P1 面向数字孪生流域建设的洪涝模拟解决方案 汇报提纲 一、 建设背景与新的要求 二、 洪涝模拟方面技术成 果 三、 数字孪生流域建设成 果 四、 未来展望 P2 01 建设背景与新的要求 P33 洪涝灾害一直是我国的心腹之患 据 2000 多年的历史资料统计 ，我国平均每两年发生 水 平” ( 习近平 ， 2018 ） 全国洪水威胁区域分布图 研发面向数字孪生流域建设的洪涝动态演进模拟业务系统 ， 是实现国家防洪减 灾 和水利高质量发展和的关键任务 数字孪生流域建设背景 P4 2017 年 ， 习近平总书记提出要建设网络强国、 数字中国、 智慧社会 ，把“智慧社会” 作为建设创新型国家的重要内容 年远景目标纲要》 大力推进数字孪生流域建设 ， 并部署各流域管理机构…先行先试。 — 2021 年水利部召开推进数字孪生流域建设工作会议 2023 年 ，基本建成七大江河、 11 个重要水利工程数字孪生平台。 — 2022 年水利部印发《关于开展数字孪生流域建设先行先试工作的通知》 大力推进数字孪生水利建设 ，支撑保障“四预”工作。 — 2023 年全国水利工作会议 数字孪生流域建设背景 P5

福州溪源溪小流域（溪源水库）数字孪生建设项目技术规范书 1 福州溪源溪小流域（溪源水库）数字孪生建设项目 技术规范书 福州市水利局 二〇二三年一月 目 录 第 1 章 总则........................................................................................................... ................8 3.1.1 溪源溪小流域防汛“四预”决策平台................................................ 8 3.2 数字孪生平台............................................................................................ 10 3 ................................................ 18 3.4.2 溪源溪小流域数字孪生场地适应性改造...........................................18 3.4.3 数字孪生服务器................................................................

3 人工智能 .................................................................................. 25 3.4 数字孪生 .................................................................................. 28 四、服务生成算力网络应用案例 系统、数据等构成，对全网的算力资源、网络资源、存储资源及数据 资源等进行统一感知管理，并能够根据业务需求对各类计算、存储资 源进行高质量传递和流动。而作为基础设施层在数字环境中的虚拟化 表示，数字孪生通过利用数字技术和模拟方法，在虚拟环境中对现实 世界的实体、系统或过程进行建模、仿真和分析的过程，能够提供更 好的算网基础设施设计、优化和管理手段。此外，通过内嵌实时智能， 基础设施层一方面能 模型等方式进行表征，具 第九届未来网络发展大会白皮书 服务生成算力网络白皮书 18 体内容可归纳为历史记载、客观现状、主观体验和动作反馈等类型。 目前，基于 AI 的策略自动生成机制、基于数字孪生的策略验证，以 及基于用户反馈的策略自动优化等技术已经成为相关研究的热点。 4）自动执行：基于自主学习的算网自动驾驶 算力网络的基本目标是根据自身资源状态最优地进行用户意图 执行和方案部

生产计划 / 智能排产 智能评审与反馈 设备管理 / 预测性设备维护 应用场景 数字孪生 / 仿真优化生产流程 事故预警 代码辅助赋能工业软件升级 质量管控 / 生产工艺优化 仓储配送 研究范围 …… 低代码开发平台 (APP 开发平台一 APP 交易平台— APP 运行平台 ) 卡奥斯 BaaS 引擎 (COSMO Business Best Practice) 工业机理模型 数字孪生体 Digital Twin 天智工业大模型 Tianzhi Industrial Large Model 数字空间 Digital Spaco 知识图谱 通过建设面向工业的现代模型栈，在在开源基础大模型基础上自主 通过建设面向工业的现代模型栈，在在开源基础大模型基础上自主 研发了天智工业大模型，协同 3900 多个机理模型与 200 多个专家 算 法库，提升了大模型在工业场景下的精度。目前已在工业设计 与研 发、柔性装配与数字孪生等细分场景落地应用。 目前，基于天智工业大模型形成的企业智能中台已集成至卡奥斯 BaaS 工业大脑，工业企业通过部署工业大脑即可构建一套智能化 转 型所需的平台底座。 信息来源：企业专家访谈、网络公开信息等，由易观分析收集整理

供商，正在使用合成数 据来训练他们的系统进行对象识别。这是在此环境中使用的早期示 例。合成数据可以是仿真的输入，也可以是仿真的输出。这可以加 快机器人系统的培训和采用。  智能仿真有助于仓库数字孪生的演变，从 2D/3D 可视化发展到算 法流程仿真和资源的虚拟作。 行动建议  对跨作的当前仿真使用情况、正在使用的应用程序以及用于哪些场 景进行编目。确定这些用例的不足之处，并评估采用智能仿真来补 库仿真和建模， 以及仓库资源规划和优化。 Gartner 首次将“仓库仿真与建模”列入 2019 年的供应链执行技术的成熟度曲线，接着它又 将“仓库中的数字孪生”增加到 2020 年的供应链执行技术的成熟度曲线，从此开启了物流 利用数字孪生技术的高级仿真。经过多年的实践和研究（这两项技术都保持在 2021 ~ 2024 年 Gartner 的供应链执行技术的成熟度曲线上，并逐渐成熟），隨着人工智能技术的发展， 分析。这些解决方案将仓库数字孪生的元素与先进的仿真和建模相结合。” 领先的供应链组织已帅先釆用先进的数字技术，如数字孪生，人工智能等，进行物流仿真和 建模，为供应链提供了最优决策，大大提高了供应链的效率并降低了成本。例如中国的物流 领先企业顺丰。该公司在 2021 年前，主要聚焦在传统的规划仿真，2021 年开始系统研究数 字孪生，并在物流业务场景中实现了落地。2023-2024 年顺丰以数字孪生为核心的智能仿真

与 诊 断 结合人工智能算法，自动提 取设备 特 征 ，识别潜在异常，构建以专家 经验为核心的诊断体系，为故障根 源定位和问题处理提 供有力建议 智慧 能耗与碳排管控 依托大模型和数字孪生，实时监控、 动态仿真与智能调控，形成能耗预 测、碳排溯源与节能优化的闭环 辅 助 决 策 与 趋 势 预 测 大模型驱动的数据预测能够提 前预 警 潜在风险，为决策层提 角色之间 建立高效的沟通机制，通过 · 循环优化与迭代： 流程采取循环迭代的方式进行，确保 交 流 提 供 必要的支持与反馈 问题得到持续的优化与解决 未来大语言模型的关键突破点二：世界模型 / 数字孪生 57/80 AlphaGo Zero 的成功不仅是算力 + 算法 + 数据，还有数字化的棋盘 ! 2017 年 10 月， AlphaGo Zero 在 3 架构，是通过更真实地模拟现实世 界 ( 多模态输入训练 ) 来解决当前系统的局限性，例如幻 觉 和逻辑上的缺陷。这也是想要 Al 接近人类智力水平， 需要 像婴儿一样学习世界运作的方式。 世界模型 / 数字孪生：让大语言模型能够低成本虚拟演练 58/80 Real-Time Autonamous Adaptive Conceptual Learning& Reasoning

软件与 CIM 平台集成开发公共服务平台研究与应用。 2022 年 《城乡建设领域碳达峰实施方案》 提出利用建筑信息模型（BIM）技术和城市信息模型（CIM）平台等， 推动数字建筑、 数字孪生城市建设，加快城乡建设数字化转型。 2022 年 《“十四五”住房和城乡建设科技 发展规划》 建筑信息模型（BIM）技术在工程设计、生产和施工领域得到推广应 用。研发自主可控的 BIM - 11 - 行业跟踪报告 ➢ Arctron ArcOS 智慧建筑操作系统 数字孪生是建筑行业数字化发展的重要途径之一。Arctron ArcOS 是华建集团子 公司华建数创为拓展数字孪生业务，推出的一款智慧建筑操作系统。Arctron ArcOS 能帮助客户用更低成本实现建筑数字孪生，该系统具备以下功能：（1）支 持多类型数据接入，包括 2D GIS、3D GIS、地图信息、全景数据、三维扫描等； ⚫ AI+设计已成为行业发展趋势 设计行业中部分上市公司已开始布局 BIM 与人工智能，开展工程数字化设计等多 方面业务。华建集团开发数字化系列产品，基于 BIM 与 CIM 建设城市数字孪生 模型，基于云计算与大数据开展智慧建筑、智慧园区技术创新。华设集团积极促 成 BIM 与人工智能规模化，应用 BIM 完成超过 6000 公里高速公路设计，开发快 速方案设计软件，服务 1000

逐步脱离传统冯 • 诺依曼架构的框架束缚，在计算架构、材料器件、工程工艺、计算范式四大核心 层面实现颠覆性创新，最终催生新型计算的全面兴起。 另外，数据将成为推动人工智能发展的“新燃料”。伴随数字孪生、具身智能的普及以及可 能的超级智能体的出现，到 2035 年，人工智能存储容量需求将比 2025 年增长 500 倍，占比超过 70%。未来应用与存储需求的紧耦合，将推动存储技术向超高带宽，超大容量，超强智能方向演 而进入物理 AI 时代，数据是物理世界到数 字世界的实时映射。通过与环境数据的高频交 互，AI 系统可实现动态自演进，不再依赖预先 标注的数据集，而是通过实时感知与反馈循环 不断优化。 伴随数字孪生、具身智能与超级智能体 的普及，预计到 2035 年，存储容量需求将比 2025 年增长 500 倍，AI 数据占比超过 70%。 数据驱动智能：数据决定模型智能的高度，记忆决定智能体应用的宽度 智能物流， 千亿连接 全息多维感知， 百G，DOU:1TB 万物智联， 连接数1千万/km2， 时延100us 通信与感知深度融合：无线网络通过多模 态感知，采集环境数据，与数字孪生技术结合， 将构建全新的融合感知服务能力，在一个系统 中同时实现通信和感知功能。这种一体化技术 能够使通信网络作为一个巨大的传感器，利用 无线电波的传输、反射和散射来感知和理解物 理世界。

. 18 2.2.5 生成式智能化决策控制........................................................ 19 2.2.6 全周期高实时数字孪生........................................................ 22 2.2.7 多要素高可信算电交易..................... 在算电协同体系中，使能技术是实现算力、网络与能源资源高 效融合与协同调度的关键支撑。其涵盖从底层资源纳管，到能源多 能互补调度，再到全局感知预测、确定性网络承载、智能化决策控 制、全周期数字孪生以及多要素可信交易等多个环节。通过技术协 同共同构筑面向绿色、低碳与高效运行目标的算电融合基础设施底 座。 表 2-1 算电协同关键使能技术表 技术名称 核心目标 关键方法 多元异构算 无损网络（RDMA、RoCEv2）、网络 测量与反馈 生成式智能 化决策控制 实现资源调度的智能 生成与自适应优化 生成式算法（Transformer）、在线学 习与反馈机制 全周期高实 时数字孪生 构建算电系统的虚实 映射，实现实时监控 与优化 生命周期管理、实时监控与反馈、自 适应控制 多要素高可 信算电交易 构建透明、公平、可 追溯的资源交易机制 区块链、智能合约、碳排放因子与能