数字孪生（DT）技术是指物理对象、过程或系统的虚拟计算副本，它通过嵌入其物理对应物中的传感器实时数据流不断更新（Grieves, 2023; Tao et al., 2018; He et al., 2024）。与静态模拟模型不同，数字孪生在物理和数字领域之间保持持续的双向连接，实现了实时监控、预测模拟和自适应优化。例如，制造初创企业可以使用生产线的数字孪生来模拟设计变更，然后再进行物理实施；物流初创企业可以使用其分销网络的数字孪生来测试需求波动下的路由策略；医疗保健初创企业可以开发特定于患者的数字孪生以支持治疗优化。通过这种虚拟-物理耦合，数字孪生支持产品开发、运营和战略规划中的数据驱动决策（Fuller et al., 2020; Jones et al., 2020）。通过集成传感器网络、人工智能和机器学习，DT可以提高运营准确性，缩短产品开发周期，并在包括制造、医疗和城市系统在内的广泛领域提高效率（Iliu?? et al., 2024; Marino et al., 2024; Lo et al., 2021）。现有研究主要集中在大型企业和工业环境中的DT实施及其影响（Kritzinger et al., 2018; Negri et al., 2017; Grieves, 2023; Singh et al., 2022; Attaran et al., 2023）。然而，关于DT在初创企业环境中的采用情况知之甚少——特别是在像中国这样的发展中经济体，新企业在高不确定性、资源有限和竞争激烈的条件下运营。
尽管关于数字孪生在成熟工业和特定行业环境中的应用（如预测性维护、产品生命周期管理、工业优化和供应链整合）的研究越来越多（Kritzinger et al., 2018; Negri et al., 2017; Fuller et al., 2020; Jones et al., 2020; Mylonas et al., 2021; Ferré-Bigorra et al., 2022; Attaran & Celik, 2023; Monek & Fischer, 2025），但在初创企业环境中使用的实证证据仍然有限。现有研究主要关注大型或资源丰富的企业，并假设基础设施稳定和组织流程成熟，这限制了我们对数字孪生技术在资源稀缺、技术专长有限和不确定性较高的创业环境中如何运作的理解（Trauer et al., 2022; Kerrouchi et al., 2024; Mousavi et al., 2024）。因此，当前的理论和实证工作不足以解释数字孪生采用如何影响中国等新兴经济体的创业过程和绩效结果。
为了解决这些空白，本研究探讨了数字孪生在中国初创企业中提高精确性和效率的作用。它旨在回答以下研究问题：
中国初创企业如何利用数字孪生技术来提高产品开发精度、优化运营流程并降低新业务的风险？ 本研究的目标包括：
•分析成功实施数字孪生解决方案的初创企业案例；
•评估其对整体绩效和市场变化响应能力的影响；以及
•识别采用过程中面临的挑战。
本研究调查了15家使用数字孪生（DT）的中国初创企业，涉及制造业、物流和软件服务行业。通过结合创始人和管理者的半结构化访谈（n=45）和企业层面的回归分析，我们研究了DT如何提高初创企业的精确性、效率和韧性。
本研究对数字创业和新兴技术文献做出了三项主要贡献。首先，它将数字孪生技术概念化为资源受限的初创企业环境中的战略能力，扩展了资源基础视角和动态能力视角。其次，它提供了混合方法的实证证据，表明数字孪生不仅作为提高效率的工具，还在市场不确定性条件下作为组织韧性的机制。第三，通过关注中国初创企业，它提供了关于数字基础设施如何塑造新兴经济体中创业成长路径的特定情境洞察。
本研究向创业者和政策制定者提供了有关数字孪生采用如何缓解运营瓶颈和支持资源受限的初创企业生态系统可扩展增长的见解。在初创企业环境中采用和使用数字孪生可以促进中国的经济增长和创新。此外，该研究阐明了在资源受限的创业环境中，先进数字技术如何支持创新和改进实践的条件。
本文的结构如下：接下来的部分概述了现有关于数字孪生技术及其在创业中应用的研究。第3节和第4节提供了理论和概念框架。方法论部分概述了研究设计和数据收集。结果部分展示了案例和主要发现，讨论部分则将发现与研究问题和目标联系起来。最后，结论总结了研究的意义、局限性和未来研究的方向。
