几年前,全球第二大移动运营公司沃达丰启动了一个项目,希望为英国电信服务覆盖情况绘制新地图。如今,这个项目已经转型为全数字形式,为物理世界中的电信网络创建出一套高度契合的虚拟副本。作为英国基础设施一套完整且持续更新的数字孪生,它帮助沃达丰快速做出业务决策、获取详细信息,并预测未来可能发生的各种变化。
数字孪生在实践层面所实现的,是一种如同科幻小说题材般的强大能力。这是一种将物理世界(包括供应链网络、市政公交、国际港口等)与数字世界相融合的方式。它不仅让更高效、更透明的运营成为可能,也让我们得以提出并回答以往难以想象的问题。
数字孪生正迅速普及到各类有着严苛要求的环境当中——厂区和管道、机场与城市运营、气候变化及影响预测等等。到2030年,数字孪生技术市场预计将增长10倍。
位置信息是数字孪生的核心。沃达丰等企业已经发现,支持数字孪生的通用语言正是地理信息系统,简称GIS。数字孪生不仅包含它所重现的影像本身,还需要一套由传感器、摄像头、物联网和数据构成的实时神经系统。而现代GIS技术最擅长数据工程与可视化,能够将各类数据集放大并以视觉化形式呈现出来。
沃达丰的GIS驱动数字孪生不仅是一种观察网络的方式,更成为运行网络的手段。
如今,沃达丰已经充分了解英国的网络覆盖,能够在身临其境般的3D场景下观察手机信号强度。管理信号强度的工程师还能据此做出推断,预测网络能否承受得住公共假期的出行高峰,或者音乐会现场/体育场馆位置的汹涌人潮。
沃达丰英国的工作人员还能看到哪些位置的客户越来越集中,预判这里可能需要更多容量,也能看到企业在哪些区域有机会吸引到新客户。
在旧金山国际机场,GIS数字孪生也改变了设施的运营方式。它能让乘客实时了解安检站的等待时间,允许维修人员点击并查看哪些空调滤芯需要更换,还有更换工作需要多高的样子。这套机场孪生是在新冠疫情期间投资73亿美元打造而成,全体项目建筑师、工程师、施工员和机场项目经理都能在同一套3D系统中查看进度,具体到分步时间表和成本的级别。
再来看另一家全球财富五百强企业,这家专注于云网络和网络安全的厂商为世界85%的互联网流量提供设备支撑。该公司在138个国家/地区拥有客户,部署有2000万个物理联网位置。该公司在客户服务系统中引入了部分GIS支持的数字孪生副本,以保证在2小时或4小时内向客户派遣技术人员。其使用关于全球服务人员和备件可用性的实时数据,根据数字孪生预测130个国家/地区共1400个仓库内的关键部件库存。数字孪生能够分析数百万客户的设备和网络使用情况,确保将正确的部件放置在正确的位置。这一切都是以往手动操作时代所无法想象,更遑论具体实现的目标。
GIS数字孪生是一套用于合并各种数据类型的框架,既涵盖实时数据和历史数据,也面向人类世界乃至自然环境。
由此建立的新型业务系统,能够以实时往来的连接流量为用户提供身临其境的准确视图。
更重要的是,GIS数字孪生还为自动化水平的进一步提高奠定了基础。
鹿特丹港是欧洲最大、也最繁忙的港口之一,他们建立的GIS数字孪生能够更好地管理其每年接收的30000艘船舶,高效指挥每6分钟一班的巨型集装箱船。
鹿特丹港的数字孪生基于2万根码头护桩上的传感器,它们会时刻测量温度、风力、水文状况,以及船舶运行和港口自身设备的传感器读数。
这样做的结果就是显著降低了安全事故,缩短了船舶等待装卸的时间周期,同时减少对港口的水质污染。
鹿特丹港体量庞大,陆地的本体占地面积为25英里x 6英里,另外还有20平方英里的海上部分。受地形限制,鹿特丹已经没有额外的地理空间可供扩张,但预计到本世纪末其货物吞吐量需求将再增长75%。解决问题的关键,自然就是利用数字孪生处理并加快下一代客户对象——自主货船。届时,码头和船舶将通过靠泊相互通信,并依托于区块链技术完成清关。
港口项目经理Erwin Rademaker表示,“我们希望建设起世界上最智能的港口。”
GIS数字孪生的真义,在于从信息中提炼出新的见解,而这种信息价值只有在分层合并之后才能转化成有意义的形式。
GIS数字孪生将数据、运营、位置智能和人工智能结合起来,共同揭示出此时此刻的真面目。
它们,能帮助人们更好地理解当下。
它们,能帮助人们在危机中迅速适应。
它们,也能立足现在预测、甚至设想出更美好的未来。
好文章,需要你的鼓励
这项研究提出了R1-Searcher++框架,通过两阶段训练策略使大语言模型能像人类一样灵活利用内部知识和外部信息。该方法创新性地采用强化学习激励模型优先使用内部知识,并引入记忆机制将检索到的信息转化为内部知识,实现动态知识获取。实验表明,R1-Searcher++不仅在多步问答任务上表现优异,还大幅减少了检索次数,显著提高了推理效率。
这项研究提出了AutoRefine,一种革新性的强化学习框架,为大语言模型引入了"边思考边搜索和完善"的全新范式。与传统方法不同,AutoRefine在连续搜索调用之间添加知识完善步骤,让模型能够有效过滤和组织信息。通过结合答案正确性和检索质量双重奖励,该方法在七项问答基准测试中平均提升6.9%的准确率,特别在复杂多跳推理场景中表现突出,解决了现有检索增强推理的核心局限性。
这项研究揭示了一种新型网络安全威胁:利用普通网络广告攻击AI网页代理。中科院研究团队开发的AdInject攻击无需特殊权限,仅通过精心设计的广告内容就能误导AI代理点击恶意链接,成功率高达90%以上。研究使用严格的黑盒模型,更符合现实场景,暴露了当前AI代理面临的实际安全漏洞。实验还表明,即使添加专门的防御提示,这类攻击仍能成功率超过50%,凸显了设计更强大防御机制的紧迫性。
东北大学与快手科技联合研发的UNITE系统为多模态信息检索带来突破性进展。这项发表于2025年5月的研究首次系统分析了模态特定数据如何影响检索性能,并提出创新的模态感知掩码对比学习技术,有效解决不同模态间的竞争关系。UNITE能同时处理文本、图像、视频及其组合,在40多项测试中超越现有方法,即使与参数规模更大的模型相比也表现出色。研究发现视频-文本对在通用检索中表现优异,而文本-文本和文本-图像对对指令遵循任务至关重要,为未来多模态系统研究提供了宝贵指南。