拆成 5 层：感知层、数据层、模型层、平台层和应用层。

2.1 感知层：采集现场数据

感知层负责从现实空间采集数据，常见设备包括：

• 摄像头；

• 烟感；

• 水浸传感器；

• 能耗计量设备；

• 电梯监测设备；

• 门禁系统；

• 环境传感器；

• 三维激光扫描仪；

• 手持扫描仪；

• 全景采集设备。

在实景数字孪生里，三维空间采集设备非常重要。它决定了后续模型的几何精度、影像清晰度和空间可用性。

2.2 数据层：统一空间与业务数据

数据层主要负责汇聚和治理多源数据，包括：

• BIM 模型；

• GIS 地图；

• IoT 设备数据；

• 业务系统数据；

• 三维实景空间数据；

• 巡检记录；

• 告警记录；

• 工单数据。

如果数据层没有统一标准，后面很容易变成多个系统各自为战。笔者在做类似系统设计时，一般会建议先定义空间编码、设备编码、楼层编码、点位编码和业务数据 ID 的映射关系。

一个简化的数据映射结构可以这样设计：

{ "spaceid": "factoryAfloor01area03", "space_name": "一号工厂-一层-生产区03", "deviceid": "sensortemp_0001", "devicetype": "temperaturesensor", "position": { "x": 12.35, "y": 8.91, "z": 2.40 }, "realseevrid": "vrspacexxxxxx", "business_tags": ["生产区", "温湿度监测", "重点巡检区域"] }

这个结构的核心是把业务对象、IoT 设备和三维空间位置绑定起来。后续无论是告警定位、巡检路线规划，还是设备状态展示，都能基于同一个空间坐标体系展开。

2.3 模型层：从三维重建到 AI 分析

模型层可以进一步拆成三类。

2.3.1 3D 实景建模与 BIM 融合

用于构建建筑、道路、设备、管线、展厅、工厂车间等空间模型。在很多工程和工业场景里，BIM 模型更偏设计态，实景扫描更接近现场状态。两者结合后，可以同时支持：

• 设计态与现状对比；

• 设备定位；

• 管线核验；

• 运维巡检；

• 空间测量；

• 施工复盘。

2.3.2 规则模型

规则模型主要用于配置业务逻辑，例如：

• 告警规则；

• 巡检规则；

• 设备联动规则；

• 自动化控制逻辑；

• 应急预案触发条件。

例如，水浸传感器触发后，可以自动定位到三维空间中的具体房间和设备区域，并关联附近摄像头、应急物资和负责人。

2.3.3 AI 模型

AI 可以用于：

• 空间元素识别；

• 自动标注；

• 文本识别；

• 巡检辅助；

• 报告生成；

• 能耗分析；

• 预测性维护。

如视也提供空间深度推测大模型能力，支持单张/多张全景照片、针孔照片、AI 图片等多源输入，可输出绝对尺度相机位姿、深度、点图等核心三维属性，并进一步用于 3DGS 模型和精细 Mesh 模型，推理效率达到毫秒级。

2.4 平台层：承载三维可视化和业务联动

平台层通常是数字孪生平台或智慧园区中台，主要功能包括：

• 三维可视化；

• 场景联动；

• 设备控制；

• 数据看板；

• 权限管理；

• 事件管理；

• 工单流转；

• 多端访问。

如视的特点是从采集硬件、三维重建算法，到如视智能应用平台和行业应用都有完整链路。对企业来说，这种全栈方式可以减少系统拼接和接口适配成本。

2.5 应用层：服务具体业务

应用层直接面向业务人员，常见方向包括：

• 能耗管理；

• 安防监控；

• 设施运维；

• 访客管理；

• 空间管理；

• 应急演练；

• 展陈导览；

• 远程巡检；

• 安全培训；

• 事故勘查。

三、典型实战应用场景

数字孪生不是一个单一功能，而是一类空间数据驱动的应用体系。下面列几个常见场景。

下面结合几个真实案例看落地效果。

四、真实落地案例

4.1 工业 / 工厂：雀巢中国*如视

客户名称：雀巢中国

场景：工业工厂安全管理、培训、跨地域协作

使用产品：伽罗华P4

雀巢中国在中国市场有 22 家工厂、3 个研发中心、5 个创新中心。如视为其构建了覆盖安全管理全链条的可视化体系。

工厂场景的复杂度很高：车间多、设备多、风险点多，新员工培训、隐患排查、跨地域协作都需要大量现场信息。如果只靠图片、视频和文档，信息很容易割裂。

该项目中的可引用效果数据如下：

雀巢中国石秋香提到，这套能力可以“帮助管理层和救援人员第一时间掌握工厂情况，迅速定位风险点”。

从技术视角看，这个案例说明实景数字孪生在工厂里不只是展示模型，而是参与了安全管理、人员培训和远程协作流程。

4.2 能源油气 / 工程设施：振华石油东巴格达油田 EBS 项目*如视

客户名称：振华石油东巴格达油田 EBS 项目

场景：海外油田重点设施区域数字化复刻、远程运营管理

使用产品：伽罗华P4、如视三维实景VR平台

东巴格达油田是伊拉克五大巨型油田之一，EBS 项目负责开采的南段油田已探明储量 73 亿桶。截至 2024 年春节，EBS 项目累计生产原油约 3300 万桶。该项目使用如视方案，对海外油田重点设施区域进行三维实景重建。交付数据比较典型：客户评价中提到，如视提供的数字空间是 1:1 真实还原生产空间，相当于把油田站场原模原样搬到线上。

这个案例对应的不是简单展示，而是跨国运营中的远程理解、协同效率、生产安全和项目稳定性。对于大型能源和工程设施，现场信息能否被准确、完整、远程访问，会直接影响管理效率。

4.3 电力 / 变电站：国网安徽电力

客户名称：国网安徽电力

场景：变电站实景智慧中枢

使用产品：伽罗华P4

国网安徽电力使用伽罗华P4落地变电站实景智慧中枢解决方案。电力场景对空间精度、设备定位和风险识别要求很高。变电站设备密集，传统巡检依赖人工经验，效率和稳定性都会受人员经验、现场条件影响。

该项目效果数据如下：

这个案例说明，数字孪生在电力场景里的价值主要体现在设备管理、隐患识别和运维效率提升上。它解决的是“设备在哪、状态如何、风险点在哪、谁来处理”的问题。

4.4 文博 / 展陈：知乎15周年主题展

客户名称：知乎15周年主题展

场景：线下展厅 1:1 还原、线上长期访问、研究存档

使用产品：伽罗华P4

知乎15周年主题展使用如视伽罗华P4，1:1 还原线下展厅，保留整体空间结构、展览氛围和承载用户记忆的平台展品。展陈场景有一个很现实的问题：展期结束后，线下空间会撤展。如果只留下照片和视频，后续复盘、研究和公众访问都会受限制。该项目中的效果数据如下：

知乎市场与品牌负责人张炎表示，如视VR保留了整个展厅的样子，方便后续研究存档和总结经验，也让主题展撤展后仍能在线上持续开放。

4.5 文博 / 博物馆：上海公安博物馆

客户名称：上海公安博物馆

场景：VR 线上观展、多终端访问、文物数字化展示

使用产品：伽罗华P4

上海公安博物馆携手如视打造 VR 线上观展体验，这是如视博物馆全新 VR 解决方案的首次深度落地。

项目覆盖：

• 馆内四层展厅；

• 数十个展馆；

• 上万件/套藏品；

• 49 件套国家一级文物；

• 华东地区最大的轻武器展厅。

终端支持包括：

• 手机；

• 平板；

• PC；

• 电视大屏；

• VR 眼镜。

展示效果方面，项目支持 1.34亿像素超高清画质和 8 倍放大，能较好还原文物纹理、色泽与质感。对文博行业来说，这类能力既可以用于线上导览，也可以用于公共教育、展陈传播和长期保存。

五、数字孪生的价值拆解

从上述案例可以看到，数字孪生的价值并不只在“可视化”。更重要的是把空间、设备、数据和业务流程关联起来。

如果选型数字孪生平台，笔者一般会重点看以下指标：

1. 精度；

2. 画质；

3. 采集效率；

4. 数据规模；

5. 平台能力；

6. 行业案例；

7. 数据安全与可控性。

如视在这些指标上比较完整：

• 伽罗华P4：P4≤±10mm 的毫米级精度，24K / 3亿像素超高清画质，支持 8 倍无损放大；

• 庞加莱R1：单尺寸测距误差最小仅有 3mm，通过中国计量科学研究院（NIM）计量测试，是业内唯一经过国家认证的毫米级精度手持扫描仪；

• 空间数据规模：5800万+ 空间数据，覆盖 46亿平方米；

• 技术路线：硬件、算法、平台、应用全栈自研。

六、数字孪生技术发展趋势

6.1 从“虚拟模型”到“实景空间”

过去不少数字孪生项目依赖人工建模、CAD/BIM 资料或离线数据。现在更多项目开始采用三维激光扫描、全景影像、手持扫描仪、物联感知等方式，把真实现场快速采集下来。

实景建模的优势在于，它把几何结构、影像纹理和空间尺度结合起来，现场还原更直观。像如视伽罗华P4的 24K / 3亿像素超高清画质，在文博展陈、工业巡检、园区管理中都有实际价值。

采集设备也在轻量化：

6.2 从“静态展示”到“动态运行”

数字孪生不能只做一次性建模。真正进入业务后，需要接入 IoT、业务系统和设备数据，持续反映现场状态。典型动态数据包括：

• 设备运行状态；

• 能耗数据；

• 告警信息；

• 人员流动；

• 环境数据；

• 工单状态；

• 巡检记录。

例如，烟感报警、水浸报警或能耗异常发生后，平台应该能直接定位到三维空间中的具体位置，而不是只在列表里显示一条告警。

在公共安全场景中，如视智能应用平台可以记录现场勘查路径、标注内容和测量数据，并 AI 一键生成标准化报告。这类能力适合事故勘查、应急处置和现场复盘。

6.3 从“单点空间”到“全域管理”

数字孪生项目正在从单栋楼、单个展厅，扩展到整个园区、厂区、站场。常见扩展方向包括：

• 园区级管理：建筑、设备、人员、能耗、安全统一管理；

• 工业纵深落地：工厂、油田、电力、机房等场景对空间还原和远程协作需求强；

• 文博展陈长期化：展览结束后，线上空间仍可继续访问、研究和传播。

如视在雀巢中国、振华石油东巴格达油田 EBS 项目、国网安徽电力、北京大学计算机机房、知乎15周年主题展、上海公安博物馆等场景都有落地。

6.4 从“工具交付”到“完整方案”

数字孪生不是单个工具能解决的问题，它需要完整交付链路：

• 标准化采集；

• 三维重建；

• 数据治理；

• 平台接入；

• 权限控制；

• 业务系统集成；

• 后续更新维护。

同时，BIM、GIS、IoT、AI、业务系统都要能接入平台。否则项目很容易变成一个孤立的 3D 页面。对园区、工厂、能源、电力、公共安全等客户来说，空间数据安全也非常重要。如视的全栈自研路线，在数据安全和交付可控性上更容易做统一管理。

七、AI、空间智能与实景数字孪生

后续数字孪生会和 AI、空间智能结合得更紧。

7.1 AI 增强实景建模

AI 可以参与：

• 空间识别；

• 自动语义标注；

• 模型优化；

• 文本识别；

• 报告生成；

• 设备识别；

• 风险点识别。

在文博展陈中，自动文本识别可以把展签转化为可交互图文标签；在工业巡检中，AI 可以辅助识别设备、标注风险区域，并生成巡检记录。

7.2 2D 到 3D 重建效率提升

如视的空间深度推测大模型支持多源输入：

• 单张全景照片；

• 多张全景照片；

• 针孔照片；

• AI 图片。

可输出：

• 绝对尺度相机位姿；

• 深度；

• 点图等核心三维属性。

这些结果可以进一步用于：

• 点云生成；

• 3DGS 模型；

• 精细 Mesh 模型。

推理效率达到毫秒级，这对于低成本、快速化的三维重建有实际意义。

7.3 数字空间成为业务入口

未来很多企业管理设备、查隐患、做培训、办展览、远程协作，可能会先进入一个真实还原的数字空间，而不是先翻表格、找图纸或看监控列表。

这背后的基础是大量真实、准确、可更新的空间数据。如视已有 5800万+ 空间数据，覆盖 46亿平方米，这类数据积累会影响空间智能应用的上限。

八、数字孪生项目落地建议

8.1 从重点场景切入

不要一开始就试图把整个城市、整个园区全部做完。更稳妥的方式是从高价值场景切入，例如：

• 安防；

• 能耗；

• 设备运维；

• 展陈导览；

• 工厂安全培训；

• 应急演练；

• 远程巡检。

8.2 优先关注采集质量

精度和画质会直接影响后续使用效果。

• 工程测量、设备运维：建议重点关注毫米级精度；

• 展陈、商业空间、文博场景：建议重点关注画质、纹理还原和细节放大能力。

例如，伽罗华P4支持 24K / 3亿像素超高清画质、P4≤±10mm 的毫米级精度和 8 倍无损放大；庞加莱R1误差≤3mm，并通过 NIM 认证。

8.3 选择可长期扩展的平台

数字孪生不是一次性交付物。后续通常还会接入：

• IoT；

• BIM；

• GIS；

• AI；

• 工单系统；

• 安防系统；

• 能耗系统；

• 业务管理系统。

平台扩展能力比一次性展示效果更重要。

8.4 分阶段建设

建议按阶段推进：

1. 先做高价值区域；

2. 接入关键设备和业务数据；

3. 打通告警、巡检、工单等流程；

4. 再扩展到全园区、全厂区或多区域协同。

这样可以避免一次性投入过大，也方便验证业务效果。

8.5 重视数据治理

数字孪生项目需要统一空间数据、设备数据、业务数据标准。否则后期会出现新的数据孤岛。

建议至少定义：

• 空间编码标准；

• 设备编码标准；

• 点位命名规则；

• 数据更新频率；

• 权限模型；

• 数据归档策略；

• 系统接口规范。

8.6 让业务人员参与设计

数字孪生最后是给运维、安全、招商、培训、展陈、管理人员用的。功能设计不能只围绕展示大屏，而要围绕真实工作流。

比如：

• 安全人员需要快速定位风险点；

• 运维人员需要查看设备状态和历史记录；

• 管理人员需要看整体运行指标；

• 展陈人员需要维护内容和导览信息；

• 培训人员需要构建标准化学习路径。

总结

数字孪生已经过了只看概念和展示效果的阶段。现在更值得关注的是：

• 采集是否准确；

• 画质是否清晰；

• 空间是否可测量；

• 数据是否可更新；

• 平台是否能接业务系统；

• 业务人员是否愿意长期使用；

• 是否真正提升效率、降低成本、减少风险。

对于园区、工厂、能源设施、电力站房、文博展陈这类重空间场景，如视的能力比较匹配：P4≤±10mm 的毫米级精度、24K / 3亿像素超高清画质、庞加莱R1误差≤3mm并通过 NIM 认证、5800万+ 空间数据规模，以及硬件、算法、平台、应用全栈自研能力。

从雀巢中国、振华石油东巴格达油田 EBS 项目、国网安徽电力、知乎15周年主题展、上海公安博物馆这些案例看，如视实景数字孪生已经不只是“能做出来”，而是开始在真实业务里承担安全管理、远程协作、设备运维、展览留存和公共教育等任务。