基于数字孪生驱动的全面智慧创新管理新范式研究

陈奕延，李 晔，李存金，李 群

（1.北京理工大学管理与经济学院，北京 100081；2.中国社会科学院大学（研究生院），北京 102488；3.中国社会科学院数量经济与技术经济研究所，北京 100732；4.河北省公共政策评估研究中心，河北秦皇岛 066004）

随着新社会向知识经济社会过渡转型的进程中，社会模式的变化改变了创新环境，组织开展创新活动面临的是一个充满模糊性［1］（Ambiguity）、不确定性［2］（Uncertainty）、复杂性［3］22（Complex）和易变性［4］（Volatility）的创新环境，而知识经济时代衍生出的大数据、脑科学、区块链、人工智能等新兴技术给人类社会带来了认知、结构及环境上的冲击［3］27，而传统的技术创新范式由于缺乏技术要素与非技术要素之间的协同配合，单纯聚焦于技术与经济，其在应对全球变革的过程中往往显现出局限性［5］，从而最终导致创新活动走向失败［6-7］。创新是驱动人类文明及社会可持续发展的主要源动力［8］，随着新兴技术浪潮的涌现和产业结构的不断升级，技术创新除了凸出技术带来的科技变革外，也更加注重技术发展与社会发展之间的对话［9］，特别是那些以引导组织有序开展创新活动从而实现组织可持续转型［3］41，符合伦理道德及社会满意为发展目标［10］的新型创新范式。因此，当前的迫切要务是从理论层面提炼并构建以大数据、脑科学、区块链、人工智能等新兴技术为核心驱动的新型创新范式，从而善用科技赋能，突破传统技术创新的硬边界。新范式的提出将有助于组织以在跨学科、跨文化、跨区域、跨制度的国际竞合大环境框架下打通各创新资源脉络，实现技术要素与非技术要素在创新活动中的交织融合，推动组织实现变革发展。

在制造行业，随着诸如云计算、大数据、物联网、人工智能等新一代信息技术与传统制造业的融合与落地应用，通过尖端技术来推进制造业转型升级，发展智能制造已经成为世界各国不断探索与追寻的战略目标。智能制造的本质是技术创新，而如何实现物理空间与信息空间的交互融合则是当前实践“智能制造”这一技术创新面临的核心瓶颈［11-12］，而数字孪生（Digital Twin）则可以有效破解这一难题，它能够在物理空间与信息空间中建立一个实时连接，利用信息空间中物理实体的虚拟模型，通过数据融合分析、交互式反馈、决策迭代优化等方式来模拟现实环境中物理实体的行为，为制造行业企业提供更为高效、实时、智能化的服务［12］，是一类集成了多物理、多数据、多尺度、多学科属性，具有高度同步性、忠实映射性，能够实现物理空间与信息空间交汇融合的技术手段。

目前关于组织引入数字孪生技术参与创新活动的范式研究较为鲜见，理论架构尚未成形，据此，本研究以数字孪生作为技术基础，梳理并介绍了其技术特征及当前应用，提出了“创新数字孪生”（Innovation Digital Twin）的定义及创新机理，结合全面创新管理（Total Innovation Management,TIM）范式，提出了数字孪生驱动的全面智慧创新管理（Digital Twin-Driven Total Smart Innovation Management,DTDTSIM）新范式，从技术、战略、市场、组织、制度、文化六大创新要素的视角入手，阐述了这一范式的创新内涵与优势特征，以及新范式下全要素创新、全员创新以及全时空创新的创新机制。为形象释义这一新型创新范式，本研究结合全面创新管理（TIM）范式下的钻石模型（Diamond Model），以及数字孪生的技术特征，提出了数字孪生驱动的全面智慧创新管理（DTDTSIM）新范式下的“孪生钻石模型”（Twin Diamonds-Model），该模型是数字孪生驱动的全面智慧创新管理（DTDTSIM）新范式的精粹提炼与形象释义。最后，对研究进行了总结与讨论，丰富了数字孪生技术参与创新活动的范式研究，为组织利用数字孪生技术开展创新活动提供了理论指导依据，同时也为今后学界继续深入研究该领域提供了参考。

1 相关研究评述

1.1 全面创新管理（TIM）范式

技术创新是由SCHUMPETER［13］提出的创新理论演化而来的分支领域，技术创新强调技术在创新活动中的凸出地位。早期的传统技术创新范式包括MANSFIELD［14］提出的的模仿与守成理论、KAMIEN等［15-16］提出的技术创新三要素（竞争程度、企业规模和垄断能力）理论等。随着科学技术的飞速进步以及创新环境的不断变化，更为复杂的技术创新范式也随即层出迭起，一般将这些复杂的技术创新范式称之为“组合式技术创新”［17］，包括协同创新［18］、开放式创新［19］、集成创新［20］、分布式创新［21］、流程创新［22-23］、全时创新［24］、全员创新［25］、系统创新［26］、责任式创新［27］、颠覆式创新［28］等。相比传统的技术创新范式，这些更为复杂的组合式技术创新在创新要素、创新主体上取得了一定突破，增加了对新技术特征、创新时间、创新环境的考虑，但仍存在不同程度的缺陷［5］：比如颠覆式创新被认为单纯立足于局部思维；开放式创新范式被认为缺少愿景驱动和战略引领；责任式创新则被认为过于倚重文化和社会因素，忽略了技术要素和管理要素的重要性。存在这些缺陷的根本原因，是因为这些组合式技术创新依然采用了机械线性的创新思维方式［29］，没有摆脱原子论的创新思维方式［5］，而创新活动实际上是一个复杂的非线性自适应系统［30］。

实际上，创新活动的成功并非单独依赖新要素、新方法、新产品、新流程中的任何一个单独创新层面，而是通过组织性、设计性、规划性地开展创新活动［31］，这种创新必须立足于全局观且富有战略性。许庆瑞院士［32］归纳总结了传统技术创新范式以及组合式技术创新范式的优缺点，提出了全面创新管理（Total Innovation Management,TIM）范式，这一创新范式囊括了技术、市场、战略、组织、制度和文化六大创新要素，通过全要素创新、全时空创新以及全员创新这三个创新机制来开展创新活动。其中，全要素创新机制统一协调技术要素和非技术要素，要求创新活动立足于全局观和系统观，各种创新要素协同联动，发挥“1+1＞2”的创新功效；全时空创新机制要求创新活动具有动态性，创新主体在创新活动中必须时时关注并响应市场的需求和反馈，捕捉创新热点并充分利用时间，使得创新主体无时无刻进行创新活动；全员创新机制要求分布于创新利益链条上下游的所有组织以及组织成员充分发挥各自的创新能力，做到群策群力，为创新活动贡献集体智慧。通过六大创新要素以及三大创新机制，全面创新管理（TIM）范式的本质是使创新活动中的各个创新要素有机融合，各个创新主体交互协作，形成“人人创新、事事创新、时时创新、处处创新”的创新局面。全面创新管理（TIM）范式在实际应用中已取得显著成效，典型案例是以中国南车为代表的高铁企业开展的创新活动［33］。

1.2 数字孪生

数字孪生（Digital Twin）的基本概念是在2003年密歇根大学GRIEVES［34-35］教授的产品全生命周期管理（Product Lifecycle Management,PLM）课程中被首次提及，当时这一概念并不叫做“数字孪生”，而是被称为“与物理产品等价的虚拟数字化表达”，这一概念模型主要包含物理空间、信息空间以及连接两者之间的数据部分，通过数据和信息的交互，可以在利用物理空间中实体的数据在信息空间中生成一个虚拟模型，如图1 所示。这一概念模型通常被学界认为是数字孪生的雏形；2011 年，GRIEVES教授［36］在其著作《几乎完美：通过PLM 驱动创新和精益产品》一书中将这一概念模型正式命名为“数字孪生”。

图1 数字孪生的概念模型简图

数字孪生对物理空间中“人—机—物—环境”这类实体起到了充分的拓展作用：在信息空间中通过物理空间到信息空间的映射，利用数据表达的方式构建了一个物理实体外在、内容和性质相同的虚拟“孪生体”，而信息空间可以和物理空间之间通过数据和信息的交互实时融合，通过对虚拟“孪生体”进行预测、监控、诊断、修正和控制，可以对物理空间中的“人—机—物—环境”这一系列实体或实体组成的系统进行优化控制，从而达到“以虚控实”的理念，减少管理过程中时间、空间、技术风险等约束条件的限制。

目前数字孪生这一技术在化学加工、商业模式服务创新、车间生产制造等一系列专业领域均有成熟应用：MANDOLLA 等［37］研究了金属添加剂制造工艺的各个阶段，通过采用区块链解决方案，为飞机工业的添加剂制造流程提供了一个数字孪生体，从而能够监控整个生产过程，确保生产质量并控制生产成本；ZHENG 等［38］认为除了传统的信息技术驱动的创新服务以外，基于云平台的数字化使得服务创新的发展具备更多潜力，比如数字孪生服务创新（Digital Twin-Enabled Service Innovation），也被称之为信息物理的产品服务系统［39］（Cyber-Physical Product-Service Systems）而在智能产品服务系统中，智能互联产品［40］（Smart,Connected Product,SCP）是价值创造的关键，它是一种嵌入式信息技术（Embedding IT）的产物，是用户、制造商和服务提供商进行物理交互的门户，智能互联产品改变了服务价值创造的方式［41］，也推动了网络世界中的信息驱动和数字孪生驱动式服务创新，在此基础上，ZHENG 等［38］研究设计了一种B2C 商业模式下基于平台、数据驱动和数字孪生的智能产品服务系统；BAO 等［42］提出了一种在制造环境下对数字孪生概念进行建模和操作的方法，并利用该方法对工厂的生产效率进行了绩效评估，验证了生产效率的提高；DAMJANOVIC-BEHRENDT 等［43］总结了一些用于数字孪生建模的开源工具，演示了数字孪生建模的过程，将数字孪生模型归结为数据管理组件、模型组件和服务组件三个技术构建块。数字孪生能够通过利用虚拟“孪生体”，即虚拟模型的仿真技术探讨并预测未知世界，寻找并发现更为优化的路径与方式，从而不断激发并鼓励创新主体孕育创新思维，是一种促进创新的新理念、新手段和新工具［44］。

2 创新数字孪生及其典型应用

2.1 创新数字孪生的定义及内涵

在信息通讯技术（ICT 技术）没有出现之前，人们的世界主要由大自然的物理空间（客观世界）以及大脑中通过意识汇聚而成的意识空间（主观世界）组成，物理空间是由原子组成的，它通过物理实体和自然规律来描述自身的状态和发展，人类的大脑也是由物理空间中的碳基化合物细胞组成，而大脑形成的意识可以分为映像及感知、显隐性知识以及自我意识三类，这些意识主要来源于人们对物理空间的观察学习和大脑的加工、分析及想象过程。当信息技术出现后，人们可以通过计算机，利用二进制数字重新描述和认识物理空间，即在计算机硅基电路上用比特信息创造出的虚拟空间，这是不同于物理空间和意识空间的第三个空间，这个空间伴随着信息通讯技术的发展不断扩展其边界并丰富其自身内涵，早起的虚拟空间只能容纳一些简单格式的文字信息、数字信息或图形表达，用于将人类从物理空间中学习的知识抽象化并简单加工成有用信息，辅助人们进行分析计算；随着大数据、工业物联网、量子信息、人工智能等技术的发展，虚拟空间中的操作已经可以逐渐替代人们通过大脑加工信息、分析信息的过程，承担一些辨别、认知、控制信息的工作。虚拟空间能够通过数据仓库存储人们的显性知识，通过软件算法运用这些知识与物理空间进行交互，从而高效完成相关指定任务，这种虚拟空间替代人脑工作的行为也可以被视作人类智能和认知在虚拟空间中的映射，具有可复制、可重组、可替代、可扩展的特点，也是“数字孪生”这一技术的本质内涵。

运用数字孪生技术进行创新，则是将整个创新框架或创新系统中的创新思维、创新主体、创新方式、创新要素等一系列物理空间中的实际创新因子通过数字化表达的方式映射至信息空间，并利用这些创新因子的数据全方位建构一个集多物理、超写实、多尺度、动态概率为一身的虚拟仿真模型，即创新系统在信息空间中的虚拟“孪生体”，可以对这一虚拟“孪生体”（虚拟模型）进行系统参数上的设定调整，从而达到模拟、监控、诊断、预测、控制物理空间中创新系统的目的，通过“以虚控实”的方式对创新系统进行优化迭代，从而提高创新系统的完整性并降低创新风险，最终通过数据和信息的交互完成创新系统进行创新活动的精确表达，这是一种数据驱动的创新方式，它通过采集海量的数据，将数据进行组织形成信息，之后对相关的信息进行汇总、整合及提炼，在数据的基础上经过训练和拟合形成自动化的创新系统模型，参考“产品数字孪生”的定义［44］，则可以将这种运用数字孪生进行创新活动的行为称为“创新数字孪生”（Innovation Digital Twin），若将创新实践产生的成果、工艺或服务视作产品，则“创新数字孪生”可以被认为是一类特殊的“产品数字孪生”。通过“创新数字孪生”的定义及概念描述可以看出：（1）通过数字孪生技术生成的创新系统的虚拟“孪生体”是物理空间中创新系统及其囊括的创新思维、创新主体、创新方式、创新要素等创新因子在信息空间中的集成仿真，是创新系统在整个创新周期中运行的数字化档案，可实现整个创新周期中创新系统中全部数据的统一集成管理；（2）创新系统在信息空间中生成的虚拟“孪生体”是一个虚拟模型，该模型是通过与物理空间中的创新系统之间不断进行数据和信息的交互来构建、优化并完善的；（3）创新数字孪生是物理空间中的各创新因子在信息空间中的精确化描述，这一描述过程是物理空间至信息空间的映射；（4）创新数字孪生可以用来设计、预测、模拟、监控、诊断、修正、维护和控制物理空间中的创新系统及其运作机制、运作过程和运作状态。创新数字孪生不仅包含了对创新实践成果、工艺或服务的几何、性能和特征描述，也包括了生成这些创新实践成果、工艺或服务的周期流程和状态描述，其定义范畴超出了单纯的虚拟样机和数字化产品，虚拟样机是对产品整机或独立功能的产品子系统的数字化描述，数字化产品是对产品功能、物理特征和性能的数字化描述，二者均侧重产品本身的属性，而不涉及产品本身形成的过程和状态，虽然创新实践的成果、工艺或服务也可以作为一类产品，但创新数字孪生却不同于虚拟样机或数字化产品，是一种内涵更广、描述更加综合全面的数字化创新机理。

2.2 创新数字孪生的典型应用

创新数字孪生大多运用于智能制造行业，以数字孪生车间为例［45］，数字孪生车间的框架模型可以分为映射层、数据功能层以及管理应用层三个层面：

在映射层中，车间作为物理实体，是人力、机械设备、信息系统、工艺、技术手段的实体集合，通过传感器，车间的设备参数、工艺参数、操作参数、要素参数等反映车间状态及运行的数据被实时采集到孪生数据服务平台，形成孪生数据，这些孪生数据通过机器学习被用来在信息空间中建构车间的多维虚拟模型，即虚拟的“数字孪生体”，虚拟模型可以在信息空间中准确反映车间实体的物理状态，从而给车间管理人员提供更为直观的机会来干预整个车间的运作模式和物理状态，车间的设备参数、工艺参数、操作参数、要素参数都被实时上传至数据平台形成孪生数据，用来动态化迭代信息空间中的虚拟模型，而孪生数据服务平台会通过对虚拟模型进行预测、评估、仿真和验证来形成一系列数据，这些数据在被分析后上传至孪生数据服务平台，用于修正模型，同时也通过执行器对物理空间中车间的干预，映射层中的物理空间和信息空间与孪生数据服务平台均存在数据交互，物理空间和信息空间之间同时存在“物理—信息”映射以及“信息—物理”逆映射，二者之间的数据和信息交互存在数据迭代行为，通过这种不断的迭代平时修正物理实体和多维虚拟模型；

孪生数据服务平台中的数据在整个数字孪生车间中发挥着重要作用，海量的数据形成了一个数据功能层，包含数据源、计算存储及应用功能三个主要部分。通过传感器搜集的数据主要包括结构化数据、非结构化数据以及半结构化数据，这些数据的数据源是异构的，结构化数据包含结构化文本、数据库的二参表记录以及TSV 文件等。非结构化数据包含各类办公文档、图片图像文件、音频视频文件等。半结构化数据则包含常见的XML 和JSON 文件；数据源中的这三类数据通过SHELL/API 接口、ETL、SQOOP 工具等进行抽取、清晰、转换、加载和同步等处理后，被用于进行存储、计算和分析。存储方式构成了一个数据存储框架，这一框架包括分布式数据仓库Eive、NdSQL 数据仓库Eive、分布式文件系统EDFS、数据库及其它文件系统。数据计算则通过数据计算框架完成，包括批量计算、内存计算和流计算。数据分析则通过数据分析框架来完成，这一框架通常包括分析挖掘算法库以及分析挖掘工具箱，分析挖掘算法库包含的算法通常包括数据清洗算法、信息融合算法、数据归约算法、模型相关性及相容性测评算法、模型虚实偏差分析算法、服务关联挖掘算法、可视化算法、资源配置算法、车间运行的动态优化闭环控制算法等。分析挖掘工具箱中包含一些常用的数据分析挖掘工具，比 如Rapid Miner、IBM SPSS Modeler、Oracle Data Mining、Teradata、Kaggle、Rattle 等。数据存储框架、数据计算框架以及数据分析框架通过集群协调的方式进行管理和运作，比如作为Hadoop 和Hbase 组件的Zookeeper，它是一个开放源码的分布式应用程序协调服务，可以监视各个框架中各个节点的状态并根据节点提交的反馈进行下一步合理操作；这些数据经过计算存储后，会进入应用功能部分，通过数据可视化工具生成智能报表，也可以实现数据转换、多位动态分析、数据挖掘分析等功能；

管理应用层是整个数字孪生技术在车间生产管理中的具体应用实践层面，包含风险监测管理、生产环境管理、物料配给管理、生产流程管理、设备健康管理、人力资源管理和库存服务管理等。车间通过这一系列管理应用向市场上的用户提供产品或服务，而车间在管理应用实践中生成的风险监测数据、生产环境数据、物料配给数据、库存服务数据等也将作为管理实践的反馈回传至孪生数据服务平台，形成可以共享、开源的数字化档案，并通过孪生数据服务平台对物理空间中的车间以及信息空间中的虚拟“孪生体”进行改造和修正，从而形成更加精确的数字化表述过程，这一过程存在数据的双向迭代，这种不间断的实时改造和修正优化了整个车间的生产流程并提高生产效率，是数字孪生技术在车间生产管理中的创新应用，数字孪生车间的模型如图2 所示：

图2 数字孪生车间的模型示意图

3 数字孪生驱动的全面智慧创新管理新范式

结合全面创新管理（TIM）范式的创新内涵和机制，数字孪生技术可以在技术、战略、市场、组织、制度和文化六个创新要素层面对创新活动进行拓展：

（1）在技术要素层面，数字孪生可以利用海量数据对整个创新行为进行模式分析、数据建模和数据决策，这种操作可以降低创新风险，避免传统技术创新活动直接在物理空间层面开展从而导致创新活动的失败。物理空间的创新失败是很难挽回和弥补的，虽然学界曾经尝试从创新系统［46］、再定位式创新战略［47］以及政策工具［48］等方面寻找挽救技术创新失败的路径，但依然无法有效寻找其背后的规律，更无法有效减少创新主体因创新失败造成的经济损失和资源浪费［49］，因此，若想通过“事后诸葛亮”的方式来百分之百成功挽救技术创新的失败是无法实现的，而数字孪生技术可以先对整个创新系统的运作进行“模拟”，并评估验证信息空间下的虚拟创新活动是否成功，这种“虚拟预创新”的方式可以反复操作，并不断通过数据对模型进行迭代优化，提高创新活动成功的概率；（2）在战略要素层面，数字孪生技术可用于构建数字化战略场景，这有助于将不同创新利益、不同创新经验、不同创新知识的创新主体通过数字纽带［50］（Digital Thread）纳入到整个战略场景中，这种数字化战略可以使战略过程中的利益相关方在创新过程中的表现更为具体和直观，使战略决策这一“软要素”以可视化或具现化的方式呈现在各个创新主体前，并充分通过数据体现各个创新主体之间协商谈判的过程及结果，以及这种变化给整个战略带来的实质影响，有助于战略决策的倾向性从组织权力配置向决策的理性主义配置转变［51］；（3）在市场要素层面，数字孪生技术有助于提高供需之间的匹配程度，使得供需之间的关系变得更加契合。通过数据和信息的交互，创新系统可以通过创新实践的反馈对市场形成实时响应，一方面可以通过这些数据信息将消费者的喜好或需求呈现出来，从而在创新活动中满足不同消费者对创新成果的“个性化”需求，实现供给上的精益化；另一方面，数字孪生对市场形成实时响应也可以提高创新包容性，从而提高组织的创新绩效，扩张消费市场［52］，创新包容性是指组织在创新开发产品时考虑低端市场消费者（The Bottom of the Pyramid,BOP）的程度［53］，创新包容性越高，则覆盖的市场范围越大，覆盖的消费群体越广泛；（4）在组织要素层面，数字孪生技术有助于提高组织的效率，优化组织结构，使组织的结构变得更加扁平化。数字孪生技术形成的数据信息交互机制也可以强化组织的动态能力［54］（Dynamic Capabilities），使组织在面对复杂的外部创新环境时能够有效整合、建立并重构内外部资源，这种动态能力也是组织的竞争优势之一［55］。组织竞争优势提升的过程将是一个寻求知识积累和组织演化的过程［56］，数字和信息的不断交互使得组织可以高效地进行知识学习、知识吸收、知识创新及知识整合，并通过知识“再数据化”将其封装并嵌入组织惯例中，形成一套面对不确定风险的补偿机制，强化组织适应创新环境变化的能力［57］，从而牢牢把握创新机遇；（5）在制度要素层面，数字孪生技术有助于降低政策创新扩散（Policy Innovation Diffusion））的“试错”风险，减少“试错”成本和损失，提高政府的数字化执行能力。政府通过制定大量的政策来引导创新，形成政策激励下的“政策创新”，而随着时间的流逝，这种政策激励下的创新活动也会在其它地方传播和交流［58］，而通过孪生技术在创新活动中建立的“数字化档案”相比其它介质更易于传播扩散，这些“数字化档案”能够记录创新活动每时每刻的进度和状态，相比传统的技术扩散模式更为精准全面，且可以改变传统的“垂直扩散”［59］、“水平扩散”［60］和“先上后下的动态扩散”［61］三种政策创新扩散路径，通过数字渗透的方式实现360 度全方位、全区域的政策创新扩散路径；（6）在文化要素层面，数字孪生技术有助于加强市场型文化建设，促进共性文化和个性文化的协调发展，降低文化冲突带来的创新风险；文化要素主要由组织外部文化和组织内部文化共同构成，而组织内部文化可以分为个性文化与共性文化［62］，组织共性文化主要聚焦组织的愿景、价值导向、治理机制等，而个性文化则聚焦于组织领导者的自身经历、个人信念以及组织的历史因素，二者构成不同，往往会在创新活动中导致文化冲突。数字孪生技术可以将构成这些文化的要素信息“数据化”，并通过在信息空间中建立文化的虚拟“孪生体”，根据创新活动在不同阶段、不同任务的具体特征和实际需求寻找适当的文化进行匹配，从而达到激发组织成员创新意愿和潜力，促进组织创新发展的目的；对于组织外部文化，数字和信息的交互机制可以提高信息透明度，减少“黑色”或“灰色”文化氛围，从而强化社会文化的非人格化［63］（Impersonal）交易秩序，提升信息共享意愿以及秩序共建意愿，促使作为组织外部文化的社会文化满足“市场型社会文化”，使得创新主体在“理性—法制”的秩序下开展创新活动［64］，同时增强组织创新的柔性、弹性和韧性。

另外，数字孪生技术也可以拓展全面创新管理（TIM）范式全要素创新、全员创新以及全时空创新这三大创新机制：（1）在全要素创新机制中，数字孪生的技术要素能够在创新活动中生成海量数据，同时通过这些数据和信息的交互对模型和物理实体的不断迭代优化，这种方式能够促使组织及时捕捉技术热点并掌握吸收，有助于组织获取创新优势；在制度要素和战略要素下，政府会通过数字孪生技术模拟政策创新扩散的过程，对模拟结果进行评估、验证和归纳总结，降低政策的“试错”风险，并通过数字孪生技术提高政策创新扩散的数字化渗透能力，而组织则通过数字孪生技术积累了海量数据用于构建数字化战略场景，并使得组织的战略决策更加理性化；在市场要素下，组织在进入市场前可利用数字孪生技术测试供给与需求之间的匹配程度，从而调整创新包容性，力求扩大市场占有率并满足多数用户群体的需求；在组织要素下，数字孪生技术形成的数据信息交互机制强化了组织的动态能力，使组织面对复杂的外部创新环境时拥有更强的适应能力；在文化要素下，数字孪生技术可以通过在信息空间中建模的方式模拟不同文化氛围下创新活动在不同阶段、不同任务时的状态，从而寻找出能够促进创新的局部最优的组织文化，协调组织内部文化的冲突，并通过数据和交互的信息机制提升文化透明度，促使组织外部文化朝“市场型社会文化”的方向转型发展；（2）在全员创新机制中，数字孪生技术使信息传播的渠道更加通畅，同时使得创新活动的每一个步骤变得更加透明清晰，打破了创新活动环节中存在的各种“黑箱”，从而保障各个创新主体在创新链条上的信息对称，也能够通过数字与信息的交互方式及时协调各个创新主体的创新意愿与期望，兼顾多方利益，鼓励各个创新主体在这种相对透明的创新环境下积极参与创新活动；（3）在全时空创新机制中，由于数字孪生技术促进了创新系统的智能化，组织的创新效率将大为提升，创新活性也因此加强，数字孪生技术能够克服人类在生理、地理以及时间上不能克服的局限，从而通过智能化载体（比如量子计算机）24 小时不间断、持续连贯地进行创新活动。因此，本研究将这种利用数字孪生技术深化全面创新活动的新方式命名为数字孪生驱动的全面智慧创新管理（Digital Twin-Driven Total Smart Innovation Management,DTDTSIM）新范式，这一范式是数字孪生技术在全面创新管理（TIM）范式上的拓展与延伸。

4 孪生钻石模型

全面创新管理（TIM）范式的形象释义是钻石模型，钻石模型旨在形象展示全面创新管理（TIM）范式的创新结构及机制内涵，如图3 所示：

图3 全面创新管理（TIM）视角下的钻石模型

通过数字孪生技术可以对整个全面创新管理（TIM）范式进行拓展，进而演化出数字孪生驱动的全面智慧创新管理（DTDTSIM）这一新范式。同理，通过数字孪生技术也可以在信息空间中生成一个虚拟的“钻石模型孪生体”，将物理空间的钻石模型及信息空间生成的虚拟的“钻石模型孪生体”统称为数字孪生驱动的全面智慧创新管理（DTDTSIM）新范式下的“孪生钻石模型”（Twin Diamonds-Model），如图4 所示：

图4 孪生钻石模型示意图

通过孪生钻石模型可知，全面创新管理（TIM）范式下物理空间中的钻石模型通过孪生数据服务平台，利用创新过程中的数据在信息空间中生成了一个虚拟钻石模型，数字孪生技术对创新活动在战略、市场、组织、制度和文化这五个创新要素层面进行了拓展，即创新要素的“再创新”，这种“再创新”是通过数字孪生技术驱动的，本质上是数字孪生技术在战略、市场、组织、制度和文化这五个创新要素层面的渗透与延伸，同时也对全要素创新、全员创新、全时空创新这三大创新机制进行了拓展，对其进行了数字化赋能，使得三大机制的运作可以通过孪生数据服务平台生成的“数字化纽带”来统一协调。通过数字孪生技术，可以对创新活动进行设计、预测、评估、验证和控制，克服了创新环境中不确定因素对创新活动的消极影响，信息空间中的虚拟钻石模型和物理空间中的钻石模型也可以通过孪生数据服务平台相互迭代优化，将创新介质通过“数字化”方式封装在数据和信息交互的过程中，提高了组织的创新效率，而物理空间中的钻石模型和信息空间中的虚拟钻石模型则统称为数字孪生驱动的全面智慧创新管理（DTDTSIM）新范式下的“孪生钻石模型”。

5 结语

“创新数字孪生”具有智能化、灵活化、高效化的创新特征，通过虚实结合的方式，可以为“人—机—物—环境”下的创新活动提供有力保障，提高创新活动的可靠性，减少创新风险，同时使得整个创新系统能够灵活应对日趋复杂多变的创新环境，提高创新活动的成功率。然而，数字孪生技术仍存在一些不足之处：比如实时数据获取的物理分离现象、仿真的系统性缺失问题、物理和信息融合上的数据孤岛等问题［45］，由于将数字孪生技术作为创新驱动，数字孪生驱动的全面智慧创新管理（DTDTSIM）新范式也存在上述不足之处，且在数据的利用上更多倾向于诸如机械设备上的各项参数等“刚性数据”的采集，缺少将组织文化、员工心理、团队情绪等“柔性创新要素”数据化并有效进行封装、传输的手段，这不利于新创新范式下非技术要素在整个创新系统中的功能发挥，也不利于技术要素与非技术要素之间的协调。另一方面，过分依赖数据也容易形成一种“唯数据论”的机械唯物主义式的错误观点，这反而会束缚了创新思维的衍生，会给创新活动的开展带来消极的副作用。

本研究梳理介绍了全面创新管理（TIM）范式和数字孪生技术，以数字孪生作为创新驱动，提出了“创新数字孪生”的定义及创新机理，进一步阐述了数字孪生技术在技术、战略、市场、组织、制度、文化六大创新要素层面上对创新活动的拓展，以及数字孪生技术下全要素创新、全员创新、全时空创新的运作机制，提出了数字孪生驱动的全面智慧创新管理（DTDTSIM）新范式，以及这一新范式下的“孪生钻石模型”，为今后继续深入研究数字孪生技术下的创新活动提供了一定的理论参考。