打造物联网数字孪生平台：探索数字孪生的宝贵价值

AWS中将数字孪生定义为4级，每一级都带来更好的业务价值

L1 Descriptive

很简单，Descriptive，即数字孪生仅仅只是描述真实的设备情况，比如将工厂、办公楼内的各种设备的信息，直接通过图表、3D模型的方式进行展示

L2 Informative

相比于L1，它会提供简单的信息过滤和处理，来获取更的价值信息，比如通过办公楼内的各种传感器、灯、屏幕的状态数据，在经过处理后，可以展示更详细的且更有价值的模型，如平均温度、上课状态等，而通过这些处理后的数据，可以反向的影响真实设备，比如在时间段内平均温度过高时，打开空调。

L3 Predictive

预测，引入算法模型，对数据进行更深度的处理，来根据历史数据，对未来数据进行预测，用于后续的决策的数据依据。比如对整个办公楼的历史设备使用情况、办公室利用率等，预测后续的相关数据，对采购或办公楼建设做决策依据

L4 Living

这个在AWS中被认为是最理想的数据孪生形式，符合数字孪生的完整定义。Predictive是使用历史数据来创建预测模型，但是在长时间的运行后，由于训练数据的时效性，准确性会持续下降，与Predictive相比，L4可以自升级，将源源不断的设备数据，作为训练数据来升级模型，而后提供更准确的预测数据。