下载掌阅APP，畅读海量书库
立即打开
6G 将支撑一种全新的业务——数字孪生。数字孪生是物理实体在数字世界的实时镜像 [7] ，将广泛应用于智能制造、智慧城市、人体活动管理和科学研究等领域。同时，面对持续增加的业务种类、规模和复杂性，6G网络本身也需利用数字孪生技术寻求超越物理网络的解决方案。
数字孪生网络是一种具有物理网络实体及虚拟孪生体，且两者可进行实时交互映射的网络。在数字孪生网络系统中，基于数据和模型可以对物理网络进行高效的仿真、分析、诊断和控制。数字孪生网络也将从多方面增强6G 网络的能力：强大的现实还原能力，可以提供更全面的网络状态、更精准的问题定位；灵活的仿真模拟能力，依靠准确、虚拟、高效的机制建模，可以提供更便捷的策略模拟、更安全的方案预评估、更直观的结果可视化；便捷的管控能力，能够提供简洁化、自动化、可视化的操作手段，大幅降低人工成本。
数字孪生正在成为全球数字化转型的新技术。例如，美国工业互联网联盟将数字孪生作为工业互联网落地的核心和关键。如图3-2所示，在整个以数字孪生体框架为核心的工业互联网平台即服务（Platform as a Service，PaaS）系统 [7] 中，数字孪生空间占据了非常重要的地位，其中包括数字孪生体的定义、配置、复用等。
图3-2 工业互联网PaaS系统
德国工业4.0参考架构 [7] 也将数字孪生作为重要内容，利用数字世界的数字孪生空间中的功能层和信息层来实现数字孪生，如图3-3所示。
图3-3 德国工业4.0参考架构
以数字孪生衍生出的智慧城市、车联网等新型场景也成为很多国家和地区的建设目标。在智慧城市方面，中国将建设雄安新区数字城市、杭州城市大脑，新加坡将建设虚拟新加坡，法国将建设数字孪生巴黎，加拿大将建设多伦多高科技社区等。在车联网方面，中国的百度、华为、腾讯、阿里等公司，美国的特斯拉、福特等公司，日本的丰田、本田等公司和德国的西门子公司等都在进行深入研究。
（1）数字孪生的内涵理解
数字孪生因建模仿真技术而起，因传感技术而兴，并且将随着新一代信息技术群体的突破和融合而发展壮大，尤其是6G对数字世界的强力支撑。
关于数字孪生的定义，国内外的行业专家和研究机构众说纷纭。例如，国内的行业专家宁振波认为数字孪生是将物理对象以数字化方式在虚拟空间呈现，模拟其在现实环境中的行为特征 [7] ；陶飞认为数字孪生以数字化的方式建立物理实体多维、多时空尺度、多学科、多物理量的动态虚拟模型，来仿真和刻画物理实体在真实环境中的属性、行为、规则 [7] 等。国外的研究机构德勒认为数字孪生是以数字化的形式对某一物理实体过去和目前的行为或流程进行动态呈现 [7] ；埃森哲认为数字孪生是物理产品在虚拟空间中的数字模型，包含了从产品构思到产品退市全生命周期的产品信息 [7] ；密歇根大学认为数字孪生是基于传感器所建立的某一物理实体的数字化模型，可用来模拟现实世界中的具体事物 [7] 。
虽然数字孪生的定义众说纷纭，但可将其总结为：数字孪生是一项实现物理空间在赛博空间交互映射的通用使能技术，它能够综合运用感知、计算、建模等信息技术，通过软件定义对物理空间进行描述、诊断、预测、决策，进而使物理空间和赛博空间之间形成交互映射 [7] ，如图3-4所示。
图3-4 数字孪生三大技术要素
数字孪生的具体内涵涵盖以下5个方面 [7] 。
① 数字孪生中有一项通用技术，即支撑经济社会数字化转型的通用使能技术。
② 数字孪生中包括了两大孪生空间，一个是物理空间，另一个是赛博空间。物理空间中包含的原子、实体、逻辑分别与赛博空间中的比特、模型、软件对应，并且物理空间与赛博空间之间会不断地进行交互与反馈。
③ 数字孪生中有三大技术要素：第一个是数据，数据是数字孪生技术的基础，如原理、传感器数据；第二个是模型，模型是数字孪生技术的核心，如机理模型、数据驱动模型等；第三个是软件，软件是数字孪生的载体，软件能够实现模型算法化、算法代码化、代码软件化。
④ 数字孪生有四大功能等级，这四大功能等级依次为描述、诊断、预测和决策，层层递进并为数字孪生技术服务。
⑤ 数字孪生有五大典型特征，分别为数据驱动、模型支持、软件定义、精准映射和智能决策。
下面，将具体描述上述数字孪生中的五大典型特征。
① 数据驱动：数字孪生的本质是用比特来重构原子的运行轨迹，以数据驱动物理世界的资源优化。
② 模型支持：数字孪生的核心是面向实体和逻辑对象建立机理模型或是数据驱动模型，使物理空间与赛博空间之间进行交互与反馈。
③ 软件定义：数字孪生的关键之处在于模型的代码化和标准化，因此动态模拟或是检测物理空间的真实状态、行为和规则都能用软件来提供帮助。
④ 精准映射：目前，感知、建模、软件等技术的精进使物理世界在赛博空间的全面呈现、精准表达和动态监测等内容加以实现。
⑤ 智能决策：智能化将成为一种趋势，数字孪生技术也将与人工智能等技术有机结合，为物理空间和赛博空间提供智能辅助决策和持续优化。
（2）数字孪生增强6G网络能力面临的挑战及关键技术
6G一方面将支撑数字孪生网络的实现，同时数字孪生网络也将从多方面增强6G网络的能力。但在增强6G网络能力方面，数字孪生的实现仍面临如下两方面挑战。
① 缺乏高保真度的物理网络建模仿真。网络规模庞大、动态性强，如何对物理网络进行高保真度建模，建立拟真的孪生虚拟网络，是具有挑战性的一大课题。目前已有的建模技术多面向静态的网络资源模型，动态模型则以业务流量过程构建为主，缺乏面向真实物理网络高保真的整体建模技术。
② 高实时性的数据交互。物理网络实体需要把运行状态和维护历史等数据动态实时地传递给数字孪生网络，数字孪生网络需要把故障诊断结果、评估预测结果、对物理实体的行为控制等信息准确实时地传递给物理实体网络，两者之间高实时性的数据交互是数据孪生技术应用的基础和前提，但如何能够实现海量数据的实时交互具有挑战性。
为了实现6G的数字孪生，相应地需要解决数字孪生模型构建、基于数字孪生体的AI工作流预验证、孪生体的数据生成等关键技术。数字孪生模型构建需要研究实体网络的快速精确抽象方法，以及实体网络和孪生网络的交互方法。基于数字孪生体的 AI 工作流预验证面向网络运维、网络自治等场景，研究 AI 模型的自适应匹配、AI模型的训练结果预测、AI模型对网络影响评估等技术。孪生体的数据生成研究高效的无标签数据自学习方法。例如，可采用自监督学习等方法，通过自动从原始数据集中为某些前置任务创建标签，变分自编码器（Variational Auto Encoder，VAE）网络和生成式对抗网络（Generative Adversarial Network，GAN）等模型均是可参考的模型。