面对新一轮科技与产业变革，新型信息领域创新性技术正在不断脱颖而出，以数字孪生等为代表的新型技术正在为6G网络的发展打开新的格局。数字孪生作为支撑网络统一规划、编排和管理的发展范式，是赋能6G演进的重要技术方向。本文深入分析数字孪生网络的现状和发展态势，提出面向6G的数字孪生网络分布式架构体系，并针对数据、建模和编排预验证三大核心技术进行介绍。
6G数字孪生网络分布式设计
数字孪生网络是通过对物理网络多维度、全方位的时空精准建模，使物理网络和孪生网络可实现实时交互、虚实映射，增强物理网络所缺少的系统性仿真、优化、验证和控制能力。数字孪生和高效自智是未来6G网络的重要能力。为了满足新一代网络高度自智的需求，6G数字孪生网络将采用“集中式控制+分布式自智”的“全域协同+分域自智”的分层跨域协作架构。
如图1所示，端到端数字孪生体支持端到端网络级自智需求，核心域、传输域、无线域等局部域内网络的数字孪生体基本功能支持域内的网络自智需求。端到端数字孪生体与局部域数字孪生体功能对接，对局部域的数字孪生功能进行编排和交互。中国移动提出“三体四层五面”的6G架构，其中“五面”包括控制面、用户面、数据面、计算面、安全面，通过调用“五”面功能可支持数字孪生功能实现。传统控制面和用户面保证孪生体之间的互通互信，数字孪生体从数据面进行数据获取，从而实时更新孪生体模型，保证与物理网络的实时交互。计算面为数字孪生体提供计算能力，充分保障数字孪生体的稳定运行。安全面为数字孪生体提供安全保障，使数字孪生体免受外部攻击，保障内部正常运转。
图1 6G数字孪生网络分布式架构
端到端数字孪生体具有数据服务功能、网络级数字孪生基本服务功能、网络孪生体编排和管理功能、孪生可视功能。数据服务功能是将数据面采集的数据，构建统一表征数据集，为孪生建模提供服务。数字孪生基本服务功能是整个数字孪生体的核心，完成孪生体建模，可仿真推演和预验证，生成最优网络规划策略，此功能的精细度及复杂度直接决定着孪生网络对物理网络的孪生与映射能力。网络孪生体管理功能负责数字孪生网络的全生命周期管理；编排功能对不同层域的数字孪生模型进行编排。
6G无线数字孪生关键技术
（一）数据准则与适配技术
数字孪生网络包含物理网络功能及数字孪生网络特有功能，除了需要常规物理网络数据支撑虚拟物理网络的功能外，还需要更多数据支撑数字孪生网络特有功能，数字孪生网络数据具有体量更大、种类更丰富、颗粒度更高等特点。数字孪生网络具有如下数据准则：
数据轻量化：数字孪生网络需要采集大量的数据支撑各类算法，会带来大的数据开销与数据冗余，需要轻量化采集的数据解决这些问题。数据轻量化技术可以降低采集的数据体量；可以使用数据表征技术、元数据、数据分布式部署、分析数据关联关系等方式来接觉上述问题。
数据开放：数字孪生网络的构建不仅需要当前3GPP规定的标准化数据，还需要终端上报更多类型、颗粒度更高的数据支撑精细的孪生场景，需要数据进一步开放。数字孪生网络将实现网络规、建、维、优在数字域的统一。
数据标准化：数字孪生网络将同时接入异厂商的数据，需要标准化的数据格式与数据接口，建立统一的数据采集机制。
高精度：数字孪生网络需要高精度的数据支撑高精度的建模，但采集到的数据可能会出现数据缺失、数据错误等问题，需要建立数据精度保障机制(如云边数据协同校准、重采样等)，采用适宜的数据处理技术(如数据填充、数据预测、离群值处理等)获取高精度数据。
灵活采集：数字孪生网络将实现不同场景用例的技术预验证，不同场景用例所需的数据种类与时间颗粒度存在差异性，部分数据可以在不同场景间复用，需要建立灵活的数据采集机制实现大量数据的灵活按需获取，如按需调整数据采集时间间隔，获取不同颗粒度的数据；历史数据定期存储与清理，增加数据的复用性；孪生体间数据灵活调用，降低数据采集频次等。
按需生成：数字孪生网络通过数据采集方式获取大量数据将为数据传输带来巨大负担，同时，由于数据隐私需求导致部分数据不能获取，数字孪生网络所需的大量数据可以通过数据生成技术生成，降低采集开销，现网难以获取的故障数据集也可以通过孪生网络生成与扩充，提升识别、定位故障算法的精确度与泛化性。
高实时性：数字孪生网络与物理网络虚实映射，需要更实时的数据映射保障孪生网络的拟真性，满足多种场景的不同实时性需求，可以通过设置定时更新、触发更新等多种更新模式融合的数据更新机制、建立高实时数据采集协议等多种方式支撑数据实时性。
（二）数字孪生网络建模技术
模型是孪生网络的核心，建模的准确性直接决定了数字孪生网络的预测、仿真和优化等方面的性能和效果。数字孪生网络主要包括基础模型、行为模型、规则模型和功能模型。不同种类模型的构建方法如下：
基础模型：基础模型主要指对物理网络的网元、拓扑、链路等的几何形态、物理属性、功能属性、性能属性等构建模型。可通过如下方法进行构建：一是利用知识图谱技术对网络实体的属性和拓扑、依赖关系进行建模；二是利用神经网络(例如，LSTM、GNN)在更为复杂的网络环境下提取不同种类节点之间的时间和空间特征，进而对节点关系进行智能建模。
行为模型：行为模型指为网络中存在的自发动态行为建立的模型，试图捕捉网络、网元的变化模式和趋势，例如，网络流量模型、移动终端轨迹模型、多径衰落模型、数据包生成模型等。可通过如下方法进行构建：一是利用生成对抗网络学习复杂网络行为的数据特征，构建与真实行为数据同分布的模型；二是利用大模型聚合丰富的网络知识，并通过适当的小模型提取方法快速生成适用于具体场景的行为模型。
规则模型：规则模型是基于网络领域既定规则、专家经验知识以及相关领域标准与准则等构建的模型。这些规则描述了网络条件和对应操作，既包括了不同规则本身，也包括规则之间的逻辑关系以及在整个模型中的作用，例如，网络接入控制模型、安全性规则模型等。可通过如下方法进行构建：一是可以利用决策树表示和执行基于条件的规则模型；二是在复杂的规则逻辑模型中，可以利用有限状态机将规则与特定状态相关联，并定义在状态转换时要执行的动作；三是可以利用自然语言处理技术来理解和处理人类语言中的规则信息，进而更便捷地构建规则模型。
功能模型：功能模型指用于实现上层网络功能的模型(规、维、优、运)，包括用于实时监测的网络状态预测模型、网络优化模型等。可通过如下方法进行构建：一是利用图神经网络构建预验证环境模型，根据网络节点的属性和连接关系，对给定网络策略下的系统性能进行预测；二是利用深度强化学习算法构建网络优化模型，通过不断与网络环境交互，学习得到最佳的网络优化策略；三是利用大模型对全网信息进行聚合，通过提取小模型来为具体网络场景构建状态预测、策略预验证模型。
（三）双闭环编排预验证技术
编排是孪生体运行的关键，智能编排技术为数字孪生网络带来了全新的管理和优化范式，通过智能编排技术，实现双闭环优化控制，达到孪生网络自动化管理、策略自动优化，使孪生网络具备灵活性、可扩展性和自演进性，使其能够根据实际需求调整运行策略，解决高性能预验证的核心问题。
1.内闭环编排
数字孪生内闭环编排是指在网络孪生体内基于构建的模型，进行面向场景的虚拟环境、仿真模型、智能策略等编排，从而实现闭环仿真验证和策略的迭代优化。如图2所示，一个完整的内闭环流程需通过场景编排、模型编排、策略编排依次实现。
场景编排。首先需通过意图解析，进行场景识别，挖掘和表征场景所涉及网元及拓扑关系，根据表征的网元信息，从模型库检索出所需网元进行调配，通过拓扑表征关系进行孪生场景的编排。
模型编排。根据虚拟网络环境选择网元节点对应仿真模型，构建网络仿真引擎。将所涉及的模型进行组合，多维模型联合优化，与物理网络对齐参数，对编排后的整体孪生环境进行智能校验，使孪生网络准确性和一致性得以保证。
策略预编排。基于构建和编排好的孪生网络，对基于AI等生成的智能策略进行编排，从而实现策略预验证。若验证过程中策略可行性欠佳，需继续迭代优化，直到仿真结果满足，才能配置下发。
2.外闭环编排
网络数字孪生外闭环编排是基于业务需求，将业务部署的工作流程进行规范，孪生网络进行策略生成和验证，再转化为标准化策略通过北向的标准化接口下发至物理网络，驱动网元编排，完成策略配置，实现外闭环优化控制。外闭环编排按功能可分为高层业务编排和网络网元编排。
高层业务编排。主要负责解析孪生任务的需求，进行业务部署，将业务部署的工作流程进行规范，再转化为标准化策略通过北向的标准化接口下发给底层资源控制器。
物理网络编排。根据下发策略，调配、更新和管理实体及虚拟网元，同时将当前的实体网络状态反馈给网络孪生体，孪生体根据反馈信息，收集网络实时数据，迭代优化模型，进行策略的改进。
外闭环编排可基于意图编排方法实现，引入意图引擎进行用户意图的转译、验证等，将输入的用户意图翻译为机器可识别的语言，启动内闭环流程输出可行性的策略来满足用户意图，配置下发至物理网络时，驱动网元更新，并进行冲突检测和可行性验证，若验证不可行，可通过意图保障机制进行策略的迭代优化。
图2 数字孪生网络双闭环编排示意图
总结
本文总结了数字孪生网络的发展现状和态势，提出了面向6G的“集中式控制+分布式自智”的“全域协同+分域自智”的数字孪生网络分层跨域协作架构，以及数字孪生网络关键技术，为实现6G自智奠定了基础。
展望未来，数字孪生网络仍面临诸多关键挑战。中国移动将协同产业伙伴持续攻关数据、建模和编排预验证等关键技术与可行性验证，全方位提升6G通感算智融合网络运行可靠性及效率，赋能6G网络高等级自智。
审核：金婧 | 未来研究院
作者：辛雨桐、朱艳宏、康曼聪、楼梦婷 | 未来研究院
声明：本文来自中移智库，版权归作者所有。文章内容仅代表作者独立观点，不代表安全内参立场，转载目的在于传递更多信息。如有侵权，请联系 anquanneican@163.com。
