数字孪生技术发展展望

chzh4719

谢柠蔚、李杰等 中移智库

摘要

数字孪生旨在建立物理世界与数字世界之间的高保真实时映射，进而实现对物理世界的模拟、验证、预测、控制、优化。经过十余年发展，数字孪生技术已成为城市、工业、交通、水利、能源等各行各业实现数字化转型的重要助推力，被纳入国家关键技术战略。当前，数字孪生正与新型通信、人工智能、大数据、云计算等新兴技术领域加速融合，为其深入实施和规模化应用提供新动力。本文以数字孪生与前沿新技术协同创新为思路，探索应对场景构建、信息感知、数据融合和海量计算等技术难题的新途径。

01
数字孪生行业发展趋势

2003年前后，美国密歇根大学Grieves教授首次提出了“数字孪生”设想，即在虚拟空间中构建与物理实体及其运行过程保持一致的高保真数字化模型，实现两者之间的交互映射。多年来，数字孪生的形态及概念不断演进丰富，不仅局限于对物理实体及过程的数字化描述，更强调借助历史或实时数据以及算法模型等，对物理实体及过程进行模拟、验证、预测、控制，实现对物理世界的优化。

2010年起，数字孪生逐渐在军事、工业、公共治理等领域呈现应用价值，并成为全球信息技术研究焦点，Gartner曾连续3年把将其列为十大战略科技发展趋势。目前，世界多国已将发展数字孪生上升为国家战略。自2021年，我国十四五规划纲要提出“探索建设数字孪生城市”，发改委、工信部、自然资源部、住建部、水利部、交通部、能源局等部门纷纷出台政策推动落地指引，大力推动数字孪生技术向各行业应用渗透，助力数字化转型升级。在政策支撑及产业协同发展的双重推动下，国内数字孪生市场规模正以高速增长的态势持续扩大，据测算，2025年预计达到375亿元，2022-2025年CAGR为54.3%。

数字孪生正在加速融合新型通信、人工智能、大数据、云计算等多学科多领域技术，孪生场景及要素的建模仿真水平不断提升，信息感知、智能响应、辅助决策等能力逐步增强。未来的数字孪生系统将有望实现高精度广域场景建模，全要素泛在信息感知，高保真实时虚实映射，可持续智能运行演进。

02
数字孪生大规模建设面临的技术挑战

场景构建的挑战

当前对大范围场景进行三维重建仍存在精度与效率的矛盾。高精度建模对采集数据的要求更高，需要耗费更多时间及计算成本，因此业界产品大多采用局部高精+全局粗糙的建模方式。另外，存在异形物体的复杂场景对手工建模的依赖程度高，导致了模型的可编辑、可迁移复用性差。

信息感知的挑战

若要实现对现实世界物理实体及过程的在线监测、分析、控制和优化，需要大量实时数据支撑。然而，现有通信网络难以支撑大规模孪生系统所需的高密度传感终端接入和海量异构感知信息低延时传输，感知深度及广度受限、存在延迟滞后，影响了仿真模拟、分析预测的时效性和可靠性。

数据融合的挑战

现有数字孪生产品及应用大多针对单一行业数据进行统计分析，在整合多维度、多尺度、多领域的数据，以及进行深入的逻辑和语义分析方面仍存在局限，尚未完全打破不同数据源之间的隔阂，从而未能充分挖掘和利用数据的全部内在价值，导致仿真推演的结果可能存在一定程度的片面性和局限性。

海量计算的挑战

数字孪生系统的动态更新运转需要处理分析海量数据并快速响应各类交互指令，若仅依赖单点存算资源难以满足城市治理、文博文旅等高并发场景需求。此外，现有通信网络在支撑数字孪生系统中涉及的点云、深度图和网格等大规模三维数据流的高效传输方面仍存在局限，影响了分布式计算环境中节点间资源的协调和数据同步的效率。

03
数字孪生技术发展方向

快速生成，实现孪生场景低成本灵活构建。最近，隐式三维表征、生成式AI等前沿技术发展，使孪生场景及要素的创建和编辑过程得到了简化，可以通过简单的图像、文本输入的方式全自动生成甚至自由编辑三维模型，极大降低了对人工操作和高精度数据采集的依赖。例如，Stability AI和VAST团队提出的图生3D算法TripoSR能够在不到1秒的时间内由单张图片生成高质量三维模型。此外，影眸科技推出的文生3D模型Rodin Gen-1资产生成器能在几秒内创造出带四边形面片网格与PBR材质的三维模型资产，其精度接近影视制作级别。随着技术的持续进步，预计未来孪生场景的生产效能将大幅提升，甚至能够根据物理环境动态变化进行更加灵活和实时的更新。

通感一体，赋能数字孪生立体感知体系建立。通信网络技术的创新将显著扩展数字孪生系统在信息感知的深度和广度，为其提供强有力的支撑。未来6G通信网络将引入地面蜂窝网络、卫星网络、无人机网络等形成空天地一体化网络，并且支撑大规模异构传感设备接入，凭借超大带宽超低时延的极致传输性能，助力孪生系统构建实时的立体感知体系。相比5G依靠外挂式引入感知能力，6G网络能够以内生方式提供定位、测速、测距、识别等定制化感知服务，使孪生业务可以专注于更高层级信息的建模。

多模融合，增强时空信息智能处理能力。近期快速发展的大模型技术是大规模数据、先进计算能力和高效算法的集大成者，正逐步从处理单一模态数据演进到能够处理跨媒体的智能应用，这为数字孪生应用打通多源异构多时相感知数据的融合通路、构建时空信息智能处理模型提供了新方法论，并可能推动智能处理App工具的形态重构。利用大模型强大的语义理解、泛化迁移、逻辑推理能力，融合多模态数据并分析蕴含的潜在联系，结合专业常识揭示时空对象的分布、变化、关联和相互作用影响，洞察物理环境时空演变趋势。并且大模型能够以自然语言问答的形式，为决策者提供全面和多样化的数据分析支撑，甚至未来有望持续学习增量信息与人的决策行为进行不断自我迭代优化。

能力解耦，建立云边端智算协同框架。将数据采集处理、重建生成、仿真模拟、空间交互、可视渲染等能力进行解耦，在云边端多级实现合理配置、弹性扩展。如云端负责大规模集中式运算（广域场景建模生成、大模型训练等），边缘侧进行实时计算（中小场景渲染、模型推理等），在终端侧实行部分数据预处理过程。这种方式能够突破单点存算资源限制，有效提升计算效率及并发性能并减少冗余计算过程。依托通算智融合的新型网络技术，将云边端多级算力资源通过网络化的方式连接协同、按需分配，并保障各节点之间数据敏捷互通，从而使数字孪生系统计算效能增强，实现对物理世界变化的实时响应。

传输优化，促进孪生数据高效流通。云边端协同计算不仅需要网络技术迭代，还迫切需要与孪生数据特性相适应的编码传输技术创新，进一步提高各计算节点间数据交换的效率和可靠性。中国移动正在深入研究三维数据编码传输技术并牵头相关标准制定，目标实现RGBD、点云、网格等大体量三维孪生数据的高效压缩，并基于网络传输链路感知质量，动态调整编码器码率、预测模式等，大幅降低数据存储及传输的资源消耗，动态适应异质网络信道条件，保证传输质量。