近年来，数字孪生的概念炙手可热，其意义是指在数字世界中创建物理世界的镜像，在接收物理世界真实信息的基础上，能够反过来驱动、指导物理世界，并能够逐步进化为物理世界的超体，做到比物理世界先知、先觉。

2020 年 4 月 7 日，国家发改委和中央网信办联合发布《关于推进“上云用数赋智”行动 培育新经济发展实施方案》，提出“数字孪生创新计划”，要求“引导各方参与提出数字孪生的解决方案”，这将促进我国数字孪生体产业在下一个十年进入快车道。

在此背景下，中国电信、中国移动、中国联通三大运营商均开始推广数字孪生概念，提出创建云网数字孪生的目标。

01 云网资源数字孪生平台建设背景及思路

2019 年，中国电子信息产业发展研究院提出，数字孪生是综合运用感知、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，进而实现物理空间与赛博空间的交互映射。

同年 10 月 16 日，工业 4.0 研究院牵头发起成立数字孪生体联盟，这是全球第一个数字孪生体行业组织，该组织提出数字孪生体作为一种通用目的技术，是驱动第四次工业革命的动力。

目前，业内对于数字孪生体的定义众说纷纭，各国各行业也都在技术摸索阶段。作为我国数字经济建设核心主力军的三大运营商先后推出数字孪生相关的技术白皮书，特别是中国电信于 2021 年 11 月发布了新一代云网运营业务系统资源中心的数字孪生专题的相关技术规范。

云网资源数字孪生并非从零开始建设，我司充分利用现有资源中心和元数据的建设成果，搭建云网资源数字孪生平台：以现有资源中心云网资源融合数据为基础；以元数据设计体系和数字孪生建模方法论为指导；从生产场景切入，运用 GIS、三维技术、AI 等技术，对真实物理网络中每一个实体的组成、特征、功能和性能等信息进行数字化构建。

此外，针对孪生体三维模型构建、三维渲染、地图服务端软件，我们的建设目标是在不引入对商业软件依赖的情况下，基于开源方案，打造完全自主开源的平台系统，逐步建立完善的产品架构体系、并进行落地场景的验证，最终实现孪生平台与业务系统的相辅相生。

02 云网资源数字孪生体实现难点及关键技术

云网资源数字孪生体的实现有以下几个难点，也正是需要解决的关键技术点：

难点一：数据存储模型

• 存储模型设计难

三维描述对象以及对象内部运行情况，需要很强壮的数据模型作为基础，模型设计需要考虑的信息和因素较之二维，难度系数倍增。

• 各系统运行数据如何提供

众多资源设备的生产厂家不一、各省系统建设也具有省份特色。尽管各大运营商也在逐步规范全网统一资源模型，但在实施过程中仍存在网资融合、边界衔接等问题，如何打通各系统间数据，是否需要形成行业标准统一的 API 仍有待商榷和长期探索。

难点二：孪生三维建模

• 三维仿真难

众所周知，三维模型不同于二维，三维的外观刻画需要更详尽的数据支持，需要结合建设施工 CAD 图纸、现场测量调查生成精细化的 BIM 模型，这些都需要专业建模团队才能实现的事情。

基于开源的原则，虽然我司也验证了 Blender、Three、Cesium、GeoServer 等开源软件在数字孪生体可视化架构上的可行性，但在建模软件的使用方面，如果从零开始使用 Blender 手工构建小场景的三维模型，也会存在学习成本高、上手困难等问题，无法快速广泛投入商用。

尽管面临种种的困难以及受各方面的因素影响，系统在努力克服或者尝试用其他方式解决，让这些问题变得不那么棘手：

(一)  构建云网资源孪生体元数据最小集存储模型

针对资源对象进行统一建模，构建几何模型、空间地理信息模型、算法模型、控制模型的数字孪生体模型并实现数据模型的统一标准化输出。

通过底层数据模型的构建，建立单个孪生体、组合孪生体、孪生体结构设计的元数据体系，根据业务场景从不同角度设计描述孪生体的模型，并管理孪生体实例数据。

(二)  建立数据准入规则体系

我们基于定义好的孪生体存储模型提供外系统准入格式，提供 API、数据流、文件等方式接入，数据内容各外系统需要根据定义好的模板传递，对孪生体的操作引起的状态及业务数据变更实时反馈给源系统。这是一种比较理想的方式。

另一种方式采用数据汇聚分层结构：基础层作为系统基表，模型同各生产系统原表，实现数据存放；汇聚层从基表中提取数据，形成孪生体建模所需的各系统的汇聚宽表；孪生体模型层将相关宽表数据按照孪生体模型进行关联、分析、建模，服务上层应用。

(三)  实现孪生体三维模型配置管理、场景搭建，打造完全自主开源的平台及管理系统

打造云网数字孪生体需要三个步骤：孪生体建模设计、孪生体实例管理、孪生体业务场景加载。

在孪生体建模过程中，我们提供了楼宇、机房、机架、设备、板卡、端口等基础三维模型管理，用户可以根据实际情况及一定的规则设计楼宇场景、楼层数，组装设备、操作上下架，这个阶段我们将孪生体状态称之为设计态。

通过数据维护功能，可以在一个机房实例中操作新增设计态的孪生体，根据提供的机架、设备等查询能力，将孪生体模型与实例对象进行关联，从而生成运行态的孪生体。

最后是业务场景的加载过程，根据实际业务需要，与相关系统打通业务接口，对接孪生体运行数据，进行事件监控并实时反馈，如温控、能耗、设备告警、端口告警。

从具体的业务场景出发，以孪生数据模型为根基、以三维可视化为辅助手段、以三维交互为触点，优先解决二维条件下描述抽象、操作困难的一些生产问题。

03 云网资源数字孪生体应用场景及价值

完成云网资源数字孪生体的基础构建之后，精细化程度、渲染效果、数据汇聚、业务场景都需要不断打磨。下面主要针对机房或数据中心场景介绍下云网资源数字孪生体的几个典型场景应用。

场景一：IT 设备智能节能整体解决方案

通过将 AI、大数据等新技术运用到机房节能领域，实现对机房 IT 设备能耗问题的主动发现、方案推荐、模拟操作，全面压降智慧机房的能耗水平，满足绿色节能减碳要求。

通过采集机房能耗数据及 IT 设备负载分类能耗，构建机房 PUE 指标的算法模型、IT 设备耗电指标的算法模型，分析设备业务占用率及能耗，优化 IT 设备负荷率。比如：

1)   将机房内连续半个月平均每天能耗超过 10 度且业务占有率低于 20%的设备通过三维呈现并支持快速定位。

2)   系统查找附件的机架设备，找到同设备类型且占用率高于 50%且空闲的端口数能满足割接过来的端口数量，推荐最优的节能方案。

3)   根据推荐方案，系统支持三维实景操作模拟割接，给出割接影响分析及割接方案，割接成功后提示关闭原设备电源。

场景二：环境云图分析智能调节温度

以将耗电量较大的冷却设备更精准的投放在需要散热的热岛区域上为目标，根据路径算法找到热岛附近的制冷设备，并给出调控推荐。同时通过 AI 模型根据机房环境实时变化自动生成空调最优控制策略，从而最大限度地挖掘机房能耗潜力，实现机房能耗节能。

1)   通过对接机房内的温湿度传感器获取机房内温度实时数据，利用 AI 建模构建机房温度指标及温度预测的算法模型，绘制三维温度云图。

2)   通过对接室外环境温湿度接口，构建室外温度预测的算法模型。

3)   通过对接性能中心获取机房风冷能耗，构建机房冷源能耗预测的算法模型。

4)   基于粒子群算法并结合室内机柜及制冷设备的空间模型获取相对位置，系统自动找出热岛区域内的机柜列表，并基于位置坐标找到附近的合适的角度正确的制冷设备，显示当前空调温度，并在空调右侧提示建议温度、风向（如从上到下，从左到右等）。

5)   人工确认方案无误后，基于空调的控制模型对接空调系统下发控制指令。

场景三：机房流量拟真隐患预测可视

对机房内的设备网元进行算法模型的建模，用于描述设备的内部规律，即根据不同参数运用算法模型分析数字孪生体的内部运行规律，系统针对运行的相关数据，通过建模、大数据算法、机器学习等能力，提取特征数据，获得对应的运行规律，并进行结果输出。

比如 EPC 核心网网元隐患诊断及预警：

1)   基于历史 DPI 性能数据、告警数据和仿真拨测数据，利用 AI 基础平台的异常检测能力，训练隐患预警关联分析模型。

2)   利用性能告警智能门限调节方案，对核心网 DPI 的关键 KPI 和 KQI 指标监控，输出性能故障告警，以及未来 90 分钟内指标性能趋势。

3)   综合未来 90 分钟内性能指标趋势、仿真拨测数据和告警数据的指标进行，利用隐患预警关联分析模型，输出指标劣化隐患预警。

场景四：资产三维动态管理

构建机房内资源资产的数据模型和关联的规则模型，对设备资产进行几何模型的外观建模，基于三维空间模型，在孪生可视中将资源与资产进行关联，维护资产的卡实关系。

借助 U 位管理器等物联网感知设备，实现机房 U 位资产的智能化管理，极大降低人工 U 位盘点和核查的工作量。通过与动环及能耗系统的对接，构建相关指标的算法模型，实现电力容量、制冷量、物理容量的可视化分析。

在未来，我们可以通过对机房或数据中心内的资产精细化管理，实现对存储类、网络类型、安全类等云资源进行标准化适配，针对不同的应用场景，基于统一的量纲，计算逻辑运算能力、并行计算能力、神经网络加速能力等，具备算力评估能力。

04 阶段性小结及未来展望

数字孪生体不仅仅是可视化，现阶段数字孪生体提供一种快速学习、掌握关键信息的立体通道，并能够在三维孪生环境中进行交互。我们需要更多的关注三维效果背后体现了哪些数据、算法、智慧，是否能清晰的表达现实世界中物体真实的外在及内在情况、能否辅助智能化决策。

回到云网资源系统，是专门建设云网资源数字孪生管理体系、还是做数据汇聚平台、还是依托现有资源系统拓展引入数字孪生体，各厂商还是有很多的发挥空间，最终还是要做好自我定位以及找到自身的核心竞争力。数字孪生体涉及多项前沿技术，但都与实际生产脱不了关系，无论领域再如何细分，只要目标一致，终究合作才能共赢。