AIGC技术赋能数字孪生城市建设的价值与路径

摘要：人工智能生成内容（Artificial Intelligence Generated Content，AIGC）技术赋能数字孪生城市建设已经成为未来的发展趋势。剖析了AIGC技术与数字孪生技术的区别与联系，基于数字孪生城市建设的挑战，提出AIGC技术主要在感知网络、数据模型、孪生底图、仿真应用四大方向赋能数字孪生城市建设的作用机理，结合理论分析在城市建模孪生、城市规划设计、城市治理、城市服务4个方面的实践应用,并分别从技术研发等五大方向提出发展路径建议。

关键词：AIGC；数字孪生；城市；感知；数据；建模；应用

3.1  AIGC掀起新一轮生产力革命浪潮

AIGC赋能新质生产力突破发展。AIGC是基于大量训练数据底图和生成算法模型，由人工智能自主创作满足用户期望和喜好的各类作品，包括但不限于文字、图片、声音、影片等多种表现形式的数据和信息，使得机器能够像人类一样具备“思考”与“创造”能力。AIGC通过替代重复劳动、激发创意灵感和拓展创新边界，极大地提升了创作者的生产力。未来，AIGC对生产力的革新，将一定程度引领产业涌进从IT化、互联网化到智能化的第三阶段“数实融合”浪潮。

多样化的数据处理是AIGC的核心逻辑。AIGC的核心是通过大模型针对大规模的数据集进行针对性训练，通过多模态数据的融合和知识对齐最终生成文字、图片或者语音等内容成果。预模型是AIGC技术的核心驱动力，是基于深度学习算法的底层架构演进而来。深度学习算法模型可以分为生成对抗网络（Generative Adversarial Networks，GANs）、扩散模型（Diffusion）、机器翻译（Transformer）、基于流的生成模型（Flow-Based Models）、变分自动编码（Variational Autoencoders，VAE）、自监督学习（Self-Supervised Learning）等模型技术，可以归结为两类分支，一是GAN、Diffusion，善于处理图像生成类任务；二是Transformer、自监督学习，适用于处理文本、代码这类强连续性生成任务。在底层数据模型的基础上，自然语言处理（Natural Language Processing，NLP）、计算机视觉（Computer Vision，CV）、多模态等预训练模型逐渐出现，而多模态技术推动AIGC的内容多样性，打破了早期单一的NLP或CV模型，使得语言文字、图形图像、音视频等能够多模态、跨模态自由组合生成内容。例如，OpenAl团队开发跨模态深度学习模型CLIP（Contrastive Language-Image Pre-Training），同时进行自然语言理解和计算机视觉分析，实现图像和文本匹配，还具备自主搜集带有文本描述的图像的能力，这些数据成为CLIP天然的训练样本。深度学习与预模型都是通过学习数据的概率分布来生成新的数据，极大地降低了对大量标注数据的依赖，提高了内容生产的效率和规模。

应用是AIGC技术价值传递的实际落位。AIGC通过对内容生产方式的改变，深刻影响经济社会的生产与消费方式，可以总结分为3种方式。一是提供基础模型服务，通过受控的应用程序编程接口（Application Programming Interface， API）或者软件平台收费，如谷歌、微软、Meta、OpenAI、DeepMind、Stability。AI等；二是基于开源大模型等开源技术进行改进、抽取或模型二次开发场景化、垂直化、定制化的应用模型或工具，如基于开源的Stable Diffusion大模型所开发的二次元风格图像生成器，满足特定行业场景需求；三是开发面向B、C端的场景化工具或软件产品，可通过网页、小程序、群聊、APP等不同的载体呈现。AIGC目前在传媒、影视、电商、娱乐、教育、工业等行业均有应用。未来，AIGC将以内容生产方式根本性变革催动新质生产力革新，对整个社会的生产、生活方式带来长远影响。

3.2  数字孪生技术重塑城市复杂数据治理框架

数字孪生技术被广泛应用于社会各领域。2002年， Michael Grieves首次提出“镜像空间模型”（Mirrored Spaces Model）概念，为数字孪生的提出奠定了基础。2010年，美国国家航空航天局正式使用了“数字孪生”一词。数字孪生技术是指充分利用数字技术，塑造与物理世界一一对应的虚拟对象或空间，其本质是由物理实体与孪生模型共同组成的具备仿真推演功能的系统，具有双向映射、动态交互和实时联系的核心特征。数字孪生技术最早在工业制造领域得到应用，通过数字建模技术对产品的设计、生产、维护等各个工艺环节进行实时动态模拟，从而实现机器设备的全生命周期过程监测，随着新一代信息技术的飞速发展，已被广泛应用于智慧工厂、企业评估、城市治理、工业互联网、车联网等应用场景。

数字孪生技术推动城市数据信息精准表达。中国城镇化水平已超过63%，城市空间的需求正在从关注“增量”的快速建设向关注“存量”的精细化治理转变，城市空间监测评估、品质提升和精细治理转型正在成为热点。在此迫切需求上，通过数字孪生技术，建设与物理城市相互映射、协同交互的数字孪生城市，实现城市全要素数字虚拟化、城市全状态实时可视化、城市管理决策协同智能化，形成物理城市与数字城市平行运转、协同交互的城市发展新形态，从而实现城市治理能力精确度与效率的大幅提升。

数字孪生城市的核心是仿真决策能力。数字孪生城市依赖于时空大数据、感知控制、数据集成、模型构建、模型互操作、业务集成、人机交互等核心技术构建的信息技术体系和城市信息空间模型，使城市具备感知操控、全要素数字化表达、可视化呈现、数据融合、空间分析、仿真推演、虚实融合、自主优化、众创扩展九大能力。新型智慧城市已经实现了对海量数据的可视化，实现了城市的简单现状监测和使用评估，但这并不能够满足高密度城市空间治理的高效处理要求，以应对复杂而交联的城市问题。数字孪生技术的出现能够深入分析、模拟和预测城市的交通、能源、生态、规划等生命体征，而正是仿真决策的能力，使决策者能够进行政策模拟、风险评估和制定优化策略，是城市治理效能提升的关键。

3.3  AIGC与数字孪生技术相互赋能打造“认知孪生”

数字孪生技术为AIGC技术提供数据训练底图。一是数字孪生技术利用物联网等技术将物理世界中的数据及信息转换为通用数据，使物理世界模型化和参数化，这为需要大量数据进行训练模型的GANs等技术提供了丰富的数据源和精确的模型基础。二是数字孪生将AIGC算法无缝嵌入到各类复杂环境和业务流程中，实现对物理世界更高精度和更全面的感知、理解和预测，为AIGC的应用开辟了更为广阔的空间，使其能够在更多元化的场景中发挥关键作用。三是数字孪生技术为AIGC提供了高安全性、高逼真度的训练环境，通过数字孪生技术的仿真模拟能力，帮助解释和理解AIGC的输出，将生成参数限制在可行区域，以确保生成内容的准确性和可靠性。例如，当AIGC生成代码支持机器运行时，数字孪生技术使代码在实现部署之前，可以确保如机械温度或者输出速率在预设参数内运行，这项技术虽处于初步开发阶段，依然拥有巨大的实用性和未来价值。

AIGC技术赋能数字孪生技术实现数据实时驱动仿真。一是通过数字孪生产生的海量数据往往比较分散且难以管理，AIGC技术能够在无人参与的情况下，自动执行数据的准备、分析和融合，从而实现对孪生数据的深度知识挖掘，创造出更多的合成数据，填补真实数据中的缺口，大幅提升数据的价值以及孪生模型精度。二是AIGC技术利用真实与虚拟数据生成新内容，从而大幅提升数字孪生在预测分析、模拟场景、个性化服务的仿真推演能力，如Gemini和GPT-4V可以有效地分析和解释数据集，为数字孪生生成更全面的模拟场景。三是AIGC大模型驱动“数字孪生体”向“生成智能体”演进，开发动态进化的记忆能力与递归生成功能，使数字孪生体具备“思考”与“创造”能力，推动数字孪生朝先知、先觉、共智阶段进化。例如北京影谱科技股份有限公司打造了基于AIGC技术赋能的数字孪生引擎MADT（Moviebook Auto Digital Twin），基于物理环境快速形成实时参数化3D建模数据，将完整数据链即时接到3D成像系统中，确保3D成像模型与物理动态更新或更改保持一致，创建实时的、流畅的、超逼真的3D虚拟孪生体。

如图1所示，AIGC与数字孪生结合实现“认知孪生”高阶迭代进化。AIGC技术与数字孪生城市之间的闭环迭代进化是一个动态的、互相促进的过程，而“认知孪生”则是将两技术链接成深度交织且相互促进的共生关系。一是“认知孪生”通过AIGC与数字孪生的结合，打造具备自我学习和进化能力的感知系统，其根本是通过传感器以采集真实数据为基础进行生成编辑，强调虚实融合、虚实互动以及虚实一致性，不能够完全脱离物理世界而存在。二是“认知孪生”使“数字孪生体”由静态性向动态性转变，能够及时、准确地捕捉实时数据与反馈生成预测数据，数据信息由时段性迭代向实时性更新演进，大幅提升孪生模型的推断决策能力。三是将利用AIGC技术生成的内容，反馈到数字孪生系统中进行测试和验证，帮助AIGC进行自我学习和优化，两技术正在以前所未有的速度和深度实现同频共振式的“进化”，例如51 World AIGC-WDP实现了3D-AIGC技术与数字孪生的深度融合，以API接口的形式输入自然语言即可自动生成交互代码、自动接入交互数据，提升人机交互体验，大幅降低应用开发成本。

         

4.1  数字孪生城市感知体系尚未统一标准

数字孪生城市感知数据呈现冗余化、碎片化的问题。一是感知数据冗余化，在数字孪生城市推进过程中，交通、城管等部门增设许多感知终端，储存了大量数据，但缺乏统一管理和智能分析，由于数据来源的多样性和异构性，数据融合过程中存在数据不一致、冗余等问题。二是感知数据碎片化，不同部门公共数据开放共享不足、流通不畅，数据的上下贯通呈现相对“不对称”现象，各业务数据难以互联互通，造成的重复采集、资源浪费的现象。

4.2  数字孪生城市数据支撑能力有限

缺乏动态数据驱动、数据统一融合表达难度大和动态数据应用价值尚待挖掘三大问题制约着数字孪生城市的发展。一是缺乏动态城市数据驱动，当前以城市静态数据为主，数据大部分都是“粗颗粒”的、过时的，而城市运行状态瞬息万变，迫切需要面向城市具体实际运行场景的真实动态数据驱动，以有效支撑数字孪生城市在模拟仿真、推演验证和预测指导等方面的作用发挥。二是数据统一融合表达难度大，目前尚未建立可兼容异构信息源的统一标准与时空数据底层架构，由于数据权限制约、格式不统一、缺乏对接机制，城市矢量时空、物联网、栅格数据、模型数据、点云数据等多源数据的融合处理仍然存在壁垒，很大程度上制约数字孪生城市作用的发挥。三是动态数据应用价值尚待挖掘，当前主要依靠数据直接表达的信息来解决问题，数据背后更深层次的知识有待进一步发掘，城市数据被利用的深度和广度还很不足。

4.3  数字孪生城市底图建设与实际脱节

数字孪生城市底图建设普遍存在缺少语义描述、空间数据融合不理想、可持续性差的问题。一是数字孪生三维建模缺乏语义化描述，实体对象的数字孪生体并没有全属性要素构建，成熟的行业机理模型、业务规则难以与几何模型深度融合，导致数字孪生建设与实际业务脱节、“两张皮”现象严重。二是三维空间数据与业务数据、语义数据融合不理想，三维数据表达多以“图层化+兴趣点”为主，与对象化、事件化的城市业务流程模式不匹配，普遍缺乏时序、位置属性，给实体对象、业务流程时空化改造带来不便。三是数字孪生城市整体建设可持续性差，数字孪生城市在建设过程中通常难以对平台的数据资源、具体功能和后续扩展性作出准确的定义，为控制开发成本和缩减开发周期，常采用通用模板和静态数据输入，后台架构无法对数据进行有效甄别，缺乏与实际决策流程的交互接口，导致数字孪生城市“好看不好用”。

4.4  数字孪生城市应用缺少高价值场景挖掘

数字孪生城市应用层存在仿真决策能力不足、高价值场景较少的问题。一是仿真决策能力不足，目前数字孪生城市场景应用大部分是一比一映射，无法通过应用智能模型前瞻性地创造出未来场景，通过展现端对物理世界的反控能力更是不足，城市的展现和感知没有形成闭环。二是高价值场景较少，大多数应用场景侧重于构建基础能力，例如空间建模、空间统计等，而对于深度应用场景建设较少，例如城市生命线的碰撞检测、基于孪生体的全流程轨迹溯源等，导致当前场景虽多但难以联动。

5.1  构建全域互联的城市全要素感知网络体系

物联感知网络与AIGC技术融合成为新趋势。AIGC技术通过整合卫星遥感、无人机、物联网（Internet of Things，IoT）和视频监控等数据，采用“合成数据”进行训练，即运用计算机模拟生成的人造数据，构建了一个全面的感知网络，模拟现实世界的观察与观测，确保了城市全要素的实时监测和分析，为IoT设备提供更智能的控制和优化，也为数字孪生城市提供了丰富的数据源（见图2）。

           

图2   AIGC技术赋能数字孪生城市建设能力层次图

5.2  打造统一的数字孪生城市动态数据可视化模型

AIGC技术能够有效赋能动态数据可视化监测、统一数据底层架构和挖掘深层数据价值。一是AIGC技术能够提供低时延可视化的数据信息，结合虚拟化几何和纹理技术，AIGC技术提供了基于图形处理器（Graphics Processing Unit，GPU）的并行渲染和增强现实/虚拟现实技术，支持多种数据类型和分析方法，能够提供大批量、高质量、低延时的数据信息，并对数据的变化趋势进行预测和预警，使城市信息和体验更加直观，大幅提升了实时的信息监测和事件预测能力。二是AIGC技术助力解决多源数据融合处理问题，通过自动化的算子和面向对象的管理，构建了统一时空基准和高效的时空索引，实现了不同来源、不同分辨率的异构数据的智能融合，为数字孪生城市数据底层架构提供了一致性和准确性。三是AIGC技术能够深层次挖掘数据价值，AIGC技术能够通过深度学习和模式识别等方法，发现数据之间的内在联系和规律，通过对单个大规模数据的学习训练，AIGC能够获得多个领域的知识，有利于挖掘城市数据价值的最大化（见图2）。

5.3  建设更加精细化的数字孪生城市底图

AIGC技术能够改进数字孪生城市语义表达、空间数据表达，使其具备扩展性、实时性与互动性。一是AIGC技术赋能数字孪生城市语义表达，利用多模态语义关联能够帮助实现城市三维实景重现，由图片可快速生成三维模型，配合图像特征匹配和端云结合的渲染技术构建高逼真的虚实交互环境。二是AIGC技术赋能构建空间数据表达模型，基于Transformer架构上构建以地图点、线、面、体时空类数据为训练基础的时空训练大模型，使数字孪生城市平台具备时空信息与多源数据融合能力，形成基于实时动态的地理空间场景的可视化仿真应用，提升数字孪生城市的预测分析能力。三是AIGC技术能够使数字孪生城市底图具备扩展性、实时性与互动性，基于自动学习能力自动提取图谱元素，通过扩散模型、预训练模型的引入以及多模态技术的应用，实现城市内容更新的高效率、高质量和低成本，同时基于强大的计算机视觉能力，通过对图像进行实时分析和处理，实现城市要素的自动跟踪，使数字孪生城市具备高实时性与互动性（见图2）。

5.4  构建强大的数字孪生城市仿真决策驱动力

AIGC技术能够有效提升数字孪生城市仿真决策能力、深化城市场景需求分析。一是AIGC技术帮助解决数字孪生城市仿真推演的核心能力问题，通过机器学习和数据挖掘技术，快速产生多种设计和运行方案，基于反馈数据进行不断调整和优化，对不同决策方案的风险、收益和可行性进行评估，确保决策模型的可靠性和可信度，帮助各场景搭建起标识感知、模拟仿真、态势预测、智能决策之间的桥梁。二是AIGC技术助力场景需求分析，基于溯源训练模型、语义理解等能力，可以帮助追踪信息的来源和传播路径，监控用户画像和行为预测，使生成的需求场景更加贴合城市发展实际，更多实体场景加速落地（见图2）。

6.AIGC技术赋能数字孪生城市

建设的典型场景

6.1  城市孪生环境建设

AIGC技术通过深度学习算法，从多源数据中自动提取建筑外形、内部结构、功能布局等特征，快速地辅助用户进行城市级别的3D场景的搭建，使整个城市环境的物理模型细节、动态元素模拟和虚拟人物代理精确度大幅提升，为城市环境赋予动态和交互性，提供高度仿真的城市模型。例如，南京大圣云未来科技有限公司推出基于AIGC加持的数字孪生平台“Meta5D”，通过1个标准模型生成出N个不同的个性化模型，利用各种算法来实现场景的自动创建，如建筑的自动贴图、管道的自动拼接等，在很大程度上提升了工作效率。

6.2  模拟城市规划设计

结合数字孪生城市，AIGC技术根据现有的数据和设计原则，能够快速创造大量设计和场景，使用户能够在虚拟空间中测试不同规划和设计方案，提供实时反馈，加速城市规划者设计和决策过程。例如，北京大学深圳研究生院提出规划领域的专用大型语言模型——PlanGPT，该模型具备一个可自定义的向量数据库检索系统，能够在同构或异质的规划文本中精确提取有用的知识，还能充分利用网络搜索工具获取外界实时信息，缓解了模型因离线训练造成的信息滞后问题，成功解决了城市规划文本带来的独特挑战。

6.3  城市精细化治理

结合数字孪生实时城市事件感知能力，AIGC通过多模态技术，将使用文本信息监督视觉任务进行自训练，将传统小模型的机器视觉分类任务，转化成城市治理场景的图文匹配任务，针对城市治理中的多样化场景需求，利用视觉大模型实现非固定场景下的目标识别和追踪，在短时间内实现对异常事件和安全隐患的主动发现。例如，软通智慧科技有限公司的孔明城市大模型在城市大数据平台和IoT感知体系基础之上，通过构建城市多模态大模型，实现视频、行政审批事项、12345热线、社区园区服务、监督监管和气象环境等数据的实时接入；通过视频分析和人脸识别技术，快速识别异常行为并及时响应，实现城市运行全场景、“端到端”的理解重建以及城市事件“一屏统览”。

6.4  城市高效化服务

AIGC技术的自然语言理解、生成能力以及多模态能力，能够精准理解市民的诉求和意图，极大地提升了政府服务部门处理和分析大量民生数据的效率，在处理公众咨询、采购流程辅助等方面发挥重要作用，助力改善与公众的互动方式，使服务更精准、更迅速。例如，黑镜科技、科大讯飞等企业纷纷推出人工智能虚拟数字人，利用大模型强化学习机制，实现与用户语音实时沟通功能，可以承担公共服务职能，以一体机、小程序、4K大屏等形式提供咨询问答、接待引导、服务指引等服务。截至目前，虚拟数字人市场规模已经超过2 000亿元，在未来市场规模也呈现持续上涨的趋势。

7.AIGC技术赋能数字孪生

城市建设的路径

7.1  加大关键技术领域的投资，筑牢AIGC与数字孪生技术保障体系

深化“人工智能+虚拟现实”技术的理论探索，促进城市空间建模、数据模型设计、场景需求挖掘等领域的深入研究，为AIGC与数字孪生技术的实际应用奠定扎实的理论基石。鼓励政府、产业界、研究机构以及消费者等多方协作，增强提升自主核心技术开发创新能力，通过科技创新项目、政策支持、挑战赛等方式，推动AIGC与数字孪生技术在特定领域内的突破与整合创新并行发展，实现技术的飞跃进步。充分发挥标准的指导性作用，加快建立AIGC、数字孪生技术应用的标准体系。

7.2  构筑AIGC大模型数字孪生城市物联网络，深化提升城市全要素感知能力

应加快部署建设5G/6G、千兆光纤宽带、IPv6、数据中心、云边端设施、工业互联网、超级计算中心等新型基础设施，为数字孪生城市建设提供感知网络支撑。打造基于AIGC的感知基础设施，鼓励企业积极挖掘并发挥AIGC的赋能作用，共同推动“万物互联”向“万物智联”进化。

7.3  打造基于AIGC技术的数据模型体系，构建数字孪生城市动态底座

推动公共数据有序开放与分类分级，探索更加契合公共数据价值利用的规律和规则。探索以高质量数据资源为基础，发展以AIGC预训练模型为主要能力的动态数据模型，构建数字孪生城市数据模型底座。推动数据可视化、数据分析智能化、数据赋能业务发展，支撑智慧决策、智能分析、数据资产化和基于高质量数据的大模型场景应用，形成数字孪生城市大数据治理、增值生态。

7.4  探索基于AIGC技术的城市信息模型设计，实现多模态语义关联三维实景重现

发展基于AIGC的CV及NLP等能力，将不同观测角度、不同时间、不同阶段的数据进行融合处理、语义关联实现城市物理对象或系统的实景重现，构建城市精细化模型。基于大模型将城市对象属性、各类数据与三维模型融合，高效赋能数字孪生城市信息模型的正向设计，构建具备完备语义信息、逻辑关系复杂的城市数字孪生体，同步创建孪生体知识图谱，支撑数字孪生底座开发与应用。

7.5  探索“高价值”“小切口”数字孪生城市应用，以AIGC技术助力促进场景联动

坚持以“高价值”“小切口”城市要素应用场景为驱动，利用AIGC技术挖掘不同行业领域的差异化需求，优先拓展交通、工业、电力等领域的应用规模，再深入挖掘医疗、教育、能源等新兴领域的典型应用场景，探索形成一批可复 制、可推广的数字孪生城市场景示范标杆。围绕涉及多个部门、行业、系统和平台的复杂业务场景，利用AIGC技术助力分解业务流程并进行系统的重构，从而建立起更为贴近需求的数据模型和应用架构，形成场景之间的协同联动，确保高价值的数字孪生场景能够成功落地。

8.结束语

从构成到生成，数字孪生城市将成为新型智慧城市的基石，而AIGC技术则是推动这一进程的核心动力。随着AIGC大模型技术的演进，城市要素实现数字孪生自动化构建将更加快速化、精准化、智能化，数字城市生态系统将具有更高的自主性、智能化和自适应。展望未来，数字孪生城市不仅仅在物理空间数字转化上，更多将在数字空间的动态优化方面发生革命性改变。