總的來說，當前數字制造、數字交付、工業互聯網、工業軟件等領域都處在一個瓶頸的時期。
數字化制造被寄予了厚望。而當下的最熱的問題，如數字孿生、數字交付、信息技術與運營技術融合、工業互聯網、數字化軟件和工業APP等，概念甚多。看上去當下對幾乎所有的問題的解決前景，都表達了相當的信心。然而，建立這些信心的基礎和邏輯還需要進一步論述清楚。
數字孿生的復雜性
從推理上看，數字孿生（或者數字化雙胞胎）問題，基于模型是關鍵的一步。問題是，需要建模型和能夠建模型是兩個不同的問題。而客體作為實踐和認識活動所指向的對象，理論上而言，人工客體是可以建模的，自然客體是不可能建立完備的模型的。根據認識論對客體的劃分，信息系統工程對它的“對象”的性質作了嚴格的區分。人工客體是泛指那些“人造”的物體，其特征是所有的結構、部件、功能和相互關系都是事先被設計的，因而可以完備地通過模型進行描述的，不同類型的人工客體又是通過抽象建立類的模型，通過這些類模型又可以建立千變萬化的對象實例。小至水杯、手表，大至汽車、機床、飛機，都是人工客體的實例。
而自然客體是天然形成的，它的特征是在有限的空間和時間上不可能被完備地描述。自然界的生命體都是典型的天然客體，他們可以被認識，但是對他們的認識永遠是有限的、局部的。所以為他們建立的模型并不能完備地代表客體自身，這導致天然客體的數字孿生體并不是真正“孿生”的。
同時即使客體的功能、關系和狀態是可以建模的，而客體與周邊環境相關的行為和安全保障是不可能建立完備的模型的。再者，即便是可以建立的模型，其復雜性往往是指數增長的，往往使得實際的運用上無法實現。
在信息技術的歷史上，數字孿生是隨著在電信管理網、數據庫設計和面向對象開發等信息系統工程應用逐漸發展的，很多問題相關學術領域和企業都已經有深入的研究。其本質至今沒有大的變化。突破模型化的邊界和限制，必須出現原理上的突破。
那么GE號稱有100萬個數字孿生，算是一種突破嗎？答案是，不算多。100萬個數字孿生，就是100萬個對象的實例。可能一個飛機發動機就可能包含了上千個對象實例。1000臺發動機的實例就有100萬個。可以對比運營商的基站。中國移動通信網絡有上百萬基站，每個基站的管理對象達上千個，移動網管系統包含的基站管理對象是以億計的。移動的移動的業務管理、終端管理和用戶管理的“數字孿生”都是以億計的。當然，GE的數字孿生是用于實時監控、分析和控制的，比電信管理網的事件驅動的“管理”要復雜得多。
數字化交付
數字化交付面臨的問題是，是產品（包括零部件和工作母機）可以實現數字化交付，還是生產過程和運營過程可以實現數字化交付？是離散工業的產品和運營可以實現數字化交付，還是流程工業的產品或運營可以實現數字化交付？
數字化工廠中的數字化交付，工業產品的數字化交付，制造和運營流程的數字化交付，都建立在網絡和軟件平臺之上，都涉及到前述建模這個根本的問題。這就需要區分各種數字化交付的可行性，無論在理論上有多少關于降低成本、提高質量、提供全生命周期服務的好故事。最關鍵就是建模能夠達到的程度。具體例子可看建筑業。直觀地看，離散工業的產品最容易實現數字化交付，生產過程次之，全生命周期運營最難。流程工業難于離散工業，因為它的實時性和不可逆的過程。
過去的IT技術，都是基于離散的事件驅動的模型化技術（ERP, CRM，供應鏈管理，柔性制造，網絡管理，客戶管理等）。而對于連續的大規模的過程（如流程工業的制造過程、交通和電信運營等適時控制過程）缺乏基礎的理論和技術支持。同樣，過去的OT技術基于封閉系統中連續適時的閉環控制和優化，只能在單一的功能環境（機電產品、汽車、機床和自動化機械等）下保障系統的性能和安全。在大規模控制的環境下復雜性指數增長以致實際上不可行。
這是IT和OT技術融合中最大的障礙，也是目前二T融合僅僅在工業場地自動化設備聯網中進行一些探索。當前需要的同樣是基礎理論和技術的突破。如果這個問題沒有解決，軟件技術和工業APP的進展完全是表面上的，可以看成是一些探索，沒有實質性的意義。
數字化的動力
最后一個問題是：推動工業制造數字化的動力在哪里？這是一個商業模式的問題。無論對制造和運營業、工業互聯網、工業軟件都是十分嚴峻的挑戰。從國際上看，至今沒有人給出一個理由，為什么要建工業互聯網？為什么要數字化交付？許多給出承諾和好處的單位，往往也都無法用理論和數字保證未來產業生態的可持續發展。
那么，降低成本和減少意外損失，是否是最基本的動力？答案是，只有在已經存在同質化功能的產業生態中，這個動力才是有效的，但同時必須考慮投入如何回收。然而，對于未來的產品和生產運營過程，諸多不確定因素，商業模式并不能得到充分保障，使得企業也不可能用這個標準去決定投資。
這一點，正是當今的制造業在進行數字化轉型的時候，自身動力不足的重要原因。這意味著，數字化轉型的產業遠景和商業模式的突破，是十分關鍵的。
