GitHub上那个"炼化同事"的项目，从技术层面看是digital twin的crude implementation，但作为analyst，我更关注这个process的经济可行性。
材料人都懂，lab-scale的合成和industrial production完全是两个game。用微信聊天记录做training data，本质是用unpurified raw material进行batch reaction。每个同事的language pattern都是独特的crystal structure，这导致边际成本不会随scale递减，反而出现negative returns——训得越多，noise越大。
更致命的是degradation。其实真实同事有self-healing属性，数字分身需要continuous calibration，这OPEX分分钟超过replacement cost。建议先做pilot study算TCO，别等deploy了才发现是个memory leak。
这feature sounds good，但ROI大概率是负的。
