【阅读】“数字孪生”的未来：它对移动网络意味着什么？

原文地址  2021年8月20日“数字孪生”的未来：它对移动网络意味着什么？ - Ericsson“数字孪生”的未来：它对移动网络意味着什么？https://www.ericsson.com/zh-cn/blog/2021/7/future-digital-twins-in-mobile-networks-chinese

从本质上讲，数字孪生体是对资产和过程的软件表示

1. 使用数据模型和数据结构表示物理世界，观察、状态和关系

2. 通过来自物理世界的连续的实际数据构建数字孪生实例

3. 对数据进行操作，分析，预测，模拟不同场景，获得洞察

4. 不同的api和可视化与孪生体进行交互。获得的洞察被用于在现实世界做出更好的决策

学术界认为，数字孪生是通过数字化的方式借助历史数据、实时数据以及算法模型等，模拟、验证、预测、控制物理实体全生命周期过程的技术手段创建物理实体的虚拟实体。

企业对数字孪生的定义是资产和流程的软件表示，用于理解、预测和优化绩效以实现改善的业务成果。由数据模型，一组分析或算法，以及知识三部分组成。

结合两组定义不难看出，数字孪生不同于仿真、信息物理系统CPS、数字主线、资产管理壳等技术，其主要具备以下几个特点：互操作性、可扩展性、实时性、保真性以及闭环性。

在网络中的应用

1. 新服务 - 使用网络数字孪生体创建一个当前网络状态的副本（“孪生体”），然后在孪生体中部署新服务，使用分析模型来模拟和分析服务性能及其对其他现有服务的影响。如果一切正常，我们就可以继续推出这些服务。但是，如果存在潜在问题，我们可以使用这种新的洞察来调整服务参数或为增加的负载做好网络准备。具体措施包括采用更新后的使用配额或实际的网络升级，以支持增加的负载。（评估新服务）

2. 未来的场景和部署 - 在进行网络升级和扩容时，了解何时以及如何以最佳方式执行此操作非常重要。我们通过分析当前趋势并添加预期的未来发展来预测服务需求。一旦确定了所需的网络和计算能力，即可使用数字孪生体来测试不同的未来场景。可以更详细地分析传输和云基础设施的覆盖改进和扩展选项，并对最终性能进行比较。另一个独立但相关的方面是不同故障情况对服务的影响。在数字孪生体中，运营商将能够识别弱点并量化故障的后果。通过这样做，可以更详细地评估客户期望的实现情况和SLA违规的财务风险。然后，在规划未来时，可以考虑这些洞察，以优化投资并将投资汇集到具有最佳经济价值的地方。（网络升级扩展）

3. AI训练 - 大多数AI算法需要大量真实数据进行训练。当真实网络不能提供足够的数据时，可以使用数字孪生体来训练算法，或者，在强化学习的情况下，将开发中的AI算法应用于真实网络是有风险的。在数字孪生体中，还可以创建在网络运营中罕见的不同问题情况和故障，使得AI算法能够针对这种情况进行训练，以便在实时网络中确实发生这些情况时加以识别并正确采取行动。（AI训练环境）

4. 配置和功能更改 - 当您在网络中应用新配置、新AI模型或新软件时，在将其引入整个网络之前要了解其执行情况，这一点非常重要。在当今的持续集成和部署（CI/CD）管道中，进行金丝雀测试以验证服务是否按预期执行和运行。数字孪生体会是在安全环境中测试影响的另一个工具，例如，通过评估在云环境中部署新软件的计划步骤，以确保可用资源足以执行测试，如果成功，则切换到此新版本。（测试新应用）

面临的挑战

【数据】那么，我们怎么才能真正实现此目标呢？需要落实几个不同的方面。其中搞得关键使能因素是数据。数据驱动型网络架构对于开发数字孪生体所需的基础设施至关重要 - 我们需要实时或至少近乎实时地了解网络状态。对比目前通常所做的工作，需要更为详细地进行测量，测量结果汇集在数据库中并可供分析。在这一领域，目前正在进行大量工作，以捕获数据并收集这些数据以供以后使用。对于某些用例，数据可用性已足以创建数字孪生体，而对于其他更高级的用例，仍然需要改进该领域的功能。更详细的分析通常需要更详细的数据，并且需要平衡收集和管理数据的成本与不同用例所获得的收益。

【计算资源】在数字孪生体中，历史数据和当前数据将被用于创建模型，以了解行为、分析当前情况并预测未来。在复杂性、准确性以及运行模型所需的计算资源之间也存在权衡。在某种程度上，我们得到了计算机硬件改进和云环境可用性的帮助。但即使在今天，在实践中只能为相当小的系统和很少的用户执行详细的模型。在许多情况下，还需要考虑时间因素：需要在孪生体中比在真实网络中更快地评估模型。否则当我们得到答案时，它虽有帮助，却为时已晚。为了满足这些相互冲突的需求，将根据现成的用例、感兴趣的网络领域和所需的详细程度混合使用不同的模型。有些将基于不同的行为和物理模型，而其他模型将使用AI并完全从数据中学习。

【交互工具和API】为了完成数字双孪生体，需要开发用于交互的各种工具和API。人类将创建不同的场景和测试配置，并控制它们在孪生体中的执行。还需要新的可视化界面以快速和可访问的方式呈现结果和发现，支持及时的决策流程。按同样的方式，数字孪生体还必须可以直接从用于开发和操作的软件中访问，而无需人类的直接参与。这种访问将通过管理系统和AI训练管道以及其他数字孪生体进行。通过这种方式，网络数字孪生体可以成为更大的数字孪生生态系统的一部分，例如城市规划、交通、智能建筑和电网。

下一步 - 数字孪生体的演变

有了上述前景和确定的机会，我们如何才能在该领域实现预期的能力？我们需要同时发展两条路径，以逐步将新的解决方案引入网络运营和开发。

【专门化】一方面，针对最具吸引力的用例，将继续开发专门的解决方案，并且已经在现有解决方案中添加新的功能。随着这些技术的发展并变得愈发先进，与我们在物联网领域见证的发展类似，可能会出现通用组件和框架，并逐渐演变为具有普适性的解决方案和新数字孪生体的平台。

【标准化】另一方面，有必要了解数字孪生体将如何适应不断发展的网络架构的更大图景。目前正在进行标准化工作（IETF和ITU-T），以定义网络环境中数字孪生体的架构。这些举措一旦成熟，将构成为不同用例创建框架和解决方案的基础，包括前面提到的用例和尚待发现的未来用例。

引用90多年前出版的《科学奇妙故事》中的预言：“为了避免你得出结论，认为智能或准智能机器纯粹是凭空想象的事物，请记住，如今我们已经有了比任何人类都能更快、更好地‘思考’的机器...毫无疑问，在未来，会有更多奇妙的机器沿着这些路线不断发展。”