随着5G的大规模商用部署和6G的持续创新研究，ToB和ToC涌现了大量的新服务新技术，6G网络的广能力、强性能、高水平自治是其内生设计和自动化智能化演进的关键目标，而数字孪生技术则是实现上述目标的重要抓手和依托。在此背景下，中国移动提出面向6G无线网络自治的数字孪生网络，旨在基于数字孪生网络事前低成本预验证的能力，实现网络的“自发现、自优化、自治愈、自验证”，以及通感算智信等业务服务的预判验证和分析调优，从而不断地助力提升用户各种移动业务和应用体验。本文将结合报告阐述6G无线数字孪生网络的设计理念及技术创新。
无线网络数字孪生的发展现状
业界已在无线通信领域尝试应用数字孪生技术，可以高效地实现无线网络高质量研发和高水平部署应用自治的目标。数字孪生网络是由物理网络及其孪生数字网络组成的网络系统，能够在它们之间进行实时地映射交互赋能赋智操作。它有望为网络运行、运维提供一个接近真实的数字化验证环境，可以实时捕获网络的动态状态、控制网络行为、可追溯性和回放网络行为，并在不干扰真实网络的情况下对解决方案进行效果性能的预验证和评估，从而最大限度地降低试用成本。
（一）典型应用场景用例
6G无线数字孪生网络的典型场景用例可大致分为：系统可视化、功能性能优化、网络自治、技术验证、业务验证、数据衍生增广等几大类用例。
业界已经探索了多种用例，包括基于无线网络数字孪生的网络性能评估验证、面向6G网络高阶自治的规划组网孪生应用、面向6G网络高阶自治的智能切片管理增强、面向6G无线网络高阶自治的广域覆盖优化、面向6G无线网络高阶自治的大规模MIMO多天线权值优化、面向6G智能工厂柔性制造的环境感知功能优化、面向6G网络规划设计过程可视化孪生应用等。
（二）痛点问题和应用局限
尽管业界对无线网络数字孪生做了诸多探索，但它当下仍然存在不少痛点问题和应用局限。例如：
1. 较大的资源消耗和成本
面向无线网络的数字孪生操作，通常会带来大量的数据采集、传输和孪生建模计算等推演工作量，这些需要耗费大量的“通感算”资源和能量。
2. 高质量全数据采集困难
无线网络涉及到众多类型的网元、设备、用户和环境因素，需采集大量的数据，才能较真实地映射网络真实状态和实际性能。由于各种数据来源分散不同步、数据格式不统一、质量不可控等原因，导致高质量完整数据集的获取较困难且成本代价高昂，这会使得无线网络的高阶自智实现在数据源头侧就受阻。
3. 更高质量数字孪生模型
无线通信网络具有非常复杂多样的特征和动态变化的规律，这需要构建精准可靠的数字孪生模型，来精准描述网络真实行为和性能。由于基于专家知识的数学模型难以覆盖所有场景和因素，而数据驱动AI类模型又难以保证泛化性和可解释性，这导致针对无线网络高阶自智所需的孪生模型构建困难，难以保证对无线网络的全面深入认知。
无线网络数字孪生的架构设计
6G数字孪生的核心构想，是赋能拥有自优化、自治愈、自验证等能力的高阶自治网络架构，涵盖了网络生命周期的各个阶段，旨在实现网络全周期自主运行与智能管理，化解网络优化验证的风险和降低各种功能性能预试验而导致的成本损失。
（一）6G无线网络数字孪生的设计原则
面向6G无线网络的数字孪生系统设计，需要全面考虑6G无线新系统的新特征（例如：按需动态适配，弹性可定制，能力开放，绿色低碳等）和数字孪生技术自身技术发展的新特征需求。在当下5G无线网络数字孪生NDT体系的理念实践之上，我们提出下列设计指导原则：可精准感知性、可自主控制性、可仿真验证性、可迭代优化性、可扩展演进性、可故障自愈性、可灵活部署性、可服务于无线网络全生命周期。
（二）6G端到端网络数字孪生的架构设计
图1 面向6G网络端到端视角的数字孪生网络架构设计
（三）6G无线网络数字孪生的架构设计
面向无线网络的RAN数字孪生体与6G网络架构中的其他部分相互协作，互相赋能。
数字孪生体与RAN服务化功能层相互协作。一是数据面，RAN数字孪生体从数据面进行数据获取，从而实时更新RAN侧孪生体模型，保证与物理网络的实时交互；二是计算面，计算面为RAN数字孪生体提供计算能力，智能面可为RAN数字孪生体提供AI决策模型，进行策略的输出；三是智能面，RAN数字孪生体可为智能面提供完备的仿真验证环境，提升AI模型的准确性；四是安全面，安全面为RAN数字孪生体提供安全保障，使RAN数字孪生体免受外部攻击，保障内部正常运转。
RAN通信与算力层为RAN数字孪生体提供网络与算力资源，充分保障RAN数字孪生体得以运行的物理资源。管理编排体为RAN数字孪生体提供服务编排和任务调度，RAN数字孪生体也可为管理编排体提供虚拟编排环境，预验证编排结果的合理性。
无线网络数字孪生的关键技术
无线网络数字孪生的关键技术涵盖数据类、建模类、智能编排等关键技术。
数据类相关技术：
数据采集与处理技术：数据采集与处理是根据网络自主场景的具体要求，准确感知海量异构的数据，灵活选用多种数据采集模式采集数据并对数据进行加工处理的技术。
数据生成技术：数据生成是通过AI等方法生成数字孪生网络所需的大量数据的技术。
数据治理技术等：数据治理是通过一系列策略和规范提高组织数据的可用性、质量和安全性的过程。
数字孪生建模技术：
无线信道孪生建模技术：无线信道孪生技术是通过数字化的形式在虚拟空间中反映原始信道衰落状态和变化全过程的技术。
用户行为建模技术：用户行为建模聚焦于理解并精细化预测用户在网络环境中的行为模式，构建能够反映用户偏好、决策过程和动态变化趋势的仿真模型。
业务建模技术：网络业务建模致力于描绘网络业务流量的复杂动态特征，精确捕捉这一特性并进行有效建模。
网络建模技术：网络建模技术实现对网络的刻画，包含网络元素建模、网络拓扑建模、网络性能建模、网络功能建模等多种技术。
智能编排管理技术：
智能编排技术：数字孪生网络编排分为外闭环编排和内闭环编排，分别实现孪生网络的策略生成和策略部署、策略预验证和迭代优化。
云边端协同的RAN孪生体管理技术：云边端协同的RAN孪生体管理技术通过边缘侧构建低时延局部孪生体处理实时业务，云端构建全局孪生体处理复杂任务，实现RAN高效分层管控。
预验证技术：
-
预验证技术：多孪生模型编排组合和联合优化后形成预验证环境，对未来网络状态进行精准预测，对网络配置参数、AI决策等进行策略性能验证。
总结和展望
无线网络数字孪生能够为不同角色的用户客户提供多维度全网络生命周期的各种数字孪生服务。展望未来，无线网络数字孪生在数据质量和安全、模型构建和更新、计算能力和效率、可视化和交互等方面仍面临挑战，亟待产学研协同创新和突破。
参考文献：
[1]新一代无线通信系统数字孪生体系架构和关键技术，研究报告，CCSA，2025.
[2]数字孪生网络实践与启示研究报告，研究报告，6GANA，2024.
[3]基于数字孪生网络的6G无线网络自治白皮书，中国移动研究院，2022.
[4]G. Liu et al., 6G autonomous radio access network empowered by artificial intelligence and network digital twin[J]. Frontiers of information technology & electronic engineering, 2025, 26: 161–213.
[5]G. Liu et al., Native Design for 6G Digital Twin Network: Use Cases, Architecture, Functions, and Key Technologies[J]. IEEE Internet of Things Journal, 2025, 12(15): 29135-29151.
[6]G. Liu et al., Artificial-intelligence-empowered digital-twin-based network autonomy[J]. Frontiers of information technology & electronic engineering, 2025, 26(2): 157-160.
[7]Y. Huang et al., Digital Twin Network-Based 6G Self-Evolution[J]. Sensors, 2025, 25: 3543.
审核：金婧 | 未来研究院
作者：郑青碧、朱艳宏、楼梦婷 | 未来研究院
