本公众号部分分享的资料来自网络收集和整理，所有文字和图片版权归属于原作者所有，且仅代表作者个人观点，与本公众号无关，文章仅供读者学习交流使用，并请自行核实相关内容，如文章内容涉及侵权，请联系后台管理员删除。
来源：马铁宝
宗升科技 · 数字孪生落地系列（二） · 总第84篇
六张网建完了，谁来管？
物理世界的运营底座
本文是"数字孪生落地"系列第二篇。第一篇《数字孪生——看得见和控得住之间，隔着什么？》讲的是"为什么难"——从看到控的三重阻力和L1→L4演进路径。本篇讲"用什么管"——几十万亿物理基础设施建完之后，需要一套什么样的运营操作系统。
60秒内容一览
核心判断：六张网7万亿投资，所有人盯着"建"，几乎没人谈"管"。建是一次性投入，管是全生命周期运营。没有运营底座，几十万亿物理资产就像没有操作系统的电脑——硬件再好也跑不起来。
底座是什么：数字孪生+IoT+AI不是某一张网的附属功能，而是所有物理基础设施的"运营操作系统"。国家电网已经定调——"数字孪生不是加分项，而是运行方式本身"。
底座长什么样：六层运营架构，从语义底座到安全审计闭环，不是概念框架，是已经设计好的落地方案。
谁来验证靠不靠谱：今天（7月29日）发布的OpsEval 3.0，从"考背书"到"考真的修好了"，给出了AI运维能力的质检标准。首轮通过率65%——说明AI运维还在早期，但验证体系已经就位。
01
几十万亿建完了，然后呢？
从"建"到"管"的切换，比建设本身更漫长
2026年，一个词开始频繁出现在政策文件和行业讨论中——"六张网"。
水网、新型电网、算力网、新一代通信网、城市地下管网、物流网。六张网相互关联，共同构成国家运行的新一代基础设施。据初步估算，2026年相关投资将超过7万亿元。
这个数字容易让人联想到2008年的"4万亿"。但两者的本质完全不同。2008年的4万亿投的是铁公基——铁路、公路、机场，逻辑是直接创造需求、消化过剩产能。六张网的7万亿，逻辑是系统性降低全社会运行成本：智慧物流降低流通成本，算力网降低创新成本，新型电网降低能源成本，智慧水网降低资源耗损成本。
换句话说，4万亿买的是硬件，7万亿买的不仅是硬件，更是硬件背后的运营能力。
但问题恰恰出在这里。
打开任何一篇关于六张网的报告、政策解读或行业分析，满眼都是投资规模、技术参数、建设进度。电网"十五五"期间新型电网投资预计超5万亿，水网要铺多少传感器，算力网要建多少数据中心——所有注意力都集中在"建"上。
这不难理解。"建"是最容易量化的：投了多少钱，铺了多少线，装了多少设备，年底可以写进报告。而"管"是难以量化的：运营效率提升了多少，故障响应缩短了多少，全生命周期成本降低了多少——这些数字要等系统跑起来才知道。
但"建"和"管"是两回事。
建是一次性投入。管是全生命周期运营。建完不管，就像买了一栋写字楼却不装物业系统——电梯谁开？消防谁管？能耗谁盯？设备坏了谁修？
六张网的每一张网，最终都落到物理资产的运营管理上。电网有输变电设备要巡检，水网有管网泄漏要预警，算力中心有机房环境要保障，物流枢纽有冷库温控要盯守。这些物理资产的设计寿命动辄20年、30年，甚至50年。建设期可能只有3-5年，但运营期是建设期的6到10倍。
几十万亿的物理基础设施建完了，谁来管？怎么管？用什么系统来管？
这个问题，目前几乎没有人在系统性回答。
02
物理世界需要一套运营操作系统
Windows之于PC，Android之于手机
要回答"用什么管"，先得理解一件事：六张网看似各自独立，但在运营层面，它们面对的是同一个命题。
六张网的精髓不在于"六"，而在于"融合与下沉"。算电协同是电网与算力网的融合，智慧物流是物流网与通信网的融合，智慧城市是水网和地下管网的衔接。融合意味着数据要打通，下沉意味着管理要落地。无论哪一张网，最终都归结为同一组问题：设备在哪、状态如何、出了问题怎么处置、处置完怎么验证。
这组问题，恰好是数字孪生+IoT+AI要回答的问题。
但这里有一个常见的认知偏差：很多人把数字孪生理解为某张网的"附属功能"——电网用数字孪生做仿真，水网用数字孪生做泄漏监测，算力中心用数字孪生做机房可视化。这种理解把数字孪生降维成了一个"展示工具"。
国家电网给出了一个更准确的定位。
国家电网构建了覆盖"发、输、变、配、用、新"全链条的"电网一张图"数字孪生平台，本质上是实体电网在数字空间的完整映射。但关键不在于"映射"——而在于国家电网对它的定调：
数字孪生不是新型电网的加分项，而是其运行方式本身。
这句话的分量很重。"加分项"意味着锦上添花，有则更好，无则无妨。"运行方式本身"意味着没有它，电网就没法跑——就像没有操作系统，硬件就是一堆硅片。
电网之所以率先走通，一个重要原因是国家电网作为单一主体，有意愿也有能力系统性推进数字孪生。但六张网的其他几张网——水网、管网、算力中心、物流枢纽——主体不同，节奏不同，专业不同。它们能直接复制电网的经验吗？
答案是：不能照搬，但面对的是同一组命题。无论哪张网，运营层面都归结为同一组问题——设备在哪、状态如何、出了问题怎么处置、处置完怎么验证。这组问题的答案，恰恰是数字孪生+IoT+AI要回答的。电网验证了可行性，各网面对同一命题，数字孪生+IoT+AI因此成为所有物理基础设施的运营底座。
更准确地说，它是一套物理世界的运营操作系统。
Windows之于PC，Android之于手机——操作系统的核心价值不是某个具体功能，而是它提供了统一的资源调度、进程管理、安全隔离和交互接口。物理世界的运营操作系统也是如此：它不替代任何一张网的专业系统，但它提供了一套统一的语义底座、感知接入、决策推理、执行调度和安全审计能力。
数据驱动的可计算数字孪生，具备极高价值，将成为新一代数字化基础设施。它不仅能够反映物理对象行为，还可以在虚拟世界中向数字孪生体下达操作指令，实现对物理世界的控制。这不是"展示一面镜子"，而是"在镜子里试错，在现实里执行"。
这个底座，不是概念，不是愿景。它已经有了一套完整的设计图。
03
底座长什么样——六层运营架构
不是概念框架，是已经设计好的落地方案
宗升科技在智慧运维领域的多年实践中，设计了一套"物理空间运维智能体平台"六层架构。它不是理论框架，而是从楼宇、园区、高校、医院、工厂、文旅场馆等多业态项目中提炼出来的工程方案。
LAYER 01
空间与资产语义底座
解决什么问题：让AI真正理解物理空间
一栋楼里有多少设备？每台设备属于什么系统？服务哪些空间？跟哪些管道相连？这些问题，人靠图纸和经验能回答，但AI答不了——因为传统BIM模型存的是几何信息，不是语义信息。
语义底座做的事，是把物理空间的结构化知识"翻译"成AI可理解的语言：设备的位置、归属、连接关系、服务范围、维护历史。没有这一层，AI看到一堆传感器数据，却不知道这些数据"说的是谁"。
LAYER 02
实时IoT感知
解决什么问题：告诉AI"现在怎么样"
传感器每秒产生海量数据——温度、湿度、流量、压力、振动。但原始数据不等于信息。一台空调的回风温度偏高，是传感器故障？是滤网脏了？是冷机效率下降？还是室外温度过高导致负荷超标？
这一层的核心能力，不是"采集数据"——采集是传感器的事。它的核心是把原始数据转化成可推理的态势：从"温度35℃"变成"3号空调机组冷凝器效率异常，疑似冷媒泄漏"。
LAYER 03
运维世界模型
解决什么问题：从"实时镜子"到"模拟器"
传统数字孪生是一面镜子——展示当前状态。运维世界模型要求更进一步：不仅能看到"现在"，还要能推演"如果……会怎样"。
如果关掉3号冷机，2号冷机能否承担全部负荷？区域温度会上升多少？多久会触发报警？如果明天室外温度38℃，今天的能耗会涨到多少？哪些设备需要提前预冷？
这一层是整个架构的能力中枢。它把静态的"设备模型"变成动态的"运行模型"——先在虚拟空间里验证，再在物理空间里执行。这正是"在镜子里试错，在现实里执行"的技术实现。
LAYER 04
多智能体协同
解决什么问题：让不同角色的AI各司其职
运维不是单一任务，涉及全局调度、设备诊断、能耗优化、风险预警等多个专业方向。在AI架构中，这些方向对应不同专业分工的智能体（Agent），各自有专属的知识库、工具集和决策权限。多智能体协同的核心不是"一个超级AI什么都能干"，而是"多个专业AI各干各的，但能互相调用、协同决策"。
LAYER 05
人/机器人/设备执行
解决什么问题：决策落地，谁去干
AI再聪明，最终要有人去拧阀门、有机器人去巡检、有设备自动执行控制指令。这一层定义的是"人+机器人+设备"的协同执行模式，以及L0-L4四级自动化权限：
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
从L0到L4，不是一步到位，而是逐步授权——先在低风险场景验证可靠性，再逐步扩大AI的自主权限。
LAYER 06
安全审计闭环
解决什么问题：AI出错了怎么办
这是最容易被忽略、但最不能省的一层。
物理空间的运维，容错率远低于数字空间。一个AI聊天助手说错话，最多是用户体验差。但一个运维智能体误判了ICU手术室供氧系统的压力状态，错误执行了管路切换——这不是一个bug，是一条命。误停数据中心制冷导致服务器宕机、误关消防排烟导致疏散延误——物理世界的操作后果不可逆。
因此，第六层做三件事：幻觉与错误诊断控制（AI"不确定"时必须降级为人工接管）、高风险动作审批（关键操作必须经人工确认）、全流程可审计（每一步操作有据可查，事后可复盘）。
安全审计闭环不是限制AI的能力，而是让AI的能力可以被信任。不被信任的能力，永远不会被真正使用。
需要特别说明的是，这套架构的壁垒不在任何单层，而在于六层之间的贯通。
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
最终形成的能力不是一个"会聊天的软件"，而是一套掌握物理空间运行规律的行业操作系统。
它的定位很明确：不与大模型公司竞争模型，不与机器人公司竞争本体。最有价值的位置是成为AI连接建筑与城市物理世界的行业操作层——向上连接多种模型和智能体，向下连接BIM、IoT、视频、BAS、机器人及人。
04
AI到底能不能管好——OpsEval的验证层
从"考背书"到"考真的修好了"
六层架构设计完了，一个绕不开的问题浮出水面：AI到底能不能管好？
这不是反问，是行业决策者真正在问的问题。你可以展示一套完美的架构图，但决策层的下一句话一定是："这套东西跑起来，AI靠谱吗？出错率多少？出了错能兜住吗？"
回答这个问题，不能靠概念，得靠评测。
今天（7月29日），在2026可信云大会上，一个叫OpsEval的运维大模型评测体系发布了3.0版本。它由中国科学院计算机网络信息中心联合清华大学、南开大学、中国信息通信研究院及多家产业单位共同推出。它的演进路线，恰好回答了"AI到底能不能管好"这个问题——只是回答的方式，出乎很多人意料。
从"考背书"到"考真的修好了"
OpsEval的三个版本，本质上是在重新定义"AI靠谱"的标准：
|
|
|
|
|
|
|
|
|
1.0考的是知识——近9000道运维领域选择题和问答，考你"知不知道"。2.0考的是任务——给你故障数据，看你能不能诊断出根因。3.0考的是结果——给你一个真实故障环境，你进去修，修完了系统独立验证，看故障到底有没有被解决。
这个演进路线的核心逻辑是：从"回答得怎么样"到"事情到底有没有做成"。
3.0版本最关键的设计是三个关键词：Stateful（动态环境，会被操作改变）、Executable（能调用终端、日志、监控工具执行修复）、Auditable（全过程可复核）。首批75个可执行故障任务，覆盖配置错误、资源异常、进程状态、端口漂移和权限问题。
它的验证逻辑特别值得注意：验证器只检查最终系统状态，不要求智能体复现唯一命令序列——只要在安全边界内恢复系统并满足验收条件，即判定成功。换句话说，不问过程多漂亮，只问结果靠不靠谱。
这恰好对应了六层架构中第六层"安全审计闭环"的设计理念：允许AI自主操作，但必须有独立验证和全流程可审计。
65%——说明什么？
65%
首轮总体通过率
首轮评测结果：6款主流模型，固定Agent框架，各运行20次，共120次任务。总体通过率65%。表现最好的kimi-k3达到95%，最低的50%。
65%意味着什么？意味着AI运维已经不是"能不能用"的问题，而是"在哪些场景能用、用得多深"的问题。但也意味着——它还在早期。三分之一的故障，AI还修不好。
但更重要的信号不在通过率本身，而在于：验证体系已经就位。
就像六层架构回答了"用什么管"，OpsEval回答了"管得好不好怎么知道"。没有评测标准，AI运维就只能停留在"看起来很智能"的演示阶段。有了评测标准，行业才有资格谈"AI运维可以进入生产环境"。
从数字孪生的视角看，OpsEval的三个阶段恰好对应了从"看得见"到"控得住"再到"管得好"的演进路径。1.0考的是"你能不能看懂"（看得见），2.0考的是"你能不能诊断"（管得到），3.0考的是"你能不能修好"（控得稳）。评测标准的成熟，意味着整个运营底座从"建设期"进入了"验收期"。
05
这不是一家的事
几十万亿的物理基础设施正在从"建设期"迈向"运营期"
回到开头的问题：六张网建完了，谁来管？
答案已经清晰了。不是某一张网的专属系统，不是某个部门的孤岛平台，而是一套贯通物理空间语义、实时感知、世界模型、多智能体协同、人机设备执行和安全审计的运营底座。数字孪生+IoT+AI，就是这套底座的技术内核。
但必须说清楚一件事：这套底座，不是任何一家公司能独立完成的。
六张网涉及电力、水利、通信、物流、城建等十几个行业，每个行业有自己的专业机理、安全规范和数据标准。没有任何一家企业能同时掌握所有领域的深度知识。六层架构中，每一层都需要行业共建：语义模型需要各业态的设备厂商贡献知识，IoT感知需要传感器和网关厂商开放协议，运维世界模型需要暖通、电气、给排水等专业的机理模型积累，安全审计体系更需要不同行业的安全规范注入。
宗升科技在这套架构中做的是连接层——向上对接多种模型和智能体，向下连接BIM、IoT、视频、BAS、机器人及人。不是要替代任何一方的专业能力，而是让各方的专业能力有一个统一的调度和协同入口。
六张网7万亿的投资，带来的不只是建设机会，更是运营机会。建设期有终点，运营期没有终点。在"建"的阶段，价值在于工程交付；在"管"的阶段，价值在于持续降本、持续提效、持续进化。
六张网的精髓是"融合与下沉"。融合要求数据打通，下沉要求管理落地。而数字孪生+IoT+AI这套运营底座，正是"融合"的技术载体和"下沉"的执行手段。
回到系列第一篇的那个判断：数字孪生从"看得见"到"控得住"之间，隔着认知惯性、投入门槛和既有关系锁定三重阻力。本篇要补充的是：
控住之后，还需要一套系统来持续运营——这就是六层架构的意义。看得见是起点，控得住是手段，管得好才是目的。
几十万亿的物理基础设施正在从"建设期"迈向"运营期"。这个切换，比建设本身更漫长，也更需要一套可靠的底座来支撑。
这个底座，值得行业共建。
名词解释
六张网：水网、新型电网、算力网、新一代通信网、城市地下管网、物流网的统称。2026年国家推进的六大基础设施网络，投资超7万亿元，核心目标是系统性降低全社会运行成本。
数字孪生：把真实世界的物理资产（比如一栋楼、一条管网）在电脑里建一个一模一样的"数字副本"。这个副本不只是长得像，还能实时同步真实设备的状态——真楼里空调开了多少度，数字楼里立刻能看到。更进一步，还能在数字副本里先试操作，确认没问题了再在真实设备上执行。
IoT（物联网）：给各种物理设备装上传感器和网络模块，让它们能上网"说话"。比如水管上装个流量传感器，一旦漏水，传感器立刻发消息报警。IoT就是数字孪生的"眼睛和耳朵"。
运维世界模型：传统数字孪生像一面镜子，只展示"现在什么样"。运维世界模型更像一个"水晶球"——不仅能看到现在，还能预测"如果关掉这台设备会怎样""明天高温天能耗会涨多少"。先在虚拟空间里试错验证，再在物理空间里执行操作。
AI Agent（智能体）：不只是能聊天的AI，而是能"干活"的AI。给它一个任务（比如"3号空调机组故障，去排查"），它会自己调取数据、分析原因、生成方案、甚至执行操作。多个Agent还能像团队一样分工协作。
OpsEval：专门考AI运维能力的"考试系统"。1.0考知识（懂不懂运维），2.0考任务（能不能诊断故障），3.0考结果（有没有真的把故障修好）。由中科院、清华、南开等联合推出，2026年7月29日发布3.0版本。
BIM（建筑信息模型）：不只是3D画图，而是把一栋楼从设计到施工到运维的全部信息（管线走向、设备型号、维护记录）整合到一个数字模型里。相当于给建筑建了一份"全生命周期档案"。
BAS（楼宇自动化系统）：控制楼宇里空调、照明、电梯、消防等设备的自动化系统。相当于楼宇的"神经系统"，数字孪生平台通过它来下达操作指令。
宗升科技 · 数字孪生落地系列
内容简介
2026年六张网投资超7万亿，所有人盯着"建"，几乎没人谈"管"。本文提出：数字孪生+IoT+AI不是某张网的附属功能，而是所有物理基础设施的"运营操作系统"。宗升科技六层运营架构——从语义底座到安全审计闭环——是这套操作系统的设计图；今天发布的OpsEval 3.0，从"考背书"到"考真的修好了"，给出了AI运维能力的质检标准。建是一次性投入，管是全生命周期运营。看得见是起点，控得住是手段，管得好才是目的。