数字孪生的架构是什么？

基本上，通过物联网，我们试图与机器、交通、环境条件或其他任何方面获得连续和当前的视图，然后我们可以利用这些信息去更好地完成某些工作。该操作可能是预测计算机何时会发生故障，或者更有效地路由通信流，但是对于许多用例，收集数据、提供见解和采取行动之间的时间间隔很短。

优化移动网络变得更快了

举个例子，在红绿灯改变或者一个人从杂货店的货架上走了几英尺远之前，对此数据进行分析。弄清楚如何分析传入的数据，然后根据这些数据创建一个模型，例如交叉路口或购物者的数据，以便计算机能够对其进行操作，这就是我们讨论真相的原因。克罗斯比的观点是真理每秒钟都在变化，所以如果我们试图建立一个代表机器或模型真相的数字孪生模型，它需要不断地改变。这对我们如何看待数字孪生的计算架构会有很多启示。

例如，Swim.ai正在与一家美国电信公司合作，实时创建运营商网络的数字孪生模型，然后根据人员的不断移动和他们正在运行的任何应用程序来优化网络。这家运营商正在追踪1.5亿台移动设备，这些设备每天总共产生4兆字节的数据。随着5G技术的出现，设备和基站之间需要追踪的元素越来越多，运营商预计其需要分析的数据量将达到20PB。

在Swim.ai之前，运营商将获取这些数据并将其移动到一个400节点的Hadoop集群中进行批量分析。它大约花了6个小时，需要很多服务器。在切换到Swim的软件后，该运营商可以跟踪这1.5亿台设备和基站，并在100毫秒内开始在其网络上采取行动。它通过在可用的边缘处理器上本地处理数据，并仅使用确定应采取的任何操作所需的数据来实现这一点。

所以网络优化既快又便宜，因为运营商不再需要一个巨大的集群来批量处理巨大的数据块。而且，其蜂窝网络的数字孪生体更准确，代表了接近"真相"的东西，并允许运营商立即采取行动解决问题或提供更好的体验。

在早些时候的谈话中，克罗斯比说，他遇到的最大挑战是想办法利用Swim软件赚钱。向郊区或城市收费25美分一次的API调用，以提供几乎即时的流量预测或红灯状态不起作用。这个用例很有趣，但经济性并不存在。没有足够的人愿意支付如此高的费用来预测交通流量。

对于这个特殊的运营商，这里发现了一个客户有一个高价值的问题，该客户使用大量数据，需要实时洞察，以便采取行动。但是，其中数字孪生体在几秒钟内就代表了实际情况的真相，不确定有多少是值得花费大量金钱的。

例如，杂货店可能会想弄清楚购物者在哪里，这样当购物者靠近某一特定产品时，他们可以提供建议。一家物流公司可能想知道，当卡车接近最便宜的汽油时，他们可以命令他们停下来加油。随着电动汽车和卡车越来越普遍，每秒了解汽车的充电水平和附近充电器的位置将非常重要。

首先，数字孪生必须在几秒钟内提供实时见解和变化。这意味着我们需要标准，而像微软这样的公司努力使手工构建办公室或商店的数字孪生变得容易，这似乎是错误的策略。

第二个观点是，我们需要重新思考我们如何处理数据——我们存储什么，存储在哪里，以及如何以比我们今天更灵活的方式将数据与计算联系起来。

　　版权及免责声明：凡本网所属版权作品，转载时须获得授权并注明来源“物联之家 - 物联观察新视角,国内领先科技门户”，违者本网将保留追究其相关法律责任的权力。凡转载文章，不代表本网观点和立场。

延伸阅读