數字化轉型之后，不知道是不是我已經開始落伍了，似乎沒有什么新詞兒，說實話，這種現象其實挺好的。
數字化轉型之前的幾年，從智能制造、CPS、大數據、人工智能、工業互聯網、數字孿生等等，各種新型的技術概念滿天飛和風起云涌。
但實際上企業的業務，企業的追求，企業的瓶頸重點難點一直就擺在那里。 念各種“芝麻開門”的咒語是沒有用的。必須不能回避的動手干才行，而動手手干的那些事兒，其實一直以來也就是那些事兒，我包裝其實也沒有什么本質的區別。
數據采集或者說工業互聯，其實一直都在做這個事情，甚至以前可能還都是靠傳感器來做這些事兒。現在的話很多通過網絡以及一些協議，就可以解析出想要的狀態信息了。但其根子上還是依靠一些傳感器以及物理變量的轉換來得到的數據，依靠各種各樣的物理效應來得到這些數據。
數字孿生或者說建模仿真方面。雖然有一些細微的差別，但其實差別不大。西門子算是智能制造或者說工業4.0的倡導者和實踐者。但似乎不太聽到西門子過多數字孿生方面的事情。或者說他們在實踐過程當中也基本上是依靠兩個軟件，一個是plant simulation，一個是process simulation來做這個事，而這兩個軟件基本上也就是建模仿真軟件。 Plant simulation甚至可以追溯到二十多年前的還是以色列的Technomatix公司的eMPlant。
產品的虛擬樣機功能樣機和性能樣機，其背后也是從幾何走向物性，與基于機理的產品數字孿生其實內外的道理是一樣的。只是隨著技術的發展，從仿而不真和虛而不擬，而逐步走向了真正的仿真和虛擬。而對于模型的充分利用，甚至面向產品整個生命周期的復用與演進，就變成了現在非常熱的MBSE。而很久很久以前，這個的肚臍科協同優化，比如insight軟件，其實就有這方面的雛形。
對于制造系統來說，其優化永遠是追求的目標。比如APS進行資源的優化配置，可以添加數字孿生的帽子或者外衣？也不是不可以。但本質上的事情是水沒有變化的，并且這個事情已經進行了三四十年了，尤其是這方面本身的技術與數字孿生也沒有什么太大的關系，那就只是概念加身而已了。
數字化技術其實也是對于物理世界，包括產品、制造系統甚至全生命周期的各個階段，核心物性的刻畫與表達，可能尺度的維度不一樣，精細程度也不一樣，或者說不同的側面也是不一樣的。產品研發的物性其實是具有天然的因素在其中的，所以并不需要刻意的強調，而對于制造系統來說，所以就會衍生出一本書叫“工廠物理學”。同樣的可以預計，與機理模型相對應的就是數據模型，我們應該還需要一系列的書，比如”研發數據學”、“工廠數據學”，相當于通過數據模型來刻畫制造企業的研發生產各種業務。（不知道這輩子能不能看到這方面的書來出現，但我認為這種書都是奠基性的書）
技術當然是在發展演進的，但從來也都是從量變到質變的。如果說想寄希望于通過對這些概念的誦念多少遍來實現一種顛覆性的質變，肯定上來說是必然不可能的。如果再把大量的精力只是用在這些概念中，那顯然就是緣木求魚了。
從高校專業設置角度來說，雖然需要一定程度的整合或者吸收新的技術概念，但我們之前的專業設置基本上來說是沒問題的（可以做一些調整，比如將現在的機械制造專業，再回歸到以前的機械設計制造或者說機械制造及其自動化，個人認為，其實就很好了）。反過來說過于追求這種整合或形式，其實是喪失了專業根基，其后果不需要多少年就可以顯現出來。我也希望我的判斷有誤。