看似从科幻小说中走出的数字孪生概念,如今已经被引入众多商业解决方案,与人工智能、数据与数字化等技术共同塑造网络新时代的面貌。在本文中,我们将具体探讨数字孪生的种种可能性,并着重分析现已实践落地的三个用例。
最近几十年来,我们对于设备的功能预期可谓一路走高。手机不再单纯用于接打电话和收发短信,汽车需要安全可靠地自主行驶在道路之上——在5G与物联网的支持下,各行各业乃至一座座城市都在智能化与互联化的方向上一路狂奔。而我们的未来,也将围绕这样一个高度复杂、相互连通的网络与数字生态逐步构建而成。
而每台设备持续生成的大量实时数据,也要求我们充分运用人工智能(AI)与机器学习(ML)技术灵活管理网络、保证数据通道高效且可持续地稳定运行。然而,AI与ML不可能凭空而来,特别是训练阶段更是困难重重。那么,我们要如何安全训练ML算法,确保在无需停机的前提下实时动态学习并采取响应行动?数字孪生给我们带来了新的答案。
在数字孪生中准确表达实际站点
数字孪生的本质,就是一套基于现实世界中各类资产、信息及流程的软件表达副本。这套副本立足于云端,并由此开辟出一个充满可能性的虚拟世界——这是一个安全的模拟测试环境,大家可以在其中训练及播放“假设”场景、考查其是否匹配预期,而且整个过程不会对现实对象造成任何影响。
看似从科幻小说中走出的数字孪生概念,如今已经被引入众多商业解决方案,配合人工智能、数据与数字化等技术塑造网络新时代的面貌。在本文中,我们将经由三个实践落地的数字孪生用例,探讨这项技术如何为未来网络的优化、自动化与设计开启新的大门。
网络数字孪生模拟的是我们身边看不见、摸不着的网络体系:信号、覆盖范围、干扰与流通等,也包括不同频段间的用户转移。数字孪生带来了一种安全优化方法,对辐射功率等敏感参数加以严格保护。
在瑞士,Swisscom运行着一套在2021年Umlaut国际基准排名中得分最高的网络。但在辐射功率方面,Swisscom还需要满足一系列更为严格的最新规定。根据法规要求,如果不改变现有基础设施,Swisscom就只能部署少量新的低功率5G站点,这也直接导致4G与5G新站点在低频段的覆盖效果大打折扣。
那么,我们如何才能在不影响覆盖范围或用户体验的前提下,成功降低传输功率、为新的频段层腾出空间?
目前已知的最佳方案就是强化学习(RL)——这是机器学习的一种方法,AI代理能够通过观察状态及持续迭代与环境保持交互,由此逐渐收敛以逐步完成长期目标。我们的长期目标就是降低传输效率,但却不可能让AI代理在实际网络中持续调整辐射功率,这不仅有损用户体验、同时也违反了企业致力于满足的规定。
为此,专家们开发出一套精确的网络数字孪生模型,针对覆盖范围、干扰及数据流通(包括跨频段用户切换)进行建模,确保RL代理始终拥有一个能够灵活操作、从中学习的安全环境。要建立这样一套精准的模型,深厚的领域知识至关重要。此外,专家们还需要在准确度与详尽度之间找到平衡,同时确保孪生副本不会因太过复杂而无法在商业场景下扩展运行。
图一:以网络数字孪生为基础,建立起强化学习驱动优化型安全应用
经过数千轮学习,专家们最终获得了一组可靠建议。据此对当地各小区进行功率调整之后,使得发射总功率降低20%,基站功耗也降低了3.4%。更有趣的是,信号的覆盖范围没有受到任何影响,用户体验反而有所改善——下载速度提高了5%、上传速度更是提高达30%。
事实证明,网络传输环境就如同在热闹的餐厅里谈话一样——大喊大叫虽然能让我们的声音传得更远,但如果每个人都能放低声音,交流体验反而会显著提升。
站点数字孪生是对可见网络进行建模——包括物理站点中的信号塔、设备及其他相关资产。随着5G技术的加速发展,我们需要保证网络能够有效扩展、易于维护。但实际上,现场设备的生命周期管理还远不够敏捷。管理员往往需要参考20多份文档才能搞清单一物理站点中的已安装设备——包括CAD设计与图像、电子表格、产品数据表等等。这样的手动操作过程缓慢且极易出错,而且往往迫使工作人员不断爬上爬下、工作风险大大增加。
图二:站点数字孪生
通过使用数字孪生技术,专家们将祝宜家出口的厨房规划程序引入电信行业,实现了对全数字化场景及设备的设计与管理。企业为各个站点建立起数字孪生副本,并使用激光扫描仪(LiDAR)、摄像头与无人机等捕捉到精确的3D模型。孪生副本中包含生命周期管理所必需的各类关键元数据,例如设备重量、功率、组件间兼容性等信息。
专家们还开发出一套包含40000个组件的强大工具库,其中每个组件都能轻松“拖放”到位,由此将设计时间缩短50%,同时将维护及返工需求由10%降低至0.1%。由于返工比例大降、维护工程师不必反复爬上爬下,企业获得了更安全、更可预测、更可持续的运营能力。
除了网络数字孪生与站点数字孪生之外,Swisscom的数字孪生三重奏还缺少最关键的环——订阅用户。为此,公司研究团队与英伟达Omniverse团队开展合作,将游戏与电影CGI技术引入电信行业,利用Unity游戏引擎对用户进行实时建模。
这种颠覆性的技术交叉推动着企业内部的网络模型演变,也让现实世界中的测量能力获得了前所未有的准确性保障。从本质上讲,Swisscom决定将3D游戏技术及其计算复杂度极高的物理精确模型作为基准,用于部署5G信号传播模型。
这项技术让企业能够对复杂的城市及室内几何形态进行高分辨率建模,具体涵盖桥梁、隧道、灌木丛等各类可能影响射频传播的目标,同时也兼顾到用户移动行为与动态场景特征(例如乘车场景)。此外,Omniverse还使用Pixar工作室提供的通用场景描述格式实现了详尽城市网格与地理数据的重用性,有效解决了高精度建模环境下的一大核心挑战。
毫无疑问,未来的网络环境只会变得更加复杂,因此模型必须有能力提供广泛的可视化支持。英伟达Omniverse Create将最先进的光线追踪引擎与交互式工具集成起来,帮助电信企业操纵并探索复杂场景、并在其中充分测试电信产品与变更影响。这,也代表着新一代产品开发的基本形式。
5G技术拥有着光明的未来,我们也期待探索这片充满可能性的虚拟世界。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。