2021 年底，Facebook 改名 Meta，元宇宙概念被推到全球舆论的中心。2022 年底，一场被广泛报道的裁员潮中，大量的元宇宙团队被解散，消费级元宇宙被公认为一次失败。
但在同一段时间里，有一份由世界经济论坛与埃森哲联合发布的报告《畅游工业虚拟世界——未来创新的蓝图》，给出了一个完全不同的判断：到 2030 年，全球工业元宇宙将形成一个市值达 1000 亿美元的市场。
同一份报告里还有两个让消费级叙事的失败显得更刺眼的数字：到 2030 年，元宇宙整体价值将达到约 9000 亿美元，其中虚拟体验占近三分之二；而工业元宇宙的 1000 亿美元，将超过消费元宇宙（500 亿）与企业元宇宙（300 亿）之和的总和。
1000 > 500 + 300。也就是说，在所有被归类为"元宇宙"的市场里，工业场景是唯一一块既超过消费场景、又超过企业服务场景的独立市场。
一、为什么"元宇宙"这个词在 2026 年反而更值得用
在讨论市场之前，需要先处理一个尴尬：这个名字本身在很多公司内部已经成了负面资产。
德勤英国人工智能战略与创新实践负责人 Varvn Aryacetas 在谈到同一件事时，选择了另一个词：空间计算。他的定义是——"它是连接物理世界和数字世界的桥梁"。
这个用词差异很重要。"元宇宙"这个词在公众心智里绑定了一个具体的画面：头显、虚拟形象、虚拟社交。这个画面是 2021 年 Meta 自己营销出来的，也是它后来被困住的原因。而"空间计算"绑定的是另一个画面：数字孪生、AR 眼镜、3D 仿真、虚拟培训——这些恰恰是真正在产生商业价值的部分。
世界经济论坛的措辞也相当克制：工业元宇宙的定义不是"另一个世界"，而是"把数字孪生、空间计算、人工智能等变革性技术无缝融入整个工业价值链"。在工业语境下，"元宇宙"指的是技术融合，而不是虚拟世界。
一个可以验证的证据是行业媒体的评价方式：当元宇宙的消费级愿景逐渐淡出时，评论给出的判断是"元宇宙之梦正在消亡，制造业让它继续存在"。制造业让元宇宙继续存在的方式，不是造了一个更沉浸的娱乐世界，而是把它重新定义成一套工业工程方法。
二、一个真实到不能再真实的案例：宝马的数字孪生工厂
抽象的愿景不如一个具体案例有说服力。宝马的案例被多个来源反复引用，因为它把成本结构的变化量化得非常清楚。
改造一家工厂生产新车时，汽车制造商过去检查底盘是否适合生产线的唯一方法，是派遣一个团队乘飞机前往现场，在生产过程中实际推动车身，并记录下任何故障。
现在，工艺工程师只需运行仿真，把汽车的 3D 模型发送到工厂几乎完全相同的数字孪生模型里。任何错误都会在生产线建成之前被发现。
这个案例为什么值得反复讲
因为它同时解决了三个问题，而这三个问题正是工业数字化最难的部分：
| 过去的做法 | 问题 | 数字孪生方案 |
|---|---|---|
| 派团队坐飞机到现场 | 差旅成本随检查次数线性增长 | 工程师在本地运行仿真 |
| 要等产线实际建成后才知道问题 | 改造成本以百万计 | 错误在产线建成之前被发现 |
| 每次改版都要重复现场验证 | 周期长到跟不上车型迭代 | 可重复、可并行、零边际差旅成本 |
这里最值得强调的是第二行。"错误在产线建成之前被发现"——这句话把数字孪生从"效率工具"提升成了"风险工具"。前者帮你省钱，后者帮你避免几千万级的返工。这是两种完全不同的预算科目，前者要和其他 IT 项目抢，后者往往更容易获批。
需要注意：这个案例的价值完全建立在"新工厂"这个场景上。如果是已经运行了二十年的老产线改造，收益结构会完全不同。所以看到"数字孪生工厂"这个词时，第一个要问的问题永远是：这是在新建设施，还是在改造既有设施？后者要难得多。
三、埃森哲的另一半答案：虚拟入职
如果宝马代表的是"生产端"，那么埃森哲代表的是"组织端"。
世界经济论坛的报告里明确列举了埃森哲的实践：为招聘和员工培训目的，埃森哲建立了虚拟总部和物理办公室的数字孪生，用于新员工入职引导与培训。
这听起来不如数字孪生工厂那样硬核，但报告把它和前者并列，因为它的性质完全不同：
- 数字孪生工厂优化的是物理流程，属于"运营聚焦"（operations-focused）
- 虚拟入职优化的是人员能力，属于"员工聚焦"（employee-focused）
世界经济论坛的判断是：员工聚焦类用例可以跨行业应用，而运营聚焦类用例对汽车、航空、机械等重资产行业尤其有效。这个区分很实用——它意味着如果你不在制造业，运营侧的用例大概率不适用，但员工侧的用例几乎一定适用。
员工聚焦方向的报告还指出，元宇宙在员工侧的价值主要在三件事：加速学习过程、以可控成本提升技能、让危险环境的培训变得安全。最后一条是制造业最买单的理由——有些培训项目（比如高空作业、化工反应炉、高压电作业）因为危险而无法大规模开展，这是纯粹的现实约束，不是因为企业不愿意投钱。
四、五千份高管问卷：谁在为元宇宙做准备
市场预测最大的问题是它通常是自上而下的推演。但世界经济论坛的报告里有一块是自下而上的调研数据，这部分的价值高得多。
报告做了一项针对全球不同国家和地区企业高管、询问其未来三年元宇宙相关营收占比预期的调查。结果有一个非常一致的结论：相较于北美和欧洲，"成长型市场"对元宇宙潜力的评估更为乐观，其中乐观度最高的是澳大利亚和中国。
这个结论的潜台词值得展开：北美和欧洲的高管相对保守，不是他们看不到技术，而是他们所在市场的工业基础成熟、增速放缓，元宇宙带来的相对增量有限；而成长型市场仍在快速工业化，元宇宙对应的是从无到有的基础设施缺口。
另一组来自埃森哲在 CES 发布的调查数据可以作为对照：
| 调研项 | 数字 | 口径 |
|---|---|---|
| 视元宇宙为创作/获利商机的消费者比例 | 55% | 约 9000 名消费者样本 |
| 认为元宇宙对企业未来发展重要的高管比例 | 89% | 3200 名高层管理者样本 |
| 预计到 2025 年底来自元宇宙体验的公司收入占比 | 4.2% | 对应约 1 万亿美元总额 |
这组数据里最值得看的是那个 89% 和 4.2% 的组合。89% 的高管认为元宇宙重要，但只有 4.2% 的收入预期来自元宇宙体验——这个巨大的落差说明，行业共识停留在"方向重要"层面，还没有转化成"预算充足"。
同时注意 4.2% 这个数字对应的绝对规模是 1 万亿美元，而世界经济论坛给出的 2030 年元宇宙整体价值是 9000 亿美元。两者在同一年份上不完全一致——前者是埃森哲的 2025 年底口径且计算的是"公司收入中可能来自元宇宙体验的比例"，后者是世界经济论坛的 2030 年价值口径。这种跨机构数字对不上是常态，引用时务必连机构名和年份一起带。
五、五个作用：报告给出的落地方向
世界经济论坛报告把工业元宇宙的关键作用归纳为五个方向，这里逐条翻译成可判断的业务语言：
| 作用 | 报告原意 | 对应的业务指标 |
|---|---|---|
| 压缩转型周期 | 沉浸式扩展现实和数字孪生学习让分散在全球的员工协作、实时测试解决方案 | 产品开发周期（从需求到量产）、跨地域项目协同成本 |
| 吸引和留住劳动力 | 虚拟办公室促进全球合作，突破物理位置限制 | 异地项目的人员配置半径、招聘周期 |
| 供应链透明可追溯 | 通过空间计算把指挥中心和控制塔移到虚拟空间，减少物理干预 | 供应链异常响应时间、库存周转 |
| 减少废物产生 | 虚拟制造让企业在数字环境中试不同产品选项，更有效利用材料 | 材料利用率、报废率、试制成本 |
| 提升可持续性 | 增长必须确保对环境产生积极影响 | 单位产出能耗、碳排强度 |
这五条里，第一条"压缩转型周期"和第四条"减少废物产生"是最容易量化的，也是最适合拿去做内部立项论证的。前者对应研发效率，后者对应材料成本，都是财务部门认的口径。
第二、三、五条的价值真实但难量化，通常需要先做试点再谈推广。如果你的立项材料需要 ROI 数字，从第一、四条切入是最短路径。
六、三个必须提的质疑
一份由两家机构联合出具的报告，在数据可信度上是可靠的，但读者仍然需要对它的性质保持清醒。以下三个质疑不是针对报告数据的，而是针对这类"产业愿景型报告"共有的结构性偏差。
质疑一：1000 亿美元是 2030 年的终值，不是可分配的市场池
1000 亿这个数字是行业总收入预测，不等于任何一家参与者的可获得收入。把它除以预测中的企业数量，得到的单人可分份额会小到毫无意义。做内部测算时，应该从"我们目标场景对应的细分"往回推，而不是从 1000 亿往下分。
质疑二：9000 亿 vs 1000 亿 的悬殊差额，正是工业场景的真实难度
如果元宇宙 2030 年整体价值 9000 亿，而虚拟体验只占三分之二（约 6000 亿），那意味着硬件、基础设施、底层平台要吃掉约 3000 亿。这个比例提醒一件事：价值链上最厚的一层是基础设施，不是应用。做应用层的公司，如果没有独特的数据或工作流绑定，很容易被上游挤压。
质疑三：报告由咨询公司联合发布，案例必然偏向成功样本
埃森哲既是报告的联合发布方，也是报告里被引用的实践案例方（虚拟总部、虚拟入职平台）。这不代表案例不真实，但确实意味着报告呈现的路径天然是"我们已经做成功了，你可以照做"。而失败项目的成本结构、组织阻力、部门利益冲突，报告里不会写。
补充一个来自学术侧的信息：Springer 上一篇关于元宇宙价值链的研究（2025 年）也在其文献综述中引用了世界经济论坛 2024 年的 1000 亿美元预测，并列举了宝马数字孪生工厂、西门子与英伟达的工业元宇宙仿真、埃森哲虚拟入职平台这三个案例。被同行评审的学术论文引用同一个数据，说明 1000 亿这个数字在文献层面已经被广泛接受——但也说明它已经成为一个"引用惯例"，而不是一个持续被独立验证的数据点。
七、如果要落地，路径是什么
结合报告数据与前面几篇的判断，工业元宇宙的落地路径可以压缩成四步：
第一步，先判断你属于"员工聚焦"还是"运营聚焦"。如果你的业务不涉及重资产物理流程（汽车、航空、机械），不要从运营侧开始，那是制造业的红利区。员工培训、远程协作、异地项目支持在几乎所有行业都成立。
第二步，从"新建设施"场景切入，而不是"改造既有设施"。宝马案例的收益结构依赖这一点。新建项目本身就是一张白纸，没有历史系统约束，孪生模型的边际成本最低。
第三步，用可量化的指标立项。优先选"压缩转型周期"或"减少材料浪费"这两条，因为它们对应财务口径，能通过评审。避开"提升员工体验"这类难以量化的表述作为主论证。
第四步，警惕基础设施层的价格战。9000 亿里约 3000 亿在硬件和底层平台，这意味着计算、存储、渲染能力会持续降价。你的方案不应该把溢价建立在"我们用了昂贵的仿真引擎"上，而应该建立在"我们的行业模型和工作流绑定"上——前者会被每年下跌的算力成本抹平，后者不会。
八、结语
回看开头的对比：一个在公众视野里死掉的概念，在工业场景里活了下来，并且活得相当好——1000 亿美元，2030 年，超过消费级与企业服务级之和。
这件事的教训不是"元宇宙这个词错了"，而是"元宇宙"这个词被错误的产品想象绑架了。当它被定义为一个供人进入的虚拟世界时，它需要极高的图形性能、极低的硬件成本、极长的用户教育周期，三条全都难。当它被定义为一整套融入工业价值链的技术融合时，它需要的东西完全不同：一个真实的物理问题、一个可量化的成本、一群必须协作的工程师。
后者从来不缺需求。所以结论其实很简单：不要问"要不要做元宇宙"，要问"我有一个多少钱的问题，虚拟化能不能把它变便宜"。1000 亿美元不是一个等着被分的市场，而是无数个这样的判断加总之后的结果。
