今天讲下空间智能数字孪生这个概念在军用领域的拓展。

本文有三个非常重要的洞察（insights）：

位置（location）信息，是民用和军用数字孪生实现的重要基础。

和民用领域一样，在军用领域，对位置的概念，也需要拓宽其外延。

拓宽位置概念的外延之后， 我们就可以进入军用空间智能数字孪生这一全新的数字世界。

说出来漾银笑话，我有点路盲——对空间中的位置非常不敏感（数字空间、网络空间除外），和《兄弟连》中的 Soble 连长有得一拼。

就像上次暑假，老师叫我去新东方交学费领奖品。进去还好，等我想出门就迷路了，转了十几分钟才找到出口。不知道教育局的去检查，会不会也迷路？之前甚至还发生过这样的糗事——刚从男生厕所出来立马拐进女生厕所。

上周末朋友带我去7XX疗养院吃了顿湖鲜，然后去湖边赏樱。那边山路十八弯，拐来拐去的，拐的我晕头转向。幸好有导航定位应用，不然就分不清东南西北了。

实际上，在数字孪生这一数字空间的特殊应用中，要是没有空间位置的导航定位的能力，也会分不清东南西北。关于这一点，我今天才想明白。

注：本文说的空间（space），并不是指的太空军（space force）、深空（deep space）、新太空（new space）中的太空。当然，太空军的数字孪生、新太空的数字化进展，也和本文讲的内容很有关系，不过就不在本文展开了。

至于怎么想明白的，其实就是因为读了 DTC（数字孪生联盟） 上个月刚发布的《空间智能数字孪生的能力和特征》白皮书。

所以，本文结合这份白皮书，给各位同志介绍下军用空间智能数字孪生。

这个白皮书的应用场景或涉及到的技术，许多是我之前比较熟悉的，比如智能交通、工厂优化，IIoT，GIS。这部分对我来说，并没有太大价值。

DTC 的这份最新的技术白皮书，最有价值的地方在于，它将空间中的不同元素的关系的表征方式，统一到空间中的位置（location）这个抽象概念之下，然后指出了空间位置信息在数字孪生中的基础性地位。

当然这份白皮书，还详细介绍了基于位置的空间智能数字孪生的落地的方法论。这个也挺重要的，不过相对来说，没有这份白皮书中提出的位置概念那么重要。

之前兄弟搞数字孪生，虽然也弄一些工厂产线和设备的结构语义模型；搞智能交通，做过 GIS 应用。但是惭愧的是，从而没有想过这两个其实是兄弟（或者姐妹家人）——工厂里产线和设备模型也和城市交通路网模型一样，也是位置模型。

不过我想大部分人，估计也和我理解的一样，认为空间就是指的地理空间。根本不会认为工厂的产线和设备的语义模型也是位置模型。

而 DTC 的这份报告，却创造性地将几何/3D模型、空间模型、地理空间模型这三种绝大部分人认为风牛马不相及的模型，都统一看做是实物（physical）世界中的实物（设备资产、建筑或设施、园区、城市、区域、地球、太空等）对应的虚拟空间中的位置（location）的虚拟表征。

这个跟我们绝大多数人理解的位置（location）的分类认知，完全不同。传统的位置，一般指的是 LBS（基于位置的服务），或者是 GIS 地理信息系统中的地理位置。而 LBS 不管是基于室外的还是室内的定位，通常两者都是基于 GIS 地理信息系统的。

通常我们大多数人，认为 LBS 最多也就涵盖 Airbnb 租房、美团外卖、优步打车、大众点评之类的基于地理位置的服务。（说句题外话，马斯克当年也是靠做 LBS 互联网服务挖到了第一桶金。）

所以 DTC 这个白皮书中的这个对位置的新的抽象化的定义，非常震撼，也非常具有启发性和价值。

关于这个位置概念的革命性的理解，一个不太恰当的比喻，可能是类似高斯、黎曼、嘉当、陈省身等人创建的现代几何一样。这种新的现代几何的创立，打破了传统欧几里得刚性几何学和牛顿时空观对时间空间的固定认知，引发了人们对时间空间本质的重新思考。为后续的拓扑学、偏微分方程、广义相对论等发展奠定了理论基础。

DTC 的这个位置概念的推广，相当于在地理空间（geospatial）这个位置模型之上，嵌入了更细颗粒度的几何/3D模型、空间模型等其他类型的空间位置模型。从而构建出一个以地理空间为宏观骨架，然后到细粒度的城市、工厂、建筑、产线、设备、零部件的精确的量化的空间。在这个空间之上，再集成关联不同层级的机理模型和实际的运行数据，就可以构建出各种各样的数字孪生应用。

下图是 ESRI 的一张 GIS（地理信息系统） 数字孪生的图。这张图很好地体现了上面这段话的意思。虽然 ESRI 公司是做 GIS 软件为主的，但是也做基于基于 GIS 的设备资产运营的数字孪生和指挥控制的数字孪生应用。值得指出的是，DTC 这份白皮书，作者之一就是来自 ESRI 公司的。

可惜的是，虽然 DTC 中有诺格和 ESRI 等做军工领域空间应用的企业，但是这份白皮书讲的案例，都是民用的案例。

所以本文及后续文章将在这个白皮书的基础之上，做三个维度的拓展。

（一）从概念层面，将空间（space）理解为数字孪生寄居在其中的空间“容器”；并介绍一些军用的模型，指出它们本质上也是位置模型，并且是构建军用空间智能的基础；

（二）从应用层面，分析军用领域空间智能数字孪生的潜在的应用场景。

（三）从哲学层面，基于法国哲学家列斐伏尔的空间生产的理论，指出“空间”不只是被动的、中性的容器，更是一个被生产出来的社会产品。

1. DTC 对位置这个概念的革命性变革

1.1 位置智能是数字孪生必不可少的能力

对于理解所表示的现实世界实体的布局和上下文，位置（location）都是至关重要的。

位置智能（location intelligence）——从可视化和分析位置环境中的数据中获得的洞察力——是实现数字孪生价值的必不可少（essential）的能力。

无论数字孪生的范围和规模如何，也无论其关注的是哪个生命周期阶段——规划、设计、建设还是运营——位置都很重要。如果没有位置感知，许多数字孪生是不可能实现的。

1.2 不同领域数字孪生中的位置信息的例子

我们先来看下不同领域的数字孪生，需要哪些和位置相关的信息。

电网数字孪生中，需要用到 CIM（Common Information Model）标准。它由国际电工委员会（IEC）制定，提供了一个统一的框架，用于电力系统中的数据交换和信息共享。

CIM标准的核心是定义了一组通用的数据模型，这些模型可以用于描述电力系统中的各种设备、网络拓扑、操作状态等信息。

在城市地铁数字孪生中，需要各种位置信息，地铁运行线图、地铁站布局图、地下空间的管廊、列车结构等。

电信运营商在使用无线网络数字孪生进行网络管理时，需要城市建筑的位置信息、有线网络的位置信息、无线基站的位置信息，以及看不见的无线电频谱信号的空间分布的位置信息。

供应链数字孪生，也需要位置信息。这些位置信息，并不只是地理空间的坐标位置信息，更重要的是供应链网络上的不同节点的相对位置信息。

供应链上的这些位置关系，也可以是纵向的从宏观到微观的。

对焊接的机械结构件，用 AI 视觉算法对焊接质量进行分析诊断时，也需要位置信息。

美国陆军M1主战坦克维护保养，需要有产品分解结构的位置信息。

M1 坦克零部件在采购时，订单编码也要有准确的相对位置的结构。

坦克零部件的关联关系，在图数据库中也要有相应的关系和节点的虚拟表征。

对于港口无线网络优化数字孪生，需要先3D建模集装箱码头的堆高的位置信息，因为会影响现场的无线网络通信。即在某个集装箱码头建设网络之前，使用数字孪生构建实地 3D 模型和无线环境，在其中摆放天线和基站等各孪生网元，比较不同的建网方案，再利用人工智能自动寻优以给出最优工参建议，并支持远程 3D 虚拟路测，从而给出业务体验级别的性能评估。

使用这个数字孪生，可以有效解决由集装箱堆高变化而导致的无线环境改变的问题，支持所见即所得，避免有缺陷方案造成的返工浪费；利用远程虚拟路测可以减少实地测试的人工和时间开销。

对城市交通流量进行规划，也需要 OD 矩阵这种基于位置的交通出行流量信息。

环境保护数字孪生，除了需要水体污染扩散模型，还需要水体模型和附近的排放污染的工厂的位置信息。

工厂或者建筑物的 HVAC 暖通数字孪生，也少不了相应的建筑结构位置信息。

数据中心中，也需要位置信息，结合数据中心中的各种故障信息，对数据中心进行可观测性监控。

泵需要有几何/3D的机械结构坐标位置信息，用于对采集的数据进行可视化展示。

1.3 DTC 对位置概念外延的拓展

从上面这些案例，我们可以总结出两点：

位置信息是数字孪生的重要基础。

光有地理空间信息是不够的，数字孪生还需要其他类型的位置信息。

所以在数字孪生的背景下，位置（location）这个概念，需要超越传统的经纬度地理坐标这种狭义的位置概念。

DTC 这份白皮书认为，数字孪生的位置信息，除了地理空间信息，还需要包括资产的相对定位细节，这些细节可以推动更深入的见解和运营相关性。理解“相对位置”，可以让数字孪生捕获对功能性能和系统交互至关重要的空间关系。

这里的相对位置，不仅仅是几何/CAD的位置信息，还可以是更抽象的位置信息。

比如供应链中的不同节点的原料供应商、工厂、内部和外部物流、下游经销商、终端销售节点之间的复杂关联关系。

也可以是电网 CIM 模型的本体关系。

也可以是M1坦克在图数据库中的关系结构。

这种更广义的看待位置的视角，为数字孪生应用程序提供了更丰富的见解，并为预测分析提供了基础。这些位置模型不仅可以表示单个资产，还可以表示它们的上下文依赖关系和对周围组件的影响。例如，在工业装置中，了解泵与其他设备（如储罐、涡轮机或安全设备）的距离有助于预测性能、简化维护并优化操作效率。

因此，在 DTC 白皮书中，在传统的地理空间模型的基础上，将位置信息对应的位置模型（locational models）革命性地拓展为三大类：

几何/3D模型

空间模型

地理空间模型

上面这三种位置模型中，第三种大家本来就默认是用来表征空间的模型。

第一种位置模型，几何/3D模型，大家也应该比较容易能接受。

但是第二种位置模型，也就是空间模型，通常大家都不会认为是位置模型。但是 DTC 这个白皮书，却也把它包含进来了。这个是神来一笔。

1. 几何/3D模型：使用点、线、面和实体等几何对象对实物的数学表示。

在数字孪生模型中，已建资产的几何/ 3D模型提供有关资产形状和配置的信息，但不提供其位置或与其他资产或实体的空间关系。

2. 空间模型：描述分布在三维空间中的特征或现象。这个三维空间可以是任何空间，而不仅仅是地球表面。

空间数据使用定义的坐标参考系来描述实体之间的位置和关系。空间属性包括与其他实体的相对位置、大小、距离、连通性和分布模式。空间数据模型使我们能够了解对象之间是如何直接连接或间接关联的。

空间模型在数字孪生中，用于系统和系统的不同项之间需要可视化，例如描绘电网中资产连接性的示意图布局，或显示喷气发动机内的组件。

在 DTC 白皮书中，给出了泵和变压器的空间模型。从下面两张图，我们可以看出，这种模型，根据 DTC 的定义，竟然也是位置模型。

泵的逻辑结构模型，属于空间模型。根据这个例子，我们可以认为，实体的抽象逻辑结构图，也属于空间模型。所以说，供应链的网络拓扑结构图、软件定义DSP 的数字信号处理的流程图、网络空间的网络攻击图、微服务的调用关系图等，也是空间模型。

变压器的空间结构的模型，也属于空间模型。

3. 地理空间模型：地理空间数据是空间数据的一个子集，它与地球表面和近地表环境的位置有关，重点关注与地球相关的实体和现象。地理空间数据用于制作地图和视觉表示，以准确地表示地球表面上实体的位置。

2. 对军事领域位置概念的外延的拓展

DTC 对空间中的位置概念的广义化拓展，对我们理解军事领域位置概念和军事领域的数字孪生，有极大的启发和价值。

它启发我们，可以基于 DTC 对位置概念的外延的拓展，在军用领域，也拓展位置模型的外延，将原本许多并不认为是空间模型的模型，也纳入到位置模型中来。

基于这个启发，我们就可以将军用领域的一些模型，也纳入到“空间模型”类别之中：

数字工程和任务工程中的基于 SysML 的系统模型，也是空间模型。

用于体系集成的语义模型，也是空间模型。

数字主线，作为一个数据驱动的架构，捕获了系统在整个生命周期的不同信息之间的连接关系。这些连接关系，是系统生命周期的一个空间模型。

任务主线、杀伤链等，也是空间模型。

坦克等装备的维修保障中的基于图数据库的相对关系，也是空间模型。

电磁频谱战中的网络拓扑结构图、通信链路的数字信号处理的前后关系，也是空间模型。

符合 MOSA 标准的 GRA 政府参考架构，也是空间模型。

网络空间数字孪生，其中核心是 SBOM 这个空间模型。

概念空间、问题空间、决策空间、设计空间、权衡空间等，也是空间，也有相应的位置概念。例如概念空间中不同概念之间的相对位置。任务工程的决策空间中的决策问题和试验鉴定（T&E）测试项之间的相对位置关系，也属于空间模型。

下面举几个例子说明。

数字主线系统，连接了系统生命周期的来自不同工程软件系统的不同的信息。这些连接，也是空间模型。

任务工程的任务主线和任务工程主线，也是空间模型。

任务工程与测试评估（T&E）组成的各种对象之间，构成了空间模型。

STITCHES 体系集成工具中的 FTG，也是空间模型。它作为记录了需要体系集成的各个子系统的位置信息的空间模型。当然这个位置信息，记录的是各个子系统之间传递的消息和字段的信息和如何相互转换（conversion）的元信息。而 FTG 仓库，则保存了所有 FTG 空间模型。

蜂群play战术的数字孪生，其中playbook就是蜂群的一种空间模型。

SBOM 作为记录软件组成的坐标信息（名称、版本号、许可证信息、依赖关系）的空间模型，可以在整个软件生命周期中发挥作用。SBOM 提供了对软件供应链的可见性。SBOM 相当于软件产品的配方清单，它列出了构成软件应用程序的各种元素，包括开源软件组件、第三方库、框架、工具等。每个元素在 SBOM 中都会有详细的信息，如名称、版本号、许可证信息、依赖关系等。

坦克等装备的维修保障中的基于图数据库的相对关系，也是空间模型。

用图数据库，还可以用来对作战部队的编制这个空间模型进行建模。可以方便地用图来表示作战部队的编制情况，从而可以估算出从分队、营、旅的不同级别的人员成本。

3. 外延拓展后的好处

一旦我们拓宽了思路，就可以发现上述不同类型的模型，实际上都可以统一看做是某种特殊的空间位置结构的虚拟的表征。

然后接下来，我们就可以轻而易举的在军用领域，找出许多军用空间智能数字孪生的应用场景。比如：

装备资产的平时战时的维护保养，比如鱼雷、导弹等

海战场侦查数字孪生

蜂群Play战术的数字孪生

电磁频谱战的数字孪生

新太空战场的太空和地面站的数字孪生

联合全域指控的互操作的数字孪生

地理情报 GeoInt 的数字孪生

软件供应链和网络杀伤链的数字孪生

基于OODA和可观测性的战斗网络的网络数字孪生